一种项目风险预测方法、模块及计算设备与流程

1.本发明涉及系统开发与数据处理技术领域，特别涉及一种项目风险预测方法、模块、计算设备及存储介质。


背景技术：

2.在系统开发的生命周期中，每个项目都有可能面临各式各样的风险，其中，最为常见的就是逾期风险。由于项目逾期通常是在项目预期时间的尾声才会暴露出来，在项目初期和中期阶段不容易被发现，这给项目需求提出方带来了很大的困扰，而对于开发人员而言，极易陷入循环式赶进度的困境，最终可能导致项目不仅逾期还完成度不高。
3.目前，业内对于项目逾期的风险谈之色变，常规的可用于预测处理的算法，如机器学习模型、逻辑回归算法、决策树分类及预测模型等，都难以应用到系统开发中的项目逾期风险预测中，即暂时欠缺一种行之有效的预测、跟踪、发现项目逾期风险的方法。
4.因此，需要一种新的项目风险预测方法来实现优化处理。


技术实现要素：

5.为此，本发明提供一种项目风险预测方案，以力图解决或者至少缓解上面存在的问题。
6.根据本发明的一个方面，提供一种项目风险预测方法，该方法包括如下步骤：首先，对多个已完成项目进行聚类，以获取有风险聚类中心和无风险聚类中心；对实施中项目进行处理以生成实施中项目的数据集；分别计算实施中项目的数据集与有风险聚类中心的第一距离，以及与无风险聚类中心的第二距离；根据第一距离与第二距离的比较结果，对实施中项目进行风险预测。
7.可选地，在根据本发明的项目风险预测方法中，对多个已完成项目进行聚类，以获取有风险聚类中心和无风险聚类中心的步骤，包括：为多个已完成项目中的每个已完成项目生成数据集；将多个已完成项目的数据集进行聚类处理，生成有风险数据集合和无风险数据集合；分别计算有风险数据集合的有风险聚类中心和无风险数据集合的无风险聚类中心。
8.可选地，在根据本发明的项目风险预测方法中，为多个已完成项目中的每个已完成项目生成数据集的步骤，包括：对多个已完成项目中的每个已完成项目，获取已完成项目的缺陷修复时间集；根据缺陷修复时间集，生成已完成项目的数据集。
9.可选地，在根据本发明的项目风险预测方法中，获取已完成项目的缺陷修复时间集的步骤，包括：对已完成项目在实施过程中出现的每一个缺陷，获取缺陷的缺陷创建时间和缺陷解决时间；计算缺陷解决时间和缺陷创建时间之差，作为缺陷的缺陷修复时间；收集每一个缺陷的缺陷修复时间，以生成已完成项目的缺陷修复时间集。
10.可选地，在根据本发明的项目风险预测方法中，根据缺陷修复时间集，生成已完成项目的数据集的步骤，包括：计算缺陷修复时间集的标准差、均值和90分位数；将标准差、均
值和90分位数作为已完成项目的数据集。
11.可选地，在根据本发明的项目风险预测方法中，分别计算实施中项目的数据集与有风险聚类中心的第一距离，以及与无风险聚类中心的第二距离的步骤，包括：计算实施中项目的数据集与有风险聚类中心的欧式距离，作为第一距离；计算实施中项目的数据集与无风险聚类中心的欧式距离，作为第二距离。
12.可选地，在根据本发明的项目风险预测方法中，根据第一距离与第二距离的比较结果，对实施中项目进行风险预测的步骤，包括：若第一距离大于第二距离，则预测实施中项目无出现逾期风险趋势；若第一距离小于第二距离，则预测实施中项目有出现逾期风险趋势。
13.根据本发明的又一个方面，提供一种项目风险预测模块，该模块包括聚类单元、数据化单元、计算单元和预测单元。其中，聚类单元适于对多个已完成项目进行聚类，以获取有风险聚类中心和无风险聚类中心；数据化单元适于对实施中项目进行处理以生成实施中项目的数据集；计算单元适于分别计算实施中项目的数据集与有风险聚类中心的第一距离，以及与无风险聚类中心的第二距离；预测单元适于根据第一距离与第二距离的比较结果，对实施中项目进行风险预测。
14.根据本发明的又一个方面，提供了一种计算设备，包括：至少一个处理器；以及存储器，存储有程序指令，其中，程序指令被配置为适于由至少一个处理器执行，程序指令包括用于执行如上所述的项目风险预测方法的指令。
15.根据本发明的又一个方面，提供了一种存储有程序指令的可读存储介质，当程序指令被计算设备读取并执行时，使得计算设备执行如上所述的项目风险预测方法。
16.根据本发明的项目风险预测方案，通过对多个已完成项目进行聚类，获取有风险聚类中心和无风险聚类中心，分别计算实施中项目的数据集与有风险聚类中心的第一距离，以及与无风险聚类中心的第二距离，根据第一距离与第二距离的比较结果来对实施中项目进行风险预测，即当第一距离大于第二距离时，预测实施中项目无逾期风险，当第一距离小于第二距离时，预测实施中项目有逾期风险。
17.在上述技术方案中，对多个已完成项目进行聚类时，以缺陷创建时间和缺陷解决时间为基础，计算出缺陷修复时间，结合标准差、均值和90分位数形成已完成项目的数据集，以便基于多个已完成项目的数据集进行聚类，进而生成有风险数据集合和无风险数据集合，进一步计算出相应的有风险聚类中心和无风险聚类中心。从而，对实施中项目进行动态分析和预测，可以很好地预警项目产生风险的可能趋势，从早期发现问题、解决问题。同时，随着已完成项目的积累，逐渐地修正聚类中心，使得项目风险预测越来越准确，也有可能更早地产生风险预警，保证项目工期和质量。
附图说明
