国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于機(jī)器學(xué)習(xí)模型動(dòng)態(tài)調(diào)整短租房房?jī)r(jià)的系統(tǒng)及其方法與流程

      文檔序號(hào):11251765閱讀:765來(lái)源:國(guó)知局
      基于機(jī)器學(xué)習(xí)模型動(dòng)態(tài)調(diào)整短租房房?jī)r(jià)的系統(tǒng)及其方法與流程

      本發(fā)明涉及電子商務(wù)的數(shù)據(jù)處理技術(shù)領(lǐng)域,具體涉及在線訂房技術(shù)領(lǐng)域;



      背景技術(shù):

      短租住宿行業(yè)的典型代表在國(guó)外有airbnb,在國(guó)內(nèi)有螞蟻短租、小豬短租、木鳥(niǎo)短租等;這些短租平臺(tái)的模式普遍是:房東將自己的房源按照固定的價(jià)格掛在平臺(tái)上,然后被動(dòng)等待顧客上門(mén);房東不了解客戶有什么樣的價(jià)格需求,有多少房源住宿的需求等,可能會(huì)因?yàn)閮r(jià)格原因?qū)е驴辗柯食霈F(xiàn);另一方面,由于入住情況不斷進(jìn)行變化,且房屋大小和星級(jí)情況的不同,價(jià)格差距非常大,所以,以固定價(jià)格在網(wǎng)站平臺(tái)上進(jìn)行銷售非常不便,且經(jīng)還常會(huì)出現(xiàn)合同生成卻沒(méi)有房源的尷尬局面;對(duì)于住戶來(lái)說(shuō),則是到各個(gè)平臺(tái)進(jìn)行大量的篩選,咨詢,對(duì)比房?jī)r(jià),過(guò)程費(fèi)時(shí)費(fèi)力;

      如果當(dāng)前房源緊張,房東可能想抬高價(jià)格或者當(dāng)前房間空閑比較多的時(shí)候房東想降低價(jià)格,對(duì)于住戶來(lái)說(shuō)如果有個(gè)平臺(tái)可以將這些信息整合并以一個(gè)合理的價(jià)格展示所需房源,是目前亟待解決的問(wèn)題;



      技術(shù)實(shí)現(xiàn)要素:

      為房東方面解決空房問(wèn)題,為用戶找到最合適價(jià)位的房源;本發(fā)明實(shí)施例提出了一種基于機(jī)器學(xué)習(xí)模型動(dòng)態(tài)調(diào)整短租房房?jī)r(jià)的系統(tǒng),其特征在于,包括:數(shù)據(jù)資源存儲(chǔ)模塊:通過(guò)分布式集群存儲(chǔ)海量房源數(shù)據(jù)、房東信息和住戶需求信息,成交歷史信息;

      用戶前端模塊:用于接收用戶輸入的訂房需求信息;

      人工智能計(jì)算模塊:用于通過(guò)人工智能模型,進(jìn)行房?jī)r(jià)估算;

      房屋競(jìng)價(jià)模塊:用于將估算價(jià)格推送給房東,并獲得房東根據(jù)自己意愿輸入的當(dāng)前房源的售出價(jià)格;

      排序引擎模塊和輸出模塊:結(jié)合用戶填寫(xiě)的訂單資源信息按照用戶要求以合理的排序方式展示給用戶房源信息。

      優(yōu)選的,還包括:所述人工智能計(jì)算模塊:用于首先提取系統(tǒng)內(nèi)部如當(dāng)?shù)胤績(jī)r(jià)當(dāng)時(shí)天氣當(dāng)時(shí)空房率當(dāng)前空房房源質(zhì)量房源歷史住房信息歷史房?jī)r(jià)等信息資源進(jìn)行當(dāng)前房源價(jià)格的估算;

      1)通過(guò)內(nèi)部大數(shù)據(jù)集群云計(jì)算等分布式計(jì)算的方式獲取大量的房源數(shù)據(jù)信息,例如房源地址房源空房率用房天氣房源成交價(jià)格等等;以及最近的入住成交信息,例如最近入住價(jià)格最近入住率;和用戶需求,如用戶希望入住的地段;

      2)基于大數(shù)據(jù)進(jìn)行數(shù)據(jù)整理;根據(jù)提取的房源數(shù)據(jù)信息以及最近的入住成交信息和用戶需求;將這些資源信息作為輸入,使用dnn模型進(jìn)行計(jì)算;dnn通過(guò)輸入x模仿人腦神經(jīng)元傳輸?shù)姆绞捷敵鼋Y(jié)果y;

