一种基于层次分析的产业链诊断方法及系统与流程

1.本发明涉及产业链现代化领域，尤其涉及一种基于层次分析的产业链诊断方法及系统。


背景技术：

2.推动产业链现代化是构建新发展格局的重要一环，产业链的现代化发展越来越受到重视，产业链的现代化需适应高质量发展要求，厘清当前产业链现代化进程中的突出问题，打好产业基础高级化、产业链现代化的攻坚战，为构建新发展格局提供有力支撑。
3.产业链现代化主要包括建链、强链、补链、延链，然而在现实工作中政府所面临的一个难题是，难以分辨本地某个产业链其强弱环节，以及强者强在何处、弱者弱在何处。由于该理念比较新颖，现有技术中，对解决政府问题所采用的技术方案都不够完整，不够完善，并且适用范围较为有限。


技术实现要素：

4.本技术提供了一种基于层次分析的产业链诊断方法及系统，旨在解决政府工作中难以分辨产业链强弱环节，以及了解强弱的具体内容的问题。
5.为了实现上述目的，本发明采用以下技术方案：
6.一种基于层次分析的产业链诊断方法，包括：
7.获取待测产业链知识图谱；
8.根据经济学原理和产业链发展规律对所述待测产业链知识图谱进行处理，得到产业链图谱诊断指标体系，所述产业链图谱诊断指标体系中具有所述产业链知识图谱中每个节点可映射得到的具体指标及指标值；
9.根据图卷积神经网络对所述具体指标及指标值进行筛选，得到产业链知识图谱诊断指标体系幂级网络；
10.根据混合分层贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行分析诊断，得到产业链分析诊断结果。
11.作为优选，所述根据混合分层贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行分析诊断，得到产业链分析诊断结果，包括：
12.根据层次分析法和贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行指标权重计算，得到诊断指标综合权重；
13.根据模糊理论按照所述诊断指标综合权重对所述产业链知识图谱诊断指标体系幂级网络进行综合分析，得到产业链水平综合评价结果；
14.获取产业链运行现状，将所述产业链运行现状与所述产业链水平综合评价结果按照最大隶属度原则进行对比，得到产业链分析诊断结果。
15.作为优选，所述根据层次分析法和贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行指标权重计算，得到诊断指标综合权重，包括：
16.根据层次分析法将所述产业链知识图谱诊断指标体系幂级网络进行分层处理，并通过“1～9”标度法和预设的判断规则对所述分层处理后的各层指标进行对比，得到每层指标权重的排序结果，将所述排序结果汇总得到结果矩阵，根据方根法对所述结果矩阵进行特征向量的计算，得到第一计算结果；
17.将所述贝叶斯网络按照所述产业链知识图谱诊断指标体系幂级网络进行构建，得到第一贝叶斯网络，根据参数机器学习算法对所述第一贝叶斯网络进行参数计算，得到第二计算结果；
18.将所述第一计算结果和所述第二计算结果结合，得到诊断指标综合权重。
19.作为优选，所述根据模糊理论按照所述诊断指标权重系数对所述产业链知识图谱诊断指标体系幂级网络进行综合分析，得到产业链水平综合评价结果，包括：
20.根据隶属度函数计算所述具体指标对评价集的隶属度，得到隶属度数据集，以构成模糊评价矩阵，将所述诊断指标综合权重汇总，得到综合权重矩阵，所述评价集不限于四个等级“高，较高，一般，低”这一种方案；
21.根据矩阵算法将所述模糊评价矩阵和所述综合权重矩阵进行计算，得到模糊综合评价结果，汇总得到模糊综合评价矩阵，根据层次分析法对所述具体指标进行计算，得到指标权值分配矩阵；
22.将所述模糊综合评价矩阵和所述指标权值分配矩阵按照矩阵算法进行计算，得到产业链水平综合评价结果。
23.一种基于层次分析的产业链诊断系统，包括：
24.获取模块：用于获取待测产业链知识图谱；
25.指标体系构建模块：用于根据经济学原理和产业链发展规律对所述待测产业链知识图谱数据进行处理，得到产业链图谱诊断指标体系，所述产业链图谱诊断指标体系中具有所述产业链知识图谱中每个节点可映射得到的具体指标及指标值；
