• <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 ?

    快速多視角特權(quán)協(xié)同隨機(jī)向量函數(shù)連接網(wǎng)絡(luò)

    2022-10-16 05:51:00吳天宇王士同
    計(jì)算機(jī)與生活 2022年10期
    關(guān)鍵詞:分類信息方法

    吳天宇,王士同

    江南大學(xué) 人工智能與計(jì)算機(jī)學(xué)院,江蘇 無錫214122

    隨機(jī)向量函數(shù)連接網(wǎng)絡(luò)(random vector function link network,RVFL)是一種輸入權(quán)值和隱藏層神經(jīng)元的偏置值隨機(jī)產(chǎn)生的前饋型神經(jīng)網(wǎng)絡(luò)。這種學(xué)習(xí)機(jī)制使得RVFL 有學(xué)習(xí)速度快和對計(jì)算資源要求低的優(yōu)勢。研究人員對RVFL 不斷改進(jìn),如Chen 和Wan解決了在RVFL 中由噪聲引起的小奇異值問題。Chen 和Liu提出了一種新的稀疏預(yù)訓(xùn)練RVFL,它采用稀疏自動編碼器以無監(jiān)督學(xué)習(xí)的方式預(yù)訓(xùn)練隨機(jī)分配的網(wǎng)絡(luò)參數(shù)。

    現(xiàn)實(shí)情況中通常會以不同的測量方法收集許多數(shù)據(jù)。例如同一個圖像用不同的特征提取方法,同一個物體在多個不同角度下展現(xiàn),把這樣針對同一對象從不同途徑或?qū)用娅@得的特征數(shù)據(jù)稱為多視角數(shù)據(jù),其呈現(xiàn)出多態(tài)性、多源性、多描述性。面對新興的數(shù)據(jù)應(yīng)用場景,多視角間存在重要相關(guān)信息,單視角RVFL 無法逐個學(xué)習(xí)。與傳統(tǒng)的單視角學(xué)習(xí)相比,多視角學(xué)習(xí)(multi-view learning,MVL)分別為每個視角特征構(gòu)造一個學(xué)習(xí)模型,通過同一對象的冗余視角數(shù)據(jù)共同優(yōu)化構(gòu)建模型。

    早期的多視角學(xué)習(xí)方法傾向于將多個視角合并成為一個更全面的視角,但是這種簡單的視角拼接策略忽略了每個視角的分布特征。近期基于不同策略的多視角分類算法相繼被提出,其目的是利用多視角間的相關(guān)信息得到更為準(zhǔn)確有效的分類結(jié)果。其中常見的多視角算法有協(xié)同正則化型算法和協(xié)同訓(xùn)練型算法。

    實(shí)現(xiàn)協(xié)同訓(xùn)練型算法的重要前提是存在充分冗余的視角,協(xié)同訓(xùn)練類型的算法目標(biāo)是最大化不同視角之間一致性。這方面的代表性算法有多訓(xùn)練支持向量機(jī)(multi-training support vector machine,MTSVM)。協(xié)同訓(xùn)練式算法有嚴(yán)格的學(xué)習(xí)假設(shè)并且對建模的充要條件有嚴(yán)格要求。

    在協(xié)同正則化類算法中,目標(biāo)函數(shù)需要將不同視角之間的分歧最小化。典型的方法有稀疏多視角支持向量機(jī)(sparse multi-view SVM)、多視角拉普拉斯支持向量機(jī)(multi-view Laplacian SVM)、多視角向量值流形正則化方法(multi-view vector valued manifold regularization)等。這些基于SVM 的方法可以有效解決多視角應(yīng)用場景問題,但是這些方法也具有一定的局限性,這些方法忽略了視角之間的互補(bǔ)信息,另一方面支持向量機(jī)求解過程中的局限性如二次規(guī)劃求解對計(jì)算機(jī)內(nèi)存需求大,迭代速度慢。

    現(xiàn)有的多視角學(xué)習(xí)算法之間雖然存在各種明顯的差異,但這些算法主要體現(xiàn)了多視角學(xué)習(xí)的共識原理或互補(bǔ)性原理。在多視角學(xué)習(xí)中,共識和互補(bǔ)性原理在指導(dǎo)模型構(gòu)建中起著重要作用。共識原理的目的是最大化多個不同視角的一致性,改善算法的泛化誤差范圍。相反,互補(bǔ)原理強(qiáng)調(diào)視角之間共享互補(bǔ)信息,目的是更全面地描述數(shù)據(jù),提高算法的魯棒性。

    Vapnik 等人提出使用特權(quán)信息學(xué)習(xí)(learning using privileged information,LUPI)來解決學(xué)習(xí)模型中的補(bǔ)充知識。一個可能的常用類比是學(xué)生與教師的學(xué)習(xí):當(dāng)學(xué)生在學(xué)校學(xué)習(xí)一個概念,教師可以隨時(shí)提供額外的解釋(特權(quán)信息)。與教師只提出問題并給出答案的方式相比,教師的額外解釋可以顯著提高學(xué)生的學(xué)習(xí)情況。但是在以后的測試中,當(dāng)學(xué)生遇到類似問題時(shí),無法獲得老師的專業(yè)知識也就是特權(quán)信息。LUPI 將人類教學(xué)理念融入了機(jī)器學(xué)習(xí)概念中。對于一個特定的任務(wù),比如分類,訓(xùn)練數(shù)據(jù)不僅是目標(biāo)任務(wù)的監(jiān)督信息,還有一些額外的特權(quán)信息(附加信息)。

    從多視角學(xué)習(xí)的角度來看,不同的特征視角可以相互提供特權(quán)信息實(shí)現(xiàn)互補(bǔ)。因此,多種觀點(diǎn)共享互補(bǔ)信息,類似于人類學(xué)習(xí)中教師的回答和解釋。因此很自然地將LUPI概念應(yīng)用于多視角學(xué)習(xí)并提出了一個結(jié)合特權(quán)信息的多視角隨機(jī)向量函數(shù)連接網(wǎng)絡(luò)。

