本發(fā)明涉及股票數(shù)據(jù)挖掘技術(shù)領(lǐng)域，尤其是涉及一種基于類似n元語(yǔ)法統(tǒng)計(jì)的股票預(yù)測(cè)方法。

背景技術(shù)：

股票市場(chǎng)上，對(duì)于決策者來(lái)說(shuō)，預(yù)測(cè)越準(zhǔn)確，對(duì)未來(lái)利潤(rùn)的獲取及風(fēng)險(xiǎn)的規(guī)避就越有利。由于股票價(jià)格變化往往受政治、社會(huì)、經(jīng)濟(jì)因素的影響，具有變換幅度大，變化因素多，不穩(wěn)定性的特點(diǎn)，因此，如何正確對(duì)股票價(jià)格進(jìn)行預(yù)測(cè)就成為股票買賣者最關(guān)心的問(wèn)題。

股票數(shù)據(jù)一種時(shí)間序列數(shù)據(jù)，具有顯著的非線性、時(shí)變性特征，人們對(duì)于股市的預(yù)測(cè)研究已經(jīng)進(jìn)行若干年，并提出許多的預(yù)測(cè)算法。主要分為兩類：一類是傳統(tǒng)統(tǒng)計(jì)方法，另一類為人工智能方法。

傳統(tǒng)的各種股票預(yù)測(cè)方法，都是基于線性模型，不能充分考慮各因素對(duì)股票價(jià)格的影響，不能很好地分析和擬合高度非線性多因素的股票市場(chǎng)，預(yù)測(cè)精度不理想。

為彌補(bǔ)這一缺陷，近年來(lái)國(guó)內(nèi)外眾多學(xué)者利用各種神經(jīng)網(wǎng)絡(luò)的人工智能方法，對(duì)股票價(jià)格進(jìn)行了大量的預(yù)測(cè)研究，但是神經(jīng)網(wǎng)絡(luò)存在訓(xùn)練速度慢，易陷入局部極小值，以及隱含層節(jié)點(diǎn)數(shù)人為指定等問(wèn)題，這些問(wèn)題直接影響了股票價(jià)格的預(yù)測(cè)精度。

因此本發(fā)明提出基于類似n元語(yǔ)法統(tǒng)計(jì)的股票預(yù)測(cè)方法對(duì)股票第二日的漲跌幅進(jìn)行預(yù)測(cè)，從而為股民決策提供較大的指導(dǎo)價(jià)值。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明公開(kāi)了一種基于類似n元語(yǔ)法統(tǒng)計(jì)的股票預(yù)測(cè)方法。方法分為兩個(gè)階段：規(guī)則學(xué)習(xí)階段和規(guī)則應(yīng)用階段。在規(guī)則學(xué)習(xí)階段，對(duì)于每只股票，首先對(duì)股票每日的漲跌幅進(jìn)行量化，量化后分別對(duì)相鄰的多個(gè)交易日的量化值進(jìn)行多元語(yǔ)法統(tǒng)計(jì)，獲得量化值可能組合出現(xiàn)的頻率，以及組合最后一個(gè)元素在其他元素出現(xiàn)的前提下其出現(xiàn)的條件概率。在規(guī)則應(yīng)用階段，每只股票獲取其近期幾天的量化漲跌幅，并將這些組合量化值應(yīng)用于學(xué)習(xí)階段所獲得的規(guī)則，從而預(yù)測(cè)股票下一交易日的各種可能漲跌幅及其相應(yīng)的漲跌概率。方法可用于下一交易日漲跌幅的預(yù)測(cè)，可為股票短線操作提供決策支持。

本發(fā)明方法的步驟如下：

一、規(guī)則學(xué)習(xí)階段

(1) 對(duì)于每只股票，對(duì)其某個(gè)時(shí)間點(diǎn)以來(lái)的漲跌幅值進(jìn)行量化；

(2) 對(duì)于每只股票，遍歷每個(gè)交易日的量化漲跌幅，統(tǒng)計(jì)各量化值出現(xiàn)的次數(shù)，即一元語(yǔ)法統(tǒng)計(jì)；

(3) 對(duì)于每只股票，對(duì)相鄰兩個(gè)交易日的量化值組合進(jìn)行次數(shù)統(tǒng)計(jì)，同時(shí)計(jì)算組合最后一個(gè)元素在其他元素出現(xiàn)的前提下其出現(xiàn)的條件概率，即二元語(yǔ)法統(tǒng)計(jì)；

