一种异常值检测方法、装置、电子设备及可读存储介质与流程

1.本发明涉及数据分析技术领域，具体涉及一种异常值检测方法、装置、电子设备及可读存储介质。


背景技术：

2.目前，常用的异常值检测方法是3δ方法，即若收集的时间序列上的数据集满足正态分布，则计算该数据集的标准差δ和均值μ，将标准差δ乘以3得到的3δ值作为阈值。若当前时刻的数据与均值μ差的绝对值大于阈值，则确定该数据为异常值。
3.而目前的3δ方法，对于与均值μ差的绝对值小于等于阈值，但是与前一时刻相比具有较大突变的突变值却无法实现有效的识别。而这种突变值，通常也是异常值。比如，对于锅炉供热场景中，在锅炉的蒸汽量在正常值(即均值)附近时，出现故障，导致蒸汽量急速下降，此时，3δ方法可能认为此刻的蒸汽量数据为正常数据，无法实现及时处理或预警。


技术实现要素：

4.本技术实施例的目的在于提供一种异常值检测方法、装置、电子设备及可读存储介质，以解决现有技术中3δ方法无法识别突变值的问题。
5.本技术实施例提供了一种异常值检测方法，包括：获取当前时刻的数据集；对所述当前时刻的数据集进行差分操作，获得差分数据集；若确定所述差分数据集满足正态分布，则确定所述差分数据集的第一3δ值和第一均值；若当前时刻的差分数据与所述第一均值差的绝对值大于所述第一3δ值，则确定当前时刻的差分数据为异常数据。
6.在上述实现过程中，若确定差分数据集满足正态分布，则确定差分数据集的第一3δ值和第一均值，若当前时刻的差分数据与所述第一均值差的绝对值大于所述第一3δ值，则确定当前时刻的差分数据为异常数据。由于本技术采用了差分操作，获取的差分数据是当前时刻相较于某一时刻的变化量的大小，进而若当前时刻的差分数据与第一均值差的绝对值大于第一3δ值，则确定该差分数据为异常数据，可以实现对于变化较大的突变数据的识别。
7.进一步地，若确定所述数据集满足正态分布，则确定所述数据集的第二3δ值和第二均值；若当前时刻的数据与所述第二均值差的绝对值大于所述第二3δ值，则确定当前时刻的数据为异常值。
8.在上述实现过程中，若当前时刻的数据与第二均值差的绝对值大于第二3δ值，则确定当前时刻的数据为异常值。这样，可以确定与第二均值偏差较大的数据为异常值。这样，相比于传统的3δ方法，不仅可以实现对于常规的异常值的识别，还是实现对于突变值的识别，从而实现更为全面的异常值检测，有利于后续进行及时处理。
9.进一步地，在获取当前时刻的数据集之后，在对所述当前时刻的数据集进行差分操作，获得差分数据集之前，还包括：识别所述数据集中存在的数据缺失位；计算所述数据缺失位的前一数据和后一数据的均值；将所述均值填充至所述数据缺失位。
10.在上述实现过程中，对于数据集中存在数据缺失的情况时，计算数据缺失位的前一数据和后一数据的均值，将该均值填充至数据缺失位，这样获得的处理后的数据集没有缺失数据，有利于后续进行差分操作，也可以更为准确的判断差分数据集和数据集是否满足正态分布。
11.进一步地，对所述当前时刻的数据集进行差分操作，获得差分数据集，包括：对所述当前时刻的数据集中的各个数据进行差分操作，获得差分后数据；将所述差分后数据取绝对值，获得取绝对值后的差分数据；将所述取绝对值后的差分数据加入所述差分数据集。
12.在上述实现过程中，将差分后的数据取绝对值，并将取绝对值后的差分数据加入差分数据集。因为将差分后的数据取绝对值后，本技术只是无法判断异常数据是增加很多还是减少很多，但是这不影响判断该差分数据为异常值，且将取绝对值后的差分数据加入差分数据集，这样差分数据集中的差分数据均为正数，而不是有正有负，可以更为准确的确定差分数据集是否满足正态分布。