      這樣的變換可以擴(kuò)大輸入x的量也可以做一些輸入特征的變換

      3)將dnn模型輸出的結(jié)果y輸入給gbdt模型進(jìn)行回歸計(jì)算,估算當(dāng)前各個(gè)房源的可行價(jià)格gbdt通過(guò)函數(shù)f(x)這樣的輸入方式將dnn的輸出y值作為x輸入,然后進(jìn)行下面的迭代計(jì)算過(guò)程最終產(chǎn)生函數(shù)f(x)來(lái)估算輸出結(jié)果;

      其次根據(jù)用戶輸入需求的信息進(jìn)行房源的篩選,例如用戶填入的住房地址篩選用戶填寫(xiě)需求租房地址附近的一定范圍內(nèi)的全部房源信息,用戶輸入戶型兩室一廳,周邊環(huán)境狀況等篩信息進(jìn)行初步篩選;

      將篩選到的房源提取評(píng)估價(jià)格結(jié)果,提取經(jīng)篩選房源歷史成交的價(jià)格和最近成交的價(jià)格,即歷史成交價(jià)格與提取歷史推送給房東的價(jià)格并且沒(méi)成交的,即歷史不成交價(jià)格等信息;

      獲取上面信息后通過(guò)fp-tree頻繁項(xiàng)集的方式挖掘出房東和價(jià)格的最頻繁成交關(guān)系;

      如此可以挖掘出房東最想成交的價(jià)格,獲得該價(jià)格后再與估算價(jià)格進(jìn)行匹配,如果估算價(jià)格在用戶容忍范圍內(nèi)則認(rèn)為這個(gè)估算價(jià)格較為合理;

      比如房東最想成交價(jià)格為p1,系統(tǒng)估算價(jià)格p2,p1-p2<diff3,所述diff3為差價(jià)的接受范圍,小于該數(shù)值時(shí)認(rèn)為估算價(jià)格是可接受的;其中,diff3的設(shè)定可以根據(jù)目前房?jī)r(jià)的動(dòng)蕩程度來(lái)估算得出。

      優(yōu)選的,所述房屋競(jìng)價(jià)模塊:用于將估算的價(jià)格推送給房東;同時(shí)將當(dāng)前空房率,客戶需求量等信息一并發(fā)送給房東;房東可以按照自己的意愿,輸入當(dāng)前房源的售出價(jià)格。

      優(yōu)選的,所述排序引擎模塊和輸出模塊:用于結(jié)合用戶填寫(xiě)的訂單資源信息按照用戶要求以合理的排序方式展示給用戶房源信息。

      優(yōu)選的,利用所述的系統(tǒng)進(jìn)行訂房的方法,包括:

      系統(tǒng)平臺(tái)接收用戶輸入房屋繡球信息,然后系統(tǒng)后臺(tái)根據(jù)輸入信息進(jìn)行匹配;在獲得匹配的房源信息后,系統(tǒng)平臺(tái)內(nèi)部根據(jù)各種外界因素,再結(jié)合用戶的房?jī)r(jià)承受程度,房東的房?jī)r(jià)承受程度各方因素,通過(guò)智能算法估算出當(dāng)前房源最合適的房?jī)r(jià);向匹配的房源信息的房東,推送房源定價(jià)信息和用戶訂單信息;房東進(jìn)行出價(jià),然后輸出房源信息給住戶。

      本發(fā)明實(shí)施例還提出了一種基于機(jī)器學(xué)習(xí)模型動(dòng)態(tài)調(diào)整短租房房?jī)r(jià)的系統(tǒng),其特征在于,

      首先提取系統(tǒng)內(nèi)部如當(dāng)?shù)胤績(jī)r(jià)當(dāng)時(shí)天氣當(dāng)時(shí)空房率當(dāng)前空房房源質(zhì)量房源歷史住房信息歷史房?jī)r(jià)等信息資源進(jìn)行當(dāng)前房源價(jià)格的估算;具體步驟如下:

      1)通過(guò)內(nèi)部大數(shù)據(jù)集群云計(jì)算等分布式計(jì)算的方式獲取大量的房源數(shù)據(jù)信息,例如房源地址房源空房率用房天氣房源成交價(jià)格等等;以及最近的入住成交信息,例如最近入住價(jià)格最近入住率;和用戶需求,如用戶希望入住的地段;

