• <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 ?

    利用先驗(yàn)正態(tài)分布的貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)

    2018-10-15 09:42:54柴慧敏趙昀瑤
    關(guān)鍵詞:散度均勻分布先驗(yàn)

    柴慧敏, 趙昀瑤, 方 敏

    (西安電子科技大學(xué)計(jì)算機(jī)學(xué)院, 陜西 西安 710071)

    0 引 言

    貝葉斯網(wǎng)絡(luò)(Bayesian networks, BNs)是將概率理論和圖論相結(jié)合的不確定性知識(shí)推理網(wǎng)絡(luò),對(duì)非精確知識(shí)表達(dá)方面具有較強(qiáng)的能力[1-2]。BNs可應(yīng)用于一些復(fù)雜系統(tǒng)的建模,如已成功地應(yīng)用于故障診斷[3-4]、圖像處理[5-6]、網(wǎng)絡(luò)安全[7-8]、態(tài)勢(shì)預(yù)測(cè)[9-10]等領(lǐng)域。

    一個(gè)BNs由兩部分構(gòu)成:一是BNs結(jié)構(gòu),為有向非循環(huán)圖,表示了節(jié)點(diǎn)(變量)之間的依賴和獨(dú)立關(guān)系;二是網(wǎng)絡(luò)參數(shù),為各個(gè)節(jié)點(diǎn)條件概率參數(shù)的集合,是對(duì)節(jié)點(diǎn)間依賴關(guān)系的定量表示。在網(wǎng)絡(luò)結(jié)構(gòu)確定的情況下,如何確定正確的網(wǎng)絡(luò)參數(shù),即網(wǎng)絡(luò)參數(shù)學(xué)習(xí),是BNs應(yīng)用過程中的重要問題之一。

    在一些實(shí)際的應(yīng)用中,如:故障診斷系統(tǒng)、戰(zhàn)場(chǎng)態(tài)勢(shì)評(píng)估中,樣本數(shù)據(jù)很難獲得,可能僅得到樣本量小或者數(shù)據(jù)不完整的樣本集。對(duì)于這樣的問題,一些研究人員提出在進(jìn)行參數(shù)學(xué)習(xí)時(shí),融入專家針對(duì)參數(shù)的先驗(yàn)知識(shí),以提高參數(shù)學(xué)習(xí)精度。這一過程也可視為在參數(shù)學(xué)習(xí)過程中加入約束條件[11]。

    目前,針對(duì)參數(shù)的范圍約束、單調(diào)性約束等討論得較多,主要的解決方法有:文獻(xiàn)[12-14]提出通過建立基于凸約束的目標(biāo)優(yōu)化模型進(jìn)行求解;文獻(xiàn)[15]依據(jù)約束構(gòu)建罰項(xiàng)函數(shù),通過降梯度法求解目標(biāo)函數(shù)的最優(yōu)解,以獲得參數(shù)值;文獻(xiàn)[16-17]利用約束條件和蒙特卡羅抽樣方法,獲取表示先驗(yàn)Dirichlet分布的超參數(shù),再結(jié)合樣本數(shù)據(jù)進(jìn)行參數(shù)估計(jì);文獻(xiàn)[18-20]采用引入輔助BNs,完成約束條件下的BNs參數(shù)學(xué)習(xí);文獻(xiàn)[21]將先驗(yàn)約束融入BNs的表示框架中,進(jìn)行混合BNs的參數(shù)學(xué)習(xí);文獻(xiàn)[22]在具有一定關(guān)聯(lián)關(guān)系的樣本數(shù)據(jù)之間添加約束條件,用于不完整數(shù)據(jù)集下的BNs參數(shù)學(xué)習(xí)。文獻(xiàn)[23-24]給出了單調(diào)性約束(也稱序約束)的解決方法,采用均勻分布來表示序約束,然后采用貝葉斯估計(jì)法進(jìn)行參數(shù)估計(jì)。

    而參數(shù)的近似等式約束也是一種較常見的專家先驗(yàn)知識(shí),例如:如果A發(fā)生,則B發(fā)生的可能性0.8,可得B參數(shù)的近似取值的先驗(yàn)知識(shí):P(B=true|A=true)=0.8。針對(duì)這一類約束,本文提出采用正態(tài)分布對(duì)該類約束進(jìn)行表示,得到先驗(yàn)正態(tài)分布;然后通過目標(biāo)優(yōu)化獲取先驗(yàn)Dirichlet分布的超參數(shù),采用貝葉斯最大后驗(yàn)概率(maximum a posteriori,MAP)估計(jì)方法計(jì)算網(wǎng)絡(luò)參數(shù)值。

    1 貝葉斯網(wǎng)絡(luò)參數(shù)約束分類

    對(duì)于BNs參數(shù)的學(xué)習(xí)過程中,可以得到一些定性的先驗(yàn)知識(shí),這些定性的先驗(yàn)知識(shí)主要可以描述為2種約束形式:線性不等式約束和近似等式約束。

    定義1線性不等式約束

    對(duì)于類似式(1)的專家先驗(yàn)知識(shí):

    (1)

    式中,Pk,Pk′為不同的網(wǎng)絡(luò)參數(shù),可以是同一節(jié)點(diǎn)的參數(shù),也可以是來自不同節(jié)點(diǎn)的參數(shù);c屬于[0,1]區(qū)間,t為實(shí)數(shù),且二者均為常數(shù)??梢员硎緸?/p>

    (2)

    式中,t0,tk均為實(shí)數(shù)。則式(2)為線性不等式約束。文獻(xiàn)[23-24]中的序約束,及參數(shù)的范圍約束實(shí)質(zhì)上就可以歸為線性不等式約束。

    定義2近似等式約束

    領(lǐng)域?qū)<铱梢越o出類似這樣的斷言:某個(gè)網(wǎng)絡(luò)參數(shù)與另外一個(gè)參數(shù)近似相等;某個(gè)網(wǎng)絡(luò)參數(shù)是另外一個(gè)參數(shù)近似t倍;某個(gè)參數(shù)近似等于某個(gè)值等,可以表示為