    本文的貢獻(xiàn)總結(jié)如下:將特權(quán)信息和多視角學(xué)習(xí)概念結(jié)合在RVFL 的基礎(chǔ)上提出了一種快速多視角特權(quán)協(xié)同隨機(jī)向量函數(shù)連接網(wǎng)絡(luò)(fast multi-view privileged random vector function link network,F(xiàn)MPRVFL)。該網(wǎng)絡(luò)在平均情況下相互利用冗余視角的附加信息作為特權(quán)信息監(jiān)督當(dāng)前視角的分類,并以此設(shè)計(jì)了FMPRVFL 的目標(biāo)函數(shù),利用解析解對目標(biāo)函數(shù)進(jìn)行優(yōu)化,從而使FMPRVFL 訓(xùn)練速度更快。隨后在64 個數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。結(jié)果驗(yàn)證了FMPRVFL 優(yōu)于其他算法。

    1 相關(guān)工作

    1.1 多視角學(xué)習(xí)

    多視角學(xué)習(xí)發(fā)展迅速,多視角學(xué)習(xí)方法在一定程度上相較于特定的單視角學(xué)習(xí)顯示出一定優(yōu)勢。多視角學(xué)習(xí)算法通常是在共識或互補(bǔ)原理的指導(dǎo)下建立的,現(xiàn)有的多視角算法可以分為三類:協(xié)同訓(xùn)練類型算法、協(xié)同正則化類型算法和余量一致性類型算法。協(xié)同訓(xùn)練類型算法旨在最大化不同視角之間的一致性,例如協(xié)同測試支持向量機(jī)(co-testing SVM)、魯棒協(xié)同訓(xùn)練支持向量機(jī)(robust cotraining SVM)。相比之下,協(xié)同正則化類型的算法可以最大程度地減少不同視角之間的分歧,例如稀疏多視角支持向量機(jī)、多視角拉普拉斯支持向量機(jī)。最近還提出了余量一致性類型的算法,該類型算法利用多視角分類結(jié)果的潛在一致性,在最大熵判別(maximum entropy discrimination,MED)的基礎(chǔ)上實(shí)現(xiàn)。余量一致性類型算法與協(xié)同正則化類型算法對多視角的判別或回歸函數(shù)限制不同,余量一致性類型算法對多個視角的余量變量進(jìn)行建模,使其盡可能相似,即每個輸出變量和判別函數(shù)的余量都大于每個余量變量。例如MVMED(multi-view maximum entropy discrimination),以最小化兩個視角邊距之間的相對熵實(shí)現(xiàn)了邊距一致性。MED-2C(consensus and complementarity based maximum entropy discrimination)以互補(bǔ)子空間將共識和互補(bǔ)的兩個原理整合到多視角MED,相對于MVMED 有更好的泛化性。

    1.2 特權(quán)信息學(xué)習(xí)

    LUPI 使用僅在訓(xùn)練期間可用的數(shù)據(jù)幫助學(xué)習(xí)模型在測試階段實(shí)現(xiàn)更好的預(yù)測結(jié)果。特權(quán)信息作為附加特征用來改進(jìn)特定的分類器,Vipnik 和Vashist提出了最早的LUPI 算法支持向量機(jī)SVM+(support vector machine+)。Xu 等人利用訓(xùn)練數(shù)據(jù)中的其他深度圖像作為特權(quán)信息,設(shè)計(jì)了一種新穎的距離度量學(xué)習(xí)算法。Shi 等人提出了一個最后一層的預(yù)測結(jié)果用作特權(quán)信息的級聯(lián)多列RVFL+框架。

    這些方法主要利用共識原理或互補(bǔ)原理應(yīng)用多視角數(shù)據(jù)改善模型的通用性能。本文在平均情況下相互利用冗余視角的附加信息作為特權(quán)信息監(jiān)督當(dāng)前視角的分類。本文方法同時(shí)滿足共識原理和互補(bǔ)原理,相對于其他同時(shí)利用共識原理和互補(bǔ)原理的方法,關(guān)注在平均狀況下相互監(jiān)督的情況并且在此基礎(chǔ)上設(shè)計(jì)的目標(biāo)函數(shù)可以利用解析解對目標(biāo)函數(shù)進(jìn)行優(yōu)化,從而使FMPRVFL 泛化能力更好,訓(xùn)練速度更快。

    2 算法介紹

    2.1 隨機(jī)向量函數(shù)連接網(wǎng)絡(luò)

    RVFL 由于其通用逼近能力和出色的泛化性能,是最流行的單層前饋神經(jīng)網(wǎng)絡(luò)之一。在近三十年中,許多研究人員研究了RVFL 在各個領(lǐng)域的眾多變體。Chen 和Wan為功能連接網(wǎng)絡(luò)提出了兩種新穎的算法,以便有效地計(jì)算最佳權(quán)重并實(shí)時(shí)更新權(quán)重,他們還解決了最有可能在RVFL 中由噪聲引起的小奇異值問題。Chen 等人提出了一種新穎的單隱藏層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),可以快速計(jì)算最佳權(quán)重。下面將詳細(xì)介紹本次使用的RVFL,其網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。

    圖1 RVFL 網(wǎng)絡(luò)的架構(gòu)Fig.1 Architecture of RVFL network

    給出一組具有標(biāo)記的數(shù)據(jù){(x,y)|x∈R,y∈{-1,1},=1,2,…,},具有個增強(qiáng)節(jié)點(diǎn)的RVFL 網(wǎng)絡(luò)可以表示如下:

