• <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 ?

    基于滴水原理的關聯(lián)聚類算法*

    2018-06-19 06:11:00華佳林
    計算機與生活 2018年6期
    關鍵詞:滴水關聯(lián)權重

    華佳林,于 劍

    1.北京交通大學 計算機與信息技術學院,北京 100044

    2.交通數(shù)據(jù)分析與挖掘北京市重點實驗室,北京 100044

    1 引言

    聚類[1]是數(shù)據(jù)挖掘和機器學習中一個重要的問題,它根據(jù)某些標準將沒有標定的數(shù)據(jù)分割到不同的類中。通常要進行聚類的數(shù)據(jù)以兩種形式呈現(xiàn)[2]:特征向量或相似(相異)性矩陣。大多數(shù)的聚類算法采用特征向量作為輸入,這種類型的聚類算法已有大量的文獻進行研究[3]。這些研究主要集中在特征提取[4-7]和聚類方法[8-13]上,它們通常需要事先知道某些重要的參數(shù),比如聚類的個數(shù)。

    關聯(lián)聚類[14]是另外一種形式的聚類問題,算法輸入是一個有符號圖,圖中節(jié)點表示數(shù)據(jù),節(jié)點之間由有符號邊連接,即正邊和負邊。這種有符號圖能夠很好地表達現(xiàn)實世界中的很多場景,比如對象之間的相似/不相似、朋友/敵人、喜歡/不喜歡等。數(shù)據(jù)之間的邊可以加上一個權重來表示正或負關系的程度。關聯(lián)聚類的目的是使得在同一個類中的點盡可能由正邊連接,而不同類中的點盡可能由負邊連接。在關聯(lián)聚類中不事先設定聚類的個數(shù),而是完全由數(shù)據(jù)的內在結構所決定。

    本文的主要貢獻如下:

    (1)提出了一種基于滴水原理的大規(guī)模有符號圖收縮的方法(correlation clustering based on drop of water principle,CCDWP),基于該方法所得到的新的有符號圖能極大地降低問題的規(guī)模。

    (2)基于新的有符號圖提出了一個關聯(lián)聚類算法,算法基于圖的內在結構,使用整數(shù)線性規(guī)化來對局部的點進行劃分。

    (3)提出的算法既保證了結果的精確性,又能夠處理大規(guī)模有符號圖。

    (4)應用不同數(shù)據(jù)集的實驗結果表明了本文提出的關聯(lián)聚類算法的有效性。

    2 相關工作

    對于圖中點的劃分通常在社交媒體數(shù)據(jù)挖掘中被定義為社區(qū)發(fā)現(xiàn)而進行研究。通常的社區(qū)發(fā)現(xiàn)任務要處理的圖并不考慮邊的符號,對于結果的要求是社區(qū)(聚類)內部邊的密度較大,社區(qū)之間邊的密度較小。

    關聯(lián)聚類的任務包括兩種情況:第一種追求最大一致性,所謂的一致性指類內正邊和類間負邊;第二種追求最小不一致性,所謂的不一致性指類內負邊和類間正邊。無論哪種情況都被證明是NP-hard問題[14]。通常的方法基于求解最小不一致性。

    對于關聯(lián)聚類的求解,一個自然的方法是將其表示成整數(shù)線性規(guī)化(integer linear programming,ILP)問題:

    其中,w+ij和w-ij分別表示邊(i,j)的正權重或負權重;xij=0表示將點i和j指派到同一個類中,xij=1表示將點i和j指派到不同的類中。約束條件xij+xjk≥xik是為了防止結果中出現(xiàn)不一致的情況,比如xij=xjk=0,xik=1。但是ILP通常只能處理一兩百個點的網絡,面對更大的網絡時,時間的消耗讓人難以接受。很多研究將ILP中的變量xij∈{0,1}松弛到[0,1]中,從而轉化成線性規(guī)化(linear programming,LP)問題。對于新的變量的不同處理方式產生了不同的關聯(lián)聚類算法[15-18]。文獻[17-18]將xij看成是點之間的距離。文獻[17]將距離小于閾值的兩個點指派到同一個類中;而文獻[18]每次從任意一個點出發(fā)構造了一個球,凡是被球所包圍的點都與球心在同一個類中(稱為Ball-algorithm)。而文獻[16]將關聯(lián)聚類問題和聚類集成問題看成是同一個問題來進行研究,同時基于文獻[17]繼續(xù)研究如何取得更好的閾值。而文獻[15]則將1-xij看成點i和j在同一個類中的概率,當這個概率大于0.5時將對應的兩個點指派到同一個類中(稱為Pivot-algorithm)。Ball-algorithm和Pivot-algorithm是經典的關聯(lián)聚類算法。文獻[21]首先使用Fusion-Move的方法收縮有符號圖,在降低數(shù)據(jù)的規(guī)模后再使用傳統(tǒng)的關聯(lián)聚類算法(文中使用Pivot-algorithm)處理新的規(guī)模更小的圖。文獻[22]證明了關聯(lián)聚類問題如果按照最小不一致性來求解時與Multicut問題等價。

    由于表達式(1)中的變量xij不是直接的類標,有些約束并沒有考慮在其中,比如xii=0,導致基于LP的關聯(lián)聚類算法得到的結果往往精度不高。因此在文獻[17,19-20]中半正定優(yōu)化(semi-definite positive,SDP)被引入來求解關聯(lián)聚類問題。變量xij被重新定義為對應兩個點的類標向量的內積。所謂的類標向量,比如第i個點的類標向量表示點i被指派到第k個類中,而xij=ind(i)?ind(j)。顯然矩陣X=(xij)是半正定的。文獻[19-20]構建下列半正定模型:

    分水嶺(watersheds)算法最早被用來進行梯度圖像的分割。對于一個梯度圖像根據(jù)滴水原理(drop of water principle)可以構造出圖像的分水嶺,一個積水盆地(catchment basin)即是圖像的一個分割。

