• <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
    80岁老熟妇乱子伦牲交| 最黄视频免费看| 另类亚洲欧美激情| 欧美 日韩 精品 国产| 高清欧美精品videossex| 欧美少妇被猛烈插入视频| 久久久久视频综合| 国产黄频视频在线观看| 国产精品欧美亚洲77777| 久久国产亚洲av麻豆专区| 国产成人aa在线观看| 丁香六月天网| 99热网站在线观看| 久久97久久精品| 一本一本综合久久| 熟女人妻精品中文字幕| 久久久久精品性色| 男女无遮挡免费网站观看| 久久女婷五月综合色啪小说| 久久99精品国语久久久| 成人漫画全彩无遮挡| 精品一区二区三区视频在线| 亚洲国产毛片av蜜桃av| 久久久久久久久久久免费av| 亚洲欧洲国产日韩| 国产av国产精品国产| av不卡在线播放| 久久精品久久精品一区二区三区| 在线观看美女被高潮喷水网站| 中文字幕av电影在线播放| 亚洲色图综合在线观看| 免费观看的影片在线观看| 国产成人aa在线观看| 少妇熟女欧美另类| av国产久精品久网站免费入址| 精品久久久精品久久久| 亚洲精品成人av观看孕妇| 18禁观看日本| 免费人成在线观看视频色| av视频免费观看在线观看| 日本黄色日本黄色录像| 国产熟女欧美一区二区| 国产精品一国产av| 日本猛色少妇xxxxx猛交久久| 国产成人免费无遮挡视频| 久久久久国产精品人妻一区二区| 国产日韩欧美亚洲二区| 色5月婷婷丁香| 制服丝袜香蕉在线| 久久久午夜欧美精品| 久久久午夜欧美精品| 亚洲精品aⅴ在线观看| 精品国产露脸久久av麻豆| 久久久久久久久久人人人人人人| 日日啪夜夜爽| 狂野欧美白嫩少妇大欣赏| 亚洲欧美日韩另类电影网站| 美女福利国产在线| 中文字幕人妻熟人妻熟丝袜美| 亚洲精品久久午夜乱码| a级毛片免费高清观看在线播放| 高清av免费在线| 亚洲综合精品二区| 99久久人妻综合| 99re6热这里在线精品视频| 免费观看av网站的网址| 亚洲国产av新网站| 免费日韩欧美在线观看| 丰满乱子伦码专区| 一级a做视频免费观看| 中国国产av一级| 少妇熟女欧美另类| 少妇的逼水好多| a级毛片在线看网站| 日本vs欧美在线观看视频| 国产精品国产三级国产av玫瑰| 国产亚洲精品久久久com| 婷婷色av中文字幕| 精品国产一区二区三区久久久樱花| 午夜日本视频在线| 免费不卡的大黄色大毛片视频在线观看| 夜夜骑夜夜射夜夜干| 免费看av在线观看网站| 久久久国产精品麻豆| 91aial.com中文字幕在线观看| 日韩三级伦理在线观看| 少妇 在线观看| 91成人精品电影| 亚洲人成网站在线观看播放| 视频在线观看一区二区三区| 男女边吃奶边做爰视频| 一区二区三区乱码不卡18| 久久99热6这里只有精品| 又黄又爽又刺激的免费视频.| 国产又色又爽无遮挡免| 纵有疾风起免费观看全集完整版| 大香蕉久久成人网| 少妇丰满av| 久久国产亚洲av麻豆专区| 99热全是精品| 国产精品一区www在线观看| 天天影视国产精品| 尾随美女入室| 免费观看av网站的网址| 青春草亚洲视频在线观看| 高清欧美精品videossex| 18禁观看日本| videosex国产| 中文精品一卡2卡3卡4更新| 亚洲成人手机| 日韩精品免费视频一区二区三区 | 国产亚洲欧美精品永久| 亚洲精品第二区| 又黄又爽又刺激的免费视频.