18.为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
19.图1示出了根据本发明的一个实施例的计算设备100的结构框图；
20.图2示出了根据本发明的一个实施例的项目风险预测方法200的流程图；以及
21.图3示出了根据本发明的一个实施例的项目风险预测模块300的示意图。
具体实施方式
22.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
23.图1示出了根据本发明的一个实施例的计算设备100的结构框图。
24.如图1所示，在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
25.取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(up)、微控制器(uc)、数字信息处理器(dsp)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(alu)、浮点数单元(fpu)、数字信号处理核心(dsp核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。
26.取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如ram)、非易失性存储器(诸如rom、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作系统上由一个或多个处理器104利用程序数据124执行指令。
27.计算设备100还包括储存设备132，储存设备132包括可移除储存器136和不可移除储存器138。
28.计算设备100还可以包括储存接口总线134。储存接口总线134实现了从储存设备132(例如，可移除储存器136和不可移除储存器138)经由总线/接口控制器130到基本配置102的通信。操作系统120、应用122以及程序数据124的至少一部分可以存储在可移除储存器136和/或不可移除储存器138上，并且在计算设备100上电或者要执行应用122时，经由储存接口总线134而加载到系统存储器106中，并由一个或者多个处理器104来执行。
29.计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个a/v端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个i/o端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
30.网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波
或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以是这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中以编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(rf)、微波、红外(ir)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
31.计算设备100可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。当然，计算设备100也可以实现为小尺寸便携(或者移动)电子设备的一部分，这些电子设备可以是诸如蜂窝电话、数码照相机、个人数字助理(pda)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。甚至可以被实现为服务器，如文件服务器、数据库服务器、应用程序服务器和web服务器等。本发明的实施例对此均不做限制。
32.计算设备100被配置为执行根据本发明的项目风险预测方法200。其中，布置在操作系统上的应用122中包含用于执行本发明的项目风险预测方法200的多条程序指令，这些程序指令可以指示处理器104执行本发明的项目风险预测方法200，以便计算设备200通过执行本发明的项目风险预测方法200来预测项目风险。
33.根据本发明的一个实施例，布置在操作系统上的应用122包括项目风险预测模块300，项目风险预测模块300中包含用于执行本发明的项目风险预测方法200的多条程序指令，使得本发明的项目风险预测方法200可以在项目风险预测模块300中执行。
34.图2示出了根据本发明的一个实施例的项目风险预测方法200的流程图。项目风险预测方法200可以在计算设备(例如前述计算设备100)的项目风险预测模块300中执行。
35.如图2所示，方法200始于步骤s210。在步骤s210中，对多个已完成项目进行聚类，以获取有风险聚类中心和无风险聚类中心。根据本发明的一个实施例，可通过如下方式对多个已完成项目进行聚类，以获取有风险聚类中心和无风险聚类中心。在该实施方式中，首先，为多个已完成项目中的每个已完成项目生成数据集，再将多个已完成项目的数据集进行聚类处理，生成有风险数据集合和无风险数据集合，分别计算有风险数据集合的有风险聚类中心和无风险数据集合的无风险聚类中心。