(4) 類似步驟3進(jìn)行三元語(yǔ)法、四元語(yǔ)法、五元語(yǔ)法的統(tǒng)計(jì)；每只股票得到自己的n元語(yǔ)法統(tǒng)計(jì)規(guī)則；

二、規(guī)則應(yīng)用階段

(5) 獲取待預(yù)測(cè)股票的近期4個(gè)交易日的漲跌幅數(shù)據(jù)，并進(jìn)行量化；

(6) 以近四個(gè)交易日的量化漲跌幅，匹配搜索該股票本身的五元語(yǔ)法統(tǒng)計(jì)規(guī)則中的前四元，獲取最后一個(gè)元素的值及條件概率，該值和條件概率即為下一交易日的可能近似漲跌幅和出現(xiàn)概率；

(7) 類似步驟6以近三個(gè)交易日的量化漲跌幅匹配搜索四元語(yǔ)法統(tǒng)計(jì)規(guī)則；以近兩個(gè)交易日的量化漲跌幅匹配搜索三元語(yǔ)法統(tǒng)計(jì)規(guī)則；以近一個(gè)交易日的量化漲跌幅匹配搜索二元語(yǔ)法統(tǒng)計(jì)規(guī)則；從而獲取在每種語(yǔ)法規(guī)則下對(duì)下一交易日的預(yù)測(cè)情況。

其中，步驟(1)的對(duì)漲跌幅值進(jìn)行量化，是對(duì)漲跌幅值進(jìn)行四舍五入操作，形成整數(shù)值。

其中，步驟(2)的量化漲跌幅取值只有21種情況，即[-10,10]區(qū)間的整數(shù)，對(duì)每只股票進(jìn)行單獨(dú)的遍歷，統(tǒng)計(jì)每個(gè)整數(shù)值出現(xiàn)的次數(shù)。

其中，步驟(3)的相鄰兩個(gè)交易日的量化值組合共有21X21種情況，統(tǒng)計(jì)每種情況出現(xiàn)的次數(shù)。結(jié)合一元統(tǒng)計(jì)的情況，計(jì)算組合的最后一個(gè)元素出現(xiàn)的條件概率。假設(shè)共同出現(xiàn)的兩個(gè)整數(shù)值為AB，則后件B出現(xiàn)的條件概率P(B)=P(AB)/P(A), 即AB共同出現(xiàn)的次數(shù)占A單獨(dú)出現(xiàn)次數(shù)的比例。

其中，步驟(4)的三元語(yǔ)法、四元語(yǔ)法、五元語(yǔ)法的統(tǒng)計(jì)即對(duì)應(yīng)相鄰三個(gè)交易日、四個(gè)交易日和五個(gè)交易日的統(tǒng)計(jì)?？赡芙M合的情況數(shù)分別21X21 X21、21X21 X21 X21、21X21 X21 X21 X21；最后一個(gè)元素出現(xiàn)的條件概率的計(jì)算公式分別為：P(C)=P(ABC)/P(AB)、P(D)=P(ABCD)/P(ABC)和P(E)=P(ABCDE)/P(ABCD)；分子的數(shù)值可以從本元次的語(yǔ)法統(tǒng)計(jì)中獲得，而分母的數(shù)值可以從低一元的語(yǔ)法統(tǒng)計(jì)中獲得。

其中，步驟(5)的僅獲取近期4個(gè)交易日的漲跌幅數(shù)據(jù)的原因是在規(guī)則學(xué)習(xí)階段僅進(jìn)行到五元語(yǔ)法統(tǒng)計(jì)。其量化過(guò)程與步驟1類似。

其中，步驟(6) 以近四個(gè)交易日的量化漲跌幅，匹配搜索該股票本身的五元語(yǔ)法統(tǒng)計(jì)規(guī)則中的前四元，即在五元語(yǔ)法學(xué)習(xí)中得到的是五維數(shù)組，當(dāng)四個(gè)交易日的量化漲跌幅與前四維匹配時(shí)，該行元組的第五維數(shù)值即為下一交易日可能的近似漲跌幅，相應(yīng)的條件概率則為出現(xiàn)該數(shù)值的概率。

