一种一站式的创新创业孵化方法

技术领域

本发明涉及创业孵化技术领域，具体为一种一站式的创新创业孵化方法。

背景技术

创业孵化是指在企业办初期举步限时，提供研究、生产、经营的场地，通讯、网络与办等方面的共享设施，系统的培训和咨询、法律和市场推广等方面的支持，降低企业的风险和或成本。

提高企业成活率同时，也对高新技术成果、科技型业进行转化，使的创业者将发明和成果尽快形成商品进入市，最终使企业做大，为社会培养成功的企业和企业家。

现有的创业孵化的方法中，通常会一次性选择投资多家创新创业企业，为这些企业提供支持，直至这些企业运营抵达预期或者倒闭，这种方式孵化方式虽然在选择创新创业企业时投入较少，并且也能保持一定企业成活率，但是这种方式缺乏合理的企业筛选策略，机会成本较高，孵化资源浪费较多，也很难针对性的向创新创业企业分配孵化资源，创业项目孵化的成功率仍然有待提高。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供了一种一站式的创新创业孵化方法，通过采集并且录入创业对象的相关信息，构建创业数据库，依据蒂蒙斯创业机会评价框架对创业对象做成长性评估，对创业对象进行多维度学情分析，依据分析结果，借助于特征之间的相似性，为创业对象匹配相应的创业教育资源，周期性地对创业对象的创业学习过程进行监测，依据监测结果，对学习成果进行评价，并且依据形成的学习评价，再次对创业对象进行筛选，优化资源分配策略；对相应的创业项目建立创业财务模型，借助于特征之间的相似性，重新匹配相应的创业孵化资源。通过分别对创业对象及创业项目进行评分，对低效创业对象做出筛选，筛选优质创业对象及创业项目，解决了背景技术中提出的问题。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种一站式的创新创业孵化方法，包括，步骤一、确定创业对象，采集并且录入创业对象的相关信息，在依据公众评价筛除非优质项目后，将采集到的与创业对象相关的数据上传至云端，构建创业数据库；所述步骤一包括：步骤101、建立创业对象名录并获取相应的身份信息，建立身份信息表，并获取创业对象的创业项目；将创业项目与身份信息表相关联，在核验无误后，建立创业项目信息表，上传至云端；步骤102、建立深度网络爬虫，依据创业项目信息表中的身份信息及相应的创业项目信息，在公开网络渠道进行检索，获取到与创业项目相关的网络信息；对网络信息进行归集和汇总，依据创业项目进行分类，建立创业项目信息集；

步骤二、从创业数据库中获取数据，对相应的创业对象进行画像，并依据蒂蒙斯创业机会评价框架对创业对象做成长性评估，依据评估结果对创业对象完成一次筛选；步骤三、基于创业对象建立多维度数据档案库，并对创业对象进行多维度学情分析，依据分析结果，借助于特征之间的相似性，为创业对象匹配相应的创业教育资源，智能化推荐创业教育服务；步骤四、周期性地对创业对象的创业学习过程进行监测，依据监测结果，对学习成果进行评价，并且依据形成的学习评价，再次对创业对象进行筛选，优化资源分配策略；

步骤五、确认所有经过筛选后的创业对象，对相应的创业项目建立创业财务模型，进行仿真分析，输出仿真分析结果；依据仿真分析结果，借助于特征之间的相似性，重新匹配相应的创业孵化资源。

进一步的，步骤102之后还包括：步骤103、建立并且训练语义识别模型，依据语义识别模型对创业项目信息集中的无效信息进行提取并筛除；对相应的创业项目信息集进行检索，获取与创业项目相关的评价，确定其中负面评价比例，将负面评价比例高于阈值的创业项目标记为非优质创业项目；将非优质创业项目从创业项目信息表中删除，并形成新的创业项目信息集，依据新的创业项目信息集构建创业数据库。

进一步的，步骤二包括：步骤201、从创业数据库获取创业对象及相应的创业项目信息，提取与创业对象相关的行业和市场、经济因素、收获条件及竞争优势，建立画像信息库，对创业对象进行标记，完成画像；步骤202、基于机器学习算法建立评分模型，从画像信息库中提取出画像信息，分别建立训练集和测试集，依据蒂蒙斯的创业机会评价框架，完成创业评分模型；对各个创业对象进行评分，形成创业机会分。