36.在为多个已完成项目中的每个已完成项目生成数据集时，通常是对多个已完成项目中的每个已完成项目，获取已完成项目的缺陷修复时间集，根据缺陷修复时间集，生成已完成项目的数据集。而具体在获取已完成项目的缺陷修复时间集的处理方式上，可采取以下技术手段实现。对已完成项目在实施过程中出现的每一个缺陷，获取缺陷的缺陷创建时间和缺陷解决时间，计算缺陷解决时间和缺陷创建时间之差，作为缺陷的缺陷修复时间，收集每一个缺陷的缺陷修复时间，以生成已完成项目的缺陷修复时间集。
37.例如，目前已完成项目的个数为m，分别以a1、a2、
……
、a
m-1
、am表示。对已完成项目a1而言，其在实施过程中出现过n个缺陷，对这n个缺陷中的第n(n＝1,2,3,
…
,n-1,n)个缺陷，获取缺陷的缺陷创建时间tcn和缺陷解决时间ten，计算缺陷解决时间ten和缺陷创建时间tcn之差te
n-tcn，作为缺陷的缺陷修复时间tfn，即tfn＝te
n-tcn。其中，缺陷创建时间为新建缺陷的创建时间，缺陷解决时间为开发解决缺陷并反馈的时间。这里的缺陷创建时间、缺陷解决时间和缺陷修复时间可视为缺陷的基本属性，或也可以理解为缺陷特性。
38.收集已完成项目a1的n个缺陷的缺陷修复时间，可生成已完成项目的缺陷修复时间集p1＝(tf1,tf2,...,tfn)。进而可根据这一缺陷修复时间集p1，生成已完成项目a1的数据集。一般情况下，可通过计算已完成项目的缺陷修复时间集的标准差、均值和90分位数，将标准差、均值和90分位数作为已完成项目的数据集。
39.比如，对已完成项目a1的缺陷修复时间集p1，分别记dev1、eva1和per1为其标准差、均值和90分位数，具体以如下公式表示：
[0040][0041][0042]
per1＝tfa [tf
a 1-tfa]
×dꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0043]
其中，d＝b-a，b＝(n 1)/10，a＝int(b)，int表示向下取整。通过上述公式(1)、(2)和(3)，计算缺陷修复时间集p1的标准差、均值和90分位数，以生成已完成项目a1的数据集，将该数据集记为α1，则α1＝(dev1,eva1,per1)。
[0044]
对于其他已完成项目a2、
……
、a
m-1
、am，可参照以上处理过程来生成对应的数据集α2、
……
、α
m-1
、αm，此处不再赘述。
[0045]
在得到m个已完成项目的数据集α1、α2、
……
、α
m-1
、αm之后，可将这m个已完成项目的数据集组合成一个维度为3
×
m的数据，记为β。对β中m个已完成项目的数据集，可采用ahc(agglomerative hierarchical clustering，凝聚式层次聚类)算法来对其进行聚类处理，将β分成有风险数据集合和无风险数据集合，这里的风险一般指项目逾期风险。
[0046]
简单来说，就是将每个有风险的数据集看作一个簇，依据这些簇不断计算质心从而达到合并簇类个数的目的，以此类推计算出来的该类有风险的数据集的质心c1，即有风险数据集合的有风险聚类中心为c1。同理，将每个无风险的数据集看作一个簇，依据这些簇不断计算质心从而达到合并簇类个数的目的，以此类推计算出来的该类无风险的数据集的质心c2，即无风险数据集合的无风险聚类中心为c2。以上关于聚类处理的具体过程，则不再进行赘述。需要说明的是，聚类算法并不限于以上提到的ahc算法，根据实际情况可进行相应调整。
[0047]
随后，进入步骤s220，对实施中项目进行处理以生成实施中项目的数据集。根据本发明的一个实施例，先获取实施中项目的缺陷修复时间集，根据缺陷修复时间集，生成实施中项目的数据集。
[0048]
在获取实施中项目的缺陷修复时间集时，对实施中项目截至目前为止所出现的每一个缺陷，获取缺陷创建时间和缺陷解决时间，计算缺陷解决时间和缺陷创建时间之差，作为缺陷的缺陷修复时间，收集每一个缺陷的缺陷修复时间，以生成实施中项目的缺陷修复时间集。
[0049]
在根据缺陷修复时间集，生成实施中项目的数据集时，先计算缺陷修复时间集的标准差、均值和90分位数，再将标准差、均值和90分位数作为实施中项目的数据集。
[0050]
以上对实施中项目进行处理以生成实施中项目的数据集的过程，可参照步骤s210中涉及生成已完成项目的数据集的描述，此处不再赘述。
[0051]
通常情况下，对一个实施中项目，会在一个合适的时间间隔内，生成实施中项目的
数据集γ，且γ＝(dev0,eva0,per0)，dev0、eva0和per0分别为该实施中项目的缺陷修复时间集的标准差、均值和90分位数。上述时间间隔可以是每天，也可以按需确定，或根据经验确定，如在项目实施过程中的时间进度50％时进行度量。
[0052]
在步骤s230中，分别计算实施中项目的数据集与有风险聚类中心的第一距离，以及与无风险聚类中心的第二距离。根据本发明的一个实施例，可通过如下方式来计算出第一距离和第二距离。在该实施方式中，计算实施中项目的数据集与有风险聚类中心的欧式距离，作为第一距离，计算实施中项目的数据集与无风险聚类中心的欧式距离，作为第二距离。
