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>

      基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法和裝置與流程

      文檔序號:11778243閱讀:293來源:國知局
      基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法和裝置與流程
      本發(fā)明涉及分布式移動社會網(wǎng)絡(luò)
      技術(shù)領(lǐng)域
      ,具體而言,涉及一種基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法和裝置。
      背景技術(shù)
      :由人們攜帶的智能設(shè)備組成的移動社會網(wǎng)絡(luò)是一個社會關(guān)系的集合,而社會關(guān)系也同時影響著網(wǎng)絡(luò)中各節(jié)點之間的相遇模式,例如,攜帶者的社會關(guān)系能夠影響網(wǎng)絡(luò)中節(jié)點的相遇情況。除此之外,利用攜帶者的社會屬性等能夠更好的適應(yīng)現(xiàn)實世界中通信網(wǎng)絡(luò),其中,經(jīng)發(fā)明人研究發(fā)現(xiàn),移動社會網(wǎng)絡(luò)中各節(jié)點與目的節(jié)點上下文信息的匹配程度越高,則意味著該節(jié)點與目的節(jié)點的相似度越高,因此,在移動社會網(wǎng)絡(luò)中如何綜合考慮利用節(jié)點攜帶者的多個維度的上下文信息設(shè)計出一種高效的數(shù)據(jù)轉(zhuǎn)發(fā)方法是本領(lǐng)域技術(shù)人員的研究熱點。技術(shù)實現(xiàn)要素:有鑒于此,本發(fā)明提供一種基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法和裝置,應(yīng)用于分布式移動社會網(wǎng)絡(luò),能夠有效提高網(wǎng)絡(luò)的交付比率,減少網(wǎng)絡(luò)開銷。本發(fā)明較佳實施例提供一種基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法,應(yīng)用于包含多個社區(qū)的移動社會網(wǎng)絡(luò),每個所述社區(qū)內(nèi)包含多個位置動態(tài)變化的移動節(jié)點,且各移動節(jié)點可以在各社區(qū)之間移動,所述方法包括:在與發(fā)送節(jié)點位于同一社區(qū)的多個所述移動節(jié)點中選取發(fā)送節(jié)點的鄰居節(jié)點并保存至第一節(jié)點集;所述發(fā)送節(jié)點與所述第一節(jié)點集中的各節(jié)點相互交換社會屬性表,根據(jù)所述各節(jié)點對應(yīng)的社會屬性表計算每個節(jié)點與目的節(jié)點之間的社會相似性并保存;判斷所述第一節(jié)點集中的每個節(jié)點對應(yīng)的社會相似性是否大于預(yù)設(shè)閾值,若大于,則將該節(jié)點保存至第二節(jié)點集;針對所述第二節(jié)點集中的每個節(jié)點分別生成對應(yīng)的馬爾可夫鏈;根據(jù)所述第二節(jié)點集中的每個節(jié)點分別對應(yīng)的馬爾可夫鏈,計算該節(jié)點在預(yù)設(shè)時間內(nèi)轉(zhuǎn)移到所述目的節(jié)點所在的社區(qū)的轉(zhuǎn)移概率;從所述第二節(jié)點集中選取轉(zhuǎn)移概率最大的節(jié)點作為最優(yōu)中繼節(jié)點以進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)。進(jìn)一步地,針對所述第二節(jié)點集中的每個節(jié)點分別生成對應(yīng)的馬爾可夫鏈的步驟,包括:獲取所述第二節(jié)點集中的每個節(jié)點訪問所述移動社會網(wǎng)絡(luò)中不同社區(qū)的歷史信息;根據(jù)所述第二節(jié)點集中的每個節(jié)點分別對應(yīng)的歷史信息生成該節(jié)點隨時間發(fā)生狀態(tài)轉(zhuǎn)移的馬爾可夫鏈。進(jìn)一步地,所述轉(zhuǎn)移概率可以為:其中,m代表第二節(jié)點集中的節(jié)點,i、j代表移動社會網(wǎng)絡(luò)中的社區(qū),代表節(jié)點m在k時刻從第i個社區(qū)轉(zhuǎn)移到第j個社區(qū)的狀態(tài)。進(jìn)一步地,所述方法還包括:判斷所述第一節(jié)點集中的每個節(jié)點是否為目的節(jié)點,若是,則所述發(fā)送節(jié)點直接發(fā)送所述數(shù)據(jù)給所述目的節(jié)點以完成數(shù)據(jù)轉(zhuǎn)發(fā)。進(jìn)一步地,在與發(fā)送節(jié)點位于同一社區(qū)的多個所述移動節(jié)點中選取發(fā)送節(jié)點的鄰居節(jié)點并保存至第一節(jié)點集的步驟,包括:與所述發(fā)送節(jié)點位于同一社區(qū)網(wǎng)絡(luò)中的移動節(jié)點按照預(yù)設(shè)時間周期向該發(fā)送節(jié)點發(fā)送“hello”報文;針對所述發(fā)送節(jié)點接收到的每個“hello”報文,將發(fā)送所述“hello”報文的移動節(jié)點作為鄰居節(jié)點,并保存至所述第一節(jié)點集中。進(jìn)一步地,所述社會相似性通過以下步驟得到:根據(jù)所述第一節(jié)點集中的每個節(jié)點分別對應(yīng)的社會屬性表,計算該節(jié)點與所述目的節(jié)點之間的社會相似性其中,wm代表第一節(jié)點集中的節(jié)點的社會屬性表與目的節(jié)點的社會屬性表之間的交集中的屬性權(quán)值,w代表的wm的集合,wd代表目的節(jié)點的社會屬性表中各屬性權(quán)值,wd代表wd的集合。