数据修改方法、装置及计算机可读存储介质与流程

本发明涉及云服务技术领域，尤其涉及一种基于分布式文件系统的数据修改的方法、装置及计算机可读存储介质。

背景技术：

由于分布式文件系统的数据存储机制是分布式的，无法定位到数据存在于哪行哪列，因此基于分布式文件系统的数据修改是当接收数据修改请求时统一修改文件系统中的所有数据。

目前分布式文件系统常用的数据修改方法如多表级联更新法、根据jdbc(一种执行sql语句的java接口)写多级循环进行修改的方法等。这些方法虽然可以达到数据修改的目的，但当数据量庞大时，需要进行多次循环或多次数据表之间的级联，耗时严重，计算量庞大，数据修改速度也会变缓。

技术实现要素：

本发明提供一种数据修改方法、装置及计算机可读存储介质，其主要目的在于提供一种简便、效率高的分布式文件系统的数据修改方案。

为实现上述目的，本发明提供的一种数据修改方法，包括：

接收用户的数据修改请求，根据所述数据修改请求从分布式文件系统中提取待修改数据集和数据区分度；

将所述待修改数据集进行数据相关性计算得到与所述待修改数据集对应的数据相关性集；

将所述数据相关性集和所述数据区分度进行数据筛选操作得到待修改数据范围集；

根据非线性映射关系和所述待修改数据范围集对所述数据相关性集执行计算得到待更新数据集；

根据预设的代价函数更新所述待更新数据集得到更新值，判断所述更新值与预设更新阈值的大小关系，直至所述更新值小于所述预设更新阈值时，生成数据修改集，将所述数据修改集存储至所述分布式文件系统中，并将所述数据修改集返回给用户，完成数据修改操作。

可选地，所述将所述待修改数据集进行数据相关性计算，得到与所述待修改数据集对应的数据相关性集，包括：

遍历所述待修改数据集内的每个数据；

将根据所述遍历操作选择的每个数据与所述待修改数据集内的其他数据执行计算，得到数学期望和协方差；

根据所述协方差和数学期望进行数据相关性计算得到数据相关性值；

当所述遍历完成后，汇集所有的数据相关性值得到所述数据相关性集。

可选地，所述数据相关性计算的计算方法为：

其中，代表所述待修改数据集内根据所述遍历操作选择的数据，y代表待修改数据集内与所述x不同的其他数据，p(x,y)表示所述x与所述y的数据相关性值，cov(x,y)是指所述x与所述y的协方差，e[x]表示所述x的数学期望，e[y]表示所述y的数学期望，μ表示高斯分布下的数学期望，σ表示高斯分布下的方差。

可选地，所述数据筛选操作包括：

数据筛选操作根据所述数据区分度和所述数据相关性集计算得到杰卡德相似系数；

判断所述杰卡德相似系数和一个预设的数据筛选操作的阈值集的大小关系，根据所述大小关系修改所述数据相关性集得到所述待修改数据范围集。

可选地，所述根据预设的代价函数更新所述待更新数据集得到更新值，包括：

构建基于所述待修改数据集和所述数据范围集的偏导函数；

根据所述偏导函数和所述待更新数据集构建代价函数并计算所述代价函数得到所述更新值。

此外，为实现上述目的，本发明还提供一种数据修改装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的数据修改程序，所述数据修改程序被所述处理器执行时实现如下步骤：

接收用户的数据修改请求，根据所述数据修改请求从分布式文件系统中提取待修改数据集和数据区分度；

将所述待修改数据集进行数据相关性计算得到与所述待修改数据集对应的数据相关性集；

将所述数据相关性集和所述数据区分度进行数据筛选操作得到待修改数据范围集；

根据非线性映射关系和所述待修改数据范围集对所述数据相关性集执行计算得到待更新数据集；

根据预设的代价函数更新所述待更新数据集得到更新值，判断所述更新值与预设更新阈值的大小关系，直至所述更新值小于所述预设更新阈值时，生成数据修改集，将所述数据修改集存储至所述分布式文件系统中，并将所述数据修改集返回给用户，完成数据修改操作。