26.图卷积网络计算模块：用于根据图卷积神经网络对所述具体指标及指标值进行筛选，得到产业链知识图谱诊断指标体系幂级网络；
27.产业链分析诊断模块：用于根据混合分层贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行分析诊断，得到产业链分析诊断结果。
28.作为优选，所述产业链分析诊断模块，包括：
29.综合权重计算模块：用于根据层次分析法和贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行指标权重计算，得到诊断指标综合权重；
30.模糊理论评价模块：用于根据模糊理论按照所述诊断指标综合权重对所述产业链知识图谱诊断指标体系幂级网络进行综合分析，得到产业链水平综合评价结果；
31.产业链对比分析模块：用于获取产业链运行现状，将所述产业链运行现状与所述产业链水平综合评价结果按照最大隶属度原则进行对比，得到产业链分析诊断结果。
32.作为优选，所述综合权重计算模块，包括：
33.指标权重第一计算模块：用于根据层次分析法将所述产业链知识图谱诊断指标体系幂级网络进行分层处理，并通过“1～9”标度法和预设的判断规则对所述分层处理后的各层指标进行对比，得到每层指标权重的排序结果，将所述排序结果汇总得到结果矩阵，根据方根法对所述结果矩阵进行特征向量的计算，得到第一计算结果；
34.指标权重第二计算模块：用于将所述贝叶斯网络按照所述产业链知识图谱诊断指标体系幂级网络进行构建，得到第一贝叶斯网络，根据参数机器学习算法对所述第一贝叶斯网络进行参数计算，得到第二计算结果；
35.指标权重结合模块：用于将所述第一计算结果和所述第二计算结果结合，得到诊断指标综合权重。
36.作为优选，所述模糊理论评价模块，包括：
37.第一矩阵构建模块：用于根据隶属度函数计算所述具体指标对评价集的隶属度，得到隶属度数据集，以构成模糊评价矩阵，将所述诊断指标综合权重汇总，得到综合权重矩阵，所述评价集不限于四个等级“高，较高，一般，低”这一种方案；
38.第二矩阵构建模块：用于根据矩阵算法将所述模糊评价矩阵和所述综合权重矩阵进行计算，得到模糊综合评价结果，汇总得到模糊综合评价矩阵，根据层次分析法对所述具体指标进行计算，得到指标权值分配矩阵；
39.评价结果计算模块：用于将所述模糊综合评价矩阵和所述指标权值分配矩阵按照矩阵算法进行计算，得到产业链水平综合评价结果。
40.一种基于层次分析的产业链诊断系统，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如上述中任一项所述的一种基于层次分析的产业链诊断方法。
41.一种存储有计算机程序的计算机可读存储介质，所述计算机程序被计算机执行时实现如上述中任一项所述的一种基于层次分析的产业链诊断方法。
42.本发明具有以下有益效果：
43.在本技术中，根据经济学原理和产业链发展规律对待测产业链知识图谱数据进行处理，得到产业链图谱诊断指标体系，使得本技术方案应用的指标体系符合经济学原理以及产业链发展规律，从而提高对产业链诊断结果的准确性；在对指标综合权重的计算过程中，使用了层次分析法和贝叶斯网络，提高了整体系统的鲁棒性，提高抗干扰能力，并且在多层次基础上进行分析，使得分析结果更加全面，提高最终诊断结果的准确性；不同的领域的产业链具有不同的产业链知识图谱，根据不同的产业链知识图谱，通过本技术方案可以得到不同的产业链分析诊断结果，所以本技术的技术方案具有更加广泛的适用性；本技术通过建立指标体系并且采用层次分析，贝叶斯网络，模糊评价法进行分析计算，得到最终的产业链分析诊断结果，在结果中展示出各个指标的不同信息，并且具有根据实际产业链进行水平的判定，从而判断指标所对应产业链知识图谱中节点的强弱，提供给当地政府可视化的产业链信息，便于产业链现代化的发展。
附图说明
44.图1是本发明实施例实现一种基于层次分析的产业链诊断方法的流程图
45.图2是本发明实施例实现一种根据混合分层贝叶斯网络对产业链知识图谱诊断指标体系幂级网络进行分析诊断，得到产业链分析诊断结果的方法的流程图
46.图3是本发明实施例实现一种基于层次分析的产业链诊断系统的示意图