进一步的，步骤202之后包括：步骤203、获取若干组与创业项目相关的创业机会分，以创业机会分对创业对象进行成长性评估，并将创业机会分与相应的阈值进行对比；创业机会分低于相应阈值的标记为低成长性创业对象，将低成长性的创业对象从创业对象名录中筛除。

进一步的，所述步骤三包括：步骤301、从创业对象名录中获取剩余的非低成长性的创业对象，基于创业数据库，获取创业对象的基本信息，建立基本信息库；获取创业对象的相关主题信息，建立各主题信息库，步骤302、依据从创业数据库中获取与创业对象相关的创业项目信息，转录为项目文本；基于TF-IDF算法，构建TF-IDF特征提取模型，从项目文本中进行抽取特征，建立项目特征数据集；基于机器学习，构建的SVM分类器，对项目特征数据集中的项目特征进行分类；步骤303、对已有的创业教育资源进行特征抽取及分类，依据相似度算法，将已有的创业教育资源与创业项目进行相似度匹配，依据两者的相似性，为对象推荐创业教育资源。

进一步的，所述步骤四包括：步骤401、对创业对象周期性的监测，依据创业项目的进展和演变，连续对创业对象的创业项目进行评价，依据创业评分模型获取创业机会分；依据设定的监测周期，获取若干组创业机会分，建立创业机会分数据集，获取创业机会分的变化趋势，依据创业机会分的演变，对创业机会的成长性进行评估；步骤402、基于机器学习算法，建立多维度学情评价模型，针对创业对象，从基本信息库、主题信息库、创业项目信息获取创业对象的学情信息，建立训练集及测试集；以训练集对多维度学情评价模型进行训练，并由测试集进行测试，构建多维度学情评价模型。

进一步的，步骤402之后还存在：步骤403、依据已知点、发展点、障碍点的学情分析方法，以多维度学情评价模型对创业对象进行多维度学情分析，输出学情评分；沿着时间序列，获取同一创业对象的若干学情评分，确定学情评分的变化趋势，建立学情评分数据集；步骤404、在当前条件下，从创业机会分数据集获取最高创业机会分，并从学情评分数据集中获取相应周期的学情评分，及当前的孵化时间T；依据获取的创业机会分及学情评分，对创业对象进行创业效率评价，获取创业效率评价值Xp。

进一步的，创业效率评价值Xp的获取方式如下：获取最高创业机会分Cf、学情评分Xf及孵化时间T，进行无量纲化处理，关联方法符合如下公式：

其中，

进一步的，步骤404之后还包括：步骤405、获取若干组的创业效率评价值Xp，与相应阈值进行对比，将创业效率评价值Xp不符合相应阈值的从创业对象名录中筛除，二次完成对创业对象筛选；步骤406、获取剩余的若干组创业效率评价值Xp，进行排序，形成资源优化排序并输出；依据资源优化排序，优先为创业效率评价值Xp高的创业对象推荐创业教育资源，重新分配创业教育资源。

进一步的，所述步骤五包括：步骤501、获取创业对象及相应的创业项目当前的财务信息及历史财务信息，沿着时间序列，对财务数据的变化进行函数拟合；获取新的财务数据，对获取的拟合函数完成K-S检验，获取财务拟合函数并输出；步骤502、依据财务拟合函数对创业项目的财务状况进行预测，并通过改变影响创业项目经营的外部参数，进行仿真分析，获取财务状态变化，形成仿真分析结果；获取仿真分析结果，依据外部参数的变化，确定创业项目不足点并输出；步骤503、针对创业项目不足点，从创业孵化资源中选择相应的政策，对创业项目不足点进行弥补，直至创业项目孵化完成。

（三）有益效果

本发明提供了一种一站式的创新创业孵化方法。具备以下有益效果：

构建创业项目信息集，并获取公众评价，依据公众评价对创业项目形成筛选，去除非优质创业项目，降低创业项目孵化的机会成本。

通过对创业对象完成画像、对创业项目进行评价，对创业项目进行量化评分，在孵化前对创业项目具有较为明确且直观的评价，完成创业项目的成长性评估，去除掉低成长性的创业，减少创业孵化成本，减少创业对象的时间和精力的浪费，提高创业孵化资源的利用效率。