可选地，所述将所述待修改数据集进行数据相关性计算，得到与所述待修改数据集对应的数据相关性集，包括：

遍历所述待修改数据集内的每个数据；

将根据所述遍历操作选择的每个数据与所述待修改数据集内的其他数据执行计算，得到数学期望和协方差；

根据所述协方差和数学期望进行数据相关性计算得到数据相关性值；

当所述遍历完成后，汇集所有的数据相关性值得到所述数据相关性集。

可选地，所述数据相关性计算的计算方法为：

其中，代表所述待修改数据集内根据所述遍历操作选择的数据，y代表待修改数据集内与所述x不同的其他数据，p(x,y)表示所述x与所述y的数据相关性值，cov(x,y)是指所述x与所述y的协方差，e[x]表示所述x的数学期望，e[y]表示所述y的数学期望，μ表示高斯分布下的数学期望，σ表示高斯分布下的方差。

可选地，所述数据筛选操作包括：

数据筛选操作根据所述数据区分度和所述数据相关性集计算得到杰卡德相似系数；

判断所述杰卡德相似系数和一个预设的数据筛选操作的阈值集的大小关系，根据所述大小关系修改所述数据相关性集得到所述待修改数据范围集。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有数据修改程序，所述数据修改程序可被一个或者多个处理器执行，以实现如上所述的数据修改方法的步骤。

本发明首先提取待修改数据集和数据区分度，并经过数据相关性计算缩小了待修改数据集的数据量，加快了后续数据修改的速度，同时根据所述数据区分度进行数据筛选操作，确定数据修改的范围，利用所述数据筛选操作代替多次循环或多次数据表级联，从而进一步提高数据修改效率，减轻计算压力，进一步根据非线性映射关系和代价函数的简易计算，可以得到最终的数据修改集，因为非线性映射关系和代价函数的计算方法简便，不占用大量内存，故而数据修改效率进一步提升。因此本发明提出的数据修改方法、装置及计算机可读存储介质，可以实现简便高效的数据修改功能。

附图说明

图1为本发明一实施例提供的数据修改方法的流程示意图；

图2为本发明一实施例提供的数据修改装置的内部结构示意图；

图3为本发明一实施例提供的数据修改装置中数据修改程序的模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种数据修改方法。参照图1所示，为本发明一实施例提供的数据修改方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。

在本实施例中，所述数据修改方法包括：

s1、接收用户的数据修改请求，根据所述数据修改请求从分布式文件系统中提取待修改数据集和数据区分度。

所述分布式文件系统是指文件系统管理的物理存储资源不直接连接在本地节点上，而是通过计算机网络与节点相连的一种数据存储及处理系统。所述数据修改请求包括点击所述分布式文件系统的图形图标，选择对所述分布式文件系统的节点进行数据修改。

较佳地，所述待修改数据集是指用户需要进行数据修改的数据集，一般存储在所述分布式文件系统中的某个节点中。

所述数据区分度是用户需要修改所述待修改数据集的幅度或范围，较佳地可用s＝{s1,s2,s3,…sn}表示，其中s表示所述数据区分度，s1,s2,s3,…sn表示可允许对所述待修改数据集进行数据修改的修改范围或幅度。

s2、将所述待修改数据集进行数据相关性计算得到与所述待修改数据集对应的数据相关性集。

详细地，所述s2包括：遍历所述待修改数据集内的每个数据，对根据所述遍历操作选择的每个数据与所述待修改数据集内的其他数据计算数学期望和协方差，根据所述协方差和数学期望进行数据相关性计算得到数据相关性值，当所述遍历完成后，汇集所有的数据相关性值得到所述数据相关性集。

其中，所述数据相关性计算的计算方法为：

其中，x代表根据所述遍历操作选择得到的数据，y代表所述待修改数据集中与所述x不同的其他数据，p(x,y)表示所述x与所述y的数据相关性值，cov(x,y)是指所述x与所述y的协方差，协方差的值可表示x,y同时变化的相关程度，e[x]表示所述x的数学期望，e[y]表示所述y的数学期望，μ表示高斯分布下的数学期望，σ表示高斯分布下的方差。

详细地，所述协方差cov(x,y)的计算方法为：

cov(x,x)＝e[(x-e[x])(y-e[y])]

＝e(xy)-2e[y]e(x)+e[x]e(y)

＝e(xy)-e[x]e(y)

较佳地，p(x,y)最终的数值介于-1和1之间，当所述x与所述y的相关性关系增强时，所述数据相关性值p(x,y)的数值会逐渐趋于1或-1，当所述x的数值增大时，若伴随着所述y的数值也增大，则表明所述x与所述y之间的相关性是正相关，即所述p(x,y)的数值大于0；当所述x的数值增大时，若伴随着所述y的数值会减少，则表明所述x与所述y之间的相关性是负相关，即所述p(x,y)的数值小于0；若所述p(x,y)的数值为0，则表明所述x与所述y之间不存在相关性关系。

s3、将所述数据相关性集和所述数据区分度进行数据筛选操作得到数据范围集。

详细地，所述s3包括：预设数据筛选操作的阈值集，根据所述数据区分度和所述数据相关性集计算得到杰卡德相似系数，判断所述杰卡德相似系数和所述阈值集的大小关系，根据所述大小关系重新修改所述数据相关性集得到待修改数据数据范围集。