    (3)

    但具體應(yīng)用中,式(3)并不方便計(jì)算利用,則可采用式(4)的約束描述,即

    (4)

    式中,ε∈[0,1]。

    2 先驗(yàn)正態(tài)分布的BNs參數(shù)學(xué)習(xí)方法

    2.1 近似等式約束的正態(tài)分布表示

    對(duì)于式(4)的近似等式約束,假定參數(shù)Pk′先確定,ε取值較小,則可以將Pk限制在一個(gè)較小的范圍內(nèi),Pk可以取這個(gè)范圍的任意值。進(jìn)一步分析式(3)的專家先驗(yàn)知識(shí),可以看出,Pk取值Pk′,或者tPk′,或者c的可能性應(yīng)該是最大的。

    因此,本文引入正態(tài)分布構(gòu)建近似等式約束的數(shù)學(xué)模型,如圖1所示。

    圖1 近似等式的正態(tài)分布表示Fig.1 Normal distribution representation for approximate equality constraint

    圖1以近似等式約束|Pk-c|<ε為例,假定c=0.5,ε=0.2??梢钥闯?Pk取值為c的概率最大,而在c兩側(cè)的取值的概率將逐漸減小,符合近似等式約束的特點(diǎn)。則圖1中參數(shù)Pk的近似等式約束的正態(tài)分布為

    (5)

    式中,μk=c,為正態(tài)分布的期望;δ為均方差。本文設(shè)定ε=0.2,且需要滿足Pk的取值落在區(qū)間:[μi-0.2,μi+0.2],則可令式(5)滿足:

    P(μk-0.2≤Pk≤μk+0.2)=

    (6)

    由式(6)計(jì)算可得:δ=0.051 3。

    由此,對(duì)式(4)的近似等式約束構(gòu)建正態(tài)分布模型時(shí),依據(jù)式(5)將期望設(shè)定為:Pk′,或者tPk′,或者c,而均方差為:δ=0.051 3。

    2.2 基于貝葉斯MAP的參數(shù)估計(jì)

    貝葉斯MAP參數(shù)估計(jì)視參數(shù)為隨機(jī)變量,將參數(shù)的后驗(yàn)分布的最大值,作為該參數(shù)的估計(jì)值?,F(xiàn)假定BNs由n個(gè)節(jié)點(diǎn)構(gòu)成:X={X1,X2,…,Xn},節(jié)點(diǎn)Xi存在ri個(gè)狀態(tài)值,假定取值1,2,…,ri。其父節(jié)點(diǎn)Pa(Xi)的取值共有qi個(gè)組合,假定取值1,2,…,qi。則節(jié)點(diǎn)Xi的參數(shù)可表示為:θijk=P(Xi=k|Pa(Xi)=j),其中k,j分別表示節(jié)點(diǎn)Xi的取值和父節(jié)點(diǎn)的組合取值。

    在貝葉斯MAP參數(shù)估計(jì)中,BNs參數(shù)的先驗(yàn)分布為Dirichlet分布,其超參數(shù)表示為D={aijk}。這樣參數(shù)的后驗(yàn)概率也將是Dirichlet分布,當(dāng)參數(shù)的后驗(yàn)分布取最大值時(shí),得到該參數(shù)的估計(jì)值為

    (7)

    式中,Nijk為樣本數(shù)據(jù)集中滿足Xi=k和Pa(Xi)=j的樣本的個(gè)數(shù)。先驗(yàn)Dirichlet分布的超參數(shù)可看作參數(shù)θijk的虛擬樣本數(shù)。

    可以看出,式(7)中的參數(shù)估計(jì)值計(jì)算需要Dirichlet分布的超參數(shù),而正態(tài)分布的參數(shù)不能直接用于式(7)中,因此,采用第2.1節(jié)中先驗(yàn)正態(tài)分布并不適合式(7)中的參數(shù)估計(jì)。為此,建立目標(biāo)優(yōu)化函數(shù),用Dirichlet分布逼近正態(tài)分布,獲取相應(yīng)的超參數(shù)。

    Dirichlet分布的邊緣分布為Beta分布,表示為Beta(a,b),則對(duì)應(yīng)到BNs中的每個(gè)參數(shù)θijk,其相應(yīng)的先驗(yàn)知識(shí)需要服從Beta分布。將正態(tài)分布和Beta分布方差的距離最小作為目標(biāo)函數(shù),期望相等作為約束條件,且要求Beta分布為凸函數(shù),則a>1,b>1為約束條件。則有:

    min(DBeta-DG)2

    (8)

    式中,DBeta,DG分別為Beta分布和正態(tài)分布的方差;EBeta,EG分別為相應(yīng)的數(shù)學(xué)期望。對(duì)式(8)進(jìn)行求解,可得到Beta分布參數(shù),然后根據(jù)式(7)計(jì)算θijk的估計(jì)值。

    3 實(shí)驗(yàn)測(cè)試

    3.1 實(shí)驗(yàn)內(nèi)容

    本文測(cè)試在完整樣本數(shù)據(jù)集下對(duì)本文方法的參數(shù)學(xué)習(xí)精度和運(yùn)行耗時(shí)進(jìn)行測(cè)試,并且與最大似然估計(jì)(maximum likelihood estimation, MLE)、無專家先驗(yàn)的貝葉斯MAP估計(jì)、約束優(yōu)化方法(constrained optimization approach, CO)、參照文獻(xiàn)[23-24]中的均勻分布表示先驗(yàn)的方法等4種主要方法進(jìn)行比較,需要說明的是:

    (1) 本文方法:實(shí)驗(yàn)測(cè)試中采用的近似等式約束為式(4)中:|Pk-c|<ε,且ε=0.2,c為相應(yīng)參數(shù)的真實(shí)值。