13.进一步地，在确定当前时刻的数据为异常值之后，所述方法还包括：若当前时刻的差分数据与所述第一均值差的绝对值大于第一3δ值，且当前时刻的数据与所述第二均值差的绝对值小于等于第二3δ值，则根据所述当前时刻的差分数据和所述第一3δ值，确定第一超过阈值百分比，根据所述第一超过阈值百分比，确定最终异常等级；若当前时刻的差分数据与所述第一均值差的绝对值小于等于第一3δ值，且当前时刻的数据与所述第二均值差的绝对值大于第二3δ值，则根据所述当前时刻的数据和所述第二3δ值，确定第二超过阈值百分比，根据所述第二超过阈值百分比，确定最终异常等级；若当前时刻的差分数据与所述第一均值差的绝对值大于第一3δ值，且当前时刻的数据与所述第二均值差的绝对值大于第二3δ值，则根据所述当前时刻的差分数据和所述第一3δ值，确定第一超过阈值百分比，并根据所述当前时刻的数据和所述第二3δ值，确定第二超过阈值百分比；根据所述第一超过阈值百分比，确定第一异常等级；根据所述第二超过阈值百分比，确定第二异常等级；取所述第一异常等级和所述第二异常等级中的最大等级作为最终异常等级。
14.在上述实现过程中，根据当前时刻的差分数据、当前时刻的数据、第一均值、第二均值、第一3δ值和第二3δ值，确定异常等级，这样工程师可以针对不同的异常等级执行不同的操作，可以更好的处理异常。
15.进一步地，根据所述当前时刻的差分数据和所述第一3δ值，确定第一超过阈值百分比，包括：根据以下公式，确定第一超过阈值百分比：
[0016][0017]
其中，data
差分
为当前时刻的差分数据，p1为第一超过阈值百分比；
[0018]
根据所述当前时刻的数据和所述第二3δ值，确定第二超过阈值百分比，包括：根据以下公式，确定第二超过阈值百分比：
[0019][0020]
其中，data为当前时刻的数据，p2为第二超过阈值百分比。
[0021]
在上述实现过程中，根据以上公式可以快速确定出第一超过阈值百分比或第二超
过阈值百分比，从而可以保证方案的正常执行。
[0022]
进一步地，所述方法还包括：获取最新时刻的数据；将所述最新时刻的数据加入所述数据集，获得最新时刻的数据集；根据所述最新时刻的数据集，确定所述最新时刻的数据是否为异常值。
[0023]
在上述实现过程中，将最新时刻的数据加入数据集，获得最新时刻的数据集，进而根据最新时刻的数据集，确定最新时刻的数据是否为异常值。本技术在每个时刻都需要获取最新时刻的数据集，进而根据最新时刻的数据集，确定最新时刻的数据是否为异常值，这样可以更为准确的确定最新时刻的数据是否为异常值。
[0024]
本技术实施例还提供了一种异常值检测装置，包括：获取模块，用于获取当前时刻的数据集；获取模块，还用于对所述当前时刻的数据集进行差分操作，获得差分数据集；确定模块，用于若确定所述差分数据集满足正态分布，则确定所述差分数据集的第一3δ值和第一均值；确定模块，还用于若当前时刻的差分数据与所述第一均值差的绝对值大于所述第一3δ值，则确定当前时刻的差分数据为异常数据。
[0025]
本技术实施例还提供了一种电子设备，包括处理器、存储器和通信总线；所述通信总线用于实现处理器和存储器之间的连接通信；所述处理器用于执行存储器中存储的一个或者多个程序，以实现上述任一种异常值检测方法。
[0026]
本技术实施例中还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述任一种异常值检测方法。
附图说明
[0027]
为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0028]
图1为本技术实施例提供的一种异常值检测方法的流程示意图；
[0029]
图2为本技术实施例提供的一种对数据集进行预处理的流程示意图；
[0030]
图3为本技术实施例提供的一种对数据集进行差分操作的流程示意图；
[0031]
图4为本技术实施例提供的一种异常等级确定方法的流程示意图；
[0032]
图5为本技术实施例提供的一种检测最新时刻数据是否为异常值的流程示意图；
[0033]
图6为本技术实施例提供的另一种异常值检测方法的流程示意图；
[0034]
图7为本技术实施例提供的一种异常值检测装置的结构示意图；
[0035]
图8为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0036]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
[0037]
实施例一：
[0038]
为了解决现有技术中，3δ方法无法识别变化较大的数据的问题，本技术实施例提供了一种异常值检测方法。下面，结合图1所示的一种异常值检测方法的流程示意图，对本