其中，步驟(7)的以類似步驟6進(jìn)行四元、三元、二元語(yǔ)法規(guī)則的應(yīng)用，是為了獲得在不同的統(tǒng)計(jì)元次下，對(duì)下一交易日的預(yù)測(cè)情況，從而為投資決策提供更多的參考。

附圖說(shuō)明

圖1 是本發(fā)明基于類似n元語(yǔ)法統(tǒng)計(jì)的股票預(yù)測(cè)方法的流程圖。上半部分為規(guī)則的學(xué)習(xí)過(guò)程，下半部分為規(guī)則的應(yīng)用過(guò)程。

圖2 是基于本發(fā)明方法輸出的某一股票在下一交易日的預(yù)測(cè)結(jié)果。圖中包括了在不同模型元次下的近似漲跌幅預(yù)測(cè)，及其出現(xiàn)的概率。每個(gè)元次的語(yǔ)法規(guī)則的應(yīng)用僅取條件概率最高的3種結(jié)果進(jìn)行展示。這里，D4,D3,D2,D1分別代表該股票近四個(gè)交易日的近似漲跌幅，D0代表下一交易日可能的近似漲跌幅。次數(shù)占比則為D0出現(xiàn)的條件概率。另外，在1元模型中，D0代表股票近似漲跌幅的振幅，其相應(yīng)條件下的次數(shù)占比值可以體現(xiàn)股票的活躍度。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)例，對(duì)本發(fā)明進(jìn)行詳細(xì)的描述。

n元語(yǔ)法((n-gram grammar)是建立在馬爾可夫模型上的一種概率語(yǔ)法。它通過(guò)對(duì)自然語(yǔ)言的符號(hào)串中n個(gè)符號(hào)同時(shí)出現(xiàn)概率的統(tǒng)計(jì)數(shù)據(jù)來(lái)推斷句子的結(jié)構(gòu)關(guān)系。當(dāng)n=2時(shí)，稱為二元語(yǔ)法，二元文法（n=2時(shí)）被稱作一階馬爾科夫鏈；當(dāng)n = 3時(shí)，稱為三元語(yǔ)法，三元文法模型稱作二階馬爾科夫鏈。以此類推多元語(yǔ)法。

把股票小段時(shí)間序列的漲跌幅數(shù)值量化后看作是自然語(yǔ)言中的符號(hào)串，則對(duì)股票下一交易日漲跌幅度的預(yù)測(cè)類似于對(duì)符號(hào)串中的下一符號(hào)的預(yù)測(cè)。

本發(fā)明方法分為兩個(gè)階段，規(guī)則學(xué)習(xí)階段和規(guī)則應(yīng)用階段。

假設(shè)股票列表為S,S=[S₁, S₂,…,S_i,…,S_m],m為股票池中股票的數(shù)量，如中國(guó)上市股票的數(shù)量或美國(guó)上市股票的數(shù)量。方法針對(duì)每只股票獨(dú)立學(xué)習(xí)規(guī)則。

一、規(guī)則學(xué)習(xí)階段。

該階段主要是對(duì)每只股票單獨(dú)統(tǒng)計(jì)日漲跌幅及其相鄰交易日漲跌幅組合出現(xiàn)的次數(shù)，作為一種類似語(yǔ)法規(guī)則的學(xué)習(xí)過(guò)程。對(duì)于每只股票，假設(shè)當(dāng)前股票為S_i,i=1,…,m ,則該股票語(yǔ)法規(guī)則的統(tǒng)計(jì)過(guò)程如下。

1.1 對(duì)股票的漲跌幅值進(jìn)行量化。

首先獲取某個(gè)時(shí)間點(diǎn)以來(lái)（如2005年1月1日）的數(shù)據(jù)，然后對(duì)股票的漲跌幅數(shù)據(jù)進(jìn)行量化，即對(duì)漲跌幅值進(jìn)行四舍五入操作，形成整數(shù)值；這樣最后形成了一個(gè)股票漲跌幅整數(shù)值的數(shù)組。