本發(fā)明較佳實施例還提供一種基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)裝置,應(yīng)用于包含多個社區(qū)的移動社會網(wǎng)絡(luò),每個所述社區(qū)內(nèi)包含多個位置動態(tài)變化的移動節(jié)點,且各移動節(jié)點可以在各社區(qū)之間移動,所述裝置包括:節(jié)點選取模塊,用于在與發(fā)送節(jié)點位于同一社區(qū)的多個所述移動節(jié)點中選取發(fā)送節(jié)點的鄰居節(jié)點并保存至第一節(jié)點集;第一計算模塊,用于所述發(fā)送節(jié)點與所述第一節(jié)點集中的各節(jié)點相互交換社會屬性表,根據(jù)所述各節(jié)點對應(yīng)的社會屬性表計算每個節(jié)點與目的節(jié)點之間的社會相似性并保存;第一判斷模塊,用于判斷所述第一節(jié)點集中的每個節(jié)點對應(yīng)的社會相似性是否大于預(yù)設(shè)閾值,若大于,則將該節(jié)點保存至第二節(jié)點集;生成模塊,用于針對所述第二節(jié)點集中的每個節(jié)點分別生成對應(yīng)的馬爾可夫鏈;第二計算模塊,用于根據(jù)所述第二節(jié)點集中的每個節(jié)點分別對應(yīng)的馬爾可夫鏈,計算該節(jié)點在預(yù)設(shè)時間內(nèi)轉(zhuǎn)移到所述目的節(jié)點所在的社區(qū)的轉(zhuǎn)移概率;數(shù)據(jù)轉(zhuǎn)發(fā)模塊,用于從所述第二節(jié)點集中選取轉(zhuǎn)移概率最大的節(jié)點作為最優(yōu)中繼節(jié)點以進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)。進(jìn)一步地,所述生成模塊包括:信息獲取單元,用于獲取所述第二節(jié)點集中的每個節(jié)點訪問所述移動社會網(wǎng)絡(luò)中不同社區(qū)的歷史信息;生成單元,用于根據(jù)所述第二節(jié)點集中的每個節(jié)點分別對應(yīng)的歷史信息生成該節(jié)點隨時間發(fā)生狀態(tài)轉(zhuǎn)移的馬爾可夫鏈。進(jìn)一步地,轉(zhuǎn)移概率可以表示為:其中,m代表第二節(jié)點集中的節(jié)點,i、j代表移動社會網(wǎng)絡(luò)中的社區(qū),代表節(jié)點m在k時刻從第i個社區(qū)轉(zhuǎn)移到第j個社區(qū)的狀態(tài)。進(jìn)一步地,所述裝置還包括:第二判斷模塊,用于判斷所述第一節(jié)點集中的每個節(jié)點是否為目的節(jié)點,若是,則所述發(fā)送節(jié)點直接發(fā)送所述數(shù)據(jù)給所述目的節(jié)點以完成數(shù)據(jù)轉(zhuǎn)發(fā)。與現(xiàn)有技術(shù)相比,本發(fā)明實施例提供的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法和裝置,應(yīng)用于包含多個社區(qū)的移動社會網(wǎng)絡(luò),其中,該方法綜合利用社區(qū)中各移動節(jié)點三個維度的上下文信息,并采用馬爾可夫預(yù)測模型對上下文信息進(jìn)行預(yù)測,從而選取最優(yōu)中繼節(jié)點以實現(xiàn)數(shù)據(jù)轉(zhuǎn)發(fā),進(jìn)而提高移動社會網(wǎng)絡(luò)中的數(shù)據(jù)轉(zhuǎn)發(fā)效率,節(jié)省網(wǎng)絡(luò)開銷。附圖說明為了更清楚地說明本發(fā)明實施例的技術(shù)方案,下面將對實施例中所需要使用的附圖作簡單地介紹,應(yīng)當(dāng)理解,以下附圖僅示出了本發(fā)明的某些實施例,因此不應(yīng)被看作是對范圍的限定,對于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動的前提下,還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。圖1為本發(fā)明實施例提供的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)裝置的應(yīng)用場景示意圖。圖2為本發(fā)明實施例提供的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)示意圖。圖3為本發(fā)明實施例提供的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法的流程示意圖。圖4為本發(fā)明實施例提供的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法的子流程示意圖。圖5為本發(fā)明實施例提供的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法的又一子流程示意圖。圖6為本發(fā)明實施例提供的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)裝置的方框結(jié)構(gòu)示意圖。圖7為圖6中所示的生成模塊的方框結(jié)構(gòu)示意圖。圖8為本發(fā)明實施例提供的采用不同數(shù)據(jù)轉(zhuǎn)發(fā)方法進(jìn)行數(shù)據(jù)投遞時的網(wǎng)絡(luò)性能仿真結(jié)果示意圖。圖標(biāo):100-基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)裝置;110-節(jié)點選取模塊;120-第一計算模塊;130-第一判斷模塊;140-生成模塊;142-信息獲取單元;144-生成單元;150-第二計算模塊;160-數(shù)據(jù)轉(zhuǎn)發(fā)模塊;170-第二判斷模塊;200-存儲器;300-存儲控制器;400-處理器。具體實施方式為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚,下面將結(jié)合本發(fā)明實施例中的附圖,對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實施例是本發(fā)明一部分實施例,而不是全部的實施例。