• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    支持向量機(jī)結(jié)合主成分分析輔助激光誘導(dǎo)擊穿光譜技術(shù)識(shí)別鮮肉品種

    2017-04-06 17:45朱毅寧楊平楊新艷李嘉銘郝中騏
    分析化學(xué) 2017年3期
    關(guān)鍵詞:支持向量機(jī)主成分分析

    朱毅寧 楊平 楊新艷 李嘉銘 郝中騏 李秋實(shí) 郭連波 李祥友 曾曉雁 陸永楓

    摘要為提高激光誘導(dǎo)擊穿光譜技術(shù)(Laserinduced breakdown spectroscopy, LIBS)對(duì)鮮肉品種的識(shí)別率, 采用支持向量機(jī)結(jié)合主成分分析算法輔助LIBS技術(shù)對(duì)鮮肉品種進(jìn)行識(shí)別。對(duì)鮮肉切片用載玻片壓平, 采用LIBS技術(shù)對(duì)鮮肉組織(豬肉、牛肉和雞肉)表面進(jìn)行光譜數(shù)據(jù)的采集, 每種鮮肉采集150幅光譜并進(jìn)行隨機(jī)排列, 取前75幅光譜作為訓(xùn)練集建立模型, 后75幅作為測(cè)試集測(cè)試建模結(jié)果。研究選取K、Ca、Na、Mg、Al、H、O等元素的49條歸一化譜線數(shù)據(jù)進(jìn)行主成分分析, 并用所得數(shù)據(jù)建立支持向量機(jī)分類(lèi)模型。結(jié)果表明, 通過(guò)主成分分析降維, 輸入變量從49個(gè)優(yōu)化減少到18個(gè), 模型建模速度從88.91 s降至55.52 s, 提高了支持向量機(jī)的建模效率; 并使預(yù)測(cè)集的平均識(shí)別率提高到89.11%。本研究為激光誘導(dǎo)擊穿光譜技術(shù)在鮮肉品種快速分類(lèi)領(lǐng)域提供了方法和數(shù)據(jù)參考。

    關(guān)鍵詞激光誘導(dǎo)擊穿光譜; 支持向量機(jī); 主成分分析; 組織分類(lèi)

    1引 言

    肉類(lèi)品種多樣、價(jià)格不一, 一些不良商家以次充好, 不斷出現(xiàn)“豬肉充當(dāng)牛肉”、“鼠肉充當(dāng)羊肉”、“摻假牛羊肉”、“僵尸肉”等嚴(yán)重危害消費(fèi)者利益和食品安全的事件。因此, 肉類(lèi)品種的快速分類(lèi)分析有著重要的現(xiàn)實(shí)意義。傳統(tǒng)的肉類(lèi)檢測(cè)技術(shù)有聚合酶鏈反應(yīng)技術(shù)(Polymerase chain reaction)[1]、氣相層析質(zhì)譜分析技術(shù)(Gas chromatography mass spectrometer)[2]、芯片毛細(xì)管凝膠電泳(Capillary gel electrophoresis)[3]等。雖然上述方法檢測(cè)準(zhǔn)確度高, 但需要專(zhuān)業(yè)人員對(duì)樣品進(jìn)行DNA或蛋白質(zhì)的萃取, 操作過(guò)程復(fù)雜耗時(shí)[4], 不能滿(mǎn)足快速檢測(cè)的需求, 因此亟需開(kāi)發(fā)一種快速肉類(lèi)品種區(qū)分的檢測(cè)技術(shù)。

    激光誘導(dǎo)擊穿光譜(Laserinduced breakdown spectroscopy, LIBS)是一種原子發(fā)射光譜分析技術(shù)[5], 已廣泛用于固、液、氣等物質(zhì)的檢測(cè)[6~13], 并逐漸進(jìn)入工業(yè)生產(chǎn)檢測(cè)領(lǐng)域[14], 尤其以微損、非接觸、快速分析的特點(diǎn)在生物組織檢測(cè)方面受到越來(lái)越多的關(guān)注[15~18]。近年來(lái), 將LIBS技術(shù)與化學(xué)計(jì)量學(xué)方法相結(jié)合識(shí)別生物組織已成為研究熱點(diǎn)[19]。Kumar等[20]使用LIBS技術(shù)對(duì)狗肝正常組織和惡性腫瘤組織進(jìn)行光譜區(qū)分, 實(shí)驗(yàn)表明, 組織中不同元素譜線強(qiáng)度比值差異可以有效區(qū)分正常組織和腫瘤組織。Yueh等[21]使用層析聚類(lèi)分析(Hierarchical cluster analysis, HCA)、主成分分析(Principal components analysis, PCA)、偏最小二乘判別分析(Partial least square discriminant analysis, PLSDA)和BP神經(jīng)網(wǎng)絡(luò)(Back propagation artificial neural networks, BPANN)4種算法對(duì)冰凍雞肉組織的不同部位(大腦、肝、肺、脾臟、腎臟、肌肉)進(jìn)行LIBS實(shí)驗(yàn)分析, HCA對(duì)44個(gè)樣品驗(yàn)證,僅有3個(gè)沒(méi)有正確識(shí)別, 其它算法(如PLSDA、BPANN)由于訓(xùn)練集建模樣品數(shù)據(jù)太少及訓(xùn)練集與驗(yàn)證集采集時(shí)間不一致, 不能有效地建立訓(xùn)練模型, 造成對(duì)驗(yàn)證集的識(shí)別率差。Bilge等[22]采用LIBS技術(shù)結(jié)合PCA算法對(duì)烘干壓片處理的肉類(lèi)組織(豬、牛、雞)進(jìn)行種類(lèi)區(qū)分, 識(shí)別率為83.37%。除此之外, 還對(duì)相互摻雜的肉制品進(jìn)行了PLS定量分析的研究。上述研究表明, LIBS對(duì)肉類(lèi)組織的識(shí)別率有待提高, 且樣品的制作方法如冰凍、壓片法, 制樣耗時(shí)、復(fù)雜, 需要改善。