申请实施例中所提供的一种异常值检测方法进行描述说明。
[0039]
参见图1所示，在本技术实施例中，提供的一种异常值检测方法，包括：
[0040]
s101、获取当前时刻的数据集。
[0041]
需要说明的是，当前时刻的数据集是按时间排列的数据的集合，即将数据按获取的时间顺序进行排列得到的数据集。对于当前的k时刻，获取的当前时刻的数据集可以表示为：其中，data
k
表示第k时刻获得的数据。
[0042]
需要注意的是，在本技术中，可以预先设定数据集中的元素最大个数。比如，可以设定数据集中元素的个数最大是10个、200个或者500个。本技术实施例对数据集中元素的最大个数不作限定。
[0043]
应理解，本技术中数据集中的数据会随着时间的流逝而不断获取最新时刻的数据保存至数据集中，因此当数据集中的元素数量达到设定的最大个数后，可以在每获取一个新的数据后，即丢弃掉数据集中时间最早的数据，以保证数据集中的数据数量保持在最大个数上。
[0044]
示例性的，假设数据集中元素的最大个数为100个，当数据集中元素个数达到100个后，则将最新时刻的数据加入数据集中，丢掉排在第一位的数据。
[0045]
还需要说明的是，对于不同的应用场景，data
k
可以表示不同的数据。在锅炉供热场景中，data
k
可以为第k时刻锅炉的蒸汽量。在供水系统中，data
k
可以为第k时刻供水量。本技术实施例对具体的应用场景和data
k
表示的含义不作限定。
[0046]
还需要说明的是，在实际应用过程中，可能存在着某些时刻获取到的数据为空(即该时刻的数据获取失败)的情况，此时数据集中即存在缺失数据。为了保证数据集数据的可靠性，使得本技术的方案可以正常执行，在本技术中，在步骤s101之后，步骤s102之前，如图2所示，还可以包括：
[0047]
s21、识别数据集中存在的数据缺失位。
[0048]
需要说明的是，在本技术中，数据集中的数据是与时刻对应的，每一个时刻对应有一个数据位，该数据位中的数据即为该时刻的数据。而假设数据集中的第k时刻未收集到数据，则data
k
为空，此时k即为数据集中的数据缺失位。在本技术中，对未收集到数据的值的大小和形式，不作限定。
[0049]
s22、计算数据缺失位的前一数据和后一数据的均值。
[0050]
还需要说明的是，计算数据缺失位的前一数据和后一数据的均值，即在识别到数据缺失位k后，计算的值。
[0051]
其中，data
k
‑1表征数据集中第k
‑
1时刻的数据，data
k 1
表征数据集中第k 1时刻的数据。
[0052]
s23、将均值填充至数据缺失位。
[0053]
还需要说明的是，将均值填充至数据缺失位，即将未收集到数据的k时刻对应的数据data
k
修改为
[0054]
还需要注意的是，通过上述步骤s21～s23，此时数据集中不存在数据缺失。
[0055]
应理解，以上通过均值填充数据缺失位的方式只是本技术实施例所示例的一种可
行方式，除此之外还可以采用其他方式来实现对于数据缺失位的填充，比如将数据缺失位填充为data
k
‑1，或者填充为data
k 1
。在本技术中对于填充数据缺失位的方式不做限制。
[0056]
s102、对当前时刻的数据集进行差分操作，获得差分数据集。
[0057]
还需要说明的是，如图3所示，在本技术中，对当前时刻的数据集进行差分操作，获得差分数据集的过程可以包括：
[0058]
s31、对当前时刻的数据集中的各个数据进行差分操作，获得差分后数据。
[0059]
需要说明的是，在本技术中，对当前时刻的数据集中的各个数据进行的差分操作可以是一阶后向差分，也可以是二阶后向差分。本技术实施例对差分操作的具体方式不做限制。
[0060]
示例性的，对当前k时刻的数据集中的各个数据进行一阶后向差分为例，则第k时刻的一阶后向差分数据为data
k
‑
data
k
‑1。
[0061]
s32、将差分后数据取绝对值，获得取绝对值后的差分数据。
[0062]
示例性的，对第k时刻的一阶后向差分数据取绝对值,获得的取绝对值后的差分数据为|data
k
‑
data
k
‑1|。