| 亚洲性久久影院| 看非洲黑人一级黄片| 一级毛片 在线播放| 啦啦啦视频在线资源免费观看| 精品人妻熟女av久视频| 久久久久久久久久成人| 亚洲av国产av综合av卡| 亚洲国产欧美在线一区| 亚洲色图综合在线观看| 国产深夜福利视频在线观看| 麻豆成人av视频| 寂寞人妻少妇视频99o| 欧美另类一区| 午夜激情福利司机影院| 欧美一级a爱片免费观看看| 热99久久久久精品小说推荐| 欧美日韩视频精品一区| av一本久久久久| 免费日韩欧美在线观看| 丝袜喷水一区| 免费观看av网站的网址| 午夜激情久久久久久久| 久久精品国产亚洲网站| 日韩在线高清观看一区二区三区| 亚洲精品日韩在线中文字幕| 精品久久国产蜜桃| 丰满饥渴人妻一区二区三| 秋霞伦理黄片| 天堂中文最新版在线下载| 日韩三级伦理在线观看| 免费观看的影片在线观看| 亚洲av在线观看美女高潮| 免费少妇av软件| 日韩av在线免费看完整版不卡| 黄片无遮挡物在线观看| 丰满迷人的少妇在线观看| 国产成人aa在线观看| 高清视频免费观看一区二区| 精品久久久久久久久亚洲| 美女xxoo啪啪120秒动态图| 国内精品宾馆在线| 中文字幕久久专区| 日本免费在线观看一区| 久久精品国产自在天天线| 春色校园在线视频观看| 秋霞伦理黄片| 日韩人妻高清精品专区| 王馨瑶露胸无遮挡在线观看| 91成人精品电影| 人妻制服诱惑在线中文字幕| 久久久国产一区二区| 精品久久久精品久久久| 久久久久久久亚洲中文字幕| 亚洲精品久久久久久婷婷小说| 国产精品免费大片| 亚洲欧美一区二区三区国产| 18禁观看日本| 亚洲少妇的诱惑av| 天堂俺去俺来也www色官网| 国产精品久久久久成人av| 色哟哟·www| 黑人高潮一二区| 26uuu在线亚洲综合色| av福利片在线| 我的女老师完整版在线观看| 99热网站在线观看| 成人国产av品久久久| 久久99精品国语久久久| 久久久久人妻精品一区果冻| 天堂俺去俺来也www色官网| 免费av不卡在线播放| 国产一区二区在线观看日韩| 亚洲成人手机| 午夜影院在线不卡| av福利片在线| 国产在视频线精品| 一个人免费看片子| 国产一区二区三区av在线| 一级二级三级毛片免费看| 99热全是精品| 九九在线视频观看精品| 有码 亚洲区| 欧美日韩av久久| 亚洲第一av免费看| 成人黄色视频免费在线看| 久久人人爽av亚洲精品天堂| 久久精品久久久久久久性| 女性生殖器流出的白浆| 一本色道久久久久久精品综合| 免费观看的影片在线观看| 乱人伦中国视频| 22中文网久久字幕| 夫妻午夜视频| 婷婷色av中文字幕| 一级,二级,三级黄色视频| 丰满乱子伦码专区| 国产精品国产三级国产专区5o| av视频免费观看在线观看| 亚洲精品日韩在线中文字幕| 精品一区在线观看国产| 嘟嘟电影网在线观看| 亚洲性久久影院| 国产免费一级a男人的天堂| 黄色怎么调成土黄色| 嘟嘟电影网在线观看| 日韩,欧美,国产一区二区三区| 一本色道久久久久久精品综合| 成年人午夜在线观看视频| 亚洲精品456在线播放app| 人妻一区二区av| 成人手机av| 欧美少妇被猛烈插入视频| 久久精品国产亚洲av天美| 老司机影院毛片| 女人精品久久久久毛片| 欧美日韩亚洲高清精品| 插逼视频在线观看| 中文精品一卡2卡3卡4更新| 特大巨黑吊av在线直播| 99精国产麻豆久久婷婷| 国产成人精品婷婷| 91精品国产九色| 在线天堂最新版资源| 欧美精品国产亚洲| 麻豆精品久久久久久蜜桃| 国产探花极品一区二区| 国产伦精品一区二区三区视频9| 视频中文字幕在线观看| 国产免费又黄又爽又色| av在线观看视频网站免费| 久久影院123| 性色av一级| 国产成人一区二区在线| 