    相對(duì)于以上所使用的分類(lèi)算法, 支持向量機(jī)[23](Support vector machines, SVM)具有在小樣本建模、訓(xùn)練速度、預(yù)測(cè)穩(wěn)定等方面的優(yōu)勢(shì), 被廣泛用于LIBS分類(lèi)研究中。 Yu等[24]利用LIBS結(jié)合SVM對(duì)11種塑料的識(shí)別率達(dá)到了100%, 但SVM常會(huì)受輸入變量過(guò)多和噪聲的影響, 使得建模效率和穩(wěn)定性降低。鑒于PCA具有降維、除噪[25]的優(yōu)勢(shì), 目前已有研究者將PCA引入SVM算法, 提高SVM的建模效率和穩(wěn)定度, 并成功應(yīng)用于土壤[26]、巖石[27]、柑橘葉[28]和蛋白質(zhì)[29]等LIBS的分類(lèi)研究中, 識(shí)別率分別達(dá)到100%, 91.33%, 97.5%和98%。然而, 將SVM與PCA結(jié)合用于LIBS鮮肉品種分類(lèi)方面的研究鮮有報(bào)道。

    本研究采用載玻片壓制鮮肉樣品的簡(jiǎn)單處理方法, 使用SVM輔助LIBS技術(shù)對(duì)豬肉、牛肉、雞肉等6種不同品種的鮮肉進(jìn)行快速、準(zhǔn)確地分類(lèi)識(shí)別, 并利用PCA算法優(yōu)化SVM建模效率, 以期提高建模的速度和識(shí)別準(zhǔn)確率, 從而證實(shí)了PCASVM方法對(duì)于識(shí)別鮮肉品種有較好的效果。

    2實(shí)驗(yàn)部分

    2.1實(shí)驗(yàn)裝置

    實(shí)驗(yàn)裝置如圖1所示, 采用調(diào)Q開(kāi)關(guān)Nd∶YAG脈沖激光器(Quantel Brilliant B, 波長(zhǎng)532 nm, 脈沖寬度8 ns, 最大重復(fù)頻率10 Hz)。激光經(jīng)過(guò)反射鏡和平凸透鏡(焦距為100 mm)聚焦到樣品表面, 激發(fā)出等離子光譜。

    2.2樣品處理

    本實(shí)驗(yàn)所采用的鮮肉樣品為: 恩施土豬里脊肉(簡(jiǎn)稱(chēng)為恩施土豬)、黑豬里脊肉(簡(jiǎn)稱(chēng)黑豬)、中糧豬特級(jí)里脊肉(中糧集團(tuán)有限公司, COFCO, 簡(jiǎn)稱(chēng)中糧豬)、牛里脊、牛后腿和雞脯肉, 實(shí)驗(yàn)材料均購(gòu)自當(dāng)?shù)爻?。鮮肉組織制樣的具體步驟為: (1)用醫(yī)用切片刀將鮮肉組織切成長(zhǎng)寬約為50 mm×18 mm、厚2~3 mm的小片, 放在普通載玻片(25.4 mm×76.2 mm)上; (2)用另一塊載玻片壓在肉片上, 并用10 kg重物將其壓制1 min, 使得肉片平鋪在下面的載玻片上, 壓片效果如圖2所示。(3)利用LIBS系統(tǒng)對(duì)制作好的樣品進(jìn)行光譜采集。

    3結(jié)果與討論

    3.1數(shù)據(jù)采集與提取

    采用優(yōu)化的實(shí)驗(yàn)參數(shù), 能量30 mJ/脈沖, 頻率5 Hz。光譜儀積累模式的采集參數(shù): 曝光時(shí)間1 s, 積累次數(shù)為2, 采集延時(shí)時(shí)間為0.9 μs, 門(mén)寬為10 μs, 每幅光譜積累10個(gè)激光脈沖。每種鮮肉壓制5個(gè)樣品, 每樣品采集30幅光譜, 因此6種鮮肉組織樣品共獲得900幅光譜數(shù)據(jù)。

    為降低光譜強(qiáng)度的波動(dòng)性的影響, 以生物組織基體元素C 247.86 nm光譜強(qiáng)度對(duì)其它元素譜線強(qiáng)度進(jìn)行歸一化處理。圖3所示為牛里脊LIBS光譜強(qiáng)度歸一化后的全譜圖, 部分分析譜線位置也在全譜中予以標(biāo)出。實(shí)驗(yàn)中所使用的49條譜線也在表1中列出。不同組織間部分主量元素歸一化譜線強(qiáng)度的差異如表2所示。

    由表2可知, 價(jià)格較低的中糧豬, 其歸一化譜線Ca/C、Na/C、K/C、Al/C強(qiáng)度明顯低于價(jià)格高的恩施土豬和黑豬; 而兩種不同價(jià)格的牛肉其譜線Ca/C、Na/C、K/C、Al/C強(qiáng)度則高于恩施土豬和黑豬。這表明不同種鮮肉組織元素含量存在較大差異, 這為鮮肉樣品的分類(lèi)奠定了基礎(chǔ)。

    3.2主成分分析

    主成分分析算法(PCA)是一種高效的信息壓縮方法, 采用特征分解方法獲得最大方差的主成分(PC)來(lái)代替原有變量, 可以消除原始數(shù)據(jù)的相關(guān)性和信息冗雜[31], 通過(guò)優(yōu)化主成分個(gè)數(shù)代替原有變量個(gè)數(shù)進(jìn)行數(shù)學(xué)建模, 提高建模速度和穩(wěn)定度, 并使用得到的主要主成分對(duì)數(shù)據(jù)進(jìn)行聚類(lèi)分析。分析所用的PCA算法和SVM算法程序均在Matlab R2010b環(huán)境下實(shí)現(xiàn)。