    (2) 無專家先驗(yàn)的貝葉斯MAP估計(jì):貝葉斯MAP估計(jì)中的先驗(yàn)Dirichlet分布的超參數(shù)一般來自專家先驗(yàn),在無專家先驗(yàn)的情況下,可采用一致先驗(yàn)的方式確定超參數(shù)[25],即:式(7)中的超參數(shù)aijk=1。本文的實(shí)驗(yàn)測(cè)試采用的是該種方式。

    (3) 約束優(yōu)化方法:對(duì)于約束優(yōu)化這一類方法,以文獻(xiàn)[15]中的約束優(yōu)化方法為代表進(jìn)行比較測(cè)試。在本文的實(shí)驗(yàn)測(cè)試中,利用近似等式約束構(gòu)建罰項(xiàng)函數(shù),且文獻(xiàn)[15]所給目標(biāo)優(yōu)化函數(shù)中的罰項(xiàng)權(quán)值設(shè)定為1,約束信任度設(shè)定為1。在采用降梯度法進(jìn)行求解時(shí),步長設(shè)為1。

    實(shí)驗(yàn)測(cè)試首先采用如圖2所示的草坪濕潤推理BNs,該BNs被廣泛應(yīng)用于網(wǎng)絡(luò)推理和參數(shù)估計(jì)算法的測(cè)試中。

    圖2 草坪濕潤推理貝葉斯網(wǎng)絡(luò)Fig.2 Structure of lawn wet Bayesian network

    該BNs參數(shù)的真實(shí)值為:根節(jié)點(diǎn)C:P(C=true)=0.5,P(C=false)=0.5。其他節(jié)點(diǎn)分別為表1所示。

    表1 節(jié)點(diǎn)S,R和W參數(shù)表

    在實(shí)驗(yàn)測(cè)試中,根據(jù)圖2網(wǎng)絡(luò)結(jié)構(gòu)和上述所給的參數(shù)真實(shí)值,采用隨機(jī)抽樣算法生成樣本數(shù)據(jù)。實(shí)驗(yàn)測(cè)試環(huán)境為:操作系統(tǒng):Windows 7,處理器為:Intel CPU 3.30 GHz,平臺(tái)軟件為:Matlab R2014a。

    3.2 測(cè)試結(jié)果1

    (1)參數(shù)學(xué)習(xí)精度測(cè)試

    本文實(shí)驗(yàn)以KL散度為參數(shù)學(xué)習(xí)精度的衡量指標(biāo),在不同的數(shù)據(jù)樣本集下進(jìn)行了測(cè)試,測(cè)試過程中對(duì)圖2中的4個(gè)節(jié)點(diǎn)的參數(shù)均加入近似等式約束。測(cè)試樣本集樣本量分別為:10,20,30,50,100,對(duì)相同樣本量的樣本集重復(fù)測(cè)試10次,分別統(tǒng)計(jì)4個(gè)節(jié)點(diǎn):C,S,R,W的平均KL散度值,結(jié)果如表2所示。

    由表2的測(cè)試結(jié)果可以看出,在參數(shù)學(xué)習(xí)精度方面,本文方法和先驗(yàn)均勻分布方法明顯要好于最大似然估計(jì)、無專家先驗(yàn)的貝葉斯MAP估計(jì)、約束優(yōu)化方法,尤其是在樣本量較小的情況下,如:10樣本集和20樣本集。但在樣本較多,即樣本充足的情況下,這5種方法的精度均能達(dá)到較好的水平,例如:在100樣本集下,4個(gè)節(jié)點(diǎn)的平均KL散度在5種方法中均沒有超過0.060。

    單純分析本文方法和先驗(yàn)均勻分布,在不同的樣本集下采用本文方法,節(jié)點(diǎn)的平均KL散度多次出現(xiàn)為0.0,出現(xiàn)的次數(shù)為:13次,明顯多于先驗(yàn)均勻分布出現(xiàn)的次數(shù):5次。因此,本文方法的精度要更好于先驗(yàn)均勻分布方法。

    為了從整體上比較這5種方法,將表2中不同的測(cè)試樣本集和不同的測(cè)試方法下,4個(gè)節(jié)點(diǎn)的平均KL散度值相加,得到圖2中的BNs的平均KL散度值,其結(jié)果如圖3所示。

    表2 節(jié)點(diǎn)C,S,R,W的平均KL散度值

    由圖3曲線可以看出:在樣本量為10、20、30的情況下,本文方法和先驗(yàn)均勻分布的精度高于其他3種方法,無專家先驗(yàn)的貝葉斯MAP估計(jì)法的精度高于約束優(yōu)化方法和最大似然估計(jì)方法。在樣本量為50、100的情況下,最大似然估計(jì)、無專家先驗(yàn)的貝葉斯MAP估計(jì)、約束優(yōu)化方法的精度近似趨于一致,但本文方法和先驗(yàn)均勻分布的精度仍高于其他3種方法。

    為了進(jìn)一步分析本文方法和先驗(yàn)均勻分布方法,將圖3中的這2個(gè)方法的曲線單獨(dú)顯示,如圖4所示。

    圖4 本文方法與先驗(yàn)均勻分布方法的平均KL散度(草坪濕潤貝葉斯網(wǎng)絡(luò)) Fig.4 Average KL divergence for the proposed method and the method of prior uniform distribution(lawn wet Bayesian network)

    由圖4可以看出,本文方法和先驗(yàn)均勻分布方法均能得到較高的精度,但本文方法在5個(gè)樣本集下的精度都高于先驗(yàn)均勻分布方法。

    (2)運(yùn)行時(shí)間測(cè)試

    在不同的樣本集下,對(duì)5種方法的運(yùn)行時(shí)間進(jìn)行測(cè)試,每一種樣本集重復(fù)測(cè)試10次,統(tǒng)計(jì)各方法的平均運(yùn)行時(shí)間,測(cè)試結(jié)果如表3所示。