    式中,是輸出向量權(quán)重;是連接輸入數(shù)據(jù)和增強(qiáng)節(jié)點(diǎn)輸出的級聯(lián)矩陣;是標(biāo)簽矩陣。

    從式(1)可以通過Moore-Penrose 偽逆如式(6)或者嶺回歸式(7)計(jì)算出權(quán)重,?是Moore-Penrose 偽逆,是一個單位矩陣,是權(quán)衡參數(shù)。

    式中,ζ是訓(xùn)練誤差,y是一個標(biāo)簽,y∈{-1,1},(x)表示組合特征向量。

    2.2 快速多視角特權(quán)協(xié)同隨機(jī)向量函數(shù)連接網(wǎng)絡(luò)

    在多視角學(xué)習(xí)中普遍接受的假設(shè)是每個特征視角都可以單獨(dú)提供一個信息分類器,從不同特征視角構(gòu)建的分類器在預(yù)測時(shí)往往是一致的。FMPRVFL的目標(biāo)是訓(xùn)練一個決策函數(shù)(),滿足多視角分類的一致性和互補(bǔ)性,如圖2 所示。

    圖2 FMPRVFL 結(jié)構(gòu)示意圖Fig.2 Illustration of construction of FMPRVFL

    若()≥()≥0 則:

    可以用(1-(()-()))替代式(10)。有:

    由此可以得到目標(biāo)函數(shù):

    為了進(jìn)一步說明FMPRVFL 的機(jī)理,給出如下詳注。

    (3)引入非負(fù)松弛變量(18a)和(18b)在平均情況下讓兩個視角之間相互監(jiān)督,從而保證它們之間的一致性和互補(bǔ)性。C是一個非負(fù)懲罰參數(shù)。

    為了更好地解釋非負(fù)松弛變量保證它們之間的一致性和互補(bǔ)性的作用方法,將式(18a)和式(18b)展開得到式(19a)和式(19b)。

    對式(19a)和式(19b)中第二項(xiàng)進(jìn)行變換得到式(20a)和式(20b),然后進(jìn)一步展開得到式(21a)和式(21b)。

    在式(17)中求解ww后,分別在每個視角上和聯(lián)合在兩個視角上建立分類器,根據(jù)具體情況對新樣本的標(biāo)簽進(jìn)行預(yù)測。

    2.3 目標(biāo)函數(shù)優(yōu)化

    可以通過固定ww求逆再固定ww求逆相互迭代,或者使用梯度下降法一步步迭代求解出合適的ww。這樣求解一般情況下,其解不保證是全局最優(yōu)解并且靠近極小值時(shí)收斂速度減慢。將ww構(gòu)造在一起,將式(26)~(29)帶入式(25)中直接得到了ww,得到了這個目標(biāo)函數(shù)的解析解,相較于梯度法有更快的速度。

    依據(jù)式(17)構(gòu)造拉格朗日函數(shù)(w,w),對ww求導(dǎo)。

    在二分類中通過以下方法確定測試樣品的預(yù)測標(biāo)簽:

    基于上述優(yōu)化結(jié)果,算法的實(shí)現(xiàn)步驟如算法1所示。

    FMPRVFL

    FMPRVFL 在步驟1 中,算法的時(shí)間復(fù)雜度和增強(qiáng)節(jié)點(diǎn)的個數(shù)和輸入樣本量有關(guān),為()。一般情況下遠(yuǎn)大于,因此此步的時(shí)間復(fù)雜度為(),在步驟2 中生成級聯(lián)矩陣復(fù)雜度為(),步驟3 中求偽逆的復(fù)雜度為(),其中涉及到矩陣乘的復(fù)雜度為(),為輸入訓(xùn)練樣本數(shù),為輸入樣本特征維數(shù)總和,為隱藏節(jié)點(diǎn)數(shù)。一般情況下?且?,綜合來看算法的時(shí)間復(fù)雜度為()。

    3 實(shí)驗(yàn)評估

    3.1 數(shù)據(jù)集

    為了檢驗(yàn)FMPRVFL 的性能,本節(jié)對一些真實(shí)數(shù)據(jù)集進(jìn)行評估。為了保證實(shí)驗(yàn)的真實(shí)準(zhǔn)確,每種方法進(jìn)行了5 折交叉驗(yàn)證實(shí)驗(yàn),并且計(jì)算平均結(jié)果和標(biāo)準(zhǔn)差作為最終結(jié)果,采用了常用的準(zhǔn)確率(accuracy,Acc)作為衡量指標(biāo)并記錄了算法段運(yùn)行的時(shí)間。所有模擬實(shí)驗(yàn)都是在同一個環(huán)境下完成的,采用在Windows10 1903系統(tǒng)Intel i7-9750 2.60 GHz六核CPU和32 GB RAM 的計(jì)算機(jī)上 搭建Matlab2016b 環(huán)境中進(jìn)行。

    AwA:包含50 種動物的30 475 張圖像,圖像數(shù)據(jù)是在2016 年從公共資源(例如Flickr)收集的。每張圖像具有6 個預(yù)先提取的特征表示。在二分類實(shí)驗(yàn)中使用SURF(speeded up robust features)特 征2000-D 和HOG(histogram of oriented gradient)特征252-D。

    NUS-WIDE:由新加坡國立大學(xué)的媒體實(shí)驗(yàn)室創(chuàng)建的網(wǎng)絡(luò)圖像數(shù)據(jù)集。數(shù)據(jù)集包括:269 648 張圖像和5 018 個唯一標(biāo)簽;從這些圖像中提取的6 種類型的低級特征,包括64-D 顏色直方圖、144-D 顏色相關(guān)圖、73-D 邊緣方向直方圖、128-D 小波紋理、225-D逐塊顏色矩和基于SIFT 描述的500-D 特征;可用于評估的81 類分類場景。本文實(shí)驗(yàn)使用其中單目標(biāo)圖集,選擇了225-D 逐塊顏色矩Normalized_CM55 和73-D 邊緣方向直方圖Normalized_EDH。