    獲得的900幅組織光譜經(jīng)譜線強(qiáng)度提取、C線歸一化處理后, 對(duì)其進(jìn)行PCA降維分析。圖4為前3個(gè)主成分下不同種組織光譜的散點(diǎn)圖, 所使用3個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到了95.79%。由圖4可知, 除了部分牛里脊光譜數(shù)據(jù)在三維主成分圖中可聚集到同一區(qū)域, 其它種類(lèi)的鮮肉組織光譜交互在一起, 難以區(qū)分, 因此需結(jié)合其它算法進(jìn)一步區(qū)分。

    3.3SVM與PCASVM對(duì)比分析

    支持向量機(jī)(SVM)是一種通過(guò)尋求結(jié)構(gòu)化風(fēng)險(xiǎn)最小來(lái)提高學(xué)習(xí)機(jī)泛化能力的方法, 實(shí)現(xiàn)經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍最小化, 從而達(dá)到在取樣少亦能達(dá)到良好統(tǒng)計(jì)規(guī)律的目的。其很重要的特點(diǎn)是可以將線性不可分的數(shù)據(jù)通過(guò)構(gòu)造核函數(shù)的方式映射到高維空間中, 從而在高維空間得到線性區(qū)分[20]。本研究采用Chang等[32]開(kāi)發(fā)的支持向量機(jī)軟件工具箱(Library for Support Vector Machines, LIBSVM)進(jìn)行數(shù)據(jù)分類(lèi)處理。數(shù)據(jù)集等分為訓(xùn)練集和測(cè)試集。每個(gè)類(lèi)別設(shè)置標(biāo)簽進(jìn)行區(qū)分, 相同類(lèi)使用相同的標(biāo)簽。因?yàn)閮?nèi)核選擇的是映射徑向基函數(shù), 需要選擇合適的懲罰參數(shù)C和徑向基函數(shù)系數(shù)g才能獲得較佳的預(yù)測(cè)結(jié)果。設(shè)置的方式和優(yōu)化選擇參數(shù)的方法詳見(jiàn)文獻(xiàn)[33], 不同的是本研究使用的是3折交互驗(yàn)證。

    為使SVM分類(lèi)模型更加穩(wěn)健, 將每種鮮肉樣品的150幅光譜數(shù)據(jù)隨機(jī)排列, 選擇前75幅光譜進(jìn)行訓(xùn)練, 剩余的75幅光譜進(jìn)行預(yù)測(cè)。在訓(xùn)練過(guò)程中使用交叉驗(yàn)證法選擇最佳的懲罰參數(shù)C和內(nèi)核參數(shù)g。結(jié)果表明, 單獨(dú)的SVM模型平均訓(xùn)練、

    在SVM算法中, 輸入變量越多, 訓(xùn)練時(shí)間越長(zhǎng); 且難免存在變量共線性和光譜噪聲的影響。因此采用PCA算法對(duì)原始變量進(jìn)行線性組合對(duì)數(shù)據(jù)進(jìn)行壓縮, 去除多余的變量, 減弱光譜噪聲影響。通過(guò)使用PCA算法對(duì)49個(gè)光譜變量重新組合得到新的49個(gè)主成分, 不同主成分變量數(shù)對(duì)SVM訓(xùn)練集識(shí)別結(jié)果的影響如圖5所示, 主成分?jǐn)?shù)分別在18, 19, 21, 28, 29, 30, 33時(shí)均可達(dá)到最佳的平均訓(xùn)練識(shí)別率88.22%。在同樣的訓(xùn)練識(shí)別率下, 取最小數(shù)目的主成分個(gè)數(shù)可以加快SVM算法的建模效率, 因此本研究采用18個(gè)主成分進(jìn)行建模和分類(lèi)識(shí)別, 其平均預(yù)測(cè)識(shí)別率可達(dá)到89.11%, 高于未降維SVM的識(shí)別效果, 此時(shí)的(C, g)優(yōu)化參數(shù)為(1024.00, 0.0030), 對(duì)比文獻(xiàn)[22]中對(duì)豬肉、牛肉和雞肉識(shí)別率, 提高了5.74%, 具體的識(shí)別結(jié)果如表3所示。SVM與PCASVM建模結(jié)果對(duì)比見(jiàn)表4, 在不降低SVM算法識(shí)別率的情況下, PCA算法的引入大大縮短了SVM建模的時(shí)間, 使得建模時(shí)間從89.11 s降至55.52 s。

    4結(jié) 論

    通過(guò)對(duì)6種鮮肉進(jìn)行簡(jiǎn)單的載破片壓制處理, 聯(lián)合PCA和SVM算法對(duì)LIBS采集的光譜數(shù)據(jù)進(jìn)行分析和建模, 提高了SVM的建模效率, 獲得較好的識(shí)別效果, 其中建模時(shí)間縮短至55.52 s, 平均預(yù)測(cè)識(shí)別率達(dá)到89.11%。以上結(jié)果表明, LIBS結(jié)合PCA與SVM算法可以用于快速檢測(cè)新鮮肉類(lèi)品種, 為市場(chǎng)鮮肉的快速識(shí)別提供一種新途徑。

    References

    1Rodríguez M A, García T, González I, Hernández P E, Martín R. Meat Sci., 2005, 70(1): 113-120

    2Hites R A. Handbook of Instrumental Techniques For Analytical Chemistry, 1997: 609-626

    3VallejoCordoba B, CotaRivas M. J. Capillary Electrophor., 1997, 5(56): 171-175

    4Kumar A, Kumar R R, Sharma B D, Gokulakrishnan P, Mendiratta S K, Sharma D. Crit. Rev. Food Sci., 2015, 55(10): 1340-1351