    表3 5種方法的運(yùn)行時(shí)間

    為了直觀顯示5種方法的運(yùn)行時(shí)間比較,給出如圖5的曲線表示。

    圖5 5種方法運(yùn)行時(shí)間比較(草坪濕潤BNs)Fig.5 Comparison of run time for five method (lawn wet Bayesian network)

    由圖5可以看出,本文方法和先驗(yàn)均勻分布方法的運(yùn)行時(shí)間近似相等,且耗時(shí)大于其他3種方法。

    顯然,本文方法提高了參數(shù)學(xué)習(xí)精度,但增加了運(yùn)行時(shí)間。但進(jìn)一步綜合比較學(xué)習(xí)精度和運(yùn)行時(shí)間的測(cè)試結(jié)果,本文方法提高學(xué)習(xí)精度程度要遠(yuǎn)高于增加運(yùn)行時(shí)間的程度。例如:10樣本集下,本文方法相比于約束優(yōu)化方法,精度提高了700多倍,運(yùn)行時(shí)間增加了近10倍。因此,綜合考慮學(xué)習(xí)精度和運(yùn)行時(shí)間,本文方法優(yōu)于其他4種方法。

    3.3 測(cè)試結(jié)果2

    為了進(jìn)一步對(duì)本文所提出的方法進(jìn)行實(shí)驗(yàn)測(cè)試,選擇常用的用于測(cè)試的BNs:Alarm(www.norsys.com/netlibrary/index.htm),該BNs共有37個(gè)節(jié)點(diǎn),最多父節(jié)點(diǎn)個(gè)數(shù)為4個(gè)。

    參照第3.1節(jié)中的測(cè)試內(nèi)容和實(shí)驗(yàn)測(cè)試環(huán)境,對(duì)Alarm BNs在數(shù)據(jù)樣本集:50,200,400,600,1 000,以BNs平均KL散度和運(yùn)行時(shí)間為衡量指標(biāo),進(jìn)行實(shí)驗(yàn)測(cè)試。其中,BNs平均KL散度與第3.2節(jié)中的相同,即為:網(wǎng)絡(luò)各節(jié)點(diǎn)的平均KL散度值的總和。

    (1) BNs平均KL散度

    測(cè)試過程中對(duì)Alarm BNs的37個(gè)節(jié)點(diǎn)的參數(shù)均加入近似等式約束,且所加入的近似等式約束按照第3.1節(jié)中(1)。對(duì)相同樣本量的樣本集重復(fù)測(cè)試10次,分別統(tǒng)計(jì)37個(gè)節(jié)點(diǎn)的平均KL散度值,并進(jìn)行相加求和,結(jié)果如圖6所示。

    圖6 不同樣本集下BNs(Alarm)平均KL散度Fig.3 Average KL divergence of Bayesian network (Alarm) under different data set

    圖6中,在樣本集為:50,200,400,本文方法和先驗(yàn)均勻分布方法的平均KL散度值均小于其他3種方法。而在樣本集為600,1 000時(shí),5種方法的平均KL散度分別為:最大似然估計(jì):0.266,0.176;約束優(yōu)化方法:0.259,0.169;貝葉斯MAP估計(jì):0.245,0.163;先驗(yàn)均勻分布方法:0.082,0.071;本文方法:0.017,0.016。本文方法和先驗(yàn)均勻分布方法的平均KL散度均低于其他3種方法,即參數(shù)學(xué)習(xí)精度好于其他3種方法。

    為了進(jìn)一步分析本文方法和先驗(yàn)均勻分布方法,將圖6中的這兩個(gè)方法的曲線單獨(dú)顯示,如圖7所示。

    由圖7可以看出,本文方法在5個(gè)樣本集下的參數(shù)學(xué)習(xí)精度均好于先驗(yàn)均勻分布方法。

    圖7 本文方法與先驗(yàn)均勻分布方法的平均KL散度(Alarm BNs)Fig.7 Average KL divergence for the proposed method and the method of prior uniform distribution (Alarm Bayesian network)

    (2)運(yùn)行時(shí)間

    針對(duì)Alarm BNs,在樣本集:50,200,400,600,1 000下,對(duì)5種方法的運(yùn)行時(shí)間進(jìn)行測(cè)試,重復(fù)測(cè)試10次,統(tǒng)計(jì)各方法的平均運(yùn)行時(shí)間,測(cè)試結(jié)果如圖8所示。

    圖8 5種方法運(yùn)行時(shí)間比較(Alarm BNs)Fig.8 Comparison of run time for five methods (Alarm wet Bayesian network)

    圖8中,本文方法和先驗(yàn)均勻分布方法的運(yùn)行時(shí)間近似相等,但都大于其他3種方法。進(jìn)一步綜合比較KL散度和運(yùn)行時(shí)間,在樣本集:50, 200的測(cè)試中,本文方法相比于其他4種方法,參數(shù)學(xué)習(xí)精度的提高倍數(shù)遠(yuǎn)大于運(yùn)行時(shí)間的增加倍數(shù)。

    在樣本集:600,1 000的測(cè)試中,本文方法相比較于其他4種方法學(xué)習(xí)精度提高的倍數(shù)為:最大似然估計(jì):15.65,11.00;約束優(yōu)化方法:15.24,10.56;貝葉斯MAP估計(jì):14.41,10.18;先驗(yàn)均勻分布方法:4.82,4.44。而運(yùn)行時(shí)間相比于其他4種方法增加的倍數(shù)依次為:最大似然估計(jì):2.26,1.45;約束優(yōu)化方法:1.16,1.12;貝葉斯MAP估計(jì):2.09,1.39;先驗(yàn)均勻分布方法:0.99,0.98??梢钥闯?本文方法參數(shù)學(xué)習(xí)精度提高的倍數(shù)均大于運(yùn)行時(shí)間增加的倍數(shù)。因此,綜合考慮學(xué)習(xí)精度和運(yùn)行時(shí)間,本文方法是優(yōu)于其他4種方法。