[0063]
s33、将取绝对值后的差分数据加入差分数据集。
[0064]
差分数据集中，第k时刻的差分数据data
k
为|data
k
‑
data
k
‑1|。由此，可以获得差分数据集ρ＝{data1、data2、
…
、data
k
}。
[0065]
需要注意的是，data1＝|data1‑
data0|，其中，对于已满的数据集，data0为当前时刻丢弃的数据，对于未满的数据集，data0可以为0，也可以默认为第1时刻的数据，本技术对data0的具体数值不作限定。
[0066]
s103、若确定差分数据集满足正态分布，则确定差分数据集的第一3δ值和第一均值。
[0067]
还需要说明的是，可以根据峰度、偏度指标，或者p
‑
p图，或者q
‑
q图，确定差分数据集是否满足正态分布。本技术对确定差分数据集是否满足正态分布的方法不作限定。
[0068]
还需要说明的是，3δ值即3倍的标准差。在正态分布中，数值分布在(μ
‑
3δ，μ 3δ)的概率为99.74％，超过这个范围的可能性近占不到0.3％，因此，在差分数据集满足正态分布时，可以使用3δ值作为阈值。其中，μ为正态分布的均值。
[0069]
s104、若当前时刻的差分数据与第一均值差的绝对值大于第一3δ值，则确定当前时刻的差分数据为异常数据。
[0070]
还需要说明的是，当前时刻的差分数据与第一均值差的绝对值大于第一3δ值，即|data
k
‑
第一均值|>第一3δ值，则确定当前时刻的差分数据data
k
为异常数据。
[0071]
还需要说明的是，如图4所示，在确定当前时刻的数据为异常值之后，所述方法还包括：
[0072]
s41、若当前时刻的差分数据与第一均值差的绝对值大于第一3δ值，且当前时刻的数据与第二均值差的绝对值小于等于第二3δ值，则根据当前时刻的差分数据和第一3δ值，确定第一超过阈值百分比，根据第一超过阈值百分比，确定最终异常等级。
[0073]
还需要说明的是，根据当前时刻的差分数据和第一3δ值，确定第一超过阈值百分比，即根据下列公式，确定第一超过阈值百分比：
[0074][0075]
其中，data
差分
为当前时刻的差分数据，p1为第一超过阈值百分比。
[0076]
还需要说明的是，在本技术中，可以设定不同的超过阈值百分比，对应不同的异常等级。例如，若超过阈值百分比为80％及以上，则可以认为异常等级高，可以立即发出预警，且通知工程师立即处理；若超过阈值百分比超过50％但不足80％，则可以认为异常等级中等，可以立即发出预警，通知工程师及时处理；若超过阈值百分比超过30％但不足80％，则可以认为异常等级低，可以立即发出预警。
[0077]
s42、若当前时刻的差分数据与第一均值差的绝对值小于等于第一3δ值，且当前时刻的数据与第二均值差的绝对值大于第二3δ值，则根据当前时刻的数据和第二3δ值，确定第二超过阈值百分比，根据第二超过阈值百分比，确定最终异常等级。
[0078]
需要说明的是，根据当前时刻的数据和第二3δ值，确定第二超过阈值百分比，即根据以下公式，确定第二超过阈值百分比：
[0079][0080]
其中，data为当前时刻的数据，p2为第二超过阈值百分比。
[0081]
s43、若当前时刻的差分数据与第一均值差的绝对值大于第一3δ值，且当前时刻的数据与第二均值差的绝对值大于第二3δ值，则根据当前时刻的差分数据和第一3δ值，确定第一超过阈值百分比，并根据当前时刻的数据和第二3δ值，确定第二超过阈值百分比；根据第一超过阈值百分比，确定第一异常等级；根据第二超过阈值百分比，确定第二异常等级；取第一异常等级和第二异常等级中的最大等级作为最终异常等级。
[0082]
还需要说明的是，在确定当前时刻的数据是否为异常值之后，结合图5所示，所述方法还包括：
[0083]
s51、获取最新时刻的数据。
[0084]
还需要说明的是，获取最新时刻的数据，即获取第k 1时刻的数据data
k 1
。
[0085]
s52、将最新时刻的数据加入数据集，获得最新时刻的数据集。
[0086]
还需要说明的是，将最新时刻的数据加入数据集，即将data
k 1
加入数据集若此时数据集中的元素未达到最大值，则可以直接将data
