基于人工智能的任务数据异常监测处理方法及系统

摘要

本申请提供的基于人工智能的任务数据异常监测处理方法及系统，通过确定第一办公任务数据和第二办公任务数据中相应字符的定位，确定第一办公任务数据和第二办公任务数据中相应字符的定位的差异向量。利用差异向量优化第一办公任务数据中的目标监控范围对应的办公任务数据监控范围。实现了对办公任务数据中的办公任务数据监控范围进行优化的目的。因此，可以改善现有技术中对办公任务数据中的办公任务数据监控范围进行优化时异常数据处理时间过多的问题，从而能够提升优化任务数据异常监测处理的准确性和可靠性。

权利要求

1.一种基于人工智能的任务数据异常监测处理方法，其特征在于，该方法包括：获得监控系统对指定监控范围进行记录得到的第一办公任务数据，其中，所述第一办公任务数据中包含所述指定监控范围中的目标监控范围；

确定所述目标监控范围在所述第一办公任务数据中的X个字符的定位，得到X个定位，其中，所述X是大于或者等于2的整数；

在第二办公任务数据中确定与所述X个字符中各个所述字符对应的指定字符的定位，得到X个指定定位，其中，所述第二办公任务数据是所述监控系统对所述指定监控范围进行记录得到的办公任务数据；

确定各个所述定位与各个所述指定定位之间的差异向量，得到X个差异向量；根据所述X个差异向量优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据；

确定所述目标监控范围在所述第一办公任务数据中的X个字符的定位，得到X个定位，包括：确定所述目标监控范围在所述第一办公任务数据中的第一办公任务数据监控范围；

将所述第一办公任务数据监控范围中的X个顶点确定为所述X个字符；

在指定的办公任务数据定位关系网中确定所述X个字符的定位，得到所述X个定位；

在第二办公任务数据中确定与所述X个字符中各个所述字符对应的指定字符的定位，得到X个指定定位，包括：在所述第二办公任务数据中标记与各个所述字符匹配的各个所述指定字符；

在指定的办公任务数据定位关系网中确定各个所述指定字符的定位，得到所述X个指定定位；

确定各个所述定位与各个所述指定定位之间的差异向量，得到X个差异向量，包括：确定所述第一办公任务数据和所述第二办公任务数据之间的特征共性向量；

在所述第一办公任务数据和所述第二办公任务数据之间的特征共性向量不小于第一指定判定值的基础上，确定各个所述定位以及各个所述指定定位之间的迁移监控范围，得到X个迁移监控范围；

结合各个所述迁移监控范围中包括的办公任务数目，得到所述X个差异向量；

确定所述第一办公任务数据和所述第二办公任务数据之间的特征共性向量，包括：将所述第一办公任务数据区分为Y个办公任务数据监控范围，其中，所述Y是大于或者等于2的整数；从所述Y个办公任务数据监控范围中确定第二办公任务数据监控范围；

比较所述第二办公任务数据监控范围中的办公任务与所述第二办公任务数据中对应字符的办公任务数据监控范围中的办公任务；

将所述第二办公任务数据监控范围中的办公任务与所述第二办公任务数据中对应字符的办公任务数据监控范围中的办公任务之间的特征共性向量，确定为所述第一办公任务数据和所述第二办公任务数据之间的特征共性向量；

所述方法还包括：在所述第一办公任务数据和所述第二办公任务数据之间的特征共性向量小于所述第一指定判定值的基础上，在获得所述第一办公任务数据之后的指定时间段内获得所述监控系统对所述指定监控范围进行记录得到的第三办公任务数据；

根据所述X个差异向量优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据，包括：通过所述X个差异向量确定所述第一办公任务数据和所述第二办公任务数据之间的映射关系；

根据所述映射关系优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据；

其中，通过所述X个差异向量确定所述第一办公任务数据和所述第二办公任务数据之间的映射关系，包括：确定所述第一办公任务数据的第一办公任务数据向量和所述第二办公任务数据的第二办公任务数据向量；