      2)基于大數(shù)據(jù)進(jìn)行數(shù)據(jù)整理;根據(jù)提取的房源數(shù)據(jù)信息以及最近的入住成交信息和用戶需求;將這些資源信息作為輸入,使用dnn模型進(jìn)行計(jì)算;dnn通過(guò)輸入x模仿人腦神經(jīng)元傳輸?shù)姆绞捷敵鼋Y(jié)果y;

      可選的,通過(guò)一些輸入變換,例如可以擴(kuò)大輸入x的量,也可以對(duì)輸入特征的進(jìn)行變換;

      3)將dnn模型輸出的結(jié)果y輸入給gbdt模型進(jìn)行回歸計(jì)算,估算當(dāng)前各個(gè)房源的可行價(jià)格gbdt通過(guò)函數(shù)f(x)這樣的輸入方式將dnn的輸出y值作為x輸入,然后進(jìn)行下面的迭代計(jì)算過(guò)程最終產(chǎn)生函數(shù)f(x)來(lái)估算輸出結(jié)果;

      其次根據(jù)用戶輸入需求的信息進(jìn)行房源的篩選,例如用戶填入的住房地址篩選用戶填寫(xiě)需求租房地址附近的一定范圍內(nèi)的全部房源信息,用戶輸入戶型兩室一廳,周邊環(huán)境狀況等篩信息進(jìn)行初步篩選;

      將篩選到的房源提取評(píng)估價(jià)格結(jié)果,提取經(jīng)篩選房源歷史成交的價(jià)格和最近成交的價(jià)格,即歷史成交價(jià)格與提取歷史推送給房東的價(jià)格并且沒(méi)成交的,即歷史不成交價(jià)格等信息

      獲取上面信息后通過(guò)fp-tree頻繁項(xiàng)集的方式挖掘出房東和價(jià)格的最頻繁成交關(guān)系;

      如此可以挖掘出房東最想成交的價(jià)格,獲得該價(jià)格后再與估算價(jià)格進(jìn)行匹配,如果估算價(jià)格在用戶容忍范圍內(nèi)則認(rèn)為這個(gè)估算價(jià)格較為合理;

      比如房東最想成交價(jià)格為p1,系統(tǒng)估算價(jià)格p2,p1-p2<diff3,所述diff3為差價(jià)的接受范圍,小于該數(shù)值時(shí)認(rèn)為估算價(jià)格是可接受的;其中,diff3的設(shè)定可以根據(jù)目前房?jī)r(jià)的動(dòng)蕩程度來(lái)估算得出;

      再次將估算的價(jià)格推送給房東;同時(shí)將當(dāng)前空房率,客戶需求量等信息一并發(fā)送給房東;房東可以按照自己的意愿,輸入當(dāng)前房源的售出價(jià)格;

      最后結(jié)合用戶填寫(xiě)的訂單資源信息按照用戶要求以合理的排序方式展示給用戶房源信息,比如房屋樓層、朝向、戶型、面積、周邊環(huán)境等。

      本發(fā)明的上述技術(shù)方案的有益效果如下:本發(fā)明平臺(tái)運(yùn)用大數(shù)據(jù)和人工智能技術(shù),根據(jù)用戶的需求,當(dāng)前房源的質(zhì)量,空房率和時(shí)間地點(diǎn)等信息進(jìn)行房?jī)r(jià)動(dòng)態(tài)調(diào)整;為用戶和房東找到最合理的成交價(jià)格;

      附圖說(shuō)明

      圖1為本發(fā)明實(shí)施例的房屋價(jià)格動(dòng)態(tài)調(diào)整流程示意圖;

      圖2為本發(fā)明實(shí)施例的系統(tǒng)模塊結(jié)構(gòu)示意圖;

      圖3為本發(fā)明實(shí)施例的系統(tǒng)中的dnn模型結(jié)構(gòu)圖。

      具體實(shí)施方式

      為使本發(fā)明要解決的技術(shù)問(wèn)題、技術(shù)方案和優(yōu)點(diǎn)更加清楚,下面將結(jié)合附圖及具體實(shí)施例進(jìn)行詳細(xì)描述;

      本發(fā)明主要的思路是,用戶在系統(tǒng)平臺(tái)進(jìn)行下單,經(jīng)過(guò)如下流程:首先用戶在發(fā)單頁(yè)面填寫(xiě)一個(gè)簡(jiǎn)單的表單,系統(tǒng)平臺(tái)接收用戶輸入信息,如入住/退房時(shí)間、房源區(qū)域、出價(jià)等,然后系統(tǒng)后臺(tái)根據(jù)輸入信息進(jìn)行匹配;在獲得匹配的房源信息后,向匹配的房源信息的房東,推送用戶訂單信息;房東進(jìn)行出價(jià),然后輸出房源信息給住戶;