    數(shù)據(jù)集的信息如表1 所示,為了進(jìn)行更基本的比較,把數(shù)據(jù)集拆分成多個二分類。NUS-WIDE 數(shù)據(jù)集類別排序按照首字母順序。第一個實(shí)驗(yàn)的選取方式參考了數(shù)據(jù)集作者給出的測試。第二個實(shí)驗(yàn)直接以首字母排序后從第5 個到第75 個每間隔10 組成一組二分類數(shù)據(jù)集。

    表1 實(shí)驗(yàn)中用到的數(shù)據(jù)集Table 1 Datasets used in experiment

    3.2 實(shí)驗(yàn)設(shè)置

    實(shí)驗(yàn)選取一些主流對比算法,其中RVFL-A 和RVFL-B 為帶權(quán)重參數(shù)的用嶺回歸求解的RVFL,相當(dāng)于一組消融實(shí)驗(yàn)。SVM-2K 是基于SVM 的多視角學(xué)習(xí)模型,SVM-2K 結(jié)合了標(biāo)準(zhǔn)SVM 和KCCA(kernel canonical correlation analysis)的距離最小化。MED-2C方法將共識性和互補(bǔ)性原則集成到MED 框架中,以進(jìn)行多視角分類。PSVM-2V在SVM-2K的基礎(chǔ)上結(jié)合特權(quán)信息,以QP問題迭代求解。

    為了獲得所有方法的最佳參數(shù),實(shí)施了5 重交叉驗(yàn)證并且運(yùn)行10 次求平均值,SVM-2K、MED-2C 和PSVM-2V的高斯RBF(radial basis function)核函數(shù)的核參數(shù)選自{10,10,10,10,10,1,10,10,10,10,10}。依據(jù)原作者的設(shè)置方法在實(shí)驗(yàn)中將算法中兩個視角的內(nèi)核參數(shù)設(shè)置為相同值。在集合{10,10,…,10}上調(diào)整PSVM-2V、SVM-2K、MED-2C、RVFL中的參數(shù)等。在FMPRVFL中,設(shè)置==并同上面核化參數(shù)相同的范圍選取即{10,10,…,10}。隱節(jié)點(diǎn)數(shù)從{80,100,120,140,160}中選擇。

    3.3 實(shí)驗(yàn)結(jié)果和分析

    本節(jié)將比較FMPRVFL 和所有對比測試方法的性能。從圖3 也可以直觀看出,在多數(shù)情況下,F(xiàn)MPRVFL 的性能均優(yōu)于其他算法。

    圖3 在AwA 數(shù)據(jù)集上的分類性能Fig.3 Classification performance on AwA dataset

    在此討論FMPRVFL 的參數(shù)敏感性,在隱節(jié)點(diǎn)參數(shù)固定后精度會隨參數(shù)、C、變化,選擇參數(shù)的部分結(jié)果如圖4。在參數(shù)選擇中當(dāng)C在10處達(dá)到精度的極大值,或C都較大時(shí)模型的精確度達(dá)到最佳。從圖4(b)來看,當(dāng)參數(shù)處于10時(shí),精度隨變化幅度不大;在=0.01 時(shí)精度達(dá)到極大值。

    圖4 不同參數(shù)下FMPRVFL 在AwA 第27 組實(shí)驗(yàn)中性能變化Fig.4 Performance of FMPRVFL with different parameters on dataset AwA27

    表2 和表3 分別列出了來自AwA 和NUS-WIDE的36 個和28 個數(shù)據(jù)集二分類結(jié)果。FMPRVFL 在數(shù)據(jù)集AwA 的結(jié)果相對視角A 的RVFL 平均高出約3個百分點(diǎn),相對視角B 的RVFL 平均高出約12 個百分點(diǎn),相對SVM-2K 平均高出約3 個百分點(diǎn),相對MED-2C 平均高出約6 個百分點(diǎn),相對PSVM-2V 平均高出約2 個百分點(diǎn)。在6 組數(shù)據(jù)集略低于PSVM-2V,但是這種情況兩者也非常接近,最壞情況第24 組低約3個百分點(diǎn)。本文方法在NUS-WIDE 數(shù)據(jù)集上對比視角A 的RVFL 平均高出約2 個百分點(diǎn),相對視角B 的RVFL 平均高出約4 個百分點(diǎn),相對SVM-2K 平均高出約4 個百分點(diǎn),相對MED-2C 平均高出約4 個百分點(diǎn),相對PSVM-2V 平均高出約2 個百分點(diǎn),在5 組數(shù)據(jù)集略低于PSVM-2V,但是這種情況兩者也非常接近,最壞情況第4 組實(shí)驗(yàn)低約2 個百分點(diǎn)。表4 記錄了各個算法運(yùn)算時(shí)間,可以看出FMPRVFL 相較于PSVM-2V、SVM-2K、MED-2C 這類用二次規(guī)劃多次迭代求解的方法有較為明顯的優(yōu)勢。

    表2 在AWA 數(shù)據(jù)集上的分類性能Table 2 Classification performance on AwA dataset

    表2 (續(xù))

    表3 在NUS-WIDE 數(shù)據(jù)集上的分類性能Table 3 Classification performance on NUS-WIDE dataset

    表4 在NUS-WIDE 數(shù)據(jù)集上的平均運(yùn)行時(shí)間Table 4 Average running time on NUS-WIDE dataset 單位:s