通过对创业项目进行特征提取，依据相似度排序，将创业教育资源推荐给相应的创业项目，弥补现有的创业项目的不足，在资源有限时，提高的创业教育资源的利用率，同时基于特征提取和相似度匹配的协同，提高创业孵化支撑的针对性，进而提高创业项目孵化的成功率。

通过分别对创业对象及创业项目进行评分，对创业项目及创业对象形成更为直观的评估，基于创业效率评价值，对低效创业对象做进一步筛选，筛选出更为优质的创业对象及创业项目，使创业孵化资源合理利用。

从创业项目的财务数据变化，对创业项目接下来的变化进行演绎，确定创业项目不足点，依据已有的孵化资源对其进行支持，从而增加创业项目孵化的成功率。

附图说明

图1为本发明一站式的创新创业孵化方法流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

请参阅图1，本发明提供一种一站式的创新创业孵化方法，包括如下步骤：

步骤一、确定创业对象，采集并且录入创业对象的相关信息，在依据公众评价筛除非优质项目后，将采集到的与创业对象相关的数据上传至云端，构建创业数据库；从而方便数据的再次使用；

所述步骤一包括如下内容：

步骤101、建立创业对象名录并获取相应的身份信息，其中，身份信息包括姓名、地址、学历、是否为党员等等，建立身份信息表，并获取创业对象的创业项目；

将创业项目与身份信息表相关联，在核验无误后，建立创业项目信息表，上传至云端；避免数据产生丢失，建立创业项目信息表完成对创业对象及创业项目的汇总；

步骤102、建立深度网络爬虫，依据创业项目信息表中的身份信息及相应的创业项目信息，在公开网络渠道进行检索，获取到与创业项目相关的网络信息；

对网络信息进行归集和汇总，依据创业项目进行分类，建立创业项目信息集；通过从公开渠道爬取公开信息，也能增进创业项目的公开性。

步骤103、建立并且训练语义识别模型，依据语义识别模型对创业项目信息集中的无效信息进行提取并筛除；减少创业项目中的无效信息量，减少外界的干扰；

对相应的创业项目信息集进行检索，获取与创业项目相关的评价，确定其中负面评价比例，将负面评价比例高于阈值的创业项目标记为非优质创业项目；依据公开的评价对创业项目进行筛除，能够减少孵化成本，合理的利用资源；

将非优质创业项目从创业项目信息表中删除，并形成新的创业项目信息集，依据新的创业项目信息集构建创业数据库。

使用时，结合步骤101至103中的内容：通过采集创业对象及创业项目的信息，构建创业项目信息集，并且基于公开渠道获取的公开评价，对创业项目形成筛选，有些创业项目基于市场因素，几乎没有前景，通过公开评价进行筛选，去除非优质创业项目，可以降低机会成本。

步骤二、从创业数据库中获取数据，对相应的创业对象进行画像，并依据蒂蒙斯创业机会评价框架对创业对象做成长性评估，依据评估结果对创业对象完成一次筛选；将不适合进行创业孵化的创业项目进行筛除；

步骤二包括如下信息：

步骤201、从创业数据库获取创业对象及相应的创业项目信息，提取与创业对象相关的行业和市场、经济因素、收获条件及竞争优势，建立画像信息库，对创业对象进行标记，完成画像；通过设置标记，在孵化时，能够快速的对创业项目及创业对象有所了解；

步骤202、基于机器学习算法建立评分模型，从画像信息库中提取出画像信息，分别建立训练集和测试集，依据蒂蒙斯的创业机会评价框架，完成创业评分模型；

对各个创业对象进行评分，形成创业机会分；创业机会分是对各个创业项目的成功率及成长性做出的评价，量化的评价更加直观且可比较；

步骤203、获取若干组与创业项目相关的创业机会分，以创业机会分对创业对象进行成长性评估，并将创业机会分与相应的阈值进行对比；

创业机会分低于相应阈值的标记为低成长性创业对象，将低成长性的创业对象从创业对象名录中筛除；从而减少明显不具有充分成长性的创业项目。

使用时，结合步骤201至203中的内容：通过对创业对象完成画像、对创业项目进行评价，获取创业机会分，从而能够对创业项目进行量化评分，在孵化前就能够对创业项目具有较为明确且直观的评价，完成创业项目的成长性评估，便于去除掉低成长性的创业，减少创业孵化的机会成本，减少创业对象的时间和精力的浪费。