    5Radziemski L J. Spectrochim. Acta, 2002, 57(7): 1109-1113

    6Radziemski L, Cremers D. Spectrochim. Part B, 2013, 87: 3-10

    7CHEN QiMeng, DU Min, HAO ZhongQi, ZOU XiaoHeng, LI JiaMing, YI RongXing, LI XiangYou, LU YongFeng, ZENG XiaoYan. Spectroscopy and Spectral Analysis, 2016, 36(5): 1473-1477

    陳啟蒙, 杜 敏, 郝中騏, 鄒孝恒, 李嘉銘, 易榮興, 李祥友, 陸永楓, 曾曉雁. 光譜學(xué)與光譜分析, 2016, 36(5): 1473-1477

    8Li C M, Zou Z M, Yang X Y, Hao Z Q, Guo L B, Li X Y, Lu Y F, Zeng X Y. J. Anal. Atom. Spectrom., 2014, 29(8): 1432-1437

    9LI JiaMing, CHU YingBo, ZHAO Nan, ZHOU Ran, YI RongXing, GUO LianBo, LI JinYan, LI XiangYou, ZENG XiaoYan, LU YongFeng. Chinese J. Anal. Chem., 2016, 44(7): 1042-1046

    李嘉銘, 褚應(yīng)波, 趙 楠, 周 冉, 易榮興, 郭連波, 李進(jìn)延, 李祥友,曾曉雁, 陸永楓. 分析化學(xué), 2016, 44(7): 1042-1046

    10SHAO Yan, ZHANG YanBo, GAO Xun, DU Chuang,LIN JingQuan. Spectroscopy and Spectral Analysis, 2013, 33(10): 2593-2598

    邵 妍, 張艷波, 高 勛, 杜 闖, 林景全. 光譜學(xué)與光譜分析, 2013, 33(10): 2593-2598

    11LIU Li. Las. Optoelect. Prog., 2015, 52(7): 295-299

    劉 莉. 激光與光電子學(xué)進(jìn)展, 2015, 52(7): 295-299

    12Zeng Q, Guo L, Li X, He C, Shen M, Li K, Duan J, Zeng X, Lu Y. J. Anal. Atom. Spectrom., 2015, 30(2): 403-409

    13Hao Z, Guo L, Li C, Shen M, Zou X, Li X, Lu Y, Zeng X. J. Anal. Atom. Spectrom., 2014, 29(12): 2309-2314

    14Sun L X, Yu H B, Cong Z B, Xin Y, Li Y, Qi L F. Spectrochim. Acta B, 2015, 112: 40-48

    15Rehse S, Salimnia H, Miziolek A. J. Med. Eng. Technol., 2012, 36(2): 77-89

    16CHEN TianBing, LIU MuHua, HUANG Lin, ZHOU HuaMao, WANG CaiHong, YANG Hui, HU HuiQin, YAO MingYin. Chinese J. Anal. Chem., 2016, 44(7): 1029-1034

    陳添兵, 劉木華, 黃 林, 周華茂, 王彩虹, 楊 暉, 胡慧琴, 姚明印. 分析化學(xué), 2016, 44(7): 1029-1034

    17Liu X Y, Zhang W J. J. Med. Biol. Eng., 2008, 1(3): 147

    18Yao M, Huang L, Zheng J, Fan S, Liu M. Opt. Laser. Technol., 2013, 52: 70-74

    19Singh V K, Rai A K. Laser Med. Sci., 2011, 26(5): 673-687

    20Kumar A, Yueh F Y, Singh J P, Burgess S. Appl. Optics, 2004, 43(28): 5399-5403

    21Yueh F Y, Zheng H, Singh J P, Burgess S. Spectrochim. Acta B, 2009, 64(10): 1059-1067

    22Bilge G, Velioglu H M, Sezer B, Eseller K E, Boyaci I H. Meat Sci., 2016, 119: 118-122

    23Cortes C, Vapnik V. Mach. Learn., 1995, 20(3): 273-297

    24Yu Y, Guo L, Hao Z, Li X, Shen M, Zeng Q, Li K, Zeng X, Lu Y, Ren Z. Opt. Express, 2014, 22(4): 3895-3901

    25Shi Q, Niu G, Lin Q, Xu T, Li F, Duan Y. J. Anal. Atom. Spectrom., 2015, 30(12): 2384-2393

    26Yu K Q, Zhao Y R, Liu F, He Y. Sci. Rep., 2015, 6: 27574-27574

    27Yang H X, Fu H B, Wang D H, Jia J W, Dong F Z. Chinese Phys. B, 2016, 25(6): 290-295

    28Sankaran S, Ehsani R, Morganc K T. Appl. Spectrosc., 2015, 69(8): 913-919

    29Pokrajac D, Lazarevic A, Kecman V, Marcano A, Markushin Y, Vance T, Reljin N, McDaniel S, Melikechi N. Appl. Spectrosc., 2014, 68(9): 1067-1075

    30Pearse R W B, Gaydon A G, Pearse R W B, Gaydon A G. The Identification Of Molecular Spectra (Chapman and Hall London), 1976, Vol. 297

    31YIN Fei, FENG DaZheng. Comput. Technol. Dev., 2008, 18(10): 31-33

    尹 飛, 馮大政. 計(jì)算機(jī)技術(shù)與發(fā)展, 2008, 18(10): 31-33

    32Chang C C, Lin C J. Acm. T. Intel. Syst. Tec., 2011, 2(3): 27

    33YU Yang, HAO ZhongQi, LI ChangMao, GUO LianBo, LI KuoHu, ZENG QinDong, LI XiangYou, REN Zhao, ZENG XiaoYan. Acta. Phys. Sin, 2013, 62(21): 215201-215201