1.2 進(jìn)行一元語(yǔ)法統(tǒng)計(jì)。

一元語(yǔ)法統(tǒng)計(jì)實(shí)際上是對(duì)每個(gè)交易日的漲跌幅值出現(xiàn)次數(shù)的統(tǒng)計(jì)。由于股票有漲跌幅限制，上一步驟量化后的整數(shù)值有21種情況，即[-10,10]區(qū)間的整數(shù)，因此設(shè)置一個(gè)有21槽的數(shù)組，遍歷股票漲跌幅整數(shù)值數(shù)組，根據(jù)漲跌幅整數(shù)值的出現(xiàn)次數(shù)進(jìn)行累加統(tǒng)計(jì)，并放入對(duì)應(yīng)的槽中。

1.3 進(jìn)行二元語(yǔ)法統(tǒng)計(jì)。

二元語(yǔ)法的統(tǒng)計(jì)是對(duì)股票相鄰兩個(gè)交易日漲跌幅出現(xiàn)次數(shù)的統(tǒng)計(jì)。具體統(tǒng)計(jì)過(guò)程如下：首先設(shè)置一個(gè)21X21的二維數(shù)組，遍歷股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的兩個(gè)值，對(duì)這兩個(gè)值的共同出現(xiàn)的次數(shù)進(jìn)行累加統(tǒng)計(jì)，并放入二維數(shù)組對(duì)應(yīng)的槽中。

二元語(yǔ)法統(tǒng)計(jì)完后，結(jié)合一元語(yǔ)法的結(jié)果，計(jì)算條件概率。假設(shè)共同出現(xiàn)的兩個(gè)整數(shù)值為AB，則后件B出現(xiàn)的條件概率P(B)=P(AB)/P(A), 即AB共同出現(xiàn)的次數(shù)占A單獨(dú)出現(xiàn)次數(shù)的比例。A單獨(dú)出現(xiàn)的次數(shù)已經(jīng)在一元語(yǔ)法統(tǒng)計(jì)中得到。而AB共同出現(xiàn)的次數(shù)已在二元語(yǔ)法的統(tǒng)計(jì)中得到。如果前件A沒(méi)出現(xiàn)過(guò)，則跳過(guò)條件概率的計(jì)算。

1.4 進(jìn)行三元語(yǔ)法統(tǒng)計(jì)。

三元語(yǔ)法的統(tǒng)計(jì)是對(duì)股票相鄰三個(gè)交易日漲跌幅出現(xiàn)次數(shù)的統(tǒng)計(jì)。具體統(tǒng)計(jì)過(guò)程如下：首先設(shè)置一個(gè)21X21 X21的三維數(shù)組，遍歷股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的三個(gè)值，對(duì)這三個(gè)值的共同出現(xiàn)的次數(shù)進(jìn)行累加統(tǒng)計(jì)，并放入三維數(shù)組對(duì)應(yīng)的槽中。

三元語(yǔ)法統(tǒng)計(jì)完后，結(jié)合二元語(yǔ)法的結(jié)果，計(jì)算條件概率。假設(shè)共同出現(xiàn)的三個(gè)整數(shù)值為ABC，則后件C出現(xiàn)的條件概率P(C)=P(ABC)/P(AB), 即ABC共同出現(xiàn)的次數(shù)占AB出現(xiàn)次數(shù)的比例。AB出現(xiàn)的次數(shù)已經(jīng)在二元語(yǔ)法統(tǒng)計(jì)中得到。而ABC共同出現(xiàn)的次數(shù)已在三元語(yǔ)法的統(tǒng)計(jì)中得到。如果前件AB沒(méi)出現(xiàn)過(guò)，則跳過(guò)條件概率的計(jì)算。

1.5 進(jìn)行四元語(yǔ)法統(tǒng)計(jì)。

四元語(yǔ)法的統(tǒng)計(jì)是對(duì)股票相鄰四個(gè)交易日漲跌幅出現(xiàn)次數(shù)的統(tǒng)計(jì)。具體統(tǒng)計(jì)過(guò)程如下：首先設(shè)置一個(gè)21X21 X21 X21的四維數(shù)組，遍歷股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的四個(gè)值，對(duì)這四個(gè)值的共同出現(xiàn)的次數(shù)進(jìn)行累加統(tǒng)計(jì)，并放入四維數(shù)組對(duì)應(yīng)的槽中。