步骤三、基于创业对象建立多维度数据档案库，并对创业对象进行多维度学情分析，依据分析结果，借助于特征之间的相似性，为创业对象匹配相应的创业教育资源，智能化推荐创业教育服务；通过推荐合适的创业教育资源，针对性的提高创业对象的不足，提高创业的成功率。

所述步骤三包括：

步骤301、从创业对象名录中获取剩余的非低成长性的创业对象，基于创业数据库，获取创业对象的基本信息，建立基本信息库；（例如学历、创业经验、工作经验等）；

获取创业对象的相关主题信息，建立各主题信息库，（如知识产权、人力资源、融资、股权、商业模式等）；

步骤302、依据从创业数据库中获取与创业对象相关的创业项目信息，转录为项目文本；

基于TF-IDF算法，构建TF-IDF特征提取模型，从项目文本中进行抽取特征，建立项目特征数据集；

基于机器学习，构建的SVM分类器，对项目特征数据集中的项目特征进行分类；

使用时，基于TF-IDF特征提取模型及SVM分类器，能够依据创业项目的主要特征，将多组创业项目主要特征提取出来，进行创业孵化时，能够直接通过识别主要特征，判断出创业项目的核心要素。

步骤303、对已有的创业教育资源进行特征抽取及分类，依据相似度算法，将已有的创业教育资源与创业项目进行相似度匹配，依据两者的相似性，为对象推荐创业教育资源；匹配相应的创业教育资源，智能化推荐创业教育服务，依据特征相似度分析，完成创业教育资源（例如课程、实训实践、创业比赛等）的适应性的推荐。

使用时，通过步骤301至303中的内容，通过对创业项目进行特征提取，在完成相似度分析之后，依据相似度排序，将相似度大于阈值的创业教育资源推荐给相应的创业项目，从而能够弥补现有的创业项目的不足，在资源有限时，提高的创业教育资源的利用率，同时基于特征提取和相似度匹配的协同，也能够提高创业孵化支撑的针对性。

步骤四、周期性地对创业对象的创业学习过程进行监测，依据监测结果，对学习成果进行评价，并且依据形成的学习评价，再次对创业对象进行筛选，优化资源分配策略；

步骤401、对创业对象周期性的监测，依据创业项目的进展和演变，连续对创业对象的创业项目进行评价，依据创业评分模型获取创业机会分；

依据设定的监测周期，获取若干组创业机会分，建立创业机会分数据集，获取创业机会分的变化趋势，依据创业机会分的演变，对创业机会的成长性进行评估；如果创业机会分在经过完善的学习之后还是下降趋势，显然该创业项目不会看好；

步骤402、基于机器学习算法，建立多维度学情评价模型，针对创业对象，从基本信息库、主题信息库、创业项目信息获取创业对象的学情信息，建立训练集及测试集；

以训练集对多维度学情评价模型进行训练，并由测试集进行测试，构建多维度学情评价模型；

步骤403、依据已知点、发展点、障碍点的学情分析方法，以多维度学情评价模型对创业对象进行多维度学情分析，输出学情评分；

沿着时间序列，获取同一创业对象的若干学情评分，确定学情评分的变化趋势，建立学情评分数据集；

使用时，结合步骤402及403中的内容，对创业对象的学习能力及成长性进行评估，在创业项目之外，判断创业对象是否具有孵化价值，如果具有孵化价值，则可以继续培养，如果不具有孵化价值，需要减少成本，合理分配和有效利用当前的孵化资源。

步骤404、在当前条件下，从创业机会分数据集获取最高创业机会分，并从学情评分数据集中获取相应周期的学情评分，及当前的孵化时间T；

依据获取的创业机会分及学情评分，对创业对象进行创业效率评价，获取创业效率评价值Xp；

创业效率评价值Xp的获取方式如下：获取最高创业机会分Cf、学情评分Xf及孵化时间T，进行无量纲化处理，关联方法符合如下公式：

其中，

也需要说明的是，创业效率评价值的获取可能存在方式有很多种，本方案中仅仅定义了其中的一种一站式的创新创业孵化方法，本领域技术人员同样基于学情评分和创业机会分，基于其他类似的方式获取到创业效率评价值的这一特征，也即是说，本方案公开的关联方法，仅仅是一种一站式的创新创业孵化方法公开作用，不会对创业效率评价值的这一特征做出进一步的限定。