通常在此處附圖中描述和示出的本發(fā)明實施例的組件可以以各種不同的配置來布置和設(shè)計。因此,以下對在附圖中提供的本發(fā)明的實施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的范圍,而是僅僅表示本發(fā)明的選定實施例?;诒景l(fā)明中的實施例,本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例,都屬于本發(fā)明保護(hù)的范圍。應(yīng)注意到:相似的標(biāo)號和字母在下面的附圖中表示類似項,因此,一旦某一項在一個附圖中被定義,則在隨后的附圖中不需要對其進(jìn)行進(jìn)一步定義和解釋。如圖1所示,為本發(fā)明實施例提供的一種基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)裝置100的應(yīng)用場景示意圖。所述應(yīng)用場景包括基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)裝置100、存儲器200、存儲控制器300以及處理器400。其中,所述存儲器200、存儲控制器300、處理器400各元件相互之間直接或間接地電性連接,以實現(xiàn)數(shù)據(jù)的傳輸或交互。例如,這些元件之間通過一條或多條通訊總線或信號線實現(xiàn)電性連接。所述基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)裝置100包括至少一個可以軟件或固件的形式存儲于所述存儲器200中的軟件功能模塊。所述處理器400在所述存儲控制器300的控制下訪問所述存儲器200,以用于執(zhí)行所述存儲器200中存儲的可執(zhí)行模塊,例如所述基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)裝置100所包括的軟件功能模塊及計算機程序等。進(jìn)一步地,本實施例提供的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法和裝置,應(yīng)用于包含多個社區(qū)的移動社會網(wǎng)絡(luò),其中,該移動社會網(wǎng)絡(luò)中的各移動節(jié)點主要在若干社區(qū)(地里社區(qū))停留或社區(qū)之間移動,此處假設(shè)處于同一社區(qū)中的移動節(jié)點之間可以利用自身所攜帶的短距離無線接口直接通信,也就是說,任何兩個同時處于同一社區(qū)的節(jié)點可以建立連接并交換數(shù)據(jù)。處于不同地理社區(qū)的節(jié)點不能直接通信,地理社區(qū)通過唯一的標(biāo)識(id)進(jìn)行區(qū)分,其中,在具有社會屬性的網(wǎng)絡(luò)中,移動節(jié)點的移動具有一定的規(guī)律。在此,如圖2所示,本實施例以基于校園環(huán)境的移動社會網(wǎng)絡(luò)為例介紹基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)過程,該移動社會網(wǎng)絡(luò)中的移動節(jié)點按一定的日常規(guī)律在不同的地理社區(qū)停留和移動,這些地理社區(qū)為教室(classroom)、實驗室(lab)、食堂(canteen)、圖書館(library)和體育場(stadium)。應(yīng)注意,網(wǎng)絡(luò)中的移動節(jié)點由校園中的老師和學(xué)生所攜帶的智能移動設(shè)備組成。具體地,假設(shè)發(fā)送節(jié)點s需要將數(shù)據(jù)轉(zhuǎn)發(fā)給目的節(jié)點d,移動節(jié)點a、b和c與發(fā)送節(jié)點s處于同一社區(qū)(地理社區(qū)),基于對各移動節(jié)點的社會上下文信息和歷史移動信息的分析,發(fā)送節(jié)點s預(yù)測在圖書館社區(qū)(library)中移動節(jié)點a具有最優(yōu)性能,可將發(fā)送節(jié)點s中的數(shù)據(jù)轉(zhuǎn)發(fā)到目的節(jié)點d,于是發(fā)送節(jié)點s將數(shù)據(jù)轉(zhuǎn)發(fā)給節(jié)點a,經(jīng)過一段時間,節(jié)點a離開圖書館社區(qū)(library),在教室社區(qū)(classroom)內(nèi)與目的節(jié)點d相遇,并將數(shù)據(jù)轉(zhuǎn)發(fā)給節(jié)點d。其中,所述發(fā)送節(jié)點、目的節(jié)點均是移動社會網(wǎng)絡(luò)中的移動節(jié)點。可選地,所述發(fā)送節(jié)點s和所述目的節(jié)點d均可以為多個。且本實施例中所提到的發(fā)送節(jié)點s、目的節(jié)點d均是指所述移動社會網(wǎng)絡(luò)中由用戶攜帶的智能設(shè)備,例如,智能手機、ipad,或者其他具有無線通信功能的移動設(shè)備等。需要說明的是,本實施例中所提到的發(fā)送節(jié)點是指當(dāng)前需要進(jìn)行數(shù)據(jù)發(fā)送的節(jié)點,可以是接收到的來自源節(jié)點的數(shù)據(jù)信息的中間節(jié)點,也可以是源節(jié)點,鄰居節(jié)點是指發(fā)送節(jié)點周圍的移動節(jié)點,能夠?qū)υ摪l(fā)送節(jié)點上的數(shù)據(jù)進(jìn)行轉(zhuǎn)發(fā)。應(yīng)理解,在進(jìn)行數(shù)據(jù)信息的轉(zhuǎn)發(fā)過程中,由于從發(fā)送節(jié)點到目的節(jié)點之間可能存在多次轉(zhuǎn)發(fā),那么,在每一次轉(zhuǎn)發(fā)過程中,均需要以當(dāng)前轉(zhuǎn)發(fā)節(jié)點作為發(fā)送節(jié)點,以選取該發(fā)送節(jié)點的鄰居節(jié)點中轉(zhuǎn)移概率最大的節(jié)點進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā),且發(fā)送節(jié)點、鄰居節(jié)點、目的節(jié)點之間的關(guān)系會根據(jù)用戶位置、時間等的變化而發(fā)生變化,例如,發(fā)送節(jié)點可以變化為鄰居節(jié)點或目的節(jié)點,鄰居節(jié)點也可變化為發(fā)送節(jié)點等。