    本文提出的關聯(lián)聚類算法借用分水嶺算法的思路,首先對符號圖中的點按照正度從高到低進行排序,每次對度最高的點按照正權重降低最慢尋找路徑,將每個路徑中的點合并成一個新的點,從而收縮圖的規(guī)模。在收縮的圖上選出重要的點,利用ILP來判斷這些點和周圍點之間的合并或分割關系,從而最終得到聚類結果。

    3 基于滴水原理的符號圖收縮

    下面主要介紹如何借鑒滴水原理的思路來收縮大規(guī)模有符號圖。

    3.1 滴水原理基本定義

    滴水原理在機器學習中常被用來進行圖像分割處理。所謂的滴水原理是指當水從高處往下滴落時會沿著滴落速度最快的路徑下落。在基于分水嶺的圖像分割中,滴落路徑構成分水嶺,從而對圖像進行分割。

    3.2 基于滴水原理的有符號圖收縮

    在關聯(lián)聚類中,圖中的點從聚類的意義上看重要性并不一致,其中的正度比較大的點更容易形成聚類,這些點從某種意義上可以看成聚類的原型(prototypes),因此本文從重要的點(即正度比較大的點,記為i)開始,首先將與i有正邊連接的點(記為j)看作候選點,如果邊(i,j)的權重是點j所有的邊中權重最大的,則將i與j合并,找出所有這樣的j(記為j1,j2,…,jk),這些點都與i合并成一個新的點(新點還是記為i)。記I={i,j1,j2,…,jk},任何兩個端點都在I中的邊直接刪除,而一個點在I中另一個不在其中的邊都合并成與i相連的邊,邊的權重是原來邊的權重相加。作者先前研究過按這種方式減小有符號圖的規(guī)模的關聯(lián)聚類算法并取得了不錯的效果,現(xiàn)在將進一步減小圖的規(guī)模。

    基于滴水原理的有符號圖收縮來自這樣的一個直覺:從度較大的點出發(fā),尋找一個正權重變化最小的路徑,則路徑上的點以極大的可能性屬于同一個類。因此繼續(xù)從j出發(fā),尋找與j有正邊連接的點(記為l),如果l與j之間的邊的權重是l的所有正邊中權重最大的,則將l也加入集合I;接下來繼續(xù)從l出發(fā)按照上面的邏輯繼續(xù)往下尋找合適的點并入I,直到不能繼續(xù)往下搜索則終止。本文以一個隨機產生的有符號圖來說明。如圖1所示,圖1(a)是原始的有符號圖,圖中實線表示正邊,虛線表示負邊,邊上的數(shù)字表示權重,邊的粗細與權重匹配。進行簡單的統(tǒng)計就可以知道圖中的點4、15和24是比較重要的點,這幾個點以極大的概率稱為類原型。首先從4開始遍歷,可以看到點3、5、8、9和12與4之間的邊是其最大權重正邊,因此I={3,4,5,8,9,12}。繼續(xù)從I中的點出發(fā),比如從3開始,發(fā)現(xiàn)2與3之間的邊是2的所有正邊中權重最大的邊,因此將2并入集合I,對I中其他點進行類似的處理,最終可以得到I={1,2,3,4,5,6,7,8,9,10,11,12,13}。接下來分別從15和24出發(fā)進行類似的操作,最終形成圖1(b)中所示的3個分割,每個分割是新的有符號圖中的一個點,這3個點之間是合并還是分割可以轉化成式(1)所示的ILP問題而獲得最佳解,從而形成最終的聚類結果。上面從點i出發(fā)構造集合I的過程實際上就是從點i出發(fā)沿正邊尋找權重變化最小的路徑,然后將這條路徑上的所有點合并成一個點,這個過程類似于滴水時的情形。

    4 基于滴水原理的關聯(lián)聚類算法

    下面給出詳細的算法過程。

    算法1基于滴水原理的關聯(lián)聚類算法(CCDWP)

    輸入:有符號圖G=(V,E,W),其中V是頂點集合,E是邊集合,W是邊的權重集合。

    輸出:聚類結果。

    (1)對圖中點按照正邊度進行排序,對于正度最高的點i1,將所有與i1有正邊連接且該正邊是其所有邊中權重最大的點與i1合并,產生集合I1。

    (2)對集合I1中除i1之外的點沿正邊尋找權重變化最小的路徑,將這些路徑中的點合并變成圖中一個新的點,將原來的邊進行合并產生新的邊,兩個端點都在I1中的邊直接刪除。

    (3)將所有I1中的點、所有內部的邊及所有一個端點在I1中的邊及其對應的另一個端點從原來的圖中刪除,對剩下的圖繼續(xù)執(zhí)行(1)和(2),直到不能找到新的點。

    (4)記Θ={I1,I2,…,IN}為按照(1)~(3)所找到的N個集合,則可以得到一個收縮的有符號圖G′=(V′,E′,W′),其中

    (5)每次從Θ中的一個集合出發(fā),比如Ij,尋找所有Ij的鄰居,然后按照式(1)來計算它們之間合并與否,對于不能合并的點將其作為一個新的類原型加入Θ中。繼續(xù)這個過程直到所有的點都已處理完畢,這樣得到的Θ即為最終的聚類結果。

    在算法CCDWP中有幾個地方需要聲明:第一是在第(4)步中得到了N個集合,每個集合都看作是一個類原型,但是要注意的是N并不是人們認為的類個數(shù),因為可能存在多原型的情形。另外在第(5)步中要使用到ILP,其效率比較低,通常只能處理規(guī)模為幾百個點的圖。因此如果Ij的鄰居比較多,可能會產生超出ILP處理能力的情況。在實驗中發(fā)現(xiàn),大多數(shù)情形下鄰居個數(shù)不會超出ILP的處理范圍,而如果超出了ILP的處理范圍的話也很容易處理,只需要設置一個閾值T(比如取T=200),當鄰居數(shù)超過T的時候,將這些鄰居與Ij之間的邊的權重從大到小進行排序,ILP只處理前T個鄰居,至于其他點則在以后的優(yōu)化中再進行處理。這樣做對于最終的聚類結果并不會產生影響,而僅僅是稍微降低了算法的速度。