    綜上所述可以得出以下結(jié)論:在多數(shù)情況下,F(xiàn)MPRVFL 的性能均優(yōu)于其他算法??梢钥闯?,F(xiàn)MPRVFL 以最高的平均準(zhǔn)確度和最快速度獲得了最佳性能。對于大多數(shù)數(shù)據(jù)集,F(xiàn)MPRVFL 具有比PSVM-2V 更高的準(zhǔn)確性,并且比自身單獨(dú)兩個視角的性能更好,這進(jìn)一步證明了FMPRVFL 本身可以按照互補(bǔ)性原理充分利用兩個視角作為特權(quán)信息,并遵循共識性原理添加正則化項(xiàng)以實(shí)現(xiàn)更好的分類性能。

    4 結(jié)束語

    本文提出了一種快速多視角特權(quán)協(xié)同隨機(jī)向量函數(shù)連接網(wǎng)絡(luò)(FMPRVFL)來有效地解決多視角分類任務(wù)。FMPRVFL 在平均情況下相互利用冗余視角的附加信息作為特權(quán)信息監(jiān)督當(dāng)前視角的分類。該方法的目標(biāo)函數(shù)可以求出解析解,可以使用偽逆方法快速求解。在64 個多視角數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),相比SVM-2K、MED-2C、PSVM-2V,在實(shí)際任務(wù)中,F(xiàn)MPRVFL 可以實(shí)現(xiàn)更好的泛化性能和更快的速度,證明了該方法的有效性。目前只設(shè)計(jì)了兩視角的FMPRVFL,在一些任務(wù)中更多視角可能會對模型構(gòu)建帶來更多幫助,F(xiàn)MPRVFL 可以進(jìn)一步改進(jìn)使用兩個以上視角數(shù)據(jù)。FMPRVFL 中激活函數(shù)的選擇對網(wǎng)絡(luò)泛化能力的影響還有進(jìn)一步探索的空間,后續(xù)可以使用核化方法提高非線性擬合能力。