    于 洋, 郝中騏, 李常茂, 郭連波, 李闊湖, 曾慶棟, 李祥友, 任 昭, 曾曉雁. 物理學(xué)報(bào), 2013, 62(21): 215201-215201

    AbstractTo improve the classification accuracy of fresh meat species using laserinduced breakdown spectroscopy (LIBS), the support vector machine (SVM) and principal component analysis (PCA) were combined to classify fresh meat species (including pork, beef, and chicken). A simple sample preparation to flatten fresh meat by glass slides was proposed. For each meat sample, 150 spectra were recorded and randomly arranged. The first 75 spectra were used to train a model while the others were used for model validation. By analyzing the 49 normalized spectral lines (K, Ca, Na, Mg, Al, H, O, etc.) in the different tissues, the classification model was built. The results showed that the dimensionality of input variables was decreased from 49 to 10 and modeling time was reduced from 89.11 s to 55.52 s using PCA, thus improving the modeling efficiency. The mean classification accuracy of 89.11% was achieved. The method and reference data are provided for further study of fresh meat classification by laserinduced breakdown spectroscopy technique.

    KeywordsLaserinduced breakdown spectroscopy; Support vector machine; Principal component analysis; Tissue classification

    猜你喜歡
    支持向量機(jī)主成分分析
    基于改進(jìn)支持向量機(jī)的船舶縱搖預(yù)報(bào)模型
    基于SVM的煙草銷(xiāo)售量預(yù)測(cè)
    動(dòng)態(tài)場(chǎng)景中的視覺(jué)目標(biāo)識(shí)別方法分析
    論提高裝備故障預(yù)測(cè)準(zhǔn)確度的方法途徑
    基于NAR模型的上海市房產(chǎn)稅規(guī)模預(yù)測(cè)
    主成分分析法在大學(xué)英語(yǔ)寫(xiě)作評(píng)價(jià)中的應(yīng)用
    江蘇省客源市場(chǎng)影響因素研究
    基于熵技術(shù)的公共事業(yè)費(fèi)最優(yōu)組合預(yù)測(cè)
    SPSS在環(huán)境地球化學(xué)中的應(yīng)用
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    在线观看66精品国产| 国产成人aa在线观看| 久久6这里有精品| 在线观看美女被高潮喷水网站| 国产不卡一卡二| 又爽又黄无遮挡网站| 边亲边吃奶的免费视频| 国产淫片久久久久久久久| 亚洲精品国产成人久久av| 成年女人永久免费观看视频| 老女人水多毛片| 日韩在线高清观看一区二区三区| 一级二级三级毛片免费看| 高清在线视频一区二区三区 | 91久久精品国产一区二区三区| 哪里可以看免费的av片| 精品久久久久久久久av| 成人一区二区视频在线观看| 老司机影院成人| 亚洲高清免费不卡视频| 欧美xxxx黑人xx丫x性爽| 99在线视频只有这里精品首页| 久久精品夜色国产| 午夜久久久久精精品| 青春草国产在线视频 | 亚洲五月天丁香| 亚洲七黄色美女视频| 日韩成人av中文字幕在线观看| 一边亲一边摸免费视频| 欧美又色又爽又黄视频| 小说图片视频综合网站| 啦啦啦观看免费观看视频高清| 又爽又黄无遮挡网站| 国内久久婷婷六月综合欲色啪| 国产精品久久久久久精品电影小说 | 老女人水多毛片| 一级黄色大片毛片| 亚洲精品色激情综合| 一边摸一边抽搐一进一小说| av黄色大香蕉| 成人特级黄色片久久久久久久| 国产成人91sexporn| 一个人观看的视频www高清免费观看| 91精品国产九色| av在线亚洲专区| 午夜福利在线在线| 