k 1
加入数据集若此时数据集中的元素达到最大值，则丢掉最先加入到数据集的数据data1，将data
k 1
加入数据集最新时刻的数据集可以表示为刻的数据集可以表示为
[0087]
s53、根据最新时刻的数据集，确定最新时刻的数据是否为异常值。
[0088]
还需要说明的是，根据最新时刻的数据集，确定最新时刻的数据是否为异常值，即根据最新时刻的数据集通过上述方法确定最新时刻的数据是否为异常值，此处不再赘述。
[0089]
综上，本技术实施例提供的一种异常值检测方法，对当前时刻的数据集进行差分操作，获得差分数据集，进而若差分数据集满足正态分布，当前时刻的差分数据与第一均值差的绝对值大于第一3δ值，则确定当前时刻的差分数据为异常值。由于本技术采用了差分
操作，获取的差分数据是当前时刻相较于某一时刻的变化量的大小，因此，本技术可以实现对于变化较大的突变数据的识别。
[0090]
实施例二：
[0091]
为了便于理解本技术的方案，本实施例在实施例一的基础上，在执行步骤s101，获取到当前时刻的数据集之后，还可以采用下述图6所示的过程进行异常值检测：
[0092]
s601、若数据集中的数据满足正态分布，则确定数据集的第二3δ值和第二均值。
[0093]
还需要说明的是，确定数据集满足正态分布的方式与确定差分数据集满足正态分布的方式相同，在此处不再赘述，本技术对确定数据集满足正态分布的方式不作限定。
[0094]
s602、若当前时刻的数据与第二均值差的绝对值大于第二3δ值，则确定当前时刻的数据为异常值。
[0095]
需要说明的是，当前时刻的数据与第二均值差的绝对值大于第二3δ值，即|data
k
‑
第二均值|>第二3δ值，则确定当前时刻的数据data
k
为异常值。
[0096]
还需要说明的是，若数据集满足正态分布，当前时刻的数据与第二均值差的绝对值大于第二3δ值，则确定当前时刻的数据为异常值，这样确定的异常值更为全面，有利于后续进行及时处理。
[0097]
值得注意的是，本技术中，本实施例提供的图6所示的过程，可以与实施例一种的步骤s102至步骤s104并行执行，也可以在步骤s104之后执行，也可以在步骤s102之前执行，本技术对图6所示的过程与实施例中1步骤s102至步骤s104之间的执行顺序不作限定。
[0098]
在本实施例中，若确定数据集满足正态分布，且当前时刻的数据与第二均值差的绝对值大于第二3δ值，则确定当前时刻的数据为异常值，这样可以更全面地检测异常值，有利于后续进行及时处理。
[0099]
实施例三：
[0100]
基于同一发明构思，本技术实施例还提供了一种异常值检测装置700，请参阅图7所示。应理解，装置700具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。装置700包括至少一个能以软件或固件的形式存储于存储器中或固化在装置700的操作系统中的软件功能模块。具体地：
[0101]
参见图7所示，装置700包括：获取模块701和确定模块702。其中：
[0102]
获取模块701，用于获取当前时刻的数据集；
[0103]
获取模块701，还用于对当前时刻的数据集进行差分操作，获得差分数据集；
[0104]
确定模块702，用于若确定差分数据集满足正态分布，则确定差分数据集的第一3δ值和第一均值；
[0105]
确定模块702，还用于若当前时刻的差分数据与第一均值差的绝对值大于第一3δ值，则确定当前时刻的差分数据为异常数据。
[0106]
在本技术实施例的一种可行实施方式中，确定模块702，还用于若确定数据集满足正态分布，则确定数据集的第二3δ值和第二均值；确定模块702，还用于若当前时刻的数据与第二均值差的绝对值大于第二3δ值，则确定当前时刻的数据为异常值。
[0107]
在本技术实施例的一种可行实施方式中，装置700还包括处理模块，处理模块，用于识别数据集中存在的数据缺失位；处理模块，还用于计算数据缺失位的前一数据和后一数据的均值，将均值填充至数据缺失位。
[0108]