如圖3所示,為本實施例給出的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法的流程示意圖,下面將對圖3中所示的具體流程進(jìn)行詳細(xì)闡述。所應(yīng)說明的是,本發(fā)明所述的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法并不以圖3以及以下所述的具體順序為限制。應(yīng)當(dāng)理解,本發(fā)明所述的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法的部分步驟的順序可以根據(jù)實際需要相互交換,或者其中的部分步驟也可以省略或刪除。步驟s110,在與發(fā)送節(jié)點位于同一社區(qū)的多個所述移動節(jié)點中選取發(fā)送節(jié)點的鄰居節(jié)點并保存至第一節(jié)點集。本實施例中,所述發(fā)送節(jié)點為所述社區(qū)中的某個移動節(jié)點,當(dāng)所述發(fā)送節(jié)點需要進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)時,可首先通過物理鄰接匹配的方式,在與該發(fā)送節(jié)點位于同一社區(qū)的多個所述移動節(jié)點中選取其鄰居節(jié)點并保存至第一節(jié)點集。可選地,在初始狀態(tài)下,所述第一節(jié)點集可以是,但不限于空集。如圖4所示,為選取所述發(fā)送節(jié)點的鄰居節(jié)點并生成第一節(jié)點集的流程示意圖,下面將結(jié)合以下子步驟對圖4的流程進(jìn)行具體說明。子步驟s112,與所述發(fā)送節(jié)點位于同一社區(qū)網(wǎng)絡(luò)中的移動節(jié)點按照預(yù)設(shè)時間周期向該發(fā)送節(jié)點發(fā)送“hello”報文。子步驟s114,針對所述發(fā)送節(jié)點接收到的每個“hello”報文,將發(fā)送所述“hello”報文的移動節(jié)點作為鄰居節(jié)點,并保存至所述第一節(jié)點集中。除此之外,由于可能存在所述第一節(jié)點集中的鄰居節(jié)點恰巧是所述目的節(jié)點,因此,本實施例中,在得到所述第一節(jié)點集后,還需要判斷所述第一節(jié)點集中的每個節(jié)點是否為目的節(jié)點,若是,則所述發(fā)送節(jié)點直接發(fā)送所述數(shù)據(jù)給所述目的節(jié)點以完成數(shù)據(jù)轉(zhuǎn)發(fā)。步驟s120,所述發(fā)送節(jié)點與所述第一節(jié)點集中的各節(jié)點相互交換社會屬性表,根據(jù)所述各節(jié)點對應(yīng)的社會屬性表計算每個節(jié)點與目的節(jié)點之間的社會相似性并保存。本實施例中,首先為每個移動節(jié)點設(shè)計對應(yīng)的社會屬性表,用于比較各節(jié)點之間的社會相似性,以選取適合的中繼節(jié)點。例如,當(dāng)判斷某個移動節(jié)點為所述發(fā)送節(jié)點的鄰居節(jié)點時,它們可以互相交換各自的社會屬性表,然后通過匹配所述鄰居節(jié)點與目的節(jié)點的屬性表,計算兩個節(jié)點的社會相似性。具體地,為所述社會相似性的計算流程。下面對所訴社會相似性的具體計算過程進(jìn)行簡要說明。具體地,針對第一節(jié)點集中的每個節(jié)點,假設(shè)該節(jié)點的社會屬性表中的屬性(evidence)和對應(yīng)值(value)的集合記為n(e,v),目的節(jié)點d的屬性表中成對的屬性和值的集合記為d(e,v),所述節(jié)點和目的節(jié)點d的屬性值的交集記為m(e,v),具體如公式(1)所示:m(e,v)=n(e,v)∩d(e,v)(1)進(jìn)一步地,所述第一節(jié)點集中的各節(jié)點與目的節(jié)點d兩個節(jié)點的社會屬性相似程度,即社會相似性encosim(d)的計算過程如公式(2)所示。其中,wm代表第一節(jié)點集中的節(jié)點的社會屬性表與目的節(jié)點的社會屬性表之間的交集中的屬性權(quán)值,w代表的wm的集合,wd代表目的節(jié)點的社會屬性表中各屬性權(quán)值,wd代表wd的集合,encosim(d)代表第一節(jié)點集中的節(jié)點與目的節(jié)點的社會相似性。應(yīng)理解,式(2)中的encosim(d)代表第一節(jié)點中的鄰居節(jié)點與目的節(jié)點之間的社會相似性,其他節(jié)點與目的節(jié)點之間的社會相似性的計算方法與公式(2)中所示的計算過程相似,本實施例在此不再贅述。步驟s130,判斷所述第一節(jié)點集中的每個節(jié)點對應(yīng)的社會相似性是否大于預(yù)設(shè)閾值,若大于,則將該節(jié)點保存至第二節(jié)點集。本實施例中,所述預(yù)設(shè)閾值可根據(jù)實際情況進(jìn)行靈活設(shè)計,本實施例對此不做限制。步驟s140,針對所述第二節(jié)點集中的每個節(jié)點分別生成對應(yīng)的馬爾可夫鏈。步驟s150,根據(jù)所述第二節(jié)點集中的每個節(jié)點分別對應(yīng)的馬爾可夫鏈,計算該節(jié)點在預(yù)設(shè)時間內(nèi)轉(zhuǎn)移到所述目的節(jié)點所在的社區(qū)的轉(zhuǎn)移概率。本實施例中,如圖5所示,為所述馬爾可夫鏈的生成流程,具體如下子步驟所示。子步驟s142,獲取所述第二節(jié)點集中的每個節(jié)點訪問所述移動社會網(wǎng)絡(luò)中不同社區(qū)的歷史信息。子步驟s144,根據(jù)所述第二節(jié)點集中的每個節(jié)點分別對應(yīng)的歷史信息生成該節(jié)點隨時間發(fā)生狀態(tài)轉(zhuǎn)移的馬爾可夫鏈。具體地,由于移動社會網(wǎng)絡(luò)可以用一個無向圖g(v,e,wsociety)表示,假設(shè)該無向圖包括n個節(jié)點,m條邊,圖中的每個節(jié)點表示一個用戶攜帶的移動設(shè)備,并且所有設(shè)備的無線信息的傳輸半徑相同。