按照各个所述差异向量配准所述第一办公任务数据向量和所述第二办公任务数据向量，得到所述映射关系；

其中，根据所述映射关系优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据，包括：根据所述映射关系中的属性和各个所述定位，确定各个所述字符的空间定位；

通过简化各个所述字符的空间定位和各个所述定位，优化所述目标监控范围在所述第一办公任务数据中的字符，得到所述目标办公任务数据；

根据所述映射关系优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据之后，所述方法还包括：在所述第一办公任务数据与所述第二办公任务数据之间的特征共性向量不小于第二判定值的基础上，根据所述第一办公任务数据优化所述第二办公任务数据；

根据所述X个差异向量优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据之后，所述方法还包括：在所述目标办公任务数据中确定优化后的X个字符；在所述目标办公任务数据中拼接所述优化后的X个字符，得到出优化后的第一办公任务数据监控范围，其中，第一办公任务数据监控范围是所述目标监控范围在所述第一办公任务数据中的办公任务数据监控范围。

2.一种基于人工智能的任务数据异常监测处理系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1所述的方法。

说明书

基于人工智能的任务数据异常监测处理方法及系统

技术领域

[0001] 本申请涉及异常数据监测技术领域，具体而言，涉及基于人工智能的任务数据异常监测处理方法及系统。

背景技术

[0002] 人工智能(Artificial  Intelligence)，是一个以计算机科学（Computer Science）为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

[0003] 随着互联网技术的不断发展，信息量不断的增加，这样一来，数据出现异常的频率更加的多。在传统技术中，通过人工对异常数据进行监测，这样，比仅浪费人工，并且还可能会出现异常数据遗漏监测的问题。

发明内容

[0004] 为改善相关技术中存在的技术问题，本申请提供了基于人工智能的任务数据异常监测处理方法及系统。

[0005] 第一方面，提供一种基于人工智能的任务数据异常监测处理方法，该方法至少包括：获得监控系统对指定监控范围进行记录得到的第一办公任务数据，其中，所述第一办公任务数据中包含所述指定监控范围中的目标监控范围；确定所述目标监控范围在所述第一办公任务数据中的X个字符的定位，得到X个定位，其中，所述X是大于或者等于2的整数；在第二办公任务数据中确定与所述X个字符中各个所述字符对应的指定字符的定位，得到X个指定定位，其中，所述第二办公任务数据是所述监控系统对所述指定监控范围进行记录得到的办公任务数据；确定各个所述定位与各个所述指定定位之间的差异向量，得到X个差异向量；根据所述X个差异向量优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据。

[0006] 在一种独立实施的实施例中，确定所述目标监控范围在所述第一办公任务数据中的X个字符的定位，得到X个定位，包括：确定所述目标监控范围在所述第一办公任务数据中的第一办公任务数据监控范围；将所述第一办公任务数据监控范围中的X个顶点确定为所述X个字符；在指定的办公任务数据定位关系网中确定所述X个字符的定位，得到所述X个定位。

[0007] 在一种独立实施的实施例中，在第二办公任务数据中确定与所述X个字符中各个所述字符对应的指定字符的定位，得到X个指定定位，包括：在所述第二办公任务数据中标记与各个所述字符匹配的各个所述指定字符；在指定的办公任务数据定位关系网中确定各个所述指定字符的定位，得到所述X个指定定位。

[0008] 在一种独立实施的实施例中，确定各个所述定位与各个所述指定定位之间的差异向量，得到X个差异向量，包括：确定所述第一办公任务数据和所述第二办公任务数据之间的特征共性向量；在所述第一办公任务数据和所述第二办公任务数据之间的特征共性向量不小于第一指定判定值的基础上，确定各个所述定位以及各个所述指定定位之间的迁移监控范围，得到X个迁移监控范围；结合各个所述迁移监控范围中包括的办公任务数目，得到所述X个差异向量。