狠狠狠狠99中文字幕| 久久久国产成人精品二区| 日日摸夜夜添夜夜添av毛片| 91av网一区二区| 乱人视频在线观看| 日韩 亚洲 欧美在线| 99精品在免费线老司机午夜| 亚洲真实伦在线观看| 成人特级av手机在线观看| 乱系列少妇在线播放| 成人综合一区亚洲| 成人毛片a级毛片在线播放| 国产亚洲91精品色在线| 欧美xxxx性猛交bbbb| 麻豆一二三区av精品| 日韩一本色道免费dvd| 一边亲一边摸免费视频| 18禁裸乳无遮挡免费网站照片| 晚上一个人看的免费电影| 校园春色视频在线观看| 色尼玛亚洲综合影院| av福利片在线观看| 最近的中文字幕免费完整| av卡一久久| 欧美bdsm另类| 国产午夜精品久久久久久一区二区三区| 欧美日韩精品成人综合77777| 日本黄大片高清| 欧美另类亚洲清纯唯美| 美女高潮的动态| 99热6这里只有精品| 日本欧美国产在线视频| 天天躁日日操中文字幕| 性色avwww在线观看| 国产美女午夜福利| 我要看日韩黄色一级片| 亚洲av中文av极速乱| 夫妻性生交免费视频一级片| 免费无遮挡裸体视频| 亚洲三级黄色毛片| 国产综合懂色| 老师上课跳d突然被开到最大视频| 国产色婷婷99| 久久久久久久久中文| 亚洲av成人精品一区久久| 国产麻豆成人av免费视频| 精品免费久久久久久久清纯| 亚洲精品粉嫩美女一区| 色综合站精品国产| 国产一区二区亚洲精品在线观看| 亚洲av.av天堂| 有码 亚洲区| 免费观看人在逋| 午夜福利视频1000在线观看| 非洲黑人性xxxx精品又粗又长| 69av精品久久久久久| 国产精品免费一区二区三区在线| 久久精品国产自在天天线| 18禁黄网站禁片免费观看直播| 日韩av不卡免费在线播放| 波多野结衣高清无吗| 3wmmmm亚洲av在线观看| 亚洲综合色惰| 波多野结衣高清作品| 99热网站在线观看| 欧美日本视频| 欧美色视频一区免费| 六月丁香七月| 成人漫画全彩无遮挡| 一区二区三区四区激情视频 | 日韩欧美一区二区三区在线观看| 神马国产精品三级电影在线观看| kizo精华| 国产探花在线观看一区二区| 内地一区二区视频在线| 九九爱精品视频在线观看| 国产综合懂色| 国产一级毛片在线| 在线观看美女被高潮喷水网站| 免费av毛片视频| 亚洲精品日韩在线中文字幕 | 黄色视频,在线免费观看| 狂野欧美激情性xxxx在线观看| 久久精品夜夜夜夜夜久久蜜豆| 日韩欧美 国产精品| 一个人看视频在线观看www免费| 人人妻人人看人人澡| 天天一区二区日本电影三级| 美女脱内裤让男人舔精品视频 | 亚洲欧美精品专区久久| 看免费成人av毛片| 国产乱人偷精品视频| 老司机福利观看| 久久草成人影院| 九九爱精品视频在线观看| 免费观看的影片在线观看| 在现免费观看毛片| 桃色一区二区三区在线观看| 天堂av国产一区二区熟女人妻| 乱系列少妇在线播放| 高清在线视频一区二区三区 | 在线免费观看不下载黄p国产| 免费搜索国产男女视频| 欧美成人精品欧美一级黄| 日本熟妇午夜| 久久久午夜欧美精品| av在线老鸭窝| 亚洲欧美清纯卡通| 久久久午夜欧美精品| 免费观看精品视频网站| 国产探花极品一区二区| 欧美又色又爽又黄视频| 观看美女的网站| 久久精品夜色国产| 亚洲精品456在线播放app| 国产高清有码在线观看视频| 一区二区三区四区激情视频 | 欧美成人免费av一区二区三区| 99在线视频只有这里精品首页| 国产色婷婷99| av.在线天堂| 一级黄色大片毛片| 又爽又黄a免费视频| 又爽又黄无遮挡网站| 午夜激情欧美在线| 国产精品久久久久久久久免| 日韩大尺度精品在线看网址| 美女xxoo啪啪120秒动态图| 美女脱内裤让男人舔精品视频 | 18+在线观看网站| 亚洲精品成人久久久久久| 综合色丁香网| 久久精品夜色国产| 国内精品宾馆在线| 亚洲av一区综合| 久久久久国产网址| 国产真实乱freesex| 少妇熟女欧美另类| 国产高清三级在线| 在线天堂最新版资源| 久久久久久久久久久免费av| 中文在线观看免费www的网站| a级毛色黄片| 亚洲欧美中文字幕日韩二区| 色播亚洲综合网| 国产中年淑女户外野战色| 老师上课跳d突然被开到最大视频| 高清毛片免费观看视频网站| 欧美一区二区国产精品久久精品| 精品久久久久久久久av| 亚洲18禁久久av| 91久久精品国产一区二区成人| 亚洲av不卡在线观看| 欧美潮喷喷水| 国产成人精品一,二区 | 国产日韩欧美在线精品| 国产亚洲欧美98| 亚洲一区高清亚洲精品| 看十八女毛片水多多多| 久久精品国产亚洲av香蕉五月| av福利片在线观看| 欧美xxxx黑人xx丫x性爽| 婷婷色综合大香蕉| 两个人的视频大全免费| 国产精品国产高清国产av| 在线免费观看的www视频| 一边摸一边抽搐一进一小说| 春色校园在线视频观看| 亚洲av第一区精品v没综合| 99九九线精品视频在线观看视频| 精品久久国产蜜桃| 26uuu在线亚洲综合色| АⅤ资源中文在线天堂| 一夜夜www| 国产精品三级大全| 91在线精品国自产拍蜜月| 久久精品综合一区二区三区| 青春草亚洲视频在线观看| 国产成人aa在线观看| 国产伦一二天堂av在线观看| 亚洲激情五月婷婷啪啪| 日韩一区二区视频免费看| 少妇人妻精品综合一区二区 | 少妇熟女欧美另类| 亚洲在线观看片| 在线a可以看的网站| 午夜福利在线观看免费完整高清在 | 