在本技术实施例的一种可行实施方式中，对当前时刻的数据集进行差分操作，获得差分数据集，包括：对当前时刻的数据集中的各个数据进行差分操作，获得差分后数据；将差分后数据取绝对值，获得取绝对值后的差分数据；将取绝对值后的差分数据加入差分数据集。
[0109]
在本技术实施例的一种可行实施方式中，在确定当前时刻的数据为异常值之后，确定模块702，还用于若当前时刻的差分数据与第一均值差的绝对值大于第一3δ值，且当前时刻的数据与第二均值差的绝对值小于等于第二3δ值，则根据当前时刻的差分数据和第一3δ值，确定第一超过阈值百分比，根据第一超过阈值百分比，确定最终异常等级；确定模块702，还用于若当前时刻的差分数据与第一均值差的绝对值小于等于第一3δ值，且当前时刻的数据与第二均值差的绝对值大于第二3δ值，则根据当前时刻的数据和第二3δ值，确定第二超过阈值百分比，根据第二超过阈值百分比，确定最终异常等级；确定模块702，还用于若当前时刻的差分数据与第一均值差的绝对值大于第一3δ值，且当前时刻的数据与第二均值差的绝对值大于第二3δ值，则根据当前时刻的差分数据和第一3δ值，确定第一超过阈值百分比，并根据当前时刻的数据和第二3δ值，确定第二超过阈值百分比；根据第一超过阈值百分比，确定第一异常等级；根据第二超过阈值百分比，确定第二异常等级；取第一异常等级和第二异常等级中的最大等级作为最终异常等级。
[0110]
在本技术实施例的一种可行实施方式中，根据当前时刻的差分数据和第一3δ值，确定第一超过阈值百分比，包括：根据以下公式，确定第一超过阈值百分比：
[0111][0112]
其中，data
差分
为当前时刻的差分数据，p1为第一超过阈值百分比；
[0113]
根据当前时刻的数据和第二3δ值，确定第二超过阈值百分比，包括：根据以下公式，确定第二超过阈值百分比：
[0114][0115]
其中，data为当前时刻的数据，p2为第二超过阈值百分比。
[0116]
在本技术实施例的一种可行实施方式中，获取模块701，还用于获取最新时刻的数据；获取模块701，还用于将最新时刻的数据加入数据集，获得最新时刻的数据集；确定模块702，还用于根据最新时刻的数据集，确定最新时刻的数据是否为异常值。
[0117]
需要理解的是，出于描述简洁的考量，部分实施例一中描述过的内容在本实施例中不再赘述。
[0118]
实施例四：
[0119]
本技术实施例提供了一种电子设备，参见图8所示，其包括处理器801、存储器802以及通信总线803。其中：
[0120]
通信总线803用于实现处理器801和存储器802之间的连接通信。
[0121]
处理器801用于执行存储器802中存储的一个或多个程序，以实现上述实施例一和/或实施例二中提供的异常值检测方法。
[0122]
可以理解，图8所示的结构仅为示意，电子设备还可包括比图8中所示更多或者更
少的组件，或者具有与图8所示不同的配置。
[0123]
可以理解，本技术实施例中所述的电子设备可以是具有数据处理功能的主机、服务器等设备，但不作为限制。
[0124]
本实施例还提供了一种可读存储介质，如软盘、光盘、硬盘、闪存、u盘、sd(secure digital memory card，安全数码卡)卡、mmc(multimedia card，多媒体卡)卡等，在该可读存储介质中存储有实现上述各个步骤的一个或者多个程序，这一个或者多个程序可被一个或者多个处理器执行，以实现上述实施例一和/或实施例二中一种异常值检测方法所执行的各步骤。在此不再赘述。
[0125]
在本技术所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0126]
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0127]
再者，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0128]
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
[0129]
在本文中，多个是指两个或两个以上。
[0130]
以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。