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