    4 結(jié) 論

    本文針對(duì)BNs參數(shù)的近似等式約束,提出了采用正態(tài)分布的先驗(yàn)表示方式,實(shí)驗(yàn)測(cè)試結(jié)果表明:該方法的參數(shù)學(xué)習(xí)精度好于最大似然估計(jì)、無專家先驗(yàn)的貝葉斯MAP估計(jì)、約束優(yōu)化方法等4種方法,而運(yùn)行時(shí)間要高于這4種方法。但綜合考慮比較KL散度和運(yùn)行時(shí)間,相比較于其他4種方法,本文方法參數(shù)學(xué)習(xí)精度提高的倍數(shù)均大于運(yùn)行時(shí)間增加的倍數(shù)。本文只是考慮了完整數(shù)據(jù)樣本下的參數(shù)學(xué)習(xí),后續(xù)需要進(jìn)一步研究缺失數(shù)據(jù)樣本下的學(xué)習(xí)問題。

    猜你喜歡
    散度均勻分布先驗(yàn)
    帶勢(shì)加權(quán)散度形式的Grushin型退化橢圓算子的Dirichlet特征值的上下界
    接觸壓力非均勻分布下彎曲孔道摩阻損失分析
    具有部分BMO系數(shù)的非散度型拋物方程的Lorentz估計(jì)
    基于無噪圖像塊先驗(yàn)的MRI低秩分解去噪算法研究
    H型群上一類散度形算子的特征值估計(jì)
    電磁感應(yīng)綜合應(yīng)用檢測(cè)題
    基于自適應(yīng)塊組割先驗(yàn)的噪聲圖像超分辨率重建
    H?rmander 向量場(chǎng)上散度型拋物方程弱解的Orlicz估計(jì)
    基于平滑先驗(yàn)法的被動(dòng)聲信號(hào)趨勢(shì)項(xiàng)消除
    先驗(yàn)的廢話與功能的進(jìn)路
    日本一二三区视频观看| 精品欧美国产一区二区三| 熟女人妻精品中文字幕| 色av中文字幕| 亚洲午夜理论影院| 国产极品精品免费视频能看的| 亚洲乱码一区二区免费版| 久久精品夜夜夜夜夜久久蜜豆| 久久久成人免费电影| 国产精品,欧美在线| 女生性感内裤真人,穿戴方法视频| 一区二区三区四区激情视频 | 中文字幕av在线有码专区| 国产精品98久久久久久宅男小说| 欧美日本亚洲视频在线播放| 日韩欧美一区二区三区在线观看| 日本免费a在线| 国产精品美女特级片免费视频播放器| 怎么达到女性高潮| 日本黄大片高清| 国产欧美日韩一区二区三| 久久久久久久午夜电影| 美女cb高潮喷水在线观看| 蜜桃亚洲精品一区二区三区| 男女那种视频在线观看| 成人国产综合亚洲| 婷婷色综合大香蕉| 69人妻影院| 国产视频内射| 亚洲午夜理论影院| 最好的美女福利视频网| 国产av不卡久久| 十八禁人妻一区二区| 久久草成人影院| 在线播放无遮挡| 一进一出抽搐gif免费好疼| 久久这里只有精品中国| 国产精品免费一区二区三区在线| 亚洲国产欧洲综合997久久,| 午夜福利欧美成人| 一区二区三区高清视频在线| 亚洲最大成人手机在线| 日日干狠狠操夜夜爽| 一个人免费在线观看电影| 久久6这里有精品| 一级作爱视频免费观看| 特大巨黑吊av在线直播| 国产综合懂色| 免费av观看视频| 成人欧美大片| 欧美高清性xxxxhd video| 熟女人妻精品中文字幕| 91在线精品国自产拍蜜月| 男女床上黄色一级片免费看| 久久欧美精品欧美久久欧美| 婷婷精品国产亚洲av| 一本综合久久免费| 亚洲av五月六月丁香网| 黄色日韩在线| 99视频精品全部免费 在线| 欧美乱色亚洲激情| 内射极品少妇av片p| 91九色精品人成在线观看| 欧美一级a爱片免费观看看| 日日夜夜操网爽| 中文资源天堂在线| 国产精品99久久久久久久久| 国产午夜精品论理片| 亚洲中文字幕日韩| 亚洲av免费在线观看| 精品免费久久久久久久清纯| 午夜a级毛片| 一个人观看的视频www高清免费观看| 在线免费观看不下载黄p国产 | 国产精品人妻久久久久久| 夜夜看夜夜爽夜夜摸| 欧美bdsm另类| 久久6这里有精品| 一卡2卡三卡四卡精品乱码亚洲| 在线播放无遮挡| 国产av在哪里看| 我要看日韩黄色一级片| 日本撒尿小便嘘嘘汇集6| 窝窝影院91人妻| 免费在线观看影片大全网站| 日本精品一区二区三区蜜桃| 18禁裸乳无遮挡免费网站照片| 精品久久久久久成人av| 国产伦在线观看视频一区| 欧美+亚洲+日韩+国产| 十八禁网站免费在线| 18禁裸乳无遮挡免费网站照片| 亚洲第一电影网av| 亚洲专区国产一区二区| 他把我摸到了高潮在线观看| 俺也久久电影网| 精品久久久久久久久久免费视频| 久久精品91蜜桃| 亚洲精品色激情综合| 嫁个100分男人电影在线观看| 如何舔出高潮| 在线观看66精品国产| 国内揄拍国产精品人妻在线| 99久久无色码亚洲精品果冻| 内地一区二区视频在线| av天堂中文字幕网| 波多野结衣高清作品| 午夜老司机福利剧场| 