    Fig.1 Original signed graph and three clusters圖1 原始的符號圖和形成的3個類

    接下來以一個實例來詳細說明算法的過程。在圖2(a)所示的圖中根據(jù)點的正度從高到底排序可以得到3個重要的點4、15和24。因此分布從這3個點出發(fā)按照滴水原理尋找正權重變化最小的路徑。分別可以找到如下所示的路徑:即圖2(b)中陰影所示的部分。在這個過程中要注意選中的點所對應的邊一定是權重最大的邊,比如在路徑4→3→2中,路徑在點2即停止而沒有再走下去,因為邊(1,2)對應的邊不是點1所有的邊中權重最大的邊,所以即使最后的結果是1和2同屬一個類,但是為保證算法精度而不會將1納入。這樣就得到3個小的團體,將其作為3個類原型,將這些團體中的點合并成一個點,點的標示分別是4、15、24,將每個團體內部的邊直接取消,外部的邊進行合并,從而得到一個收縮的新的有符號圖,如圖2(c)所示??梢钥吹叫碌膱D較原來的圖的規(guī)模大為縮小。接下來基于新的圖繼續(xù)進行處理。對于剩下的點,比如點1,發(fā)現(xiàn)其與33、4和15有連接,這些點之間的合并或分割的關系可以表示成式(1)的ILP問題,由于問題規(guī)模很小,可以快速進行求解。最終得到如圖2(d)所示的聚類結果。

    Fig.2 Procedure of CCDWP圖2CCDWP算法過程

    5 實驗與結果

    本文在人工數(shù)據(jù)和真實數(shù)據(jù)上測試算法CCDWP的有效性,并將CCDWP與Ball-algorithm[18]、Pivotalgorithm[15]、FusionCC[21]算法進行對比測試。

    5.1 人工數(shù)據(jù)實驗

    首先設計了一個生成人工有符號圖數(shù)據(jù)的算法,如算法2所示。

    算法2產生有符號圖

    輸入:點個數(shù)ND,類個數(shù)k,類內正邊概率p,類內負邊概率w,類間正邊概率e,類間負邊概率q。

    輸出:有符號圖。

    隨機產生ND個點,并隨機分配到k個類中。

    在實驗中讓產生的邊的權重分布在-5到5之間,然后在同種參數(shù)下產生10個隨機數(shù)據(jù)運行4個算法,記錄每次每個算法所產生的不一致性的數(shù)量。實驗結果如圖3所示。圖中縱坐標表示算法結果的不一致性數(shù)量D,值越小表示算法越優(yōu)。橫坐標中的10個點表示10個隨機產生的人工有符號圖。圖3(a)、(b)、(c)和(d)分別是在60個點、100個點、150個點和200個點的設置下產生的隨機圖。Ball-algorithm和Pivot-algorithm這兩個傳統(tǒng)的關聯(lián)聚類算法,在人工數(shù)據(jù)上的實驗結果與先前的研究結果一致:Ballalgorithm的結果要劣于Pivot-algorithm。FusionCC算法也是一種基于收縮的算法,毋庸置疑的是它的效果確實較以前的算法有很大的提高,但對于收縮之后所產生的新圖其仍然是使用傳統(tǒng)的關聯(lián)聚類算法,比如Pivot-algorithm,也就是基于將ILP松弛為LP的優(yōu)化方法。而CCDWP算法則謹慎地將圖更大規(guī)模地進行收縮,對于收縮之后的圖采取局部ILP優(yōu)化的方法求解結果,算法沒有采用降低算法精度的松弛方法,因此算法的效果要更優(yōu)越,實驗結果完全證明了這一點。在圖3(a)中,圖的規(guī)模較小,因此FusionCC和CCDWP算法對于圖的收縮空間較小,同時ILP和LP的效果也相差不大??梢钥吹?,10個隨機圖中有4個FusionCC的不一致性數(shù)量小于CCDWP,有4個CCDWP的不一致性數(shù)量小于FusionCC,另外兩個則幾乎一致。但是隨著圖的規(guī)模的增大,CCDWP算法中圖收縮方法的優(yōu)越性則越來越明顯,同時局部的ILP比LP也更精確,因此在圖3(b)、(c)和(d)中CCDWP算法都求得了最小的不一致性數(shù)量。

    Fig.3 Experiments on synthetic data圖3 人工數(shù)據(jù)實驗結果

    5.2 真實數(shù)據(jù)實驗

    本文在真實數(shù)據(jù)上繼續(xù)驗證CCDWP算法的效果。首先在兩個小的有符號網絡上驗證CCDWP算法,這兩個網絡分別是Gahuku-Gama Subtribes(GGS)網絡[23]和 Slovene Parliamentary Party(SPP)網絡[24]。GGS網絡表示的是16個部落之間的友好(正邊)或敵對(負邊)的關系。SPP網絡表示的是斯洛文尼亞國會政黨之間政治理念相似(正邊)或不相似(負邊)。CCDWP算法在這兩個數(shù)據(jù)集上得到的結果如圖4和圖5所示,以不同的顏色表示不同的聚類。顯而易見本文算法在GGS和SPP兩個數(shù)據(jù)集上都給出了擁有最小不一致性的結果。