国产一区二区在线观看日韩| 熟女人妻精品中文字幕| 国产在线视频一区二区| 一区二区av电影网| 在线观看www视频免费| 欧美人与善性xxx| 亚洲熟女精品中文字幕| 插阴视频在线观看视频| 午夜免费观看性视频| av网站免费在线观看视频| 国精品久久久久久国模美| 内地一区二区视频在线| 国产女主播在线喷水免费视频网站| 色视频在线一区二区三区| 丝瓜视频免费看黄片| 在线天堂最新版资源| 99久久中文字幕三级久久日本| 韩国高清视频一区二区三区| 免费高清在线观看日韩| 自拍欧美九色日韩亚洲蝌蚪91| 下体分泌物呈黄色| 久久av网站| 免费播放大片免费观看视频在线观看| 最近的中文字幕免费完整| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲五月色婷婷综合| 亚洲精华国产精华液的使用体验| 菩萨蛮人人尽说江南好唐韦庄| 99热全是精品| 大陆偷拍与自拍| xxx大片免费视频| 久久精品国产亚洲av天美| 永久网站在线| 日韩强制内射视频| 日本欧美视频一区| 免费高清在线观看视频在线观看| av在线播放精品| 久久这里有精品视频免费| 国产黄频视频在线观看| 国产成人a∨麻豆精品| 亚洲精品国产av蜜桃| 在线看a的网站| 国产精品一区二区在线不卡| 精品人妻在线不人妻| 男女啪啪激烈高潮av片| 中文字幕av电影在线播放| 中国美白少妇内射xxxbb| 久久99精品国语久久久| 最近手机中文字幕大全| 国产一区二区三区综合在线观看 | 七月丁香在线播放| 最后的刺客免费高清国语| 欧美激情极品国产一区二区三区 | 又粗又硬又长又爽又黄的视频| av卡一久久| 欧美日韩国产mv在线观看视频| 大香蕉97超碰在线| 久热久热在线精品观看| 97在线视频观看| 9色porny在线观看| 久久97久久精品| 欧美 亚洲 国产 日韩一| 97精品久久久久久久久久精品| 午夜91福利影院| 日日摸夜夜添夜夜爱| 亚洲精品av麻豆狂野| 成年人免费黄色播放视频| 亚洲欧美一区二区三区黑人 | 蜜桃久久精品国产亚洲av| 欧美精品人与动牲交sv欧美| xxxhd国产人妻xxx| 久久久欧美国产精品| 国产 一区精品| 亚洲av免费高清在线观看| 高清视频免费观看一区二区| 爱豆传媒免费全集在线观看| 亚洲人成网站在线播| 满18在线观看网站| 一二三四中文在线观看免费高清| 99国产精品免费福利视频| 国产成人免费观看mmmm| 欧美日韩av久久| 最近中文字幕2019免费版| 精品一区在线观看国产| 国产精品人妻久久久久久| 26uuu在线亚洲综合色| 欧美日韩国产mv在线观看视频| 女性生殖器流出的白浆| √禁漫天堂资源中文www| 妹子高潮喷水视频| 免费高清在线观看视频在线观看| 99久久精品国产国产毛片| 欧美激情极品国产一区二区三区 | 最近中文字幕高清免费大全6| 在线观看人妻少妇| 少妇人妻久久综合中文| 国产精品国产三级国产专区5o| 亚洲人成77777在线视频| 啦啦啦视频在线资源免费观看| 天天影视国产精品| 五月伊人婷婷丁香| 免费看av在线观看网站| 亚洲精品aⅴ在线观看| 一级a做视频免费观看| 日韩视频在线欧美| 少妇被粗大猛烈的视频| 亚洲欧美中文字幕日韩二区| 成人毛片a级毛片在线播放| 日本爱情动作片www.