四元語(yǔ)法統(tǒng)計(jì)完后，結(jié)合三元語(yǔ)法的結(jié)果，計(jì)算條件概率。假設(shè)共同出現(xiàn)的四個(gè)整數(shù)值為ABCD，則后件D出現(xiàn)的條件概率P(D)=P(ABCD)/P(ABC), 即ABCD共同出現(xiàn)的次數(shù)占ABC出現(xiàn)次數(shù)的比例。ABC出現(xiàn)的次數(shù)已經(jīng)在三元語(yǔ)法統(tǒng)計(jì)中得到。而ABCD共同出現(xiàn)的次數(shù)已在四元語(yǔ)法的統(tǒng)計(jì)中得到。如果前件ABC沒(méi)出現(xiàn)過(guò)，則跳過(guò)條件概率的計(jì)算。

1.6 進(jìn)行五元語(yǔ)法統(tǒng)計(jì)。

五元語(yǔ)法的統(tǒng)計(jì)是對(duì)股票相鄰五個(gè)交易日漲跌幅出現(xiàn)次數(shù)的統(tǒng)計(jì)。具體統(tǒng)計(jì)過(guò)程如下：首先設(shè)置一個(gè)21X21 X21 X21 X21的五維數(shù)組，遍歷股票漲跌幅整數(shù)值數(shù)組，每次取相鄰的五個(gè)值，對(duì)這五個(gè)值的共同出現(xiàn)的次數(shù)進(jìn)行累加統(tǒng)計(jì)，并放入五維數(shù)組對(duì)應(yīng)的槽中。

五元語(yǔ)法統(tǒng)計(jì)完后，結(jié)合四元語(yǔ)法的結(jié)果，計(jì)算條件概率。假設(shè)共同出現(xiàn)的五個(gè)整數(shù)值為ABCDE，則后件E出現(xiàn)的條件概率P(E)=P(ABCDE)/P(ABCD), 即ABCDE共同出現(xiàn)的次數(shù)占ABCD出現(xiàn)次數(shù)的比例。ABCD出現(xiàn)的次數(shù)已經(jīng)在四元語(yǔ)法統(tǒng)計(jì)中得到。而ABCDE共同出現(xiàn)的次數(shù)已在五元語(yǔ)法的統(tǒng)計(jì)中得到。如果前件ABCD沒(méi)出現(xiàn)過(guò)，則跳過(guò)條件概率的計(jì)算。

以此類推進(jìn)行多元語(yǔ)法的統(tǒng)計(jì)。但是由于股票數(shù)據(jù)有限，一般進(jìn)行到五元統(tǒng)計(jì)時(shí)，共現(xiàn)元組的出現(xiàn)次數(shù)就已經(jīng)很小了，統(tǒng)計(jì)得到的高維數(shù)組已經(jīng)很稀疏，因此沒(méi)有再進(jìn)行下去的必要。至此一只股票的語(yǔ)法規(guī)則學(xué)習(xí)完成。對(duì)其他股票進(jìn)行類似統(tǒng)計(jì)，完成所有股票的規(guī)則學(xué)習(xí)。

二、規(guī)則應(yīng)用階段。

該階段應(yīng)用上一階段的規(guī)則學(xué)習(xí)結(jié)果，結(jié)合股票的近期漲跌幅數(shù)據(jù)，預(yù)測(cè)下一交易日的各種可能漲跌幅及其相應(yīng)的漲跌概率。對(duì)于每只股票，假設(shè)當(dāng)前股票為S_i,i=1,…,m ,則該股票下一交易日的預(yù)測(cè)過(guò)程如下。

2.1股票近期漲跌幅數(shù)據(jù)的獲取和量化。

首先獲取股票近k個(gè)交易日的漲跌幅數(shù)據(jù)，k的取值依賴于前面學(xué)習(xí)階段所進(jìn)行的n元統(tǒng)計(jì)，如前面進(jìn)行了五元統(tǒng)計(jì)，則k取n-1，即k=4。然后對(duì)這k日的漲跌幅數(shù)據(jù)進(jìn)行量化，即對(duì)漲跌幅值進(jìn)行四舍五入操作，形成整數(shù)值，記為D4,D3,D2,D1，分別代表股票近四個(gè)交易日的近似整數(shù)漲跌幅。