国产中年淑女户外野战色| 欧美国产日韩亚洲一区| 国产精品亚洲av一区麻豆| 久久久久久久久久黄片| 日本精品一区二区三区蜜桃| 免费搜索国产男女视频| 免费观看的影片在线观看| 国内精品久久久久久久电影| av视频在线观看入口| eeuss影院久久| 免费电影在线观看免费观看| 搡老岳熟女国产| 免费观看人在逋| 美女 人体艺术 gogo| 看免费av毛片| 三级国产精品欧美在线观看| 国产私拍福利视频在线观看| 亚洲aⅴ乱码一区二区在线播放| 国产麻豆成人av免费视频| 中文在线观看免费www的网站| 亚洲国产日韩欧美精品在线观看| 久久香蕉精品热| 午夜福利在线在线| av国产免费在线观看| 国产成年人精品一区二区| 久久久成人免费电影| 黄色女人牲交| 国产精品免费一区二区三区在线| 一a级毛片在线观看| 亚洲国产精品sss在线观看| www.色视频.com| 我要搜黄色片| 又爽又黄a免费视频| 国产毛片a区久久久久| 一区二区三区高清视频在线| av欧美777| 成年女人永久免费观看视频| 国产伦人伦偷精品视频| 18美女黄网站色大片免费观看| 男人的好看免费观看在线视频| 在线看三级毛片| 精品国内亚洲2022精品成人| 亚洲经典国产精华液单 | 乱人视频在线观看| 成年人黄色毛片网站| 国产精品亚洲av一区麻豆| 婷婷六月久久综合丁香| av天堂在线播放| www.999成人在线观看| 男女之事视频高清在线观看| 免费人成视频x8x8入口观看| 51国产日韩欧美| 99精品在免费线老司机午夜| 欧美激情国产日韩精品一区| 看片在线看免费视频| 国产精品98久久久久久宅男小说| 日韩免费av在线播放| 丰满的人妻完整版| 欧美性猛交╳xxx乱大交人| 一个人免费在线观看的高清视频| 欧美绝顶高潮抽搐喷水| 亚洲经典国产精华液单 | 男女之事视频高清在线观看| 亚洲av一区综合| 久久草成人影院| 久久精品国产亚洲av涩爱 | 日本一二三区视频观看| 中文字幕人妻熟人妻熟丝袜美| 99久久九九国产精品国产免费| 午夜免费成人在线视频| 色哟哟·www| 欧美色视频一区免费| 国产成人a区在线观看| 伦理电影大哥的女人| 国产三级中文精品| 宅男免费午夜| 一二三四社区在线视频社区8| 国产精品自产拍在线观看55亚洲| 一区二区三区免费毛片| 欧美成狂野欧美在线观看| 五月玫瑰六月丁香| 最近中文字幕高清免费大全6 | 老熟妇仑乱视频hdxx| 99热精品在线国产| 九九在线视频观看精品| 99国产极品粉嫩在线观看| 日本黄大片高清| 久久精品综合一区二区三区| 好男人在线观看高清免费视频| 欧美一级a爱片免费观看看| 亚洲精品在线美女| 天堂动漫精品| 亚洲av免费高清在线观看| 极品教师在线视频| 中文资源天堂在线| 亚洲国产精品sss在线观看| 免费大片18禁| 老司机午夜福利在线观看视频| 尤物成人国产欧美一区二区三区| 十八禁国产超污无遮挡网站| 美女被艹到高潮喷水动态| 国产欧美日韩精品亚洲av| 亚洲片人在线观看| 亚洲熟妇熟女久久| 亚洲精华国产精华精| 51国产日韩欧美| 天堂影院成人在线观看| 免费一级毛片在线播放高清视频| 日韩中文字幕欧美一区二区| 高清日韩中文字幕在线| 99国产综合亚洲精品| 亚洲精品影视一区二区三区av| 人妻久久中文字幕网| 国产精品不卡视频一区二区 | 自拍偷自拍亚洲精品老妇| 婷婷精品国产亚洲av| 极品教师在线视频| 少妇的逼水好多| 成年女人看的毛片在线观看| 亚洲av免费在线观看| 亚洲精品影视一区二区三区av| 99热这里只有精品一区| 国产精品1区2区在线观看.| 久久精品久久久久久噜噜老黄 | 免费看a级黄色片| 国产伦人伦偷精品视频| 麻豆国产av国片精品| 又爽又黄无遮挡网站| 丰满人妻熟妇乱又伦精品不卡| 在线观看舔阴道视频| 人妻制服诱惑在线中文字幕| 国产成+人综合+亚洲专区| 伦理电影大哥的女人| 三级国产精品欧美在线观看| av在线观看视频网站免费| 亚洲国产欧洲综合997久久,| 一个人观看的视频www高清免费观看| 婷婷丁香在线五月| 内射极品少妇av片p| 极品教师在线视频| 欧美高清成人免费视频www| 亚洲中文字幕一区二区三区有码在线看| 亚洲综合色惰| 久久午夜福利片| 直男gayav资源| 亚洲精品一卡2卡三卡4卡5卡| 亚洲真实伦在线观看| 国产精品爽爽va在线观看网站| 中文字幕久久专区| 又黄又爽又刺激的免费视频.