[0009] 在一种独立实施的实施例中，确定所述第一办公任务数据和所述第二办公任务数据之间的特征共性向量，包括：将所述第一办公任务数据区分为Y个办公任务数据监控范围，其中，所述Y是大于或者等于2的整数；从所述Y个办公任务数据监控范围中确定第二办公任务数据监控范围；比较所述第二办公任务数据监控范围中的办公任务与所述第二办公任务数据中对应字符的办公任务数据监控范围中的办公任务；将所述第二办公任务数据监控范围中的办公任务与所述第二办公任务数据中对应字符的办公任务数据监控范围中的办公任务之间的特征共性向量，确定为所述第一办公任务数据和所述第二办公任务数据之间的特征共性向量。

[0010] 在一种独立实施的实施例中，所述方法还包括：在所述第一办公任务数据和所述第二办公任务数据之间的特征共性向量小于所述第一指定判定值的基础上，在获得所述第一办公任务数据之后的指定时间段内获得所述监控系统对所述指定监控范围进行记录得到的第三办公任务数据。

[0011] 在一种独立实施的实施例中，根据所述X个定位差异向量优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据，包括：通过所述X个定位差异向量确定所述第一办公任务数据和所述第二办公任务数据之间的映射关系；根据所述映射关系优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据。

[0012] 在一种独立实施的实施例中，通过所述X个定位差异向量确定所述第一办公任务数据和所述第二办公任务数据之间的映射关系，包括：确定所述第一办公任务数据的第一办公任务数据向量和所述第二办公任务数据的第二办公任务数据向量；按照各个所述定位差异向量配准所述第一办公任务数据向量和所述第二办公任务数据向量，得到所述映射关系。

[0013] 在一种独立实施的实施例中，根据所述映射关系优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据，包括：根据所述映射关系中的属性和各个所述定位，确定各个所述字符的空间定位；通过简化各个所述字符的空间定位和各个所述定位，优化所述目标监控范围在所述第一办公任务数据中的字符，得到所述目标办公任务数据。

[0014] 在一种独立实施的实施例中，根据所述映射关系优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据之后，所述方法还包括：在所述第一办公任务数据与所述第二办公任务数据之间的特征共性向量不小于第二判定值的基础上，根据所述第一办公任务数据优化所述第二办公任务数据。

[0015] 在一种独立实施的实施例中，根据所述X个差异向量优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据之后，所述方法还包括：在所述目标办公任务数据中确定优化后的X个字符；在所述目标办公任务数据中拼接所述优化后的X个字符，得到出优化后的第一办公任务数据监控范围，其中，第一办公任务数据监控范围是所述目标监控范围在所述第一办公任务数据中的办公任务数据监控范围。

[0016] 第二方面，提供一种基于人工智能的任务数据异常监测处理系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

[0017] 本申请实施例所提供的基于人工智能的任务数据异常监测处理方法及系统，通过确定第一办公任务数据和第二办公任务数据中相应字符的定位，确定第一办公任务数据和第二办公任务数据中相应字符的定位的差异向量。利用差异向量优化第一办公任务数据中的目标监控范围对应的办公任务数据监控范围。实现了对办公任务数据中的办公任务数据监控范围进行优化的目的。因此，可以改善现有技术中对办公任务数据中的办公任务数据监控范围进行优化时异常数据处理时间过多的问题，从而能够提升优化办公任务数据的准确性和可靠性。

附图说明

[0018] 为了更清楚地说明本申请实施例的技术方案，下面将对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申请的某些实施例，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。

[0019] 图1为本申请实施例所提供的一种基于人工智能的任务数据异常监测处理方法的流程图。

具体实施方式

[0020] 为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

[0021] 请参阅图1，示出了一种基于人工智能的任务数据异常监测处理方法，该方法可以包括以下步骤S202‑步骤S210所描述的技术方案。

[0022] 步骤S202，获得监控系统对指定监控范围进行记录得到的第一办公任务数据，其中，第一办公任务数据中包括指定监控范围中的目标监控范围。

[0023] 在本实施例中，指定监控范围可以是随机一个监控范围，目标监控范围是指定监控范围中的随机一个监控范围。

[0024] 步骤S204，确定目标监控范围在第一办公任务数据中的X个字符的定位，得到X个定位，其中，X是大于或者等于2的整数。

[0025] 步骤S206，在第二办公任务数据中确定与X个字符中各个字符对应的指定字符的定位，得到X个指定定位，其中，第二办公任务数据是监控系统对指定监控范围进行记录得到的办公任务数据；