    Fig.4 Clustering result of GGS圖4GGS的聚類

    Fig.5 Clustering result of SPP圖5 SPP的聚類結果

    接下來繼續(xù)在更大規(guī)模的真實數(shù)據(jù)上驗證CCDWP算法。這些數(shù)據(jù)包括Epidermal Growth Factor Receptor pathway network(EGFR)[25]、Macrophage network(Macrophage)[26]、Yeast network(Yeast)[27]、Gene regulatory network of the Escherichia Coli(Ecoli)[28]、voting network of Wikipedia[32],統(tǒng)計信息如表1所示,其中“#A”表示A的數(shù)量,比如#Vertice表示點的數(shù)量,E+和E-表示正邊和負邊。原始的Wikipedia數(shù)據(jù)是有向圖,將其轉化成無向圖并按照下面的公式計算邊的權重:

    即如果原來i和j相互信任,則對應的邊的權重為2,如果原來相互不信任,則對應的邊的權重為-2,如果原來一個信任對方但對方不信任他,則權重為0,即沒有邊。

    Table 1 Information of 5 real data sets表1 5個真實數(shù)據(jù)集信息

    由于Ball-algorithm和Pivot-algorithm無法運行較大規(guī)模的數(shù)據(jù),本文只對比測試了FusionCC算法和CCDWP算法,比較這兩個算法給出的結果的不一致性數(shù)量,如表2所示,其中“X”表示沒有結果。從真實數(shù)據(jù)的結果上看,兩個算法的效果與前面人工數(shù)據(jù)上的效果類似,即當數(shù)據(jù)的規(guī)模不大,邊非常稀疏時,CCDWP算法與FusionCC算法各有所長,算法的效果在一定程度上與數(shù)據(jù)的結果有關系。在5個數(shù)據(jù)集中,本文算法在EGFR和Ecoli上取得了更好的效果,在Macrophage和Yeast上兩個算法取得的結果差別很小。而CCDWP算法最大的一個優(yōu)勢在于能夠處理大規(guī)模的數(shù)據(jù)集。在運行Wikipedia數(shù)據(jù)集時,由于圖的規(guī)模太大,即使在收縮之后的圖上面FusionCC算法仍然難以運行。CCDWP算法則不存在這樣的問題,仍然能夠執(zhí)行算法過程。

    Table 2 Results of FusionCC and CCDWPin 5 real data sets表2FusionCC和CCDWP算法在5個真實數(shù)據(jù)集上的結果

    6 總結

    本文提出了一種基于滴水原理的關聯(lián)聚類算法CCDWP。CCDWP算法根據(jù)滴水原理來搜索有符號圖,將其中最有可能的路徑上的點進行收縮,從而大大減小了數(shù)據(jù)規(guī)模并得到類原型。同時,本文通過巧妙地在局部執(zhí)行ILP,將可能的點逐步合并到類原型中得到聚類結果。實驗結果表明,本文提出的關聯(lián)聚類算法在準確度和效率方面優(yōu)于許多已有的關聯(lián)聚類算法,因此本文算法是可行且高效的。

    :

    [1]Alpaydin E.Introduction to machine learning[M].Cambridge:MIT Press,2014.

    [2]Yu Jian.Generalized categorization axioms[J].CoRR abs/1503.09082,2015.

    [3]Xu Rui,Wunsch D C.Survey of clustering algorithms[J].IEEE Transactions on Neural Networks,2005,16(3):645-678.

    [4]Wold S,Esbensen K,Geladi P.Principal component analysis[J].Chemometrics&Intelligent Laboratory Systems,1987,2(1/3):37-52.

    [5]Jain A K,Duin R P W,Mao Jianchang.Statistical pattern recognition:a review[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(1):4-37.

    [6]Hyv?rinen A.Survey on independent component analysis[J].Neural Computing Surveys,1999,2(7):1527-1558.

    [7]Young F W,Hamer R M.Multidimensional scaling:history,theory,and applications[M].Hillsdale:Lawrence Erlbaum Associates,1987.

    [8]Jain A K,Dubes R C.Algorithms for clustering data[M].Upper Saddle River:Prentice-Hall,1988.

    [9]Jain A K,Murty M N,Flynn P J.Data clustering:a review[J].ACM Computing Surveys,1999,31(3):264-323.

    [10]Rodriguez A,Laio A.Clustering by fast search and find of density peaks[J].Science,2014,344(6191):1492-1496.

    [11]Jain A K.Data clustering:50 years beyondK-means[J].Pattern Recognition Letters,2010,31(8):651-666.

    [12]Luxburg V.A tutorial on spectral clustering[J].Statistics and Computing,2007,17(4):395-416.

    [13]Parsons L,Haque E,Liu Huan.Subspace clustering for high dimensional data:a review[J].ACM SIGKDD Explorations Newsletter,2004,6(1):90-105.

    [14]Bansal N,Blum A,Chawla S.Correlation clustering[J].Machine Learning,2004,56(1/3):89-113.

    [15]Ailon N,Charikar M,Newman A.Aggregating inconsistent information:ranking and clustering[J].Journal of the ACM,2008,55(5):23.

    [16]Gionis A,Mannila H,Tsaparas P.Clustering aggregation[J].ACM Transactions on Knowledge Discovery from Data,2007,1(1):4.

    [17]Charikar M,Guruswami V,WirthA.Clustering with qualitative information[C]//Proceedings of the 44th Symposium on Foundations of Computer Science,Cambridge,Oct 11-14,2003.Washington:IEEE Computer Society,2003:524-533.

    [18]Demaine E E,Immorlica N.Correlation clustering with partial information[C]//LNCS 2764:Proceedings of the 6th International Workshop on Approximation Algorithms for Combinatorial Optimization Problem and 7th International Workshop on Randomization and Approximation Techniques in Computer Science,Princeton,Aug 24-26,2003:1-13.

    [19]Elsner M,Schudy W.Bounding and comparing methods for correlation clustering beyond ILP[C]//Proceedings of the Workshop on Integer Linear Programming for Natural Language Processing,Boulder,2009.Stroudsburg:ACL,2009:19-27.