2.2 五元語(yǔ)法規(guī)則應(yīng)用。

以D4,D3,D2,D1搜索五元語(yǔ)法學(xué)習(xí)中得到的五維數(shù)組，匹配五維數(shù)組中前四維值分別為D4,D3,D2,D1的元組，這些元組的第五維數(shù)值即為下一交易日D0可能的近似漲跌幅。相應(yīng)的條件概率則為出現(xiàn)D0值的概率。由于此時(shí)第五維數(shù)值的可能情況較多(最多有21種)，因此對(duì)這些條件概率按從大到小排序后，取前幾種即可。

2.3 四元語(yǔ)法規(guī)則應(yīng)用。

以D3,D2,D1搜索四元語(yǔ)法學(xué)習(xí)中得到的四維數(shù)組，匹配四維數(shù)組中前三維值分別為D3,D2,D1的元組，這些元組的第四維數(shù)值即為下一交易日D0可能的近似漲跌幅。相應(yīng)的條件概率則為出現(xiàn)D0值的概率。由于此時(shí)第四維數(shù)值的可能情況較多(最多有21種)，因此對(duì)這些條件概率按從大到小排序后，取前幾種即可。

2.4 三元語(yǔ)法規(guī)則應(yīng)用。

以D2,D1搜索三元語(yǔ)法學(xué)習(xí)中得到的三維數(shù)組，匹配三維數(shù)組中前二維值分別為D2,D1的元組，這些元組的第三維數(shù)值即為下一交易日D0可能的近似漲跌幅。相應(yīng)的條件概率則為出現(xiàn)D0值的概率。由于此時(shí)第三維數(shù)值的可能情況較多(最多有21種)，因此對(duì)這些條件概率按從大到小排序后，取前幾種即可。

2.5 二元語(yǔ)法規(guī)則應(yīng)用。

以D1搜索二元語(yǔ)法學(xué)習(xí)中得到的二維數(shù)組，匹配二維數(shù)組中第一維值為D1的元組，這些元組的第二維數(shù)值即為下一交易日D0可能的近似漲跌幅。相應(yīng)的條件概率則為出現(xiàn)D0值的概率。由于此時(shí)第二維數(shù)值的可能情況較多(最多有21種)，因此對(duì)這些條件概率按從大到小排序后，取前幾種即可。

2.6 一元語(yǔ)法規(guī)則應(yīng)用。

一元語(yǔ)法規(guī)則代表了該股票歷史是每天的近似漲跌幅出現(xiàn)的頻率。一元語(yǔ)法規(guī)則里面有21種情況，即[-10,10]區(qū)間的整數(shù)。對(duì)整數(shù)值取絕對(duì)值后，累積統(tǒng)計(jì)大于等于某絕對(duì)值的出現(xiàn)次數(shù)占總次數(shù)(總交易日)的比例。該比例值可以用于判斷股票的活躍程度。

在n元語(yǔ)法規(guī)則應(yīng)用的過(guò)程中，如果近期的近似漲跌幅沒(méi)有匹配上語(yǔ)法規(guī)則里面高維數(shù)組的數(shù)值，則跳過(guò)該元語(yǔ)法規(guī)則的應(yīng)用。對(duì)所有其他股票進(jìn)行類似的計(jì)算，完成所有股票的規(guī)則應(yīng)用。

綜上所述，本發(fā)明提出了一種類似n元語(yǔ)法統(tǒng)計(jì)的股票預(yù)測(cè)方法。方法以類似于n元語(yǔ)法的思想，即股票語(yǔ)法規(guī)則，對(duì)股票數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和預(yù)測(cè)。方法可以預(yù)測(cè)股票下一交易日的各種可能漲跌幅及其相應(yīng)的漲跌概率。

本發(fā)明方法同樣可應(yīng)用于證券類具有時(shí)間序列特征的數(shù)據(jù)，如基金、期貨等。因此，盡管為說(shuō)明目的公開(kāi)了本發(fā)明的具體實(shí)施例和附圖，其目的在于幫助理解本發(fā)明的內(nèi)容并據(jù)以實(shí)施，但是本領(lǐng)域的技術(shù)人員可以理解：在不脫離本發(fā)明及所附的權(quán)力要求的精神和范圍內(nèi)，各種替換、變化和修改都是不可能的。因此，本發(fā)明不應(yīng)局限于最佳實(shí)施例和附圖所公開(kāi)的內(nèi)容。當(dāng)前公開(kāi)的實(shí)施例在所有方面應(yīng)被理解為說(shuō)明性的而非對(duì)其請(qǐng)求保護(hù)的范圍的限制。