在线观看| 久热久热在线精品观看| 亚洲熟女精品中文字幕| 亚洲五月色婷婷综合| 亚洲精品视频女| videossex国产| 久久久a久久爽久久v久久| 草草在线视频免费看| 亚洲综合精品二区| 大陆偷拍与自拍| 一级二级三级毛片免费看| 18+在线观看网站| av免费在线看不卡| 国产一级毛片在线| 国产精品一国产av| 熟妇人妻不卡中文字幕| 成人国产麻豆网| 少妇熟女欧美另类| 免费高清在线观看视频在线观看| 热99国产精品久久久久久7| 亚洲av不卡在线观看| 日本色播在线视频| 最近的中文字幕免费完整| 亚洲久久久国产精品| 久久久精品94久久精品| av线在线观看网站| 国产成人91sexporn| 日本黄色片子视频| 久久99精品国语久久久| 日韩 亚洲 欧美在线| 两个人免费观看高清视频| 汤姆久久久久久久影院中文字幕| 精品午夜福利在线看| 亚洲综合精品二区| 免费黄频网站在线观看国产| 国产白丝娇喘喷水9色精品| 少妇人妻 视频| 免费黄色在线免费观看| 亚洲在久久综合| 3wmmmm亚洲av在线观看| 性色avwww在线观看| 亚洲不卡免费看| 亚洲av国产av综合av卡| 黄色怎么调成土黄色| 国产日韩欧美亚洲二区| 狠狠婷婷综合久久久久久88av| 久久精品久久精品一区二区三区| 精品亚洲成国产av| 大话2 男鬼变身卡| 国产精品一区二区在线不卡| 丰满饥渴人妻一区二区三| videosex国产| 精品国产乱码久久久久久小说| 日韩成人av中文字幕在线观看| 少妇熟女欧美另类| 日韩欧美一区视频在线观看| 日韩av不卡免费在线播放| 九色成人免费人妻av| 一区二区三区乱码不卡18| 中文字幕人妻熟人妻熟丝袜美| 夫妻性生交免费视频一级片| 成人国语在线视频| 大片免费播放器 马上看| 999精品在线视频| 国产白丝娇喘喷水9色精品| 亚洲av男天堂| av在线app专区| 久久精品国产自在天天线| 简卡轻食公司| 国产女主播在线喷水免费视频网站| 久久97久久精品| 亚洲人成77777在线视频| xxxhd国产人妻xxx| 女人久久www免费人成看片| 日韩成人av中文字幕在线观看| 国产成人午夜福利电影在线观看| 人人妻人人添人人爽欧美一区卜| 91精品一卡2卡3卡4卡| 人人澡人人妻人| 午夜免费观看性视频| 亚洲美女视频黄频| 日本91视频免费播放| 日韩不卡一区二区三区视频在线| 高清毛片免费看| av免费观看日本| 精品人妻熟女av久视频| 大话2 男鬼变身卡| 一本一本综合久久| 在线天堂最新版资源| 王馨瑶露胸无遮挡在线观看| 欧美日本中文国产一区发布| 亚洲怡红院男人天堂| 亚洲精品成人av观看孕妇| 久久鲁丝午夜福利片| 日本午夜av视频| 亚洲高清免费不卡视频| 久久久精品区二区三区| 免费观看av网站的网址| 国产av国产精品国产| 色婷婷av一区二区三区视频| 秋霞在线观看毛片| 蜜臀久久99精品久久宅男| 老司机影院成人| 国产极品天堂在线| 精品人妻熟女av久视频| 久久99蜜桃精品久久| 少妇人妻精品综合一区二区| 我的老师免费观看完整版| 青春草亚洲视频在线观看| 热99久久久久精品小说推荐| 少妇的逼好多水| 久久久精品免费免费高清| 亚洲av福利一区| 国产高清三级在线| 狂野欧美激情性xxxx在线观看| 日韩精品免费视频一区二区三区 | 男女啪啪激烈高潮av片| 亚洲精品456在线播放app| 黄片无遮挡物在线观看| 简卡轻食公司| 婷婷色综合大香蕉| 另类精品久久| 美女国产视频在线观看| 乱人伦中国视频| 少妇的逼好多水| 日韩视频在线欧美| a级毛片免费高清观看在线播放| 久久久精品免费免费高清| 一本—道久久a久久精品蜜桃钙片| 久久久精品免费免费高清| 免费久久久久久久精品成人欧美视频 | 国产av精品麻豆| 精品少妇内射三级| h视频一区二区三区| 