    [20]Mathieu C,Schudy W.Correlation clustering with noisy input[C]//Proceedings of the 21st Annual ACM-SIAM Symposium on Discrete Algorithms,Austin,Jan 17-19,2010.Philadelphia:SIAM,2010:712-728.

    [21]Beier T,Hamprecht F A,Kappes J H.Fusion moves for correlation clustering[C]//Proceedings of the 2015 IEEE Conference on Computer Vision and Pattern Recognition,Bos-ton,Jun 7-12,2015.Washington:IEEE Computer Society,2015:3507-3516.

    [22]Emanuel D,Fiat A.Correlation clustering—minimizing disagreements on arbitrary weighted graphs[C]//LNCS 2832:Proceedings of the 11th Annual European Symposium on Algorithms,Budapest,Sep 16-19,2003.Berlin,Heidelberg:Springer,2003:208-220.

    [23]Read K E.Cultures of the central highlands,new guinea[J].Southwestern Journal ofAnthropology,1954,10(1):1-43.

    [24]Doreian P,Mrvar A.A partitioning approach to structural balance[J].Social Networks,1996,18(2):149-168.

    [25]Oda K,Matsuoka Y,Funahashi A,et al.A comprehensive pathway map of epidermal growth factor receptor signaling[J].Molecular Systems Biology,2005.

    [26]Oda K,Kimura T,Matsuoka Y,et al.Molecular interaction map of a macrophage[J].AfCS Research Reports,2004,2(14):1-12.

    [27]Milo R,Shen-Orr S,Itzkovitz S,et al.Network motifs:simple building blocks of complex networks[J].Science,2002,298:824-827.

    [28]Salgado H,Gama-Castro S,Peralta-Gil M,et al.RegulonDB(version 5.0):Escherichia coli K-12 transcriptional regulatory network,operon organization,and growth conditions[J].NucleicAcids Research,2006,34(D):394-397.