| 国产亚洲精品久久久久久毛片| 久久亚洲精品不卡| 成年人黄色毛片网站| 久久久精品大字幕| 久久久久久久久久成人| 国产三级在线视频| а√天堂www在线а√下载| 欧美色欧美亚洲另类二区| 欧美+日韩+精品| 国产精品av视频在线免费观看| 性色av乱码一区二区三区2| 欧美成人免费av一区二区三区| 看十八女毛片水多多多| 少妇丰满av| a在线观看视频网站| 窝窝影院91人妻| 少妇人妻一区二区三区视频| 90打野战视频偷拍视频| 亚洲成人久久爱视频| 在线国产一区二区在线| 欧美又色又爽又黄视频| a级毛片免费高清观看在线播放| 三级毛片av免费| 国内精品一区二区在线观看| 亚洲人成网站在线播放欧美日韩| 亚洲国产精品sss在线观看| 亚洲精品粉嫩美女一区| 成年免费大片在线观看| 国产成人啪精品午夜网站| 国产伦在线观看视频一区| 亚洲成人久久性| 亚洲最大成人av| 国产精品亚洲av一区麻豆| 精品国内亚洲2022精品成人| 日韩欧美国产在线观看| 亚洲精华国产精华精| 99精品久久久久人妻精品| av视频在线观看入口| 亚洲欧美精品综合久久99| 成人永久免费在线观看视频| 亚洲成人免费电影在线观看| 宅男免费午夜| 欧美xxxx性猛交bbbb| 欧美日韩国产亚洲二区| 色综合亚洲欧美另类图片| 国产成人aa在线观看| 国产伦在线观看视频一区| 久久久久久久久大av| 精品欧美国产一区二区三| 成人精品一区二区免费| 自拍偷自拍亚洲精品老妇| 在线观看美女被高潮喷水网站 | 99久久成人亚洲精品观看| 又紧又爽又黄一区二区| 草草在线视频免费看| 色精品久久人妻99蜜桃| 午夜激情欧美在线| 国产国拍精品亚洲av在线观看| 我要搜黄色片| 国产在视频线在精品| 亚洲中文字幕一区二区三区有码在线看| 制服丝袜大香蕉在线| 成熟少妇高潮喷水视频| 伦理电影大哥的女人| www日本黄色视频网| 夜夜爽天天搞| 免费一级毛片在线播放高清视频| 日本免费一区二区三区高清不卡| 国产黄a三级三级三级人| 亚洲欧美激情综合另类| 国产精品国产高清国产av| 男女做爰动态图高潮gif福利片| 嫁个100分男人电影在线观看| 国产成人啪精品午夜网站| 色综合欧美亚洲国产小说| 成人特级av手机在线观看| www.www免费av| 日本一本二区三区精品| 久久精品人妻少妇| 国产精品精品国产色婷婷| 夜夜夜夜夜久久久久| 在线播放无遮挡| 欧美午夜高清在线| 热99re8久久精品国产| 在线看三级毛片| 我要搜黄色片| 亚洲一区高清亚洲精品| 91九色精品人成在线观看| 午夜影院日韩av| 舔av片在线| 真实男女啪啪啪动态图| 国内精品美女久久久久久| 久久精品国产清高在天天线| 男女视频在线观看网站免费| 亚洲国产精品久久男人天堂| 在线天堂最新版资源| 男女做爰动态图高潮gif福利片| 午夜免费激情av| 亚洲欧美日韩高清在线视频| 成年版毛片免费区| 日本 av在线| 欧美成人一区二区免费高清观看| 色视频www国产| 亚洲最大成人中文| 美女高潮喷水抽搐中文字幕| bbb黄色大片| 日韩精品中文字幕看吧| 久久婷婷人人爽人人干人人爱| 99riav亚洲国产免费| 欧美另类亚洲清纯唯美| 午夜福利视频1000在线观看| 九色国产91popny在线| 色哟哟哟哟哟哟| 国产精品爽爽va在线观看网站| x7x7x7水蜜桃| 免费人成在线观看视频色| 免费看光身美女| 亚洲精品色激情综合| 欧美成人一区二区免费高清观看| 精品久久久久久久久久免费视频| 国产一区二区三区视频了| 久久久久久久久久黄片| 女人被狂操c到高潮| 亚洲精品一卡2卡三卡4卡5卡| 99在线人妻在线中文字幕| 国产日本99.免费观看| 久久久久久久久中文| 丁香欧美五月| 欧美日韩福利视频一区二区| 9191精品国产免费久久| 久久精品夜夜夜夜夜久久蜜豆| 在现免费观看毛片| 特级一级黄色大片| 久久这里只有精品中国| 熟女人妻精品中文字幕| 国产免费男女视频| 精品午夜福利在线看| 亚洲成a人片在线一区二区| 三级男女做爰猛烈吃奶摸视频| 色综合站精品国产| 亚洲男人的天堂狠狠| 人妻夜夜爽99麻豆av| 亚洲av电影在线进入| 国产美女午夜福利| 变态另类成人亚洲欧美熟女| 精品久久久久久久久av| 国产精品久久久久久久久免 | 夜夜看夜夜爽夜夜摸| 90打野战视频偷拍视频| 亚洲人成网站在线播| av在线蜜桃| 欧美成人a在线观看| 脱女人内裤的视频| 久久婷婷人人爽人人干人人爱| 久久亚洲真实| 中文字幕高清在线视频| 18禁黄网站禁片免费观看直播| 欧美乱妇无乱码| 国产成+人综合+亚洲专区| avwww免费| 亚洲七黄色美女视频| 欧美高清性xxxxhd video| 日本免费一区二区三区高清不卡| 久久亚洲真实| 少妇高潮的动态图| 久久久久久大精品| 欧美潮喷喷水| or卡值多少钱| 亚洲精品456在线播放app | 午夜免费成人在线视频| 精品免费久久久久久久清纯| 欧美黄色淫秽网站| 国产精品久久久久久久电影| www.999成人在线观看| 欧美极品一区二区三区四区| 1000部很黄的大片| 一边摸一边抽搐一进一小说| 国产伦一二天堂av在线观看| 精品一区二区免费观看| 午夜福利在线观看吧| 在线国产一区二区在线| 九九久久精品国产亚洲av麻豆| 国产中年淑女户外野战色| 一个人看的www免费观看视频| 国产一区二区三区在线臀色熟女| 精品久久久久久成人av| 午夜福利高清视频| 久久九九热精品免费| 