      對(duì)于當(dāng)前房源價(jià)格的動(dòng)態(tài)調(diào)整,房東要按當(dāng)時(shí)的狀況給多少需要一個(gè)決策能力;例如房東可以按當(dāng)時(shí)的狀況,自行決策房源價(jià)格;

      而本發(fā)明能夠解決此時(shí)房屋的合理動(dòng)態(tài)調(diào)整價(jià)格提供給房東作參考;

      住戶出行訂房的價(jià)格,根據(jù)地點(diǎn),時(shí)間,房屋條件,空房率等一系列因素的影響;房?jī)r(jià)應(yīng)該是不同的;而不是現(xiàn)有很多平臺(tái)的固定價(jià)格;

      系統(tǒng)平臺(tái)內(nèi)部根據(jù)各種外界因素,再結(jié)合用戶的房?jī)r(jià)承受程度,房東的房?jī)r(jià)承受程度各方因素,通過(guò)智能算法估算出當(dāng)前房源最合適的房?jī)r(jià);推薦給房東和用戶,這樣的優(yōu)化策略可以給用戶帶來(lái)方便和優(yōu)惠,使房東對(duì)行業(yè)價(jià)格有更清晰的了解,更容易做出利于自己的決策;

      系統(tǒng)通過(guò)人工智能模型,機(jī)器學(xué)習(xí)結(jié)合大數(shù)據(jù)的方式,估算當(dāng)前房源最合理的房?jī)r(jià);

      如圖1所示的,本發(fā)明實(shí)施例的房屋價(jià)格動(dòng)態(tài)調(diào)整具體流程包括:

      首先提取系統(tǒng)內(nèi)部如當(dāng)?shù)胤績(jī)r(jià)當(dāng)時(shí)天氣當(dāng)時(shí)空房率當(dāng)前空房房源質(zhì)量房源歷史住房信息歷史房?jī)r(jià)等信息資源進(jìn)行當(dāng)前房源價(jià)格的估算;具體步驟如下:

      1)通過(guò)內(nèi)部大數(shù)據(jù)集群云計(jì)算等分布式計(jì)算的方式獲取大量的房源數(shù)據(jù)信息,例如房源地址房源空房率用房天氣房源成交價(jià)格等等;以及最近的入住成交信息,例如最近入住價(jià)格最近入住率;和用戶需求,如用戶希望入住的地段;

      2)基于大數(shù)據(jù)進(jìn)行數(shù)據(jù)整理;根據(jù)提取的房源數(shù)據(jù)信息以及最近的入住成交信息和用戶需求;將這些資源信息作為輸入,使用dnn模型進(jìn)行計(jì)算;dnn通過(guò)輸入x模仿人腦神經(jīng)元傳輸?shù)姆绞捷敵鼋Y(jié)果y;

      可選的,通過(guò)一些輸入變換,例如可以擴(kuò)大輸入x的量,也可以對(duì)輸入特征的進(jìn)行變換;

      dnn(deepneuralnetwork)是一種人工神經(jīng)網(wǎng)絡(luò)算法。dnn人工神經(jīng)網(wǎng)絡(luò)是模仿人腦神經(jīng)元工作原理,多層人工神經(jīng)元傳輸信息處理信息的過(guò)程來(lái)組織模型原理結(jié)構(gòu)。如下圖所示:

      輸入層是我們將大數(shù)據(jù)中的數(shù)據(jù)輸入到這個(gè)地方,然后數(shù)據(jù)通過(guò)隱含層的計(jì)算整理,最后到輸出層。輸出我們想要的結(jié)果。圖上的w和b是通過(guò)選擇的神經(jīng)元傳輸函數(shù)的參數(shù)這里選擇sigmoid函數(shù)做神經(jīng)元傳輸函數(shù)然后計(jì)算模型信息損失函數(shù)最小的方式迭代求出w和b。

      本模型選擇三層網(wǎng)絡(luò)。

      3)將dnn模型輸出的結(jié)果y輸入給gbdt模型進(jìn)行回歸計(jì)算,估算當(dāng)前各個(gè)房源的可行價(jià)格gbdt通過(guò)函數(shù)f(x)這樣的輸入方式將dnn的輸出y值作為x輸入,然后進(jìn)行下面的迭代計(jì)算過(guò)程最終產(chǎn)生函數(shù)f(x)來(lái)估算輸出結(jié)果;