日韩三级伦理在线观看| 91成人精品电影| 日韩av免费高清视频| 亚洲av成人精品一区久久| 日韩强制内射视频| 亚洲欧美成人精品一区二区| av卡一久久| videosex国产| av电影中文网址| 你懂的网址亚洲精品在线观看| 美女福利国产在线| 亚洲精华国产精华液的使用体验| 在线观看国产h片| 日韩熟女老妇一区二区性免费视频| 美女福利国产在线| 五月开心婷婷网| 国产片特级美女逼逼视频| 亚洲欧美一区二区三区黑人 | 视频区图区小说| 欧美精品高潮呻吟av久久| 亚洲国产精品专区欧美| 在线观看免费视频网站a站| 亚洲内射少妇av| 精品一区二区三卡| 青青草视频在线视频观看| 亚洲无线观看免费| 一级毛片我不卡| 国产av精品麻豆| 黄色欧美视频在线观看| 亚洲综合色网址| 在线精品无人区一区二区三| 国产黄片视频在线免费观看| 大话2 男鬼变身卡| 高清不卡的av网站| 99国产综合亚洲精品| 久久久国产一区二区| 亚洲国产日韩一区二区| 亚洲国产精品一区三区| 成人亚洲欧美一区二区av| 午夜老司机福利剧场| 亚洲精品视频女| 丰满饥渴人妻一区二区三| 一级毛片 在线播放| 又黄又爽又刺激的免费视频.| 18禁在线播放成人免费| 久久av网站| 美女xxoo啪啪120秒动态图| 国产熟女欧美一区二区| 国语对白做爰xxxⅹ性视频网站| 亚洲激情五月婷婷啪啪| 少妇人妻精品综合一区二区| 精品久久久久久电影网| 久久精品国产鲁丝片午夜精品| 日韩不卡一区二区三区视频在线| 80岁老熟妇乱子伦牲交| 色哟哟·www| www.av在线官网国产| 一二三四中文在线观看免费高清| av网站免费在线观看视频| 少妇 在线观看| 亚洲欧洲国产日韩| 亚洲精品国产av蜜桃| 亚洲天堂av无毛| 亚洲第一av免费看| 免费久久久久久久精品成人欧美视频 | 啦啦啦视频在线资源免费观看| 满18在线观看网站| 欧美xxxx性猛交bbbb| 精品久久久久久电影网| 欧美精品高潮呻吟av久久| 天美传媒精品一区二区| 日韩成人伦理影院| 美女福利国产在线| 亚洲第一区二区三区不卡| 日本黄色片子视频| 免费观看a级毛片全部| 久久久国产欧美日韩av| 久久久久久久久大av| 香蕉精品网在线| 少妇的逼好多水| 九九爱精品视频在线观看| 久久ye,这里只有精品| kizo精华| 久久国内精品自在自线图片| 久久久国产精品麻豆| 一边摸一边做爽爽视频免费| 国产精品成人在线| 欧美精品高潮呻吟av久久| 97在线视频观看| 久久女婷五月综合色啪小说| 久久午夜福利片| 欧美最新免费一区二区三区| 人妻系列 视频| 一区二区三区精品91| 日本欧美视频一区| 伦理电影免费视频| 最近中文字幕2019免费版| 女性被躁到高潮视频| 亚洲av成人精品一二三区| 亚洲精品一区蜜桃| 9色porny在线观看| 女人久久www免费人成看片| 99热全是精品| 五月伊人婷婷丁香| 国产午夜精品一二区理论片| 成人18禁高潮啪啪吃奶动态图 | 久久久国产一区二区| 亚洲人成网站在线观看播放| 中文字幕精品免费在线观看视频 | 亚洲美女黄色视频免费看| 日本欧美视频一区| 高清av免费在线| 黑丝袜美女国产一区| 在线 av 中文字幕| 少妇人妻 视频| 亚洲av成人精品一区久久| 久久精品久久精品一区二区三区| 精品国产一区二区三区久久久樱花| 在线观看美女被高潮喷水网站| 欧美最新免费一区二区三区| 狂野欧美白嫩少妇大欣赏| 国产一区二区在线观看日韩| 蜜桃在线观看..| 国产综合精华液| 两个人的视频大全免费| 午夜激情av网站|