日韩,欧美,国产一区二区三区 | 有码 亚洲区| 色综合亚洲欧美另类图片| 少妇的逼好多水| 成人av在线播放网站| 99久久成人亚洲精品观看| 一级毛片我不卡| 日韩欧美精品免费久久| 亚洲欧美日韩高清专用| 舔av片在线| 男人和女人高潮做爰伦理| 91精品一卡2卡3卡4卡| avwww免费| 卡戴珊不雅视频在线播放| 亚洲av免费高清在线观看| 卡戴珊不雅视频在线播放| 久久综合国产亚洲精品| 国产精品免费一区二区三区在线| 亚洲无线在线观看| 亚洲欧美日韩高清专用| 日韩国内少妇激情av| 国产亚洲5aaaaa淫片| 全区人妻精品视频| 国产黄片美女视频| 变态另类成人亚洲欧美熟女| 久久久久国产网址| 三级男女做爰猛烈吃奶摸视频| 91av网一区二区| 日韩成人av中文字幕在线观看| 久久久久久久久久黄片| 欧美日本亚洲视频在线播放| 少妇被粗大猛烈的视频| 五月玫瑰六月丁香| 91久久精品国产一区二区三区| 中国美女看黄片| 99热这里只有是精品50| 男的添女的下面高潮视频| 91精品一卡2卡3卡4卡| 国产精品野战在线观看| 中文字幕制服av| 欧美3d第一页| 中文字幕人妻熟人妻熟丝袜美| www.av在线官网国产| 久久中文看片网| 51国产日韩欧美| 国产精品伦人一区二区| 别揉我奶头 嗯啊视频| 国产精品人妻久久久久久| 波野结衣二区三区在线| 黄色日韩在线| 亚洲第一区二区三区不卡| 天美传媒精品一区二区| 十八禁国产超污无遮挡网站| 国内少妇人妻偷人精品xxx网站| 亚洲18禁久久av| 亚洲国产欧美人成| 欧美一区二区国产精品久久精品| 我要看日韩黄色一级片| 一本久久精品| 国产精品蜜桃在线观看 | 色哟哟哟哟哟哟| 亚洲av.av天堂| 久久久久久伊人网av| 日本免费a在线| 亚洲国产色片| 国产大屁股一区二区在线视频| 波多野结衣巨乳人妻| 在线天堂最新版资源| 欧美性猛交黑人性爽| 国产视频内射| 国产乱人偷精品视频| 国产欧美日韩精品一区二区| 亚洲av二区三区四区| 免费一级毛片在线播放高清视频| 久久久精品大字幕| 久久久成人免费电影| 桃色一区二区三区在线观看| 久久久久国产网址| 三级经典国产精品| 日韩欧美 国产精品| 国产高清激情床上av| 黑人高潮一二区| а√天堂www在线а√下载| 国产视频内射| 亚洲在久久综合| 长腿黑丝高跟| 干丝袜人妻中文字幕| 国产 一区 欧美 日韩| av专区在线播放| 国内精品一区二区在线观看| 国产伦理片在线播放av一区 | 成人三级黄色视频| 久久人人爽人人片av| 两性午夜刺激爽爽歪歪视频在线观看| 日韩精品青青久久久久久| 欧美区成人在线视频| 男人舔奶头视频| 久久人人精品亚洲av| 亚洲av第一区精品v没综合| 干丝袜人妻中文字幕| 国产午夜精品一二区理论片| 99热只有精品国产| 日本一本二区三区精品| 在线观看一区二区三区| 美女内射精品一级片tv| 亚洲最大成人手机在线| 午夜精品国产一区二区电影 | 欧美性猛交╳xxx乱大交人| a级毛片a级免费在线| 国产精品久久久久久精品电影小说 | 久久久久久久亚洲中文字幕| 男女啪啪激烈高潮av片| 亚洲18禁久久av| 嫩草影院新地址| 干丝袜人妻中文字幕| 国产av麻豆久久久久久久| 男女那种视频在线观看| 亚洲欧美精品综合久久99| 免费观看精品视频网站| 亚洲真实伦在线观看| 中国美女看黄片| 久久精品久久久久久久性| 黄色欧美视频在线观看| 欧美一区二区精品小视频在线| www日本黄色视频网| 菩萨蛮人人尽说江南好唐韦庄 | 美女大奶头视频| 精品一区二区三区视频在线| 国产av麻豆久久久久久久| 久久久久久久久久久免费av| 国产不卡一卡二| 男女边吃奶边做爰视频| 久久久久网色| 国产av麻豆久久久久久久| 身体一侧抽搐| 国产精品精品国产色婷婷| 国产在线精品亚洲第一网站| 五月玫瑰六月丁香| 99热精品在线国产| av免费观看日本| 岛国在线免费视频观看| 少妇熟女欧美另类| 欧美潮喷喷水| av在线观看视频网站免费| 成人特级av手机在线观看| 99热全是精品| 亚洲人成网站在线观看播放| 日本黄大片高清| а√天堂www在线а√下载| 在线国产一区二区在线| 免费电影在线观看免费观看| 国产亚洲精品久久久com| 又爽又黄a免费视频| 白带黄色成豆腐渣| 久久精品国产亚洲av香蕉五月| 久久亚洲精品不卡| 69av精品久久久久久| 精品人妻一区二区三区麻豆| 99久久久亚洲精品蜜臀av| 国产亚洲av嫩草精品影院| 黄色一级大片看看| 热99在线观看视频| 少妇裸体淫交视频免费看高清| 国产美女午夜福利| 国产激情偷乱视频一区二区| 国产伦在线观看视频一区| 国产高潮美女av| or卡值多少钱| 中文在线观看免费www的网站| 国产不卡一卡二| 午夜激情福利司机影院| 欧美激情国产日韩精品一区| 哪个播放器可以免费观看大片| 免费看美女性在线毛片视频| 少妇熟女欧美另类| 麻豆一二三区av精品| 成人无遮挡网站| 性欧美人与动物交配| 中文亚洲av片在线观看爽| 99在线人妻在线中文字幕| 久久久色成人| 亚洲性久久影院| 国产伦精品一区二区三区视频9| 性色avwww在线观看| 欧美人与善性xxx| 五月伊人婷婷丁香| 毛片女人毛片| 婷婷亚洲欧美| 我要看日韩黄色一级片| 亚洲欧美日韩高清在线视频| 男女啪啪激烈高潮av片| 国产国拍精品亚洲av在线观看| 人妻少妇偷人精品九色| 国产在线精品亚洲第一网站| 高清在线视频一区二区三区 | 国产中年淑女户外野战色| 两个人的视频大全免费| 两个人视频免费观看高清| 十八禁国产超污无遮挡网站| 熟女电影av网| 国产精品,欧美在线| 97热精品久久久久久| 男女那种视频在线观看| 精品人妻偷拍中文字幕| 久久久久久大精品| 干丝袜人妻中文字幕| 亚洲第一区二区三区不卡| 亚洲欧美清纯卡通| 伊人久久精品亚洲午夜| 婷婷色综合大香蕉| 亚洲精品影视一区二区三区av| 国产精品永久免费网站| 午夜福利在线观看免费完整高清在 | 国国产精品蜜臀av免费| 99热这里只有精品一区| 麻豆久久精品国产亚洲av| 一本久久精品| av.