47.图4是本发明实施例实现一种基于层次分析的产业链诊断系统中的产业链分析诊断模块400的示意图
48.图5是本发明实施例实现一种基于层次分析的产业链诊断系统中的综合权重计算模块410的示意图
49.图6是本发明实施例实现一种基于层次分析的产业链诊断系统中的模糊理论评价模块420的示意图
50.图7是本发明实施例实现一种基于层次分析的产业链诊断系统的一种电子设备示意图
具体实施方式
51.下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
52.本技术的权利要求书和说明书的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序，应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本技术的实施例中对相同属性的对象在描述时所采用的区分方式，此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他单元。
53.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同，本文中在本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是在于限制本技术。
54.实施例1
55.如图1所示，一种基于层次分析的产业链诊断方法，包括以下步骤：
56.s11、获取待测产业链知识图谱；
57.s12、根据经济学原理和产业链发展规律对所述待测产业链知识图谱进行处理，得到产业链图谱诊断指标体系，所述产业链图谱诊断指标体系中具有所述产业链知识图谱中每个节点可映射得到的具体指标及指标值；
58.s13、根据图卷积神经网络对所述具体指标及指标值进行筛选，得到产业链知识图谱诊断指标体系幂级网络；
59.s14、根据混合分层贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行分析诊断，得到产业链分析诊断结果。
60.在实施例1中，首先获取指定区域的待测产业链知识图谱，根据经济学原理可以从竞争力，稳定性，抗风险能力三个维度进行产业链的评价，并且根据产业链的发展规律，需要建设产业链现代化，主要包括建链、强链、补链、延链这四个核心内容，基于此基础之上，对获取的待测产业链知识图谱进行分析，对应图谱中的节点进行对应指标的确定，将这些指标汇总起来，得到产业链图谱诊断指标体系，所以在该指标体系中，含有知识图谱中所有节点映射得到的具体指标及指标值，主要使用图卷积神经网络模型中的lstm和cnn神经网络模型对指标进行过滤筛选，因为这些指标是通过经济学原理进而获得的，根据经济学原理，有很多指标可以纳入到产业链发展指数的定义中去，但是有些指标可能在数据表现上
或者没那么突出，或者和其他指标相重复，因此我们需要在指标中优中选优，将初选指标的标准化数据为神经网络的输入值矩阵，集对分析中的带权同一度矩阵作为输出值矩阵，依据平均影响值(miv)的累计贡献率大于85％进行指标筛选，从而得到二次筛选后的指标体系，该指标体系有3大维度、 12个一级指标、27个二级指标、57个三级指标，该指标体系即产业链知识图谱诊断指标体系幂级网络，接着根据产业链知识图谱诊断指标体系幂级网络通过层次分析法，贝叶斯网络，模糊评价法进行分析，进行诊断，得到最终的产业链分析诊断结果。本实施例的有益效果是：根据经济学原理和产业链发展规律对待测产业链知识图谱数据进行处理，得到产业链图谱诊断指标体系，使得本技术方案应用的指标体系符合经济学原理以及产业链发展规律，从而提高对产业链诊断结果的准确性；通过神经网络模型对指标体系的筛选，过滤掉了无效的指标，提高了指标体系的精度，从而使得对产业链最终的诊断结果更为准确，能够提供给政府更加可信度的信息数据，便于政府对产业链现代化的建设；不同的领域的产业链具有不同的产业链知识图谱，根据不同的产业链知识图谱，通过本技术方案可以得到不同的产业链分析诊断结果，所以本技术的技术方案具有更加广泛的适用性；产业链知识图谱是本技术技术方案的基础，知识图谱是指构建产业链中上下游节点的关联，只有在完成产业链图谱的构建、理清产品之间的上下游关系后，才可以进一步对各个产业链节点进行评价，得出各个节点的优势与劣势的结论，以供政府决策参考，所以本技术采用产业链知识图谱作为基础具有非常好的技术效果，最终得到的诊断结果也是具有很高的可信度的；本技术通过建立指标体系并且采用层次分析，贝叶斯网络，模糊评价法进行分析计算，得到最终的产业链分析诊断结果，在结果中展示出各个指标的不同信息，并且具有根据实际产业链进行水平的判定，从而判断指标所对应产业链知识图谱中节点的强弱，提供给当地政府可视化的产业链信息，便于产业链现代化的发展。