    猜你喜歡
    分類信息方法
    分類算一算
    分類討論求坐標(biāo)
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    訂閱信息
    中華手工(2017年2期)2017-06-06 23:00:31
    可能是方法不對
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    捕魚
    展會信息
    中外會展(2014年4期)2014-11-27 07:46:46
    女生性感内裤真人,穿戴方法视频| 最近最新中文字幕大全电影3| 久久久久免费精品人妻一区二区| 少妇粗大呻吟视频| 亚洲,欧美精品.| 母亲3免费完整高清在线观看| 欧美黄色淫秽网站| 好看av亚洲va欧美ⅴa在| 国产爱豆传媒在线观看 | 国内精品久久久久久久电影| 久久久久久久久免费视频了| 男男h啪啪无遮挡| 亚洲欧美日韩东京热| av天堂在线播放| 日韩欧美三级三区| 久久久国产成人免费| 91大片在线观看| 国产精品99久久99久久久不卡| 日韩成人在线观看一区二区三区| 听说在线观看完整版免费高清| 国产欧美日韩一区二区精品| 级片在线观看| 啦啦啦韩国在线观看视频| 亚洲精品美女久久久久99蜜臀| 久久欧美精品欧美久久欧美| 久久精品亚洲精品国产色婷小说| 99热这里只有是精品50| 国产激情久久老熟女| 午夜老司机福利片| 亚洲成av人片免费观看| 国产精品久久视频播放| cao死你这个sao货| 久久久精品欧美日韩精品| 88av欧美| 巨乳人妻的诱惑在线观看| 精品日产1卡2卡| 国产成人aa在线观看| 午夜老司机福利片| 丁香六月欧美| 黄色 视频免费看| 亚洲成人国产一区在线观看| 亚洲精华国产精华精| 婷婷丁香在线五月| 精品福利观看| 国产av一区二区精品久久| 99国产精品一区二区蜜桃av| 熟女少妇亚洲综合色aaa.| 两性午夜刺激爽爽歪歪视频在线观看 | 好男人电影高清在线观看| 欧美黑人欧美精品刺激| 成人av在线播放网站| 久久久精品大字幕| 欧美一区二区精品小视频在线| 男女床上黄色一级片免费看| 18禁黄网站禁片午夜丰满| 国产探花在线观看一区二区| 人人妻,人人澡人人爽秒播| 欧美一区二区国产精品久久精品 | 国产精品一区二区精品视频观看| 国产av一区二区精品久久| 亚洲国产欧美一区二区综合| 久久国产精品人妻蜜桃| 日韩欧美 国产精品| 久久久水蜜桃国产精品网| 欧美色视频一区免费| 亚洲人成网站高清观看| 国产精品久久久久久久电影 | 在线视频色国产色| 亚洲七黄色美女视频| 久久久久国产一级毛片高清牌| 亚洲专区字幕在线| av在线播放免费不卡| 69av精品久久久久久| 一卡2卡三卡四卡精品乱码亚洲| 又黄又爽又免费观看的视频| 欧美黄色片欧美黄色片| 国产欧美日韩一区二区精品| 麻豆一二三区av精品| 天天躁夜夜躁狠狠躁躁| 久久中文字幕人妻熟女| 成熟少妇高潮喷水视频| 全区人妻精品视频| 麻豆国产97在线/欧美 | 一边摸一边做爽爽视频免费| 亚洲精品美女久久av网站| 午夜精品久久久久久毛片777| 啦啦啦观看免费观看视频高清| 精品国产亚洲在线| 久久久国产精品麻豆| 老司机午夜十八禁免费视频| 特级一级黄色大片| 亚洲成人中文字幕在线播放| 欧美成人一区二区免费高清观看 | 久久香蕉精品热| 丰满人妻一区二区三区视频av | 久久中文看片网| 桃红色精品国产亚洲av| 男男h啪啪无遮挡| 精品人妻1区二区| 99国产综合亚洲精品| 欧美黄色淫秽网站| 亚洲色图av天堂| 两个人免费观看高清视频| 18美女黄网站色大片免费观看| 亚洲欧洲精品一区二区精品久久久| 国语自产精品视频在线第100页| 久久亚洲精品不卡| 又大又爽又粗| 一级毛片精品| 国产成人系列免费观看| 一本久久中文字幕| 国产99久久九九免费精品| 91字幕亚洲| 天天添夜夜摸| 特大巨黑吊av在线直播| 国产精品免费视频内射| 亚洲18禁久久av| 欧美日韩福利视频一区二区| 亚洲va日本ⅴa欧美va伊人久久| 国产一区二区在线观看日韩 | 久久亚洲精品不卡| 国产精品美女特级片免费视频播放器 | 搡老熟女国产l中国老女人| 成人三级黄色视频| 嫁个100分男人电影在线观看| 久久久精品大字幕| 色在线成人网| 桃红色精品国产亚洲av| 国产精品亚洲美女久久久| 国产熟女xx| 久久国产乱子伦精品免费另类| 亚洲一码二码三码区别大吗| 91老司机精品| 一级a爱片免费观看的视频| 色播亚洲综合网| 天堂影院成人在线观看| 欧美+亚洲+日韩+国产| av在线天堂中文字幕| 精品久久久久久成人av| 18禁观看日本| 88av欧美| 一进一出好大好爽视频| 免费在线观看日本一区| 久久久精品大字幕| 午夜激情av网站| 国产野战对白在线观看| 亚洲国产欧洲综合997久久,| 亚洲七黄色美女视频| 两人在一起打扑克的视频| 精品国内亚洲2022精品成人| 亚洲人成网站在线播放欧美日韩| 色噜噜av男人的天堂激情| 亚洲性夜色夜夜综合| 日本一区二区免费在线视频| 色av中文字幕| 看片在线看免费视频| 亚洲熟女毛片儿| av天堂在线播放| 欧美在线黄色| 丰满的人妻完整版| 欧美日韩中文字幕国产精品一区二区三区| 免费看日本二区| 久久久久久亚洲精品国产蜜桃av| 91九色精品人成在线观看| 人人妻人人澡欧美一区二区| 国产成年人精品一区二区| 99riav亚洲国产免费| 麻豆成人av在线观看| 亚洲欧美精品综合一区二区三区| 手机成人av网站| 12—13女人毛片做爰片一| 老汉色∧v一级毛片| 成人三级黄色视频| 99久久精品热视频| 国产高清视频在线观看网站| 嫩草影院精品99| 国模一区二区三区四区视频 | 91国产中文字幕| 欧美日韩福利视频一区二区| 精品欧美一区二区三区在线| 午夜精品一区二区三区免费看| 欧美日本视频| 国产一级毛片七仙女欲春2| 黄色女人牲交| 免费一级毛片在线播放高清视频| 国内精品久久久久精免费| 欧美乱码精品一区二区三区| 黄色成人免费大全| 亚洲电影在线观看av| 色在线成人网| 久久婷婷人人爽人人干人人爱| a级毛片a级免费在线| 亚洲,欧美精品.