人妻制服诱惑在线中文字幕| 国产黄a三级三级三级人| 亚洲人成网站在线播| 国产三级在线视频| 18禁黄网站禁片午夜丰满| 国产精品亚洲美女久久久| 久久国产乱子免费精品| 日本与韩国留学比较| 97热精品久久久久久| 成人欧美大片| 深夜精品福利| 蜜桃久久精品国产亚洲av| 神马国产精品三级电影在线观看| 99久久无色码亚洲精品果冻| 日本黄色片子视频| 欧美性感艳星| 久久久精品大字幕| 久久精品影院6| av黄色大香蕉| 精品一区二区免费观看| 少妇人妻精品综合一区二区 | 啦啦啦观看免费观看视频高清| 久久亚洲精品不卡| 亚洲美女搞黄在线观看 | 亚洲一区二区三区不卡视频| 国产国拍精品亚洲av在线观看| 色尼玛亚洲综合影院| 亚洲成人中文字幕在线播放| 一进一出抽搐动态| 亚洲av成人不卡在线观看播放网| 嫁个100分男人电影在线观看| 国产毛片a区久久久久| 听说在线观看完整版免费高清| 人妻丰满熟妇av一区二区三区| 久久精品夜夜夜夜夜久久蜜豆| 桃色一区二区三区在线观看| 三级男女做爰猛烈吃奶摸视频| 成人高潮视频无遮挡免费网站| 我的老师免费观看完整版| 90打野战视频偷拍视频| 精品久久久久久久久久免费视频| 亚洲综合色惰| 日本在线视频免费播放| 免费看a级黄色片| 亚洲五月婷婷丁香| 精品不卡国产一区二区三区| 两个人视频免费观看高清| 亚洲午夜理论影院| 丰满人妻一区二区三区视频av| 欧美日韩亚洲国产一区二区在线观看| 国产精品久久久久久亚洲av鲁大| 成人无遮挡网站| 久久久久免费精品人妻一区二区| 日本三级黄在线观看| 91狼人影院| 欧美日韩中文字幕国产精品一区二区三区| 成人欧美大片| 亚洲美女搞黄在线观看 | 国产三级中文精品| 三级国产精品欧美在线观看| 麻豆一二三区av精品| 国产成+人综合+亚洲专区| 精品99又大又爽又粗少妇毛片 | 变态另类成人亚洲欧美熟女| 国产私拍福利视频在线观看| 国产精品美女特级片免费视频播放器| 麻豆成人av在线观看| 欧美一区二区国产精品久久精品| 久久精品国产99精品国产亚洲性色| 女同久久另类99精品国产91| 69人妻影院| 人人妻人人看人人澡| 精品一区二区免费观看| 一进一出抽搐动态| 麻豆久久精品国产亚洲av| 日日干狠狠操夜夜爽| 亚洲中文日韩欧美视频| 国产私拍福利视频在线观看| 99久国产av精品| 老鸭窝网址在线观看| 国产aⅴ精品一区二区三区波| 亚洲国产精品999在线| 无人区码免费观看不卡| 国产精品久久久久久久电影| 69人妻影院| 国产亚洲精品av在线| 国产精品一及| 久久久久精品国产欧美久久久| 亚洲成人精品中文字幕电影| 国产淫片久久久久久久久 | 免费av毛片视频| 尤物成人国产欧美一区二区三区| 少妇人妻一区二区三区视频| 久久性视频一级片| 夜夜看夜夜爽夜夜摸| 国产精品久久久久久人妻精品电影| 亚洲成av人片在线播放无| 一二三四社区在线视频社区8| 国产成人啪精品午夜网站| 村上凉子中文字幕在线| 老鸭窝网址在线观看| 国产精品国产高清国产av| а√天堂www在线а√下载| a级一级毛片免费在线观看| 88av欧美| 啦啦啦观看免费观看视频高清| 在线观看一区二区三区| 国产69精品久久久久777片| 日韩欧美 国产精品| 亚洲成av人片免费观看| 欧美最新免费一区二区三区 | 成年免费大片在线观看| 亚洲精品在线美女| 国产成人影院久久av| 亚洲经典国产精华液单 | 国语自产精品视频在线第100页| 俄罗斯特黄特色一大片| 国产欧美日韩精品一区二区| 精品午夜福利在线看| 观看免费一级毛片| 欧美黑人欧美精品刺激| 国产久久久一区二区三区| 人人妻,人人澡人人爽秒播| 欧美日韩福利视频一区二区| 动漫黄色视频在线观看| 俄罗斯特黄特色一大片| 欧美日本视频| 有码 亚洲区| 国产精品野战在线观看| 午夜a级毛片| 国产高清三级在线| 国产私拍福利视频在线观看| 亚洲人成网站在线播| 一a级毛片在线观看| 精品日产1卡2卡| 亚洲欧美日韩无卡精品| 免费在线观看成人毛片| 精品一区二区三区人妻视频| 色精品久久人妻99蜜桃| 成人高潮视频无遮挡免费网站| 乱人视频在线观看| 亚洲va日本ⅴa欧美va伊人久久| 欧美性感艳星| 亚洲最大成人中文| 99久久无色码亚洲精品果冻| 久久久久国产精品人妻aⅴ院| 少妇裸体淫交视频免费看高清| 9191精品国产免费久久| 亚洲最大成人av| 国产熟女xx| 久久久久久久精品吃奶| 国内精品一区二区在线观看| 俄罗斯特黄特色一大片| 午夜日韩欧美国产| 极品教师在线免费播放| 一本综合久久免费| 亚洲av熟女| 又紧又爽又黄一区二区| 桃红色精品国产亚洲av| 精品国产亚洲在线| 麻豆国产av国片精品| 熟女电影av网| 一级作爱视频免费观看| 精品一区二区三区视频在线观看免费| 国产精品嫩草影院av在线观看 | 高潮久久久久久久久久久不卡| 99在线人妻在线中文字幕| 国产在线精品亚洲第一网站| 高清日韩中文字幕在线|