61.实施例2
62.如图2所示，一种根据混合分层贝叶斯网络对产业链知识图谱诊断指标体系幂级网络进行分析诊断，得到产业链分析诊断结果的方法，包括以下步骤：
63.s21、根据层次分析法和贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行指标权重计算，得到诊断指标综合权重；
64.s22、根据模糊理论按照所述诊断指标综合权重对所述产业链知识图谱诊断指标体系幂级网络进行综合分析，得到产业链水平综合评价结果；
65.s23、获取产业链运行现状，将所述产业链运行现状与所述产业链水平综合评价结果按照最大隶属度原则进行对比，得到产业链分析诊断结果。
66.在实施例2中，首先将诊断指标体系层次化处理后，通过“1～9”标度法并根据所属领域的专家的指导意见将评价指标进行两两比较，逐层得到评价指标权重的排序结果，从而得到判断矩阵，对于判断矩阵，为了保证判断矩阵的准确性，需对其进行了一致性检验，检验通过的选用方根法进行特征向量的求解，将求解结果作为第一个计算结果，接着通过贝叶斯网络对其进行处理，贝叶斯网络主要包含结构学习和参数学习两个方面，该网络结构是一个描述了节点之间关系的有向无环图，条件概率作为参数用于刻画节点对其父节点的依赖关系，根据诊断指标体系构建出其贝叶斯网络，由历史数据学习贝叶斯网络参数，计算贝叶斯网络节点指标的客观权重，将其计算结果作为第二个计算结果，然后将第一个计算结果和第二个计算结果结合起来进行汇总计算，就得到了诊断指标体系中的诊断指标综
合权重，接着先构建一个评价集，本方案中选用评价集中的一种，为4个评价等级的评价集，即{高，较高，一般，低}，再构建模糊评价矩阵，选取合适的隶属函数模型，利用各具体指标的原始数据与隶属度函数的关系计算各具体指标对评价集的隶属度，将计算结果构成模糊评价矩阵，再将诊断指标综合权重作为基础，构建综合权重矩阵，然后根据矩阵的计算方法，将综合权重矩阵和模糊评价矩阵相乘，得到一级指标的模糊综合评价结果，因为在前面模糊评价矩阵和综合权重矩阵已经将各级指标进行处理过了，这里只计算获取一级指标的模糊综合评价结果一是为了在一级大的维度上对各环节进行评价，二是方便计算最后整体产业链的评价分数，根据得到的一级指标的模糊综合评价结果构建模糊综合评价矩阵，再根据层次分析法对诊断指标综合权重进行处理，得到一级指标的权重系数，根据权重系数构建指标权值分配矩阵，接着根据矩阵的计算方法，将模糊综合评价矩阵和指标权值分配矩阵相乘，得到最终的模糊综合评价结果，该评价结果代表着产业链水平综合评价结果，最后获取本地区域实际的产业链水平，将实际的产业链运行现状和产业链水平综合评价结果进行对比，按照最大隶属度原则确定当地产业链的发展水平，得到最终的产业链分析诊断结果。本实施例的有益效果是：在对指标综合权重的计算过程中，使用了层次分析法和贝叶斯网络，提高了整体系统的鲁棒性，提高抗干扰能力，并且在多层次基础上进行分析，使得分析结果更加全面，提高最终诊断结果的准确性；本技术通过建立指标体系并且采用层次分析，贝叶斯网络，模糊评价法进行分析计算，得到最终的产业链分析诊断结果，在结果中展示出各个指标的不同信息，并且具有根据实际产业链进行水平的判定，从而判断指标所对应产业链知识图谱中节点的强弱，提供给当地政府可视化的产业链信息，便于产业链现代化的发展。
67.实施例3
68.如图3所示，一种基于层次分析的产业链诊断系统，包括：
69.获取模块100：用于获取待测产业链知识图谱；
70.指标体系构建模块200：用于根据经济学原理和产业链发展规律对所述待测产业链知识图谱数据进行处理，得到产业链图谱诊断指标体系，所述产业链图谱诊断指标体系中具有所述产业链知识图谱中每个节点可映射得到的具体指标及指标值；