    猜你喜歡
    滴水關聯(lián)權重
    權重常思“浮名輕”
    當代陜西(2020年17期)2020-10-28 08:18:18
    有趣的滴水實驗
    “一帶一路”遞進,關聯(lián)民生更緊
    當代陜西(2019年15期)2019-09-02 01:52:00
    為黨督政勤履職 代民行權重擔當
    人大建設(2018年5期)2018-08-16 07:09:00
    奇趣搭配
    基于公約式權重的截短線性分組碼盲識別方法
    電信科學(2017年6期)2017-07-01 15:44:57
    智趣
    讀者(2017年5期)2017-02-15 18:04:18
    滴水能涌泉
    滴水藏海
    山東青年(2016年1期)2016-02-28 14:26:30
    新材料可真正做到“滴水不沾”
    亚洲av男天堂| 国产日韩欧美在线精品| 亚洲经典国产精华液单| 汤姆久久久久久久影院中文字幕 | 在线免费观看的www视频| 深爱激情五月婷婷| 国产视频内射| 国产又黄又爽又无遮挡在线| 麻豆成人av视频| 精品一区二区三区人妻视频| 26uuu在线亚洲综合色| 日韩精品有码人妻一区| 两个人视频免费观看高清| 毛片女人毛片| 免费看av在线观看网站| av在线老鸭窝| 国产熟女欧美一区二区| 欧美日韩在线观看h| 亚洲av福利一区| 久久韩国三级中文字幕| 久久精品国产亚洲网站| 99久久成人亚洲精品观看| 九草在线视频观看| 自拍偷自拍亚洲精品老妇| 日韩大片免费观看网站 | 99热这里只有是精品在线观看| 亚洲av电影不卡..在线观看| 乱码一卡2卡4卡精品| 人人妻人人澡人人爽人人夜夜 | 三级国产精品欧美在线观看| 亚洲精品亚洲一区二区| 国产一区二区在线观看日韩| 18禁在线播放成人免费| 老司机影院成人| 久久人妻av系列| 不卡视频在线观看欧美| 国产极品天堂在线| 国产黄片视频在线免费观看| 啦啦啦啦在线视频资源| av专区在线播放| 精品一区二区三区人妻视频| 精品久久久久久电影网 | 国产精品1区2区在线观看.| 亚洲激情五月婷婷啪啪| 国产精品一及| 欧美xxxx黑人xx丫x性爽| 国产视频内射| 联通29元200g的流量卡| 欧美一区二区精品小视频在线| 亚洲怡红院男人天堂| 日日摸夜夜添夜夜爱| 三级毛片av免费| 国产综合懂色| 久久鲁丝午夜福利片| 亚洲成人精品中文字幕电影| 久久久久久大精品| 国产成人aa在线观看| 天堂网av新在线| 黄色日韩在线| 男女下面进入的视频免费午夜| 男女边吃奶边做爰视频| 51国产日韩欧美| av在线老鸭窝| 成年女人看的毛片在线观看| 国产一区亚洲一区在线观看| 一级毛片我不卡| 极品教师在线视频| 国产v大片淫在线免费观看| 色尼玛亚洲综合影院| av在线亚洲专区| 中文天堂在线官网| 亚洲精品aⅴ在线观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 女人久久www免费人成看片 | 69av精品久久久久久| 国产精品久久久久久久久免| 看免费成人av毛片| 亚洲精品日韩在线中文字幕| 免费观看性生交大片5| 国产中年淑女户外野战色| 久久人妻av系列| 午夜福利在线观看免费完整高清在| 热99在线观看视频| 欧美激情国产日韩精品一区| 久久亚洲精品不卡| 18禁在线无遮挡免费观看视频| 亚洲国产精品国产精品| 国产精品一区二区三区四区免费观看| 日本五十路高清| 国产高清国产精品国产三级 | 联通29元200g的流量卡| 国产精品福利在线免费观看| 综合色丁香网| 久热久热在线精品观看| 欧美日韩综合久久久久久| 精华霜和精华液先用哪个| av在线天堂中文字幕| 成人二区视频| 久久久欧美国产精品| 1000部很黄的大片| 免费观看人在逋| 久久精品夜色国产| 成人美女网站在线观看视频| 国产极品天堂在线| 午夜亚洲福利在线播放| 欧美丝袜亚洲另类| 亚洲最大成人中文| 亚洲欧洲国产日韩| 久99久视频精品免费| 中文在线观看免费www的网站| 欧美日韩综合久久久久久| 色噜噜av男人的天堂激情| 一个人免费在线观看电影| 99热6这里只有精品| 国产欧美日韩精品一区二区| 亚洲激情五月婷婷啪啪| 欧美性感艳星| 精品人妻一区二区三区麻豆| 波野结衣二区三区在线| 亚洲欧美精品专区久久| 亚洲国产最新在线播放| 国产成人a区在线观看| 日韩欧美 国产精品| 久久久久久久久久黄片| 久久久久网色| 内射极品少妇av片p| 国产精品国产三级专区第一集| 视频中文字幕在线观看| 欧美另类亚洲清纯唯美| 看片在线看免费视频| av在线观看视频网站免费| 国产一区二区亚洲精品在线观看| 国产单亲对白刺激| 一级黄色大片毛片| 亚洲av免费在线观看| 国产成人aa在线观看| 秋霞伦理黄片| 2021天堂中文幕一二区在线观| 亚洲精品国产成人久久av| 免费黄色在线免费观看| 亚洲经典国产精华液单| 国产高清视频在线观看网站| 国产精品久久久久久久久免| 欧美区成人在线视频| 国产一区二区三区av在线| 中文字幕熟女人妻在线| 蜜桃亚洲精品一区二区三区| 成年版毛片免费区| 久久精品综合一区二区三区| 国产美女午夜福利| 不卡视频在线观看欧美| 高清日韩中文字幕在线| 亚洲欧美中文字幕日韩二区| 久久久精品大字幕| 看非洲黑人一级黄片| 成人午夜高清在线视频| 久久精品国产99精品国产亚洲性色| 国产白丝娇喘喷水9色精品| 久久精品夜夜夜夜夜久久蜜豆| 日日摸夜夜添夜夜爱| 久久久a久久爽久久v久久| 在线天堂最新版资源| 我的女老师完整版在线观看| 桃色一区二区三区在线观看| 欧美不卡视频在线免费观看| 日韩大片免费观看网站 | 国产激情偷乱视频一区二区| 永久免费av网站大全| 日本免费a在线| 超碰97精品在线观看| 久久久久久久久久成人| 久久精品影院6| 老司机影院成人| 欧美一级a爱片免费观看看| 欧美日本亚洲视频在线播放| 一个人观看的视频www高清免费观看| 欧美极品一区二区三区四区| 天天躁夜夜躁狠狠久久av| 国国产精品蜜臀av免费| 99久国产av精品| 九九在线视频观看精品| 成年女人永久免费观看视频| 国产单亲对白刺激| 