进一步地，所述阈值集的设置可以通过接受用户的输入阈值或根据以往数据修改方案智能化生成。

所述杰卡德相似系数的计算方法为：

其中，jaccard(s,k)表示所述数据区分度和所述数据相关性集的杰卡德相似系数，s表示所述数据区分度，k表示所述数据相关性集，s∩k表示所述数据区分度和所述数据相关性集的数据交集。

进一步地，所述大小关系包括所述杰卡德相似系数大于所述阈值集和所述杰卡德相似系数小于所述阈值集两种情况，如用户的目的是修改大于所述阈值集的待修改数据集，即本意是去除所述待修改数据集相关性高的数据；或者用户的目的是修改小于或等于所述阈值集的待修改数据集，即本意是去除所述待修改数据集相关性低的数据。

s4、根据非线性映射关系和所述待修改数据数据范围集对所述数据相关性集执行计算，得到待更新数据集。

优选地，所述非线性映射关系是首先预设本发明的数据修改是非线性修改，并预构建非线性映射公式完成计算。所述非线性修改的含义是所述待修改数据集最终完成修改后得到的数据集，与所述待修改数据集都是呈非线性关系。

详细地，s4的所述计算包括：根据所述非线性映射关系构建非线性公式，根据所述非线性公式和所述待修改数据范围集计算所述待修改数据集的非线性更新集，基于所述非线性更新集计算得到待更新数据集。

假设所述待修改数据集为xⁿ＝{x1,x2,x3,…xn}，所述待更新数据集为yⁿ＝{y1,y2,y3,…ym}，所述待修改数据范围集为θ^m＝{θ1,θ2,θ3,…θm}，则

所述非线性更新集的计算方法为：

其中，j(xⁿ,θ^m+δθ)表示所述非线性映射公式，δθ为所述数据范围集的范围调节参数，z为所述非线性更新集。

进一步地，所述计算得到待更新数据集的计算方法为：

其中，为无限不循环小数，z为所述非线性更新集。

s5、根据预设的代价函数更新所述待更新数据集得到更新值，判断所述更新值与预设更新阈值的大小关系，直至所述更新值小于所述预设更新阈值时，生成数据修改集，将所述数据修改集存储至所述分布式文件系统中，并将所述数据修改集返回给用户，完成数据修改操作。

详细地，所述根据预设的代价函数更新所述待更新数据集得到更新值，包括：构建基于所述待修改数据集和所述待修改数据范围集的偏导函数，根据所述偏导函数和所述待更新数据集构建代价函数并计算得到更新值。

进一步地，所述更新值的计算方法为：

其中，δθ为上述数据范围集的范围调节参数，δy为上述待更新数据集数据之间的差值，为所述待修改数据集和所述待修改数据范围集的偏导函数，δφ为所述更新值。

本发明较佳实施例，假定所述预设更新阈值为0.9，所述更新值δφ为2，此时所述预设更新阈值小于所述更新值，则返回s4重新计算。

假定所述预设更新阈值为0.9，所述更新值δφ为0.8，此时所述预设更新阈值大于所述更新值，则表示数据修改已经完成。

发明还提供一种数据修改装置。参照图2所示，为本发明一实施例提供的数据修改装置的内部结构示意图。

在本实施例中，所述数据修改装置1可以是pc(personalcomputer，个人电脑)，或者是智能手机、平板电脑、便携计算机等终端设备，也可以是一种服务器等。该数据修改装置1至少包括存储器11、处理器12，通信总线13，以及网络接口14。

其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是数据修改装置1的内部存储单元，例如该数据修改装置1的硬盘。存储器11在另一些实施例中也可以是数据修改装置1的外部存储设备，例如数据修改装置1上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。进一步地，存储器11还可以既包括数据修改装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于数据修改装置1的应用软件及各类数据，例如数据修改程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

处理器12在一些实施例中可以是一中央处理器(centralprocessingunit，cpu)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行数据修改程序01等。