71.图卷积网络计算模块300：用于根据图卷积神经网络对所述具体指标及指标值进行筛选，得到产业链知识图谱诊断指标体系幂级网络；
72.产业链分析诊断模块400：用于根据混合分层贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行分析诊断，得到产业链分析诊断结果。
73.上述实施例的一种实施方式为：首先在获取模块100中，获取待测产业链知识图谱，然后在指标体系构建模块200中，根据经济学原理和产业链发展规律对所述待测产业链知识图谱数据进行处理，得到产业链图谱诊断指标体系，所述产业链图谱诊断指标体系中具有所述产业链知识图谱中每个节点可映射得到的具体指标及指标值，接着在图卷积网络计算模块300中，根据图卷积神经网络对所述具体指标及指标值进行筛选，得到产业链知识图谱诊断指标体系幂级网络，最后在产业链分析诊断模块400中，根据混合分层贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行分析诊断，得到产业链分析诊断结果。
74.实施例4
75.如图4所示，一种基于层次分析的产业链诊断系统中的产业链分析诊断模块400，
包括：
76.综合权重计算模块410：用于根据层次分析法和贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行指标权重计算，得到诊断指标综合权重；
77.模糊理论评价模块420：用于根据模糊理论按照所述诊断指标综合权重对所述产业链知识图谱诊断指标体系幂级网络进行综合分析，得到产业链水平综合评价结果；
78.产业链对比分析模块430：用于获取产业链运行现状，将所述产业链运行现状与所述产业链水平综合评价结果按照最大隶属度原则进行对比，得到产业链分析诊断结果。
79.上述实施例的一种实施方式为：首先在综合权重计算模块410中，根据层次分析法和贝叶斯网络对所述产业链知识图谱诊断指标体系幂级网络进行指标权重计算，得到诊断指标综合权重，然后在模糊理论评价模块420中，根据模糊理论按照所述诊断指标综合权重对所述产业链知识图谱诊断指标体系幂级网络进行综合分析，得到产业链水平综合评价结果，最终在产业链对比分析模块 430中，获取产业链运行现状，将所述产业链运行现状与所述产业链水平综合评价结果按照最大隶属度原则进行对比，得到产业链分析诊断结果。
80.实施例5
81.如图5所示，一种基于层次分析的产业链诊断系统中的综合权重计算模块 410，包括：
82.指标权重第一计算模块411：用于根据层次分析法将所述产业链知识图谱诊断指标体系幂级网络进行分层处理，并通过“1～9”标度法和预设的判断规则对所述分层处理后的各层指标进行对比，得到每层指标权重的排序结果，将所述排序结果汇总得到结果矩阵，根据方根法对所述结果矩阵进行特征向量的计算，得到第一计算结果；
83.指标权重第二计算模块412：用于将所述贝叶斯网络按照所述产业链知识图谱诊断指标体系幂级网络进行构建，得到第一贝叶斯网络，根据参数机器学习算法对所述第一贝叶斯网络进行参数计算，得到第二计算结果；
84.指标权重结合模块413：用于将所述第一计算结果和所述第二计算结果结合，得到诊断指标综合权重。
85.上述实施例的一种实施方式为：首先在指标权重第一计算模块411中，根据层次分析法将所述产业链知识图谱诊断指标体系幂级网络进行分层处理，并通过“1～9”标度法和预设的判断规则对所述分层处理后的各层指标进行对比，得到每层指标权重的排序结果，将所述排序结果汇总得到结果矩阵，根据方根法对所述结果矩阵进行特征向量的计算，得到第一计算结果，然后在指标权重第二计算模块412中，将所述贝叶斯网络按照所述产业链知识图谱诊断指标体系幂级网络进行构建，得到第一贝叶斯网络，根据参数机器学习算法对所述第一贝叶斯网络进行参数计算，得到第二计算结果，最后在指标权重结合模块413中将所述第一计算结果和所述第二计算结果结合，得到诊断指标综合权重。
86.实施例6
87.如图6所示，一种基于层次分析的产业链诊断系统中的模糊理论评价模块 420，包括：
88.第一矩阵构建模块421：用于根据隶属度函数计算所述具体指标对评价集的隶属度，得到隶属度数据集，以构成模糊评价矩阵，将所述诊断指标综合权重汇总，得到综合权重矩阵，所述评价集不限于四个等级“高，较高，一般，低”这一种方案；