22中文网久久字幕| 最近中文字幕高清免费大全6| 亚洲精品456在线播放app| 熟女电影av网| 一级毛片电影观看 | 九九在线视频观看精品| 欧美性猛交黑人性爽| 麻豆精品久久久久久蜜桃| 女人久久www免费人成看片 | 免费人成在线观看视频色| 欧美激情国产日韩精品一区| 亚洲av男天堂| 在线免费观看不下载黄p国产| 赤兔流量卡办理| 国产乱人视频| 一级毛片我不卡| 国产成人精品一,二区| 纵有疾风起免费观看全集完整版 | 国产精品日韩av在线免费观看| 一级av片app| 欧美不卡视频在线免费观看| 欧美精品国产亚洲| 国产91av在线免费观看| 久久欧美精品欧美久久欧美| 欧美xxxx黑人xx丫x性爽| 久久久久久久久中文| 2021天堂中文幕一二区在线观| 能在线免费看毛片的网站| 天堂网av新在线| 日韩av在线免费看完整版不卡| 国产免费视频播放在线视频 | 国产伦一二天堂av在线观看| 99久久中文字幕三级久久日本| 国产片特级美女逼逼视频| 天天一区二区日本电影三级| 狂野欧美激情性xxxx在线观看| 晚上一个人看的免费电影| 最近中文字幕2019免费版| 日韩三级伦理在线观看| 别揉我奶头 嗯啊视频| av.在线天堂| 亚洲欧洲日产国产| 在线播放国产精品三级| 国产女主播在线喷水免费视频网站 | 汤姆久久久久久久影院中文字幕 | 久久韩国三级中文字幕| 可以在线观看毛片的网站| 寂寞人妻少妇视频99o| 搡老妇女老女人老熟妇| 国产成人精品一,二区| 日本午夜av视频| 男女边吃奶边做爰视频| 啦啦啦啦在线视频资源| 国产老妇女一区| 激情 狠狠 欧美| 国产精品久久久久久久久免| 日本免费一区二区三区高清不卡| 激情 狠狠 欧美| 欧美另类亚洲清纯唯美| 深夜a级毛片| 亚洲国产最新在线播放| 伦精品一区二区三区| 日韩制服骚丝袜av| 日日干狠狠操夜夜爽| 国产色婷婷99| 国产精品福利在线免费观看| 国产精品美女特级片免费视频播放器| 久久久久久久久久久免费av| 国产一区二区亚洲精品在线观看| 精品久久久噜噜| 亚洲精品,欧美精品| 美女cb高潮喷水在线观看| 国产伦精品一区二区三区四那| 国产精品无大码| 好男人在线观看高清免费视频| 日韩欧美在线乱码| 亚州av有码| 少妇熟女欧美另类| 国产成人精品久久久久久| 久久久精品欧美日韩精品| 女人被狂操c到高潮| 三级经典国产精品| 亚洲内射少妇av| 成人国产麻豆网| 国产在视频线精品| 97超碰精品成人国产| 欧美bdsm另类| 免费在线观看成人毛片| 一个人看的www免费观看视频| av在线天堂中文字幕| 在线播放国产精品三级| 国产亚洲5aaaaa淫片| 好男人在线观看高清免费视频| 国产精品99久久久久久久久| 国产视频首页在线观看| 午夜久久久久精精品| 久久精品91蜜桃| 亚洲av电影在线观看一区二区三区 | 亚洲18禁久久av| 韩国高清视频一区二区三区| 成年女人看的毛片在线观看| 久久久久九九精品影院| 亚洲最大成人中文| av在线天堂中文字幕| 亚洲天堂国产精品一区在线| 日韩欧美 国产精品| 国产黄色小视频在线观看| 联通29元200g的流量卡| 99热网站在线观看| 久久久久性生活片| 男的添女的下面高潮视频| 69av精品久久久久久| av在线亚洲专区| 97超视频在线观看视频| 欧美成人免费av一区二区三区| 91午夜精品亚洲一区二区三区| av卡一久久| 欧美日韩国产亚洲二区| 国产精品一及| 亚洲国产成人一精品久久久| 欧美日本亚洲视频在线播放| 日韩亚洲欧美综合| 精品熟女少妇av免费看| 久久6这里有精品| 国产色爽女视频免费观看| 亚洲av成人精品一二三区| 水蜜桃什么品种好| 日韩欧美 国产精品| 国产免费视频播放在线视频 | 欧美最新免费一区二区三区| 免费观看人在逋| 国产成人a区在线观看| www.色视频.com| 建设人人有责人人尽责人人享有的 | 日韩国内少妇激情av| 亚洲欧洲日产国产| 国产色爽女视频免费观看| www.色视频.com| 国产精品一二三区在线看| 在线a可以看的网站| 久久精品久久精品一区二区三区| 国产又色又爽无遮挡免| 久久久精品94久久精品| 亚洲在线观看片| 2021天堂中文幕一二区在线观| 亚洲人与动物交配视频| 天堂中文最新版在线下载 | 日本免费在线观看一区| 国产精华一区二区三区| 国产白丝娇喘喷水9色精品| 国国产精品蜜臀av免费| 国产在线男女| 亚洲熟妇中文字幕五十中出| 中文在线观看免费www的网站| 黄片无遮挡物在线观看| 久久国内精品自在自线图片| 国产免费福利视频在线观看| 欧美成人一区二区免费高清观看| 国内精品一区二区在线观看| 亚洲av一区综合| 国产又色又爽无遮挡免| 99在线人妻在线中文字幕| 中文字幕免费在线视频6| 深夜a级毛片| 成人av在线播放网站| 中文资源天堂在线| 我要搜黄色片| 麻豆一二三区av精品| 亚洲内射少妇av| 日本三级黄在线观看| 永久免费av网站大全| 一本一本综合久久| 国产精品一区二区在线观看99 | 一夜夜www| 免费观看精品视频网站| 亚洲av.av天堂| 国产在线一区二区三区精 | 精品久久久久久久久av| 久久草成人影院| 欧美精品一区二区大全| 日韩欧美精品免费久久| 久久国产乱子免费精品| 免费看av在线观看网站| 久久欧美精品欧美久久欧美| 久久精品久久久久久久性| 国产成人精品久久久久久| 国内精品宾馆在线| 高清午夜精品一区二区三区| av国产久精品久网站免费入址| av在线亚洲专区| 亚洲精品色激情综合| 国产久久久一区二区三区| 久久99精品国语久久久| 国产亚洲一区二区精品| 波多野结衣高清无吗| 国产中年淑女户外野战色| 国产免费一级a男人的天堂| 国模一区二区三区四区视频| 国产老妇女一区| 女人十人毛片免费观看3o分钟| 亚洲国产精品合色在线| 美女xxoo啪啪120秒动态图| 一级毛片aaaaaa免费看小| 日日撸夜夜添| 九九爱精品视频在线观看| 美女大奶头视频| 三级毛片av免费| 国产老妇女一区| 亚洲精品影视一区二区三区av| 国产探花极品一区二区| 69人妻影院| 日韩欧美在线乱码| 偷拍熟女少妇极品色| 中文字幕久久专区| av免费在线看不卡| 中文在线观看免费www的网站| 