      其次根據(jù)用戶輸入需求的信息進(jìn)行房源的篩選,例如用戶填入的住房地址篩選用戶填寫(xiě)需求租房地址附近的一定范圍內(nèi)的全部房源信息,用戶輸入戶型兩室一廳,周邊環(huán)境狀況等篩信息進(jìn)行初步篩選;

      將篩選到的房源提取評(píng)估價(jià)格結(jié)果,提取經(jīng)篩選房源歷史成交的價(jià)格和最近成交的價(jià)格,即歷史成交價(jià)格與提取歷史推送給房東的價(jià)格并且沒(méi)成交的,即歷史不成交價(jià)格等信息

      獲取上面信息后通過(guò)fp-tree頻繁項(xiàng)集的方式挖掘出房東和價(jià)格的最頻繁成交關(guān)系;

      如此可以挖掘出房東最想成交的價(jià)格,獲得該價(jià)格后再與估算價(jià)格進(jìn)行匹配,如果估算價(jià)格在用戶容忍范圍內(nèi)則認(rèn)為這個(gè)估算價(jià)格較為合理;

      比如房東最想成交價(jià)格為p1,系統(tǒng)估算價(jià)格p2,p1-p2<diff3,所述diff3為差價(jià)的接受范圍,小于該數(shù)值時(shí)認(rèn)為估算價(jià)格是可接受的;其中,diff3的設(shè)定可以根據(jù)目前房?jī)r(jià)的動(dòng)蕩程度來(lái)估算得出;

      再次將估算的價(jià)格推送給房東;同時(shí)將當(dāng)前空房率,客戶需求量等信息一并發(fā)送給房東;房東可以按照自己的意愿,輸入當(dāng)前房源的售出價(jià)格;

      最后結(jié)合用戶填寫(xiě)的訂單資源信息按照用戶要求以合理的排序方式展示給用戶房源信息,比如房屋樓層、朝向、戶型、面積、周邊環(huán)境等;

      圖2示出了整個(gè)系統(tǒng)的模塊設(shè)計(jì):

      數(shù)據(jù)資源存儲(chǔ)模塊:通過(guò)分布式集群存儲(chǔ)海量房源數(shù)據(jù)、房東信息和住戶需求信息,成交歷史信息;

      用戶前端模塊:用于接收用戶輸入的訂房需求信息;

      人工智能計(jì)算模塊:用于通過(guò)人工智能模型,進(jìn)行房?jī)r(jià)估算;

      房屋競(jìng)價(jià)模塊:用于將估算價(jià)格推送給房東,并獲得房東根據(jù)自己意愿輸入的當(dāng)前房源的售出價(jià)格;

      排序引擎模塊和輸出模塊:結(jié)合用戶填寫(xiě)的訂單資源信息按照用戶要求以合理的排序方式展示給用戶房源信息;

      進(jìn)一步的,人工智能計(jì)算模塊:

      1)通過(guò)內(nèi)部大數(shù)據(jù)集群云計(jì)算等分布式計(jì)算的方式獲取大量的房源數(shù)據(jù)信息,例如房源地址房源空房率用房天氣房源成交價(jià)格等等;以及最近的入住成交信息,例如最近入住價(jià)格最近入住率;和用戶需求,如用戶希望入住的地段;

      2)基于大數(shù)據(jù)進(jìn)行數(shù)據(jù)整理;根據(jù)提取的房源數(shù)據(jù)信息以及最近的入住成交信息和用戶需求;將這些資源信息作為輸入,使用dnn模型進(jìn)行計(jì)算;dnn通過(guò)輸入x模仿人腦神經(jīng)元傳輸?shù)姆绞捷敵鼋Y(jié)果y;

      這樣的變換可以擴(kuò)大輸入x的量也可以做一些輸入特征的變換

      3)將dnn模型輸出的結(jié)果y輸入給gbdt模型進(jìn)行回歸計(jì)算,估算當(dāng)前各個(gè)房源的可行價(jià)格gbdt通過(guò)函數(shù)f(x)這樣的輸入方式將dnn的輸出y值作為x輸入,然后進(jìn)行下面的迭代計(jì)算過(guò)程最終產(chǎn)生函數(shù)f(x)來(lái)估算輸出結(jié)果;