89.第二矩阵构建模块422：用于根据矩阵算法将所述模糊评价矩阵和所述综合权重矩阵进行计算，得到模糊综合评价结果，汇总得到模糊综合评价矩阵，根据层次分析法对所述具体指标进行计算，得到指标权值分配矩阵；
90.评价结果计算模块423：用于将所述模糊综合评价矩阵和所述指标权值分配矩阵按照矩阵算法进行计算，得到产业链水平综合评价结果。
91.上述实施例的一种实施方式为：首先在第一矩阵构建模块421中，根据隶属度函数计算所述具体指标对评价集的隶属度，得到隶属度数据集，以构成模糊评价矩阵，将所述诊断指标综合权重汇总，得到综合权重矩阵，所述评价集不限于四个等级“高，较高，一般，低”这一种方案，然后在第二矩阵构建模块422中，根据矩阵算法将所述模糊评价矩阵和所述综合权重矩阵进行计算，得到模糊综合评价结果，汇总得到模糊综合评价矩阵，根据层次分析法对所述具体指标进行计算，得到指标权值分配矩阵，最后在评价结果计算模块423中，将所述模糊综合评价矩阵和所述指标权值分配矩阵按照矩阵算法进行计算，得到产业链水平综合评价结果。
92.实施例7
93.如图7所示，一种电子设备，包括存储器701和处理器702，所述存储器 701用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器702执行以实现上述的任一一种方法。
94.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的电子设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
95.一种存储有计算机程序的计算机可读存储介质，所述计算机程序使计算机执行时实现如上述的任一一种方法。
96.示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器701中，并由处理器702执行，并由输入接口705和输出接口706完成数据的i/o接口传输，以完成本发明,一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机设备中的执行过程。
97.计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，存储器701、处理器702,本领域技术人员可以理解，本实施例仅仅是计算机设备的示例，并不构成对计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入器707、网络接入设备、总线等。
98.处理器702可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器702、数字信号处理器802(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field
‑
program503mablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器702可以是微处理器702或者该处理器702也可以是任何常规的处理器702等。
99.存储器701可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存。存储器701也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字 (securedigital,sd)卡，闪存卡(flashcard)等,
进一步地，存储器701还可以既包括计算机设备的内部存储单元也包括外部存储设备,存储器701用于存储计算机程序以及计算机设备所需的其他程序和数据,存储器701还可以用于暂时地存储在输出器708，而前述的存储介质包括u盘、移动硬盘、只读存储器 rom703、随机存储器ram704、碟盘或光盘等各种可以存储程序代码的介质。
100.以上所述仅为本发明的具体实施例，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。