通信总线13用于实现这些组件之间的连接通信。

网络接口14可选的可以包括标准的有线接口、无线接口(如wi-fi接口)，通常用于在该装置1与其他电子设备之间建立通信连接。

可选地，该装置1还可以包括用户接口，用户接口可以包括显示器(display)、输入单元比如键盘(keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight-emittingdiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在数据修改装置1中处理的信息以及用于显示可视化的用户界面。

图2仅示出了具有组件11-14以及数据修改程序01的数据修改装置1，本领域技术人员可以理解的是，图1示出的结构并不构成对数据修改装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

在图2所示的装置1实施例中，存储器11中存储有数据修改程序01；处理器12执行存储器11中存储的数据修改程序01时实现如下步骤：

步骤一、接收用户的数据修改请求，根据所述数据修改请求从分布式文件系统中提取待修改数据集和数据区分度。

所述分布式文件系统是指文件系统管理的物理存储资源不直接连接在本地节点上，而是通过计算机网络与节点相连的一种数据存储及处理系统。所述数据修改请求包括点击所述分布式文件系统的图形图标，选择对所述分布式文件系统的节点进行数据修改。

较佳地，所述待修改数据集是指用户需要进行数据修改的数据集，一般存储在所述分布式文件系统中的某个节点中。

所述数据区分度是用户需要修改所述待修改数据集的幅度或范围，较佳地可用s＝{s1,s2,s3,…sn}表示，其中s表示所述数据区分度，s1,s2,s3,…sn表示可允许对所述待修改数据集进行数据修改的修改范围或幅度。

步骤二、将所述待修改数据集进行数据相关性计算得到与所述待修改数据集对应的数据相关性集。

详细地，所述步骤二包括：遍历所述待修改数据集内的每个数据，对根据所述遍历操作选择的每个数据与所述待修改数据集内的其他数据计算数学期望和协方差，根据所述协方差和数学期望进行数据相关性计算得到数据相关性值，当所述遍历完成后，汇集所有的数据相关性值得到所述数据相关性集。

其中，所述数据相关性计算的计算方法为：

其中，x代表根据所述遍历操作选择得到的数据，y代表所述待修改数据集中与所述x不同的其他数据，p(x,y)表示所述x与所述y的数据相关性值，cov(x,y)是指所述x与所述y的协方差，协方差的值可表示x,y同时变化的相关程度，e[x]表示所述x的数学期望，e[y]表示所述y的数学期望，μ表示高斯分布下的数学期望，σ表示高斯分布下的方差。

详细地，所述协方差vov(x,y)的计算方法为：

cov(x,y)＝e[(x-e[x])(y-e[y])]

＝e(xy)-2e[y]e(x)+e[x]e(y)

＝e(xy)-e[x]e(y)

较佳地，p(x,y)最终的数值介于-1和1之间，当所述x与所述y的相关性关系增强时，所述数据相关性值p(x,y)的数值会逐渐趋于1或-1，当所述x的数值增大时，若伴随着所述y的数值也增大，则表明所述x与所述y之间的相关性是正相关，即所述p(x,y)的数值大于0；当所述x的数值增大时，若伴随着所述y的数值会减少，则表明所述x与所述y之间的相关性是负相关，即所述p(x,y)的数值小于0；若所述p(x,y)的数值为0，则表明所述x与所述y之间不存在相关性关系。

步骤三、将所述数据相关性集和所述数据区分度进行数据筛选操作得到数据范围集。

详细地，所述步骤三包括：预设数据筛选操作的阈值集，根据所述数据区分度和所述数据相关性集计算得到杰卡德相似系数，判断所述杰卡德相似系数和所述阈值集的大小关系，根据所述大小关系重新修改所述数据相关性集得到待修改数据数据范围集。

进一步地，所述阈值集的设置可以通过接受用户的输入阈值或根据以往数据修改方案智能化生成。

所述杰卡德相似系数的计算方法为：

其中，jaccard(s,k)表示所述数据区分度和所述数据相关性集的杰卡德相似系数，s表示所述数据区分度，k表示所述数据相关性集，s∩k表示所述数据区分度和所述数据相关性集的数据交集。

进一步地，所述大小关系包括所述杰卡德相似系数大于所述阈值集和所述杰卡德相似系数小于所述阈值集两种情况，如用户的目的是修改大于所述阈值集的待修改数据集，即本意是去除所述待修改数据集相关性高的数据；或者用户的目的是修改小于或等于所述阈值集的待修改数据集，即本意是去除所述待修改数据集相关性低的数据。