那么,圖中的每條邊代表兩個移動節(jié)點之間存在社會關(guān)系,邊的權(quán)值wsociety代表兩個移動節(jié)點社會關(guān)系的親密程度。每個移動節(jié)點可能有多條邊,表示每個移動節(jié)點可能與其它多個節(jié)點存在社會關(guān)系,但是一條邊只能表示兩個移動節(jié)點之間的關(guān)系。實際實施時,假設(shè)基于地理進(jìn)行劃分的移動社會網(wǎng)絡(luò)共存在y個社區(qū),那么無向圖g在t時刻的拓?fù)鋱D由y個互不相交的社區(qū)組成,那么從1到y(tǒng)對社區(qū)進(jìn)行編號,則基于社區(qū)的移動社會網(wǎng)絡(luò)可表示為c(t),如公式(3)所示。其中,c(t)k是圖g中的一個子集,同時也是移動社會網(wǎng)絡(luò)中的一個地理社區(qū),圖g中所有的節(jié)點都屬于c(t)中某一個確定的社區(qū)。此外,c(t)依賴時間槽t捕獲移動節(jié)點移動的動態(tài)特征,如公式(4)。在這個無向圖模型中,每個移動節(jié)點的連通性隨著移動性和位置的變化而變化,因此,社區(qū)內(nèi)移動節(jié)點的狀態(tài)隨時間而變化,從而形成了網(wǎng)絡(luò)圖,該網(wǎng)絡(luò)圖可明確表示在時間t一個網(wǎng)絡(luò)節(jié)點可以與哪些移動節(jié)點直接通信。同時,隨著時間從t遷移到t+1,移動節(jié)點從一個社區(qū)移動到另一個社區(qū),所以網(wǎng)絡(luò)圖也在發(fā)生變化。進(jìn)一步地,根據(jù)社會學(xué)的研究成果,移動社會網(wǎng)絡(luò)表示節(jié)點間社會交往(傳遞性)的程度。如果兩個人有一些共同的特征,那么在將來的某個時間段,他們在一起交往和相聚的概率是非常大的。因此,為了進(jìn)一步描述移動社會網(wǎng)絡(luò)中的各移動節(jié)點的移動屬性,本實施例采用半馬爾可夫過程建立社會移動模式,移動節(jié)點從一個地理社區(qū)到另一個地理社區(qū)的移動性具有馬爾可夫的記憶無關(guān)屬性,那么節(jié)點從一個地理社區(qū)到另一個地理社區(qū)移動的概率不依賴于以前的概率。因此,本實施例可利用半馬可夫過程建立節(jié)點移動的預(yù)測模型。假設(shè)移動節(jié)點m的狀態(tài)集合表示為xm={1,2,3…y},xm表示移動節(jié)點m所處的地理社區(qū)編號,同時y表示圖中總共的地理社區(qū)數(shù)量,移動節(jié)點m的第k個狀態(tài)表示為移動節(jié)點m進(jìn)入第k個狀態(tài)的時刻表示為那么對于移動節(jié)點m來說,可形成一個時間和狀態(tài)離散的馬爾可夫鏈換言之,移動節(jié)點m的第k+1個狀態(tài)只與其第k個狀態(tài)有關(guān),而與之前的狀態(tài)無關(guān)。此時對于移動節(jié)點m形成了狀態(tài)離散的半馬爾可夫模型該模型描述了移動節(jié)點m隨著時間的變化而轉(zhuǎn)移狀態(tài)的過程。此外,移動節(jié)點m在第k個狀態(tài)的停留時間表示為則則可由公式(5)表示。半馬爾可夫模型的核心表達(dá)式如公式(6)所示,此處為一般分布,重點分析狀態(tài)的隨機過程。模型可以表示節(jié)點m在t時間內(nèi)從狀態(tài)i轉(zhuǎn)移到狀態(tài)j的概率,的狀態(tài)取決于當(dāng)前狀態(tài)而與之前的等狀態(tài)無關(guān)。表示移動節(jié)點m在時刻t停留在社區(qū)k的狀態(tài),是節(jié)點m從社區(qū)i到社區(qū)j的轉(zhuǎn)移概率。假設(shè)每個節(jié)點只在離散時隙內(nèi)移動,并且相遇節(jié)點在每個時隙內(nèi)更新信息。最終,將每個節(jié)點的狀態(tài)轉(zhuǎn)移保存至一個轉(zhuǎn)移概率矩陣,該轉(zhuǎn)移概率矩陣am為移動節(jié)點m訪問所述移動社會網(wǎng)絡(luò)中不同社區(qū)的歷史信息。在公式(7)和公式(8)中,am是離散馬爾可夫鏈的轉(zhuǎn)移概率矩陣,它包含了每個節(jié)點的所有過渡狀態(tài)。在一個時間段內(nèi),如果跟蹤記錄節(jié)點m所訪問的社區(qū),節(jié)點m從社區(qū)i到社區(qū)j的轉(zhuǎn)移概率定義如公式(9):在公式(9)中,numij表示某段時間內(nèi)從社區(qū)i移動到社區(qū)j的移動節(jié)點的數(shù)量,numi為在該時間段內(nèi)從社區(qū)i轉(zhuǎn)移出的所有移動節(jié)點的數(shù)量。因此,利用上述馬爾可夫模型和相關(guān)的轉(zhuǎn)移概率矩陣,可預(yù)測移動社會網(wǎng)絡(luò)中各移動節(jié)點的移動規(guī)律。其中,該移動社會網(wǎng)絡(luò)中的每個地理社區(qū)有一個唯一的編號,在移動節(jié)點移動的每個時刻,該移動節(jié)點都能感知自己所處的社區(qū)編號。同時,本實施例中假設(shè)所述移動社會網(wǎng)絡(luò)是由緊緊相鄰的社區(qū)組成,移動節(jié)點從一個社區(qū)到達(dá)另一個社區(qū)的時間可以忽略不計,那么節(jié)點在任一時刻總是處于某一社區(qū)之中。因此,本實施例針對具有社區(qū)特性的移動社會網(wǎng)絡(luò)建立相應(yīng)的馬爾可夫預(yù)測模型,利用該模型預(yù)測網(wǎng)絡(luò)中各移動節(jié)點在社區(qū)間的移動情況和停留時間。應(yīng)理解,所述馬爾可夫預(yù)測模型即為所述馬爾可夫鏈。步驟s160,從所述第二節(jié)點集中選取轉(zhuǎn)移概率最大的節(jié)點作為最優(yōu)中繼節(jié)點以進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)。