      其次根據(jù)用戶輸入需求的信息進(jìn)行房源的篩選,例如用戶填入的住房地址篩選用戶填寫(xiě)需求租房地址附近的一定范圍內(nèi)的全部房源信息,用戶輸入戶型兩室一廳,周邊環(huán)境狀況等篩信息進(jìn)行初步篩選;

      將篩選到的房源提取評(píng)估價(jià)格結(jié)果,提取經(jīng)篩選房源歷史成交的價(jià)格和最近成交的價(jià)格,即歷史成交價(jià)格與提取歷史推送給房東的價(jià)格并且沒(méi)成交的,即歷史不成交價(jià)格等信息;

      獲取上面信息后通過(guò)fp-tree頻繁項(xiàng)集的方式挖掘出房東和價(jià)格的最頻繁成交關(guān)系;

      如此可以挖掘出房東最想成交的價(jià)格,獲得該價(jià)格后再與估算價(jià)格進(jìn)行匹配,如果估算價(jià)格在用戶容忍范圍內(nèi)則認(rèn)為這個(gè)估算價(jià)格較為合理;

      比如房東最想成交價(jià)格為p1,系統(tǒng)估算價(jià)格p2,p1-p2<diff3,所述diff3為差價(jià)的接受范圍,小于該數(shù)值時(shí)認(rèn)為估算價(jià)格是可接受的;其中,diff3的設(shè)定可以根據(jù)目前房?jī)r(jià)的動(dòng)蕩程度來(lái)估算得出;

      進(jìn)一步的,房屋競(jìng)價(jià)模塊:

      再次將估算的價(jià)格推送給房東;同時(shí)將當(dāng)前空房率,客戶需求量等信息一并發(fā)送給房東;房東可以按照自己的意愿,輸入當(dāng)前房源的售出價(jià)格;

      進(jìn)一步的,排序引擎模塊和輸出模塊:

      最后結(jié)合用戶填寫(xiě)的訂單資源信息按照用戶要求以合理的排序方式展示給用戶房源信息,比如房屋樓層、朝向、戶型、面積、周邊環(huán)境等;

      以上僅是本發(fā)明的可選實(shí)施方式而已,并非對(duì)本發(fā)明做任何形式上的限制,凡是依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對(duì)以上實(shí)施方式所做的任意簡(jiǎn)單修改、等同變化、結(jié)合或修飾,均仍屬于本發(fā)明技術(shù)方案的保護(hù)范圍。

      本領(lǐng)域普通技術(shù)人員可以理解上述方法中的全部或部分步驟可通過(guò)程序來(lái)指令相關(guān)硬件(例如處理器)完成,所述程序可以存儲(chǔ)于計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中,如只讀存儲(chǔ)器、磁盤(pán)或光盤(pán)等;可選地,上述實(shí)施例的全部或部分步驟也可以使用一個(gè)或多個(gè)集成電路來(lái)實(shí)現(xiàn);相應(yīng)地,上述實(shí)施例中的每個(gè)模塊/單元可以采用硬件的形式實(shí)現(xiàn),例如通過(guò)集成電路來(lái)實(shí)現(xiàn)其相應(yīng)功能,也可以采用軟件功能模塊的形式實(shí)現(xiàn),例如通過(guò)處理器執(zhí)行存儲(chǔ)于存儲(chǔ)器中的程序/指令來(lái)實(shí)現(xiàn)其相應(yīng)功能;本發(fā)明不限制于任何特定形式的硬件和軟件的結(jié)合。

      雖然本申請(qǐng)所揭露的實(shí)施方式如上,但所述的內(nèi)容僅為便于理解本申請(qǐng)而采用的實(shí)施方式,并非用以限定本申請(qǐng),如本發(fā)明實(shí)施方式中的具體的實(shí)現(xiàn)方法;任何本申請(qǐng)所屬領(lǐng)域內(nèi)的技術(shù)人員,在不脫離本申請(qǐng)所揭露的精神和范圍的前提下,可以在實(shí)施的形式及細(xì)節(jié)上進(jìn)行任何的修改與變化,但本申請(qǐng)的專利保護(hù)范圍,仍須以所附的權(quán)利要求書(shū)所界定的范圍為準(zhǔn)。

      以上所述是本發(fā)明的優(yōu)選實(shí)施方式,應(yīng)當(dāng)指出,對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō),在不脫離本發(fā)明所述原理的前提下,還可以作出若干改進(jìn)和潤(rùn)飾,這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。

      當(dāng)前第1頁(yè)1 2 
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1