| 中国美女看黄片| 青草久久国产| 欧美中文日本在线观看视频| 男女那种视频在线观看| 婷婷精品国产亚洲av| 18禁国产床啪视频网站| 中文字幕精品亚洲无线码一区| 精品福利观看| 日韩欧美免费精品| 看免费av毛片| 丰满的人妻完整版| 久久草成人影院| 国产精品久久久久久久电影 | 在线视频色国产色| tocl精华| 国产精品98久久久久久宅男小说| 亚洲国产欧美人成| 少妇的丰满在线观看| 国产亚洲av高清不卡| 露出奶头的视频| 午夜成年电影在线免费观看| 不卡一级毛片| 1024视频免费在线观看| 真人做人爱边吃奶动态| 丰满的人妻完整版| 色综合欧美亚洲国产小说| 麻豆久久精品国产亚洲av| 国产黄色小视频在线观看| 淫妇啪啪啪对白视频| 久久久久久人人人人人| 国产一区二区三区在线臀色熟女| 亚洲成人久久爱视频| 欧美3d第一页| 91九色精品人成在线观看| 我的老师免费观看完整版| 亚洲激情在线av| 国产av又大| 高清在线国产一区| 757午夜福利合集在线观看| 国产精品久久久av美女十八| 好男人在线观看高清免费视频| 91九色精品人成在线观看| 亚洲精品久久成人aⅴ小说| 日韩有码中文字幕| 中文亚洲av片在线观看爽| 国产黄a三级三级三级人| 国产单亲对白刺激| 91字幕亚洲| 又爽又黄无遮挡网站| 亚洲自偷自拍图片 自拍| 亚洲,欧美精品.| 可以免费在线观看a视频的电影网站| 不卡一级毛片| 搡老妇女老女人老熟妇| 中文字幕久久专区| 日本五十路高清| 午夜免费观看网址| 欧美中文日本在线观看视频| 99精品久久久久人妻精品| 久久久久久亚洲精品国产蜜桃av| 日韩大尺度精品在线看网址| 欧美日本视频| 亚洲欧美精品综合一区二区三区| 精华霜和精华液先用哪个| 淫秽高清视频在线观看| 国产精品av久久久久免费| 男插女下体视频免费在线播放| 很黄的视频免费| 精品熟女少妇八av免费久了| 黑人欧美特级aaaaaa片| 在线十欧美十亚洲十日本专区| 亚洲电影在线观看av| 久久久久久大精品| 日本一本二区三区精品| 国产精品久久久人人做人人爽| e午夜精品久久久久久久| 在线观看www视频免费| 亚洲aⅴ乱码一区二区在线播放 | 国产午夜精品久久久久久| 亚洲精品国产一区二区精华液| 99国产极品粉嫩在线观看| 久久性视频一级片| 在线十欧美十亚洲十日本专区| 床上黄色一级片| 欧美国产日韩亚洲一区| 欧美av亚洲av综合av国产av| 国产区一区二久久| 少妇粗大呻吟视频| 午夜免费激情av| 国产熟女xx| 欧美黑人精品巨大| 国产成人欧美在线观看| 97碰自拍视频| 一本久久中文字幕| 国产亚洲av高清不卡| а√天堂www在线а√下载| 成人精品一区二区免费| 国产av不卡久久| 丰满人妻熟妇乱又伦精品不卡| 国产成人系列免费观看| 成人国语在线视频| 又粗又爽又猛毛片免费看| 一本久久中文字幕| 国产亚洲av高清不卡| 国产成人精品久久二区二区91| 91在线观看av| 久久久精品欧美日韩精品| 啦啦啦韩国在线观看视频| 国产精品一及| 在线播放国产精品三级| 国产精品av视频在线免费观看| 国产精品亚洲av一区麻豆| 999久久久国产精品视频| 两性夫妻黄色片| 国产精品一区二区精品视频观看| 男女视频在线观看网站免费 | 这个男人来自地球电影免费观看| 亚洲专区国产一区二区| 午夜福利在线观看吧| 天天一区二区日本电影三级| 波多野结衣高清作品| 精品无人区乱码1区二区| 妹子高潮喷水视频| 免费搜索国产男女视频| 99精品在免费线老司机午夜| 国产精品,欧美在线| 日韩欧美在线二视频| 久久国产乱子伦精品免费另类| 无人区码免费观看不卡| 亚洲全国av大片| 好男人在线观看高清免费视频| 欧美成人午夜精品| 男人的好看免费观看在线视频 | 欧美人与性动交α欧美精品济南到| 亚洲一区中文字幕在线| 久久天堂一区二区三区四区| 国产一区二区在线观看日韩 | 99国产综合亚洲精品| 99精品在免费线老司机午夜| 麻豆国产97在线/欧美 | 黄片小视频在线播放| 熟女少妇亚洲综合色aaa.| 久久久国产欧美日韩av| 久久草成人影院| 村上凉子中文字幕在线| 久久久国产成人精品二区| 久久久久亚洲av毛片大全| 久99久视频精品免费| 亚洲一区二区三区色噜噜| 18禁裸乳无遮挡免费网站照片| 国产精品99久久99久久久不卡| 欧美zozozo另类| 成人高潮视频无遮挡免费网站| 在线观看美女被高潮喷水网站 | 美女高潮喷水抽搐中文字幕| 精品第一国产精品| 中文字幕人妻丝袜一区二区| 精品国内亚洲2022精品成人| 国产三级黄色录像| 亚洲av成人一区二区三| 丝袜美腿诱惑在线| 欧美性长视频在线观看| 国产成人精品无人区| 国产免费男女视频| 欧美zozozo另类| 欧美日韩瑟瑟在线播放| 99久久无色码亚洲精品果冻| 在线a可以看的网站| 一级片免费观看大全| 激情在线观看视频在线高清| 精品久久久久久久末码| 亚洲中文字幕日韩| 欧美乱妇无乱码| 国产精品久久久久久久电影 | 国产高清有码在线观看视频 | 视频区欧美日本亚洲| 免费一级毛片在线播放高清视频| 亚洲av电影在线进入| 精品久久久久久久人妻蜜臀av| 久久精品综合一区二区三区| 国产1区2区3区精品| av有码第一页| 亚洲av片天天在线观看| 日韩欧美免费精品| 日韩精品中文字幕看吧| 99久久无色码亚洲精品果冻| 黑人巨大精品欧美一区二区mp4| 亚洲五月天丁香| 亚洲av五月六月丁香网| 最近最新免费中文字幕在线| 在线观看免费视频日本深夜| 香蕉国产在线看| 亚洲精品在线美女| 日韩有码中文字幕| 国产男靠女视频免费网站| 老司机午夜十八禁免费视频| 日韩成人在线观看一区二区三区| 欧美另类亚洲清纯唯美| 黄色女人牲交| 亚洲在线自拍视频| 黄色视频不卡| 午夜日韩欧美国产| 久久人妻福利社区极品人妻图片| 久久久久国产精品人妻aⅴ院| 日日干狠狠操夜夜爽| 不卡av一区二区三区| 18禁美女被吸乳视频| 日韩精品中文字幕看吧| 亚洲精品久久国产高清桃花| 久久精品91蜜桃| 