本實施例中,在完成對最優(yōu)中繼節(jié)點的選取后,在通過該最優(yōu)中繼節(jié)點進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)時,由于所述發(fā)送節(jié)點設(shè)置有消息轉(zhuǎn)發(fā)隊列,因此,在實際實施時,應(yīng)將所述發(fā)送節(jié)點中需要轉(zhuǎn)發(fā)至所述目的節(jié)點的數(shù)據(jù)信息添加至所述消息轉(zhuǎn)發(fā)隊列中,然后,根據(jù)所述消息轉(zhuǎn)發(fā)隊列中的預(yù)設(shè)轉(zhuǎn)發(fā)順序發(fā)送該數(shù)據(jù)信息給所述最優(yōu)中繼節(jié)點以進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā),最后,從所述消息轉(zhuǎn)發(fā)隊列中刪除已完成轉(zhuǎn)發(fā)的所述數(shù)據(jù)信息。進(jìn)一步地,如圖6所示,為本實施例提供的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)裝置100的方框結(jié)構(gòu)示意圖,其中,所述基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)裝置100包括節(jié)點選取模塊110、第一計算模塊120、第一判斷模塊130、生成模塊140、第二計算模塊150、數(shù)據(jù)轉(zhuǎn)發(fā)模塊160和第二判斷模塊170。所述節(jié)點選取模塊110,用于在與發(fā)送節(jié)點位于同一社區(qū)的多個所述移動節(jié)點中選取發(fā)送節(jié)點的鄰居節(jié)點并保存至第一節(jié)點集。本實施例中,圖3中的步驟s110由所述節(jié)點選取模塊110執(zhí)行,具體過程請參考步驟s110,在此不再贅述。所述第一計算模塊120,用于所述發(fā)送節(jié)點與所述第一節(jié)點集中的各節(jié)點相互交換社會屬性表,根據(jù)所述各節(jié)點對應(yīng)的社會屬性表計算每個節(jié)點與目的節(jié)點之間的社會相似性并保存。本實施例中,圖3中的步驟s120由所述第一計算模塊120執(zhí)行,具體過程請參考步驟s120,在此不再贅述。所述第一判斷模塊130,用于判斷所述第一節(jié)點集中的每個節(jié)點對應(yīng)的社會相似性是否大于預(yù)設(shè)閾值,若大于,則將該節(jié)點保存至第二節(jié)點集。本實施例中,圖3中的步驟s130由所述第一判斷模塊130執(zhí)行,具體過程請參考步驟s130,在此不再贅述。所述生成模塊140,用于針對所述第二節(jié)點集中的每個節(jié)點分別生成對應(yīng)的馬爾可夫鏈。本實施例中,圖3中的步驟s140由所述生成模塊140執(zhí)行,具體過程請參考步驟s140,在此不再贅述??蛇x地,如圖7所示,所述述生成模塊140包括信息獲取單元142和生成單元144。所述信息獲取單元142,用于獲取所述第二節(jié)點集中的每個節(jié)點訪問所述移動社會網(wǎng)絡(luò)中不同社區(qū)的歷史信息。本實施例中,圖5中的步驟s142由所述信息獲取單元142執(zhí)行,具體過程請參考步驟s142,在此不再贅述。生成單元144,用于根據(jù)所述第二節(jié)點集中的每個節(jié)點分別對應(yīng)的歷史信息生成該節(jié)點隨時間發(fā)生狀態(tài)轉(zhuǎn)移的馬爾可夫鏈。本實施例中,圖5中的步驟s144由所述生成單元144執(zhí)行,具體過程請參考步驟s144,在此不再贅述。所述第二計算模塊150,用于根據(jù)所述第二節(jié)點集中的每個節(jié)點分別對應(yīng)的馬爾可夫鏈,計算該節(jié)點在預(yù)設(shè)時間內(nèi)轉(zhuǎn)移到所述目的節(jié)點所在的社區(qū)的轉(zhuǎn)移概率。本實施例中,圖3中的步驟s150由所述第二計算模塊150執(zhí)行,具體過程請參考步驟s150,在此不再贅述。所述數(shù)據(jù)轉(zhuǎn)發(fā)模塊160,用于從所述第二節(jié)點集中選取轉(zhuǎn)移概率最大的節(jié)點作為最優(yōu)中繼節(jié)點以進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)。本實施例中,圖3中的步驟s160由所述數(shù)據(jù)轉(zhuǎn)發(fā)模塊160執(zhí)行,具體過程請參考步驟s160,在此不再贅述。所述第二判斷模塊170,用于判斷所述第一節(jié)點集中的每個節(jié)點是否為目的節(jié)點,若是,則所述發(fā)送節(jié)點直接發(fā)送所述數(shù)據(jù)給所述目的節(jié)點以完成數(shù)據(jù)轉(zhuǎn)發(fā)?;谏鲜雒枋?,本實施例還給出了基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法的偽代碼,具體如下。方法1的輸入:np為移動節(jié)點的社會屬性,c(t)表示網(wǎng)絡(luò)在t時刻節(jié)點分布于各社區(qū)的狀態(tài),am是馬爾可夫轉(zhuǎn)移矩陣,d為數(shù)據(jù)包的目的節(jié)點,λ為預(yù)設(shè)閾值。首先設(shè)置數(shù)據(jù)包在網(wǎng)絡(luò)中傳輸?shù)淖畲筠D(zhuǎn)發(fā)跳數(shù)fh為一個常數(shù)max_hops,對于max_hops的取值可根據(jù)實際需求進(jìn)行靈活設(shè)置。其中,從方法1的第2行到20行是一個循環(huán)體,其目的是找到從發(fā)送節(jié)點到目的節(jié)點的一系列適當(dāng)?shù)闹欣^節(jié)點,并轉(zhuǎn)發(fā)數(shù)據(jù)。首先定義一個中繼節(jié)點集合r并將r賦值為空集,然后執(zhí)行物理鄰接匹配(pam)子程序(方法2),該子程序返回轉(zhuǎn)發(fā)節(jié)點m的第一節(jié)點集lm。如果lm中包含數(shù)據(jù)包的目的節(jié)點d,則轉(zhuǎn)發(fā)節(jié)點m把相關(guān)數(shù)據(jù)發(fā)送給目的節(jié)點d,方法結(jié)束運行。