[0026] 在本实施例中，第二办公任务数据可以是优化之后的办公任务数据，也可以是原始办公任务数据，即其中包括的办公任务数据监控范围与现实中的目标监控范围的字符对应。

[0027] 步骤S208，确定各个定位与各个指定定位之间的差异向量，得到X个差异向量。

[0028] 步骤S210，利用X个差异向量优化目标监控范围在第一办公任务数据中的字符，得到目标办公任务数据。

[0029] 在本实施例中，将差异向量弥补至发生迁移的办公任务数据监控范围中，可以对办公任务数据监控范围进行有效的优化。

[0030] 通过上述步骤，通过确定第一办公任务数据和第二办公任务数据中相应字符的定位，确定第一办公任务数据和第二办公任务数据中相应字符的定位的差异向量。利用差异向量优化第一办公任务数据中的目标监控范围对应的办公任务数据监控范围。实现了对办公任务数据中的办公任务数据监控范围进行优化的目的。因此，可以改善现有技术中对办公任务数据中的办公任务数据监控范围进行优化时异常数据处理时间过多的问题，从而能够提升优化办公任务数据的准确性和可靠性。

[0031] 对于一些可能实施的实施例而言，确定目标监控范围在第一办公任务数据中的X个字符的定位，得到X个定位，具体可以包括如下内容。

[0032] S11，确定目标监控范围在第一办公任务数据中的第一办公任务数据监控范围。

[0033] S12，将第一办公任务数据监控范围中的X个顶点确定为X个字符。

[0034] S13，在指定的办公任务数据定位关系网中确定X个字符的定位，得到X个定位。

[0035] 对于一些可能实施的实施例而言，在第二办公任务数据中确定与X个字符中各个字符对应的指定字符的定位，得到X个指定定位，具体可以包括如下步骤。

[0036] S21，在第二办公任务数据中标记与各个字符匹配的各个指定字符。

[0037] S22，在指定的办公任务数据定位关系网中确定各个指定字符的定位，得到X个指定定位。

[0038] 对于一些可能实施的实施例而言，确定各个定位与各个指定定位之间的差异向量，得到X个差异向量，具体可以包括如下步骤。

[0039] S31，确定第一办公任务数据和第二办公任务数据之间的特征共性向量。

[0040] S32，在第一办公任务数据和第二办公任务数据之间的特征共性向量不小于第一指定判定值的基础上，确定各个定位以及各个指定定位之间的迁移监控范围，得到X个迁移监控范围。

[0041] S33，结合各个迁移监控范围中包括的办公任务数目，得到X个差异向量。

[0042] 在本实施例中，通过以下方式确定第一办公任务数据和第二办公任务数据之间的特征共性向量：将第一办公任务数据区分为Y个办公任务数据监控范围，其中，Y是大于或者等于2的整数；从Y个办公任务数据监控范围中确定第二办公任务数据监控范围；比较第二办公任务数据监控范围中的办公任务与第二办公任务数据中对应字符的办公任务数据监控范围中的办公任务；将第二办公任务数据监控范围中的办公任务与第二办公任务数据中对应字符的办公任务数据监控范围中的办公任务之间的特征共性向量，确定为第一办公任务数据和第二办公任务数据之间的特征共性向量。

[0043] 对于一些可能实施的实施例而言，该方法还可以包括如下步骤。

[0044] S41，在第一办公任务数据和第二办公任务数据之间的特征共性向量小于第一指定判定值的基础上，在获得第一办公任务数据之后的指定时间段内获得监控系统对指定监控范围进行记录得到的第三办公任务数据。