26uuu在线亚洲综合色| 高清毛片免费看| 亚洲成人中文字幕在线播放| 国产精品久久电影中文字幕| 村上凉子中文字幕在线| 国产精品美女特级片免费视频播放器| 蜜臀久久99精品久久宅男| 亚洲国产色片| 久久久久久九九精品二区国产| 国语对白做爰xxxⅹ性视频网站| 高清午夜精品一区二区三区| 亚洲精品国产av成人精品| 久久鲁丝午夜福利片| 国产成人a∨麻豆精品| 亚洲欧美日韩东京热| 久久6这里有精品| 国产免费男女视频| 国产精品爽爽va在线观看网站| 麻豆一二三区av精品| 中国国产av一级| 91狼人影院| 国产黄片视频在线免费观看| av福利片在线观看| 老司机影院成人| 精品人妻偷拍中文字幕| 国产精品国产三级国产专区5o | 久久精品国产亚洲网站| 免费观看a级毛片全部| 一卡2卡三卡四卡精品乱码亚洲| 亚洲怡红院男人天堂| 丝袜喷水一区| 久久久久久久午夜电影| 欧美高清成人免费视频www| 偷拍熟女少妇极品色| 日韩,欧美,国产一区二区三区 | 免费观看性生交大片5| 国产成人a区在线观看| 亚洲国产欧美在线一区| kizo精华| 色播亚洲综合网| 亚洲成人av在线免费| 欧美成人a在线观看| av.在线天堂| 国产美女午夜福利| 男女啪啪激烈高潮av片| 日本黄色片子视频| 亚洲美女视频黄频| 精品久久久久久成人av| 欧美三级亚洲精品| 国产亚洲精品久久久com| 久久热精品热| 我要搜黄色片| 久久精品国产亚洲av涩爱| 亚洲国产精品成人综合色| 色网站视频免费| 日日干狠狠操夜夜爽| 亚洲色图av天堂| 69人妻影院| 小说图片视频综合网站| 亚洲综合精品二区| 亚洲精品日韩在线中文字幕| 不卡视频在线观看欧美| 观看美女的网站| av在线亚洲专区| 九九热线精品视视频播放| 国产午夜精品一二区理论片| 在线免费观看的www视频| 国产激情偷乱视频一区二区| 欧美性猛交黑人性爽| 特级一级黄色大片| 日本免费a在线| 波野结衣二区三区在线| 亚洲综合精品二区| 日本免费一区二区三区高清不卡| 非洲黑人性xxxx精品又粗又长| 欧美日韩精品成人综合77777| 亚洲一区高清亚洲精品| 国产成人91sexporn| 直男gayav资源| 蜜臀久久99精品久久宅男| 亚洲人成网站在线播| 亚洲精品日韩av片在线观看| 天堂影院成人在线观看| 黑人高潮一二区| 91精品一卡2卡3卡4卡| 一级二级三级毛片免费看| 亚洲av二区三区四区| 国模一区二区三区四区视频| 22中文网久久字幕| 国产视频内射| 久久婷婷人人爽人人干人人爱| 欧美成人午夜免费资源| 一边亲一边摸免费视频| 免费一级毛片在线播放高清视频| 校园人妻丝袜中文字幕| 黄色一级大片看看| 免费观看性生交大片5| 最近最新中文字幕大全电影3| 国产精品久久久久久精品电影| 秋霞在线观看毛片| 日韩精品有码人妻一区| 午夜久久久久精精品| 91久久精品国产一区二区三区| 日韩在线高清观看一区二区三区| 国产免费视频播放在线视频 | 国产精品综合久久久久久久免费| 99在线视频只有这里精品首页| 亚洲乱码一区二区免费版| 麻豆乱淫一区二区| 国产成人91sexporn| 国产91av在线免费观看| 麻豆国产97在线/欧美| 国产激情偷乱视频一区二区| 日本av手机在线免费观看| 麻豆成人av视频| 最近手机中文字幕大全| 日韩欧美 国产精品| 女的被弄到高潮叫床怎么办| 久久99热这里只有精品18| 午夜视频国产福利| 免费大片18禁| 插逼视频在线观看| 成人性生交大片免费视频hd| 日韩中字成人| 国产av一区在线观看免费| 成人特级av手机在线观看| 国产伦理片在线播放av一区| 男人的好看免费观看在线视频| 久久精品91蜜桃| 啦啦啦啦在线视频资源| 26uuu在线亚洲综合色| 成人一区二区视频在线观看| 国产精品爽爽va在线观看网站| 国产精品一区二区在线观看99 | 一区二区三区乱码不卡18| 久久久亚洲精品成人影院| 久久人人爽人人片av| 久久久久久伊人网av| 日韩中字成人| 可以在线观看毛片的网站| 一二三四中文在线观看免费高清| 中文天堂在线官网| 国产久久久一区二区三区| 九九热线精品视视频播放| 老司机影院毛片| 日韩亚洲欧美综合| 国产午夜精品久久久久久一区二区三区| 国产精品久久久久久久久免| 久久久久久伊人网av| 免费av观看视频| 国产高清有码在线观看视频| 国产高潮美女av| 精品无人区乱码1区二区| 国产精品久久久久久精品电影| 黄色欧美视频在线观看| 搡老妇女老女人老熟妇| 亚洲成人av在线免费| 青春草国产在线视频| 亚洲成人中文字幕在线播放| 99热精品在线国产| 18禁在线播放成人免费| 午夜福利在线观看免费完整高清在| 国产黄色视频一区二区在线观看 | 桃色一区二区三区在线观看| 亚洲精品,欧美精品| 精品99又大又爽又粗少妇毛片| 最新中文字幕久久久久| 人人妻人人看人人澡| 欧美性感艳星| 免费av不卡在线播放| 岛国在线免费视频观看| av福利片在线观看| 午夜精品在线福利| 国产不卡一卡二| 十八禁国产超污无遮挡网站| 久久精品久久精品一区二区三区| 色网站视频免费| 欧美3d第一页| 久久人人爽人人爽人人片va| 国产精品不卡视频一区二区| 久久久久九九精品影院| 国产爱豆传媒在线观看| 亚洲人成网站在线播| 少妇的逼好多水| 熟妇人妻久久中文字幕3abv| 国产淫片久久久久久久久| 国产三级在线视频| 精品久久久噜噜| 嫩草影院精品99| 亚洲中文字幕一区二区三区有码在线看| 在线免费观看不下载黄p国产| 最近最新中文字幕免费大全7| 久久这里有精品视频免费| 亚洲国产最新在线播放| 国产乱人视频| 十八禁国产超污无遮挡网站| 亚洲最大成人av| 国产成人精品久久久久久| 国产精品一二三区在线看| 国产亚洲91精品色在线| 国产伦一二天堂av在线观看| av女优亚洲男人天堂| 国产亚洲5aaaaa淫片| 精品久久久噜噜| 偷拍熟女少妇极品色| 亚洲国产精品合色在线| 日韩亚洲欧美综合| 亚洲精品aⅴ在线观看| 精品久久久久久久久久久久久| 九色成人免费人妻av| 看十八女毛片水多多多| 建设人人有责人人尽责人人享有的 | 欧美日韩综合久久久久久| 久久久久性生活片| 亚洲熟妇中文字幕五十中出| 夫妻性生交免费视频一级片|