在线天堂| 免费搜索国产男女视频| 亚洲av中文字字幕乱码综合| 最好的美女福利视频网| 久久午夜福利片| a级一级毛片免费在线观看| 18禁黄网站禁片免费观看直播| 夜夜爽天天搞| 精品久久久噜噜| 九九在线视频观看精品| 一边亲一边摸免费视频| 精品日产1卡2卡| 日本五十路高清| 国产亚洲av嫩草精品影院| 国产精品一区二区三区四区免费观看| 久久99蜜桃精品久久| 亚洲aⅴ乱码一区二区在线播放| 欧美高清性xxxxhd video| 99国产精品一区二区蜜桃av| 一夜夜www| 色5月婷婷丁香| 99热只有精品国产| 蜜桃久久精品国产亚洲av| 在线观看免费视频日本深夜| 一区二区三区高清视频在线| 欧美bdsm另类| 亚洲欧美中文字幕日韩二区| 国产亚洲精品久久久久久毛片| 床上黄色一级片| 亚洲欧美日韩高清在线视频| 国产极品天堂在线| 人妻系列 视频| 2022亚洲国产成人精品| 少妇人妻精品综合一区二区 | 亚洲成人av在线免费| www日本黄色视频网| 国产精品久久视频播放| АⅤ资源中文在线天堂| 国产一区亚洲一区在线观看| 国产成人a区在线观看| 丰满乱子伦码专区| 熟妇人妻久久中文字幕3abv| 偷拍熟女少妇极品色| 赤兔流量卡办理| 亚洲18禁久久av| 国产精品美女特级片免费视频播放器| 亚洲欧美成人精品一区二区| 亚洲欧美日韩无卡精品| 在现免费观看毛片| 亚洲成人av在线免费| 一级毛片久久久久久久久女| 国产欧美日韩精品一区二区| 高清日韩中文字幕在线| 亚洲av电影不卡..在线观看| 亚洲美女视频黄频| 日韩大尺度精品在线看网址| 91久久精品国产一区二区三区| 久久久欧美国产精品| or卡值多少钱| 男女那种视频在线观看| 日韩人妻高清精品专区| 国产一区二区三区在线臀色熟女| 校园春色视频在线观看| 人人妻人人澡欧美一区二区| 国产片特级美女逼逼视频| 亚洲成人av在线免费| 18禁在线播放成人免费| 久久久久免费精品人妻一区二区| 超碰av人人做人人爽久久| 成人亚洲欧美一区二区av| 最近的中文字幕免费完整| 国产精品福利在线免费观看| 非洲黑人性xxxx精品又粗又长| 成人毛片60女人毛片免费| 国产成人a∨麻豆精品| 国产在线男女| av天堂在线播放| 精品久久久久久久末码| 日韩,欧美,国产一区二区三区 | 美女大奶头视频| 久久久国产成人精品二区| 男女做爰动态图高潮gif福利片| 国产探花在线观看一区二区| 欧美性猛交黑人性爽| 亚洲欧美成人精品一区二区| a级毛片a级免费在线| 日韩欧美国产在线观看| 蜜臀久久99精品久久宅男| 一边摸一边抽搐一进一小说| 麻豆成人av视频| 亚洲国产欧美在线一区| 如何舔出高潮| 看非洲黑人一级黄片| 久久久国产成人精品二区| 精华霜和精华液先用哪个| 嘟嘟电影网在线观看| 国产成年人精品一区二区| 尾随美女入室| 搡老妇女老女人老熟妇| 内射极品少妇av片p| 国产精品精品国产色婷婷| 可以在线观看毛片的网站| 哪个播放器可以免费观看大片| 三级毛片av免费| 夫妻性生交免费视频一级片| 亚洲国产精品成人综合色| 久久久久久久久久成人| 美女xxoo啪啪120秒动态图| 亚洲成av人片在线播放无| 乱人视频在线观看| 国产黄片美女视频| 老司机影院成人| 午夜福利在线在线| 免费看日本二区| 热99在线观看视频| 精品久久久久久成人av| av免费观看日本| 成人二区视频| 亚洲成人中文字幕在线播放| 国产精品一二三区在线看| 亚洲真实伦在线观看| 麻豆乱淫一区二区| 婷婷亚洲欧美| av卡一久久| 亚洲经典国产精华液单| 一级毛片我不卡| 身体一侧抽搐| 午夜激情福利司机影院| 91av网一区二区| 国产亚洲av片在线观看秒播厂 | 日本-黄色视频高清免费观看| 国产精品久久久久久久久免| 有码 亚洲区| 小说图片视频综合网站| 国产单亲对白刺激| 男女做爰动态图高潮gif福利片| 真实男女啪啪啪动态图| 九色成人免费人妻av| 国产午夜精品一二区理论片| 欧美性感艳星| 日日摸夜夜添夜夜添av毛片| 成人漫画全彩无遮挡| 国产成人一区二区在线| 亚洲av一区综合| 内射极品少妇av片p| 夜夜爽天天搞| 国产成人精品久久久久久| 午夜爱爱视频在线播放| 日产精品乱码卡一卡2卡三| 一级av片app| 99热网站在线观看| 18+在线观看网站| 一本一本综合久久| 亚洲欧美日韩无卡精品| 日韩一区二区视频免费看| 日韩高清综合在线| 婷婷色综合大香蕉| 欧美一级a爱片免费观看看| 最近视频中文字幕2019在线8| 国产毛片a区久久久久| 亚洲精品久久国产高清桃花| 亚洲电影在线观看av| 久久久国产成人免费| 亚洲精品日韩在线中文字幕 | 日本黄色视频三级网站网址|