而由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的预设比 例系数；将设定的预设比例系数和采集的样本数据代入公式，任意两个公式构成二元一次 方程组，将计算得到的系数进行筛选并取均值，得到

系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数；只要不影响参数与量化后数值的比例关系即可。

步骤405、获取若干组的创业效率评价值Xp，与相应阈值进行对比，将创业效率评价值Xp不符合相应阈值的从创业对象名录中筛除；从而二次完成对创业对象筛选，从中找出更为优质的创业对象或者创业项目；

步骤406、获取剩余的若干组创业效率评价值Xp，进行排序，形成资源优化排序并输出；

依据资源优化排序，优先为创业效率评价值Xp高的创业对象推荐创业教育资源，重新分配创业教育资源；使优质的创业项目获取优质的创业教育资源。

使用时，结合步骤401至406中内容，通过分别对创业对象及创业项目进行评分，从而对创业项目及创业对象形成更为直观的评估，在需要时，也可以用于对创业对象或者创业项目进行进一步的筛选；而在基于创业机会分Cf、学情评分Xf及孵化时间T形成创业效率评价值Xp，则可以用于对低效的创业对象做出进一步的筛选，筛选出更为优质的创业对象及创业项目，进一步提高创业孵化成功率。

步骤五、确认所有经过筛选后的创业对象，对相应的创业项目建立创业财务模型，进行仿真分析，输出仿真分析结果；

依据仿真分析结果，借助于特征之间的相似性，重新匹配相应的创业孵化资源；其中孵化资源包括但是不限于专家技术支持资源、创业投资资源、知识产权服务资源等等；

所述步骤五包括：

步骤501、获取创业对象及相应的创业项目当前的财务信息及历史财务信息，沿着时间序列，对财务数据的变化进行函数拟合；

获取新的财务数据，对获取的拟合函数完成K-S检验，获取财务拟合函数并输出；以拟合函数的形式，对创业项目的财务状况进行预测，判断创业项目的前景。

步骤502、依据财务拟合函数对创业项目的财务状况进行预测，并通过改变影响创业项目经营的外部参数，进行仿真分析，获取财务状态变化，形成仿真分析结果；

获取仿真分析结果，依据外部参数的变化，确定创业项目不足点并输出；

步骤503、针对创业项目不足点，从创业孵化资源中选择相应的政策，对创业项目不足点进行弥补，直至创业项目孵化完成。

使用时，结合步骤501至503中，在确定了最后的可孵化的创业对象及创业项目后，从创业项目的财务数据变化的角度，对创业项目接下来的变化进行演绎，并且基于外部条件的改变，在仿真分析的协助下，再次确定创业项目不足点，从而依据已有的孵化资源对其进行支持，从而增加创业项目孵化的成功率。

结合步骤一至步骤五，本方案至少存在如下效果：

构建创业项目信息集，并获取公众评价，依据公众评价对创业项目形成筛选，去除非优质创业项目，降低创业项目孵化的机会成本。

通过对创业对象完成画像、对创业项目进行评价，对创业项目进行量化评分，在孵化前对创业项目具有较为明确且直观的评价，完成创业项目的成长性评估，去除掉低成长性的创业，减少创业孵化成本，减少创业对象的时间和精力的浪费，提高创业孵化资源的利用效率。

通过对创业项目进行特征提取，依据相似度排序，将创业教育资源推荐给相应的创业项目，弥补现有的创业项目的不足，在资源有限时，提高的创业教育资源的利用率，同时基于特征提取和相似度匹配的协同，提高创业孵化支撑的针对性，进而提高创业项目孵化的成功率。

通过分别对创业对象及创业项目进行评分，对创业项目及创业对象形成更为直观的评估，基于创业效率评价值，对低效创业对象做进一步筛选，筛选出更为优质的创业对象及创业项目，使创业孵化资源合理利用。

从创业项目的财务数据变化，对创业项目接下来的变化进行演绎，确定创业项目不足点，依据已有的孵化资源对其进行支持，从而增加创业项目孵化的成功率。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质。半导体介质可以是固态硬盘。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一个功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-onlymemory，ROM)、随机存取存储器（randomaccessmemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改等同替换、改进等，均应包含在本发明的保护范围之内。