步骤四、根据非线性映射关系和所述待修改数据数据范围集对所述数据相关性集执行计算，得到待更新数据集。

优选地，所述非线性映射关系是首先预设本发明的数据修改是非线性修改，并预构建非线性映射公式完成计算。所述非线性修改的含义是所述待修改数据集最终完成修改后得到的数据集，与所述待修改数据集都是呈非线性关系。

详细地，步骤四的所述计算包括：根据所述非线性映射关系构建非线性公式，根据所述非线性公式和所述待修改数据范围集计算所述待修改数据集的非线性更新集，基于所述非线性更新集计算得到待更新数据集。

假设所述待修改数据集为xⁿ＝{x1,x2,x3,…xn}，所述待更新数据集为yⁿ＝{y1,y2,y3,…yn}，所述待修改数据范围集为θ^m＝{θ1,θ2,θ3,…θm}，则所述非线性更新集的计算方法为：

其中，j(xⁿ,θ^m+δθ)表示所述非线性映射公式，δθ为所述数据范围集的范围调节参数，z为所述非线性更新集。

进一步地，所述计算得到待更新数据集的计算方法为：

其中，为无限不循环小数，z为所述非线性更新集。

步骤五、根据预设的代价函数更新所述待更新数据集得到更新值，判断所述更新值与预设更新阈值的大小关系，直至所述更新值小于所述预设更新阈值时，生成数据修改集，将所述数据修改集存储至所述分布式文件系统中，并将所述数据修改集返回给用户，完成数据筛选操作。

详细地，所述根据预设的代价函数更新所述待更新数据集得到更新值，包括：构建基于所述待修改数据集和所述待修改数据范围集的偏导函数，根据所述偏导函数和所述待更新数据集构建代价函数并计算得到更新值。

进一步地，所述更新值的计算方法为：

其中，δθ为上述数据范围集的范围调节参数，δy为上述待更新数据集数据之间的差值，为所述待修改数据集和所述待修改数据范围集的偏导函数，δφ为所述更新值。

本发明较佳实施例，假定所述预设更新阈值为0.9，所述更新值δφ为2，此时所述预设更新阈值小于所述更新值，则返回s4重新计算。

假定所述预设更新阈值为0.9，所述更新值δφ为0.8，此时所述预设更新阈值大于所述更新值，则表示数据修改已经完成。

可选地，在其他实施例中，数据修改程序还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述数据修改程序在数据修改装置中的执行过程。

例如，参照图3所示，为本发明数据修改装置一实施例中的数据修改程序的程序模块示意图，该实施例中，所述数据修改程序可以被分割为数据接收及处理模块10、数据相关性计算模块20、数据映射模块30、数据修改模块40示例性地：

所述数据接收及处理模块10用于：接收用户的数据修改请求，根据所述数据修改请求从分布式文件系统中提取待修改数据集和数据区分度。

所述数据相关性计算模块20用于：将所述待修改数据集进行数据相关性计算得到与所述待修改数据集对应的数据相关性集。

所述数据映射模块30用于：将所述数据相关性集和所述数据区分度进行数据筛选操作得到待修改数据范围集，根据非线性映射关系和所述待修改数据范围集对所述数据相关性集执行计算得到待更新数据集。

所述数据修改模块40用于：根据预设的代价函数更新所述待更新数据集得到更新值，判断所述更新值与预设更新阈值的大小关系，直至所述更新值小于所述预设更新阈值时，生成数据修改集，将所述数据修改集存储至所述分布式文件系统中，并将所述数据修改集返回给用户，完成数据修改操作。

上述数据接收及处理模块10、数据相关性计算模块20、数据映射模块30、数据修改模块40等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有数据修改程序，所述数据修改程序可被一个或多个处理器执行，以实现如下操作：

接收用户的数据修改请求，根据所述数据修改请求从分布式文件系统中提取待修改数据集和数据区分度。

将所述待修改数据集进行数据相关性计算得到与所述待修改数据集对应的数据相关性集。

将所述数据相关性集和所述数据区分度进行数据筛选操作得到待修改数据范围集，根据非线性映射关系和所述待修改数据范围集对所述数据相关性集执行计算得到待更新数据集。

根据预设的代价函数更新所述待更新数据集得到更新值，判断所述更新值与预设更新阈值的大小关系，直至所述更新值小于所述预设更新阈值时，生成数据修改集，将所述数据修改集存储至所述分布式文件系统中，并将所述数据修改集返回给用户，完成数据修改操作。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。