反之,則把第一節(jié)點集lm并入中繼節(jié)點集合,然后執(zhí)行社會相似性匹配(srm)子程序。srm子程序(方法3)利用移動節(jié)點社會屬性的相似性做出選擇,從第一節(jié)點集中選出與目的節(jié)點的社會屬性相似性較高的節(jié)點,進(jìn)一步縮小第一節(jié)點集中元素的數(shù)量以得到第二節(jié)點集。接下來,運行社會交互性匹配(sam)子程序(方法4),利用馬爾可夫轉(zhuǎn)移矩陣的運算,從第二節(jié)點集中找出到目的節(jié)點社區(qū)轉(zhuǎn)移概率最高的節(jié)點m'。此時節(jié)點m選擇m'作為最優(yōu)中繼節(jié)點m',發(fā)送節(jié)點把數(shù)據(jù)轉(zhuǎn)發(fā)給m'。以上過程會循環(huán)進(jìn)行,以便找到從發(fā)送節(jié)點到目的節(jié)點路徑上的一系列中繼節(jié)點,并轉(zhuǎn)發(fā)數(shù)據(jù),直到跳數(shù)計數(shù)器為0或者數(shù)據(jù)已經(jīng)到達(dá)目的節(jié)點。應(yīng)注意,本實施例中的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法即mcmf方法。進(jìn)一步地,基于本實施例給出的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法的偽代碼,本實施例還給出了的所述基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法的仿真結(jié)果示意圖,并將仿真結(jié)果與現(xiàn)有的epidemic方法、prophet方法以及基于社區(qū)的bubblerap方法三種著名方法進(jìn)行了比較分析。其中,本實施例中的仿真實驗平臺采用網(wǎng)絡(luò)仿真工具one,實際數(shù)據(jù)集為mitrealitydata。(1)參數(shù)設(shè)置進(jìn)一步地,在仿真實驗中,為了使得仿真盡量接近真實環(huán)境,我們采用mitrealitydata實際數(shù)據(jù)集作為外部數(shù)據(jù)源對方法進(jìn)行實驗分析。在計算社會相似性時,需要用到社會屬性表,不同的數(shù)據(jù)集包含的社會屬性不同。在mitrealitydata數(shù)據(jù)集中,社會屬性表的屬性主要為:name,position,neihborhood和hangouts,根據(jù)這些屬性重要性的不同,對應(yīng)的權(quán)值為0.1,0.2,0.4,0.3。社群信息來源于數(shù)據(jù)集中的celltower_oid字段。節(jié)點的物理鄰接信息可以從數(shù)據(jù)集中節(jié)點的接觸記錄中獲得,節(jié)點的社會屬性和社交聯(lián)系也可以很容易的從數(shù)據(jù)集中取得。如圖8所示,從交付比率、開銷比率、平均時延和平均跳數(shù)四個方面對本實施例給出的基于上下文認(rèn)知的數(shù)據(jù)轉(zhuǎn)發(fā)方法進(jìn)行評估和分析。每個仿真實驗運行30次,然后分別收集統(tǒng)計數(shù)據(jù)并取平均值。其中,epidemic方法和prophet方法中的參數(shù)采用one中相關(guān)協(xié)議的默認(rèn)設(shè)置。仿真實驗中的主要參數(shù)設(shè)置如下表所示。在仿真實驗中,模擬實驗運行1小時相當(dāng)于實際生活場景的3小時,所以表3中仿真時間40小時,為考察了5天的實際場景的運行數(shù)據(jù)。整個網(wǎng)絡(luò)的消息發(fā)頻率為每500~600個。圖8(a)描述了四種數(shù)據(jù)轉(zhuǎn)發(fā)方法的交付比率隨仿真時間變化的情況。從中可以看出epidemic保持最低的交付率,epidemic采用最簡單的方式在網(wǎng)絡(luò)中洪泛數(shù)據(jù)包,由于epidemic方法會大量占用通信帶寬和節(jié)點的緩存空間,因此容易導(dǎo)致網(wǎng)絡(luò)擁塞和緩存溢出等現(xiàn)象,影響數(shù)據(jù)包的交付比率。這種對中繼節(jié)點不加任何選擇的方式,造成同一數(shù)據(jù)在網(wǎng)絡(luò)中的轉(zhuǎn)發(fā)次數(shù)大大高于單拷貝路由方法。因此,epidemic方法對于資源受限的移動社會網(wǎng)絡(luò)極為不利,在實際應(yīng)用中也很難實行。參數(shù)取值單位仿真時間40小時預(yù)熱時間5000秒運動模型externalmovement-節(jié)點數(shù)量97,76-數(shù)據(jù)集mitrealitydata-無線傳輸類型bluetooth-傳輸速率250kb/秒傳輸范圍10米消息發(fā)送頻率500~600秒消息大小256~512kb節(jié)點緩存容量5mb消息生存時間600分鐘由于mcmf利用了多維上下文信息來尋找最優(yōu)中繼節(jié)點,例如,節(jié)點的社會上下文信息,mcmf在交付比率上的性能最優(yōu)。其中,如圖4(a)所示,在80000秒處,mcmf的交付比率為73.5%,比bubblerap、prophet和epidemic分別高出5.5%、29.5%和43.5%。mcmf有如此優(yōu)越表現(xiàn)主要有如下兩個原因:首先,mcmf利用社會屬性相似性匹配來選擇與目的節(jié)點緊密相關(guān)的中繼節(jié)點集合。加之,由于bubblerap和prophet方法只選擇少數(shù)中心節(jié)點作為中繼節(jié)點,容易導(dǎo)致這些中間節(jié)點的緩沖區(qū)溢出和能量過快耗盡的問題,從而出現(xiàn)數(shù)據(jù)包丟失的現(xiàn)象。其次mcmf使用了上下文信息預(yù)測模型,該模型采用半馬爾可夫過程來表示節(jié)點在不同社區(qū)之間的轉(zhuǎn)移概率分布。進(jìn)而通過了解節(jié)點相遇的概率分布提高網(wǎng)絡(luò)的投遞率。圖8(b)表明了隨著仿真時間的變化,epidemic、porphet、bubblerap和mcmf四種數(shù)據(jù)轉(zhuǎn)發(fā)方法開銷比率的變化情況。