[0045] 在本实施例中，第一办公任务数据与第二办公任务数据之间的关联性低于第一指定判定值的基础上，即表示第一办公任务数据与第二办公任务数据之间的差异比较大。

[0046] 对于一些可能实施的实施例而言，利用X个定位差异向量优化目标监控范围在第一办公任务数据中的字符，得到目标办公任务数据，具体可以包括如下内容。

[0047] S51，基于X个定位差异向量确定第一办公任务数据和第二办公任务数据之间的映射关系。

[0048] S52，利用映射关系优化目标监控范围在第一办公任务数据中的字符，得到目标办公任务数据。

[0049] 在本实施例中，通过以下方式基于X个定位差异向量确定第一办公任务数据和第二办公任务数据之间的映射关系：确定第一办公任务数据的第一办公任务数据向量和第二办公任务数据的第二办公任务数据向量；依照各个定位差异向量匹配第一办公任务数据向量和第二办公任务数据向量，得到映射关系。

[0050] 对于一些可能实施的实施例而言，利用映射关系优化目标监控范围在第一办公任务数据中的字符，得到目标办公任务数据，具体可以包括如下内容。

[0051] S61，利用映射关系中的属性和各个定位，确定各个字符的空间定位。

[0052] S62，通过简化各个字符的空间定位和各个定位，优化目标监控范围在第一办公任务数据中的字符，得到目标办公任务数据。

[0053] 对于一些可能实施的实施例而言，利用映射关系优化目标监控范围在第一办公任务数据中的字符，得到目标办公任务数据之后，还可以包括如下步骤。

[0054] S71，在第一办公任务数据与第二办公任务数据之间的特征共性向量不小于第二判定值的基础上，利用第一办公任务数据更新第二办公任务数据。

[0055] 在本实施例中，对第一办公任务数据的优化可以降低数据的干扰。

[0056] 对于一些可能实施的实施例而言，利用X个差异向量优化目标监控范围在第一办公任务数据中的字符，得到目标办公任务数据之后，还可以包括如下步骤。

[0057] S81，在目标办公任务数据中确定优化后的X个字符。

[0058] S82，在目标办公任务数据中拼接优化后的X个字符，得到出优化后的第一办公任务数据监控范围，其中，第一办公任务数据监控范围是目标监控范围在第一办公任务数据中的办公任务数据监控范围。

[0059] 在上述基础上，提供了一种基于人工智能的任务数据异常监测处理装置200，应用于基于人工智能的任务数据异常监测处理系统，所述装置包括：

[0060] 任务获得模块210，用于获得监控系统对指定监控范围进行记录得到的第一办公任务数据，其中，所述第一办公任务数据中包含所述指定监控范围中的目标监控范围；

[0061] 定位确定模块220，用于确定所述目标监控范围在所述第一办公任务数据中的X个字符的定位，得到X个定位，其中，所述X是大于或者等于2的整数；

[0062] 定位指定模块230，用于在第二办公任务数据中确定与所述X个字符中各个所述字符对应的指定字符的定位，得到X个指定定位，其中，所述第二办公任务数据是所述监控系统对所述指定监控范围进行记录得到的办公任务数据；

[0063] 数据确定模块240，用于确定各个所述定位与各个所述指定定位之间的差异向量，得到X个差异向量；根据所述X个差异向量优化所述目标监控范围在所述第一办公任务数据中的字符，得到目标办公任务数据。

[0064] 在上述基础上，示出了一种基于人工智能的任务数据异常监测处理系统300，包括互相之间通信的处理器310和存储器320，所述处理器310用于从所述存储器320中读取计算机程序并执行，以实现上述的方法。

[0065] 在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。

[0066] 综上，基于上述方案，通过确定第一办公任务数据和第二办公任务数据中相应字符的定位，确定第一办公任务数据和第二办公任务数据中相应字符的定位的差异向量。利用差异向量优化第一办公任务数据中的目标监控范围对应的办公任务数据监控范围。实现了对办公任务数据中的办公任务数据监控范围进行优化的目的。因此，可以改善现有技术中对办公任务数据中的办公任务数据监控范围进行优化时异常数据处理时间过多的问题，从而能够提升优化办公任务数据的准确性和可靠性。

[0067] 应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD‑ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

[0068] 需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

[0069] 上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

[0070] 同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

[0071] 此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

[0072] 计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

[0073] 本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。

[0074] 此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

[0075] 同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

[0076] 一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

[0077] 针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

[0078] 最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

[0079] 以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。