国产亚洲av嫩草精品影院| 国产精品久久久久久久电影 | 岛国在线免费视频观看| 欧美精品亚洲一区二区| 一级片免费观看大全| 一级黄色大片毛片| 好男人在线观看高清免费视频| 久久久久久人人人人人| 两人在一起打扑克的视频| 在线视频色国产色| 国产精品 欧美亚洲| 久久99热这里只有精品18| 91大片在线观看| 波多野结衣高清作品| 欧美极品一区二区三区四区| 999久久久国产精品视频| 国内精品久久久久久久电影| 美女免费视频网站| 成年女人毛片免费观看观看9| 一级a爱片免费观看的视频| 亚洲男人的天堂狠狠| 一进一出好大好爽视频| 精品第一国产精品| 欧美一区二区国产精品久久精品 | 深夜精品福利| 成人精品一区二区免费| 18禁美女被吸乳视频| 精品福利观看| 久久午夜亚洲精品久久| 好男人电影高清在线观看| 亚洲免费av在线视频| 美女大奶头视频| 国产久久久一区二区三区| 美女黄网站色视频| 脱女人内裤的视频| 国产精品av久久久久免费| 757午夜福利合集在线观看| 国产精品久久视频播放| 悠悠久久av| 免费在线观看亚洲国产| 18禁黄网站禁片免费观看直播| 精品久久久久久成人av| 国产高清视频在线观看网站| 十八禁网站免费在线| 91大片在线观看| 亚洲熟妇熟女久久| 国产亚洲精品一区二区www| or卡值多少钱| 曰老女人黄片| 国产av又大| 午夜福利在线在线| 亚洲男人的天堂狠狠| 亚洲,欧美精品.| 国产1区2区3区精品| 日韩欧美免费精品| 精品福利观看| 国产熟女午夜一区二区三区| 国产精品影院久久| 亚洲国产中文字幕在线视频| 一二三四社区在线视频社区8| 色综合婷婷激情| 两个人视频免费观看高清| 亚洲精品一卡2卡三卡4卡5卡| 欧美成狂野欧美在线观看| 日韩精品青青久久久久久| 亚洲第一欧美日韩一区二区三区| 久久精品国产清高在天天线| 日日夜夜操网爽| 黄色视频,在线免费观看| 亚洲av五月六月丁香网| 好男人在线观看高清免费视频| 午夜福利在线在线| √禁漫天堂资源中文www| www.999成人在线观看| 亚洲午夜理论影院| 久久精品国产亚洲av高清一级| 一边摸一边做爽爽视频免费| 无人区码免费观看不卡| 一区福利在线观看| 夜夜躁狠狠躁天天躁| a级毛片a级免费在线| 久久久久国产精品人妻aⅴ院| 久久久久九九精品影院| 伊人久久大香线蕉亚洲五| 国产单亲对白刺激| 日韩欧美三级三区| 在线国产一区二区在线| 男女视频在线观看网站免费 | 少妇的丰满在线观看| 他把我摸到了高潮在线观看| 波多野结衣巨乳人妻| 最近最新中文字幕大全免费视频| 999久久久精品免费观看国产| 很黄的视频免费| 国内揄拍国产精品人妻在线| 脱女人内裤的视频| 日日干狠狠操夜夜爽| 精品国产超薄肉色丝袜足j| 亚洲欧美激情综合另类| 在线永久观看黄色视频| 成人精品一区二区免费| 一个人观看的视频www高清免费观看 | 国产精品久久视频播放| www日本在线高清视频| 香蕉丝袜av| 亚洲av成人一区二区三| 成在线人永久免费视频| 成人高潮视频无遮挡免费网站| 国产亚洲av嫩草精品影院| 人人妻人人澡欧美一区二区| 级片在线观看| 嫩草影院精品99| av福利片在线观看| 国产成人aa在线观看| av在线播放免费不卡| 精品国内亚洲2022精品成人| 51午夜福利影视在线观看| 全区人妻精品视频| 最新在线观看一区二区三区| 一进一出好大好爽视频| netflix在线观看网站| 午夜福利在线观看吧| 伊人久久大香线蕉亚洲五| 国产激情久久老熟女| 国产黄a三级三级三级人| 欧美日韩瑟瑟在线播放| 一级作爱视频免费观看| 一a级毛片在线观看| 日韩大尺度精品在线看网址| 最近最新中文字幕大全免费视频| 人妻夜夜爽99麻豆av| 久久久国产成人精品二区| 岛国视频午夜一区免费看| 国产伦在线观看视频一区| 桃红色精品国产亚洲av| 无遮挡黄片免费观看| 日本一本二区三区精品| 男女之事视频高清在线观看| 色哟哟哟哟哟哟| 精品久久蜜臀av无| 天堂√8在线中文| 日韩国内少妇激情av| 欧美色视频一区免费| 国产真人三级小视频在线观看| 免费在线观看日本一区| cao死你这个sao货| 好男人电影高清在线观看| 欧美国产日韩亚洲一区| 舔av片在线| 日本成人三级电影网站| 欧美色欧美亚洲另类二区| 18禁国产床啪视频网站| 又黄又粗又硬又大视频| 毛片女人毛片| 精华霜和精华液先用哪个| 亚洲 欧美一区二区三区| cao死你这个sao货| 又粗又爽又猛毛片免费看| 黄色丝袜av网址大全| 国产精品精品国产色婷婷| 黑人巨大精品欧美一区二区mp4| 欧美色欧美亚洲另类二区| 黄片小视频在线播放| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲欧美日韩东京热| 国产欧美日韩一区二区精品| 男女下面进入的视频免费午夜| 麻豆一二三区av精品| 一级片免费观看大全| 国产精品影院久久| 观看免费一级毛片| 亚洲欧美一区二区三区黑人| 成人av一区二区三区在线看| 日韩欧美在线二视频| 久久久精品欧美日韩精品| 成人特级黄色片久久久久久久| 狂野欧美激情性xxxx| 黄色视频不卡| 在线观看66精品国产| 国产区一区二久久| 长腿黑丝高跟| 国产精品1区2区在线观看.| 精品无人区乱码1区二区| 在线免费观看的www视频| 在线十欧美十亚洲十日本专区| 日韩有码中文字幕| 欧美午夜高清在线| 老司机深夜福利视频在线观看| 午夜精品久久久久久毛片777| 婷婷六月久久综合丁香| 久久久久免费精品人妻一区二区| 久久午夜亚洲精品久久| 日本 av在线| 在线观看舔阴道视频| 欧美成人一区二区免费高清观看 | 国产伦人伦偷精品视频| 久久久久久人人人人人| 国产高清videossex| 一夜夜www| 国产高清视频在线播放一区| 国产片内射在线| 黄频高清免费视频| 日韩欧美 国产精品| 久久久久精品国产欧美久久久| 午夜亚洲福利在线播放| 亚洲全国av大片| 最近最新中文字幕大全电影3| 亚洲一码二码三码区别大吗| 欧美又色又爽又黄视频| 99热这里只有是精品50| 久久亚洲真实| 国产av在哪里看|