從總體上看,mcmf方法的開銷比率最小。顯然,由于epidemic采用洪泛的方式轉(zhuǎn)發(fā)數(shù)據(jù)包,所以其投遞開銷最大。其它三種基于上下文認(rèn)知的方法采用選擇中繼節(jié)點的模式,mcmf的開銷比率與bubblerap較為接近。例如,在80000秒處,mcmf方法的開銷比率為16,porphet方法為43,而epidemic高達(dá)95。本實施例給出的mcmf方法能在開銷比率上表現(xiàn)最好,主要有兩個原因:(1)在mcmf進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)時引入了合理的最大轉(zhuǎn)發(fā)跳數(shù),通過合理的控制轉(zhuǎn)發(fā)次數(shù)來減少投遞開銷。(2)bubblerap和porphet在中繼節(jié)點的選擇上未采用目的節(jié)點的相關(guān)信息(目的節(jié)點無關(guān)性),而是采用了節(jié)點間的相遇概率和中心性度量進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā),這樣在網(wǎng)絡(luò)中可能造成瓶頸問題。本實施例中,mcmf首先進(jìn)行發(fā)送節(jié)點的鄰接匹配,然后進(jìn)行社會關(guān)系匹配,最后利用時間半馬爾可夫模型來預(yù)測兩個節(jié)點在指定時間的相遇情況。圖8(c)描述了四種數(shù)據(jù)轉(zhuǎn)發(fā)方法的平均時延情況,mcmf的總體表現(xiàn)不如bubblerap方法,epidemic表現(xiàn)最差。例如,在80000秒處,mcmf平均時延為5800秒,介于bubblerap(5710秒)和porphet(6214秒)之間。在移動社會網(wǎng)絡(luò)中,數(shù)據(jù)包的投遞時延通常較大,并且投遞時延抖動也很大。圖8(d)描述了四種數(shù)據(jù)轉(zhuǎn)發(fā)方法的平均跳數(shù)情況,在80000秒處,mcmf的平均跳數(shù)表現(xiàn)不錯,為1.9,低于bubblerap(2.26),略高于porphet(1.8),epidemic的平均跳數(shù)最高為5.8。在mcmf方法中,網(wǎng)絡(luò)被分成不同的社區(qū),當(dāng)兩個節(jié)點處于同一社區(qū)時,它們之間很容易實現(xiàn)轉(zhuǎn)發(fā)數(shù)據(jù)。如果兩個節(jié)點處于不同的社區(qū),那么,mcmf采用離散的半馬爾可夫鏈來建模節(jié)點的移動模式并進(jìn)行社會相似性匹配,因此,本實施例給出的mcmf數(shù)據(jù)轉(zhuǎn)發(fā)方法在進(jìn)行下一跳中繼節(jié)點的選擇時比bubblerap和porphet更加準(zhǔn)確??傊?,在相同仿真時間情景下,圖9給出的四種數(shù)據(jù)轉(zhuǎn)發(fā)方法在交付比率、開銷比率、平均時延和平均跳數(shù)四個評價指標(biāo)方面的性能對比情況。從中可以看出,mcmf獲得了優(yōu)于epidemic、prophet和bubberap三種數(shù)據(jù)轉(zhuǎn)發(fā)方法的性能,具有更高的網(wǎng)絡(luò)數(shù)據(jù)交付比率以及更少的開銷比率。綜上所述,本發(fā)明提供的基于上下文感知的數(shù)據(jù)轉(zhuǎn)發(fā)方法和裝置,應(yīng)用于包括多個社區(qū)的移動社會網(wǎng)絡(luò),其中,該方法綜合利用三個維度的上下文信息,并采用馬爾可夫預(yù)測模型對上下文信息進(jìn)行預(yù)測,從而選取最優(yōu)中繼節(jié)點以實現(xiàn)數(shù)據(jù)轉(zhuǎn)發(fā),因此,本發(fā)明能夠有效提高移動社會網(wǎng)絡(luò)中的數(shù)據(jù)轉(zhuǎn)發(fā)效率和智能化。在本發(fā)明的描述中,術(shù)語“設(shè)置”、“相連”、“連接”應(yīng)做廣義理解,例如,可以是固定連接,也可以是可拆卸連接,或一體地連接;可以是機械連接,也可以是電連接;可以是直接相連,也可以通過中間媒介間接相連,可以是兩個元件內(nèi)部的連通。對于本領(lǐng)域的普通技術(shù)人員而言,可以具體情況理解上述術(shù)語在本發(fā)明中的具體含義。在本發(fā)明實施例所提供的幾個實施例中,應(yīng)該理解到,所揭露的裝置和方法,也可以通過其他方式實現(xiàn)。以上所描述的裝置和方法實施例僅僅是示意性的,例如,附圖中的流程圖和框圖顯示了根據(jù)本發(fā)明的預(yù)設(shè)數(shù)量個實施例的裝置、方法和計算機程序產(chǎn)品可能實現(xiàn)的體系架構(gòu)、功能和操作。在這點上,流程圖或框圖中的每個方框可以代表一個模塊、程序段或代碼的一部分。所述模塊、程序段或代碼的一部分包含一個或預(yù)設(shè)數(shù)量個用于實現(xiàn)規(guī)定的邏輯功能。也應(yīng)當(dāng)注意,在有些作為替換的實現(xiàn)方式中,方框中所標(biāo)注的功能也可以以不同于附圖中所標(biāo)注的順序發(fā)生。例如,兩個連續(xù)的方框?qū)嶋H上可以基本并行地執(zhí)行,它們有時也可以按相反的順序執(zhí)行,這依所涉及的功能而定。也要注意的是,框圖和/或流程圖中的每個方框、以及框圖和/或流程圖中的方框的組合,可以用執(zhí)行規(guī)定的功能或動作的專用的基于硬件的系統(tǒng)來實現(xiàn),或者可以用專用硬件與計算機指令的組合來實現(xiàn)。以上所述僅為本發(fā)明的優(yōu)選實施例而已,并不用于限制本發(fā)明,對于本領(lǐng)域的技術(shù)人員來說,本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi),所作的任何修改、等同替換、改進(jìn)等,均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁12
      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1