[0053]
例如，记有风险聚类中心c1表示为无风险聚类中心c2表示为则有：
[0054][0055][0056]
其中，s1、s2分别表示第一距离、第二距离。
[0057]
最后，执行步骤s240，根据第一距离与第二距离的比较结果，对实施中项目进行风险预测。根据本发明的一个实施例，若第一距离大于第二距离，则预测实施中项目无出现逾期风险趋势，若第一距离小于第二距离，则预测实施中项目有出现逾期风险趋势。
[0058]
例如，当s1》s2时，表明实施中项目无出现逾期风险趋势，即当前项目不会逾期，当s1《s2时，表明实施中项目有出现逾期风险趋势，即当前项目有可能逾期，需要保持警惕并采取相应措施。而s1＝s2是一种发生概率很小的情况，其表示无任何趋势预判。
[0059]
图3示出了根据本发明的一个实施例的项目风险预测模块300的示意图。项目风险预测模块300驻留在计算设备(例如前述计算设备100)中。项目风险预测模块300通过执行本发明的项目风险预测方法200来预测项目风险。
[0060]
如图3所示，项目风险预测模块300包括聚类单元310、数据化单元320、计算单元330和预测单元340。其中，聚类单元310、数据化单元320、预测单元340均与计算单元330相连。
[0061]
其中，聚类单元310可以对多个已完成项目进行聚类，以获取有风险聚类中心和无风险聚类中心。数据化单元320可以对实施中项目进行处理以生成实施中项目的数据集。随后，计算单元330可以分别计算实施中项目的数据集与有风险聚类中心的第一距离，以及与无风险聚类中心的第二距离。预测单元340可以根据第一距离与第二距离的比较结果，对实施中项目进行风险预测。
[0062]
应当指出，聚类单元310用于执行前述步骤s210，数据化单元320用于执行前述步骤s220，计算单元330用于执行前述步骤s230，预测单元340用于执行前述步骤s240。这里，关于聚类单元310、数据化单元320、计算单元330和预测单元340的执行逻辑可参见前文方法200中对步骤s210～s240的具体描述，此处不再赘述。
[0063]
根据本发明实施例的项目风险预测方案，通过对多个已完成项目进行聚类，获取有风险聚类中心和无风险聚类中心，分别计算实施中项目的数据集与有风险聚类中心的第
一距离，以及与无风险聚类中心的第二距离，根据第一距离与第二距离的比较结果来对实施中项目进行风险预测，即当第一距离大于第二距离时，预测实施中项目无逾期风险，当第一距离小于第二距离时，预测实施中项目有逾期风险。
[0064]
在上述技术方案中，对多个已完成项目进行聚类时，以缺陷创建时间和缺陷解决时间为基础，计算出缺陷修复时间，结合标准差、均值和90分位数形成已完成项目的数据集，以便基于多个已完成项目的数据集进行聚类，进而生成有风险数据集合和无风险数据集合，进一步计算出相应的有风险聚类中心和无风险聚类中心。从而，对实施中项目进行动态分析和预测，可以很好地预警项目产生风险的可能趋势，从早期发现问题、解决问题。同时，随着已完成项目的积累，逐渐地修正聚类中心，使得项目风险预测越来越准确，也有可能更早地产生风险预警，保证项目工期和质量。
[0065]
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如可移动硬盘、u盘、软盘、cd-rom或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
[0066]
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的项目风险预测方法。
[0067]
以示例而非限制的方式，可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
[0068]
在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
[0069]
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0070]
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
[0071]
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组
件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
[0072]
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
[0073]
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
[0074]
此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
[0075]
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
[0076]
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。