• <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 ?

    基于支持向量機(jī)的高速公路事件檢測(cè)算法研究

    2014-04-04 01:46:24周林英張立成郝茹茹
    關(guān)鍵詞:路段函數(shù)算法

    周 洲,周林英,張立成,郝茹茹

    (長(zhǎng)安大學(xué) 信息工程學(xué)院,西安710064)

    隨著我國(guó)交通行業(yè)的快速發(fā)展,高速公路的大力建設(shè)在產(chǎn)生巨大的經(jīng)濟(jì)和社會(huì)效益的同時(shí),也帶來(lái)了不斷加劇的交通擁擠以及不斷增加的交通事故,這成為了高速公路日常運(yùn)營(yíng)管理中的一大難題.加強(qiáng)對(duì)高速公路事件檢測(cè)算法的研究,提高高速公路事件檢測(cè)的準(zhǔn)確性,使管理部門能夠?qū)Ω咚俟吠话l(fā)事件進(jìn)行及時(shí)的處理和管控,最大限度的確保人員和車輛安全,提高高速公路的運(yùn)營(yíng)效率,充分發(fā)揮高速公路的優(yōu)越性.

    與傳統(tǒng)的高速公路事件檢測(cè)理論相比,SVM理論是以統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理為基礎(chǔ)的 學(xué)習(xí)模型,具有數(shù)學(xué)公式簡(jiǎn)潔、幾何解釋直觀、泛化能力良好、能夠有效避免局部最優(yōu)解等優(yōu)點(diǎn).因此,利用SVM解決高速公路事件檢測(cè)中普遍所存在的事件樣本少、樣本采集困難、檢測(cè)效果不夠理想等問(wèn)題具有良好的應(yīng)用[1-9].

    SVM可分為SVM,線性不可分SVM,非線性可分SVM三種類型.其核心思想是根據(jù)最大間隔原則求得最優(yōu)分類面,從而判斷任意輸入所屬的類別.線性不可分SVM需要優(yōu)化懲罰參數(shù)C,對(duì)于非線性可分SVM,選擇不同的核函數(shù),可構(gòu)成不同的支持向量機(jī).目前,在分類問(wèn)題方面常用的核函數(shù)主要有

    1)多項(xiàng)式函數(shù)核函數(shù):K(x,xj)= ((x·xi)+coefo2,(coefo≥0,d)為階數(shù),d∈ N.特別地,當(dāng)coef0=0時(shí)為齊次多項(xiàng)式核函數(shù).

    2)高斯徑向基核函數(shù)

    <k(x,xi)=exp(-r‖x-xi‖2,r>0

    3)雙曲線正切核函數(shù)

    <k(x,xi)=tanh(r(x,xi)+c),r>0

    1 基于SVM-AID的算法步驟和工作流程

    基于支持向量的事件檢測(cè)算法流程如圖1所示.

    ① 數(shù)據(jù)準(zhǔn)備階段:包括交通數(shù)據(jù)選取、交通數(shù)據(jù)采集、數(shù)據(jù)優(yōu)化處理等過(guò)程,并將數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集兩部分.

    ②SVM核函數(shù)模型選擇階段:選擇不同的SVM核函數(shù)模型,根據(jù)相對(duì)應(yīng)的數(shù)據(jù)空間,利用特定的算法找出各個(gè)核函數(shù)模型所對(duì)應(yīng)的最優(yōu)參數(shù),利用訓(xùn)練數(shù)據(jù)集分別對(duì)不同的SVM核函數(shù)模型進(jìn)行訓(xùn)練.

    ③測(cè)試階段:利用測(cè)試數(shù)據(jù)集對(duì)訓(xùn)練好的SVM模型進(jìn)行測(cè)試,如果測(cè)試結(jié)果達(dá)到預(yù)先設(shè)定的條件,測(cè)試結(jié)束.否則,返回第②步,重新進(jìn)行參數(shù)優(yōu)化確定模型,并重新訓(xùn)練.

    1.1 交通參數(shù)選擇

    選擇上游檢測(cè)點(diǎn)t、t-1、t-2、t-3、t-4時(shí)刻測(cè)得的流量、速度和占有率以及下游檢測(cè)點(diǎn)t、t-1、t-2時(shí)刻測(cè)得的流量、速度和占有率作為SVM的輸入,因此SVM有24個(gè)輸入向量.用“+1”標(biāo)識(shí)有事件發(fā)生的特征向量,用“-1”標(biāo)識(shí)無(wú)事件發(fā)生的特征向量.同時(shí),定義當(dāng)輸出節(jié)點(diǎn)數(shù)為1個(gè),輸出值為“+1”時(shí),代表有事件狀態(tài),輸出值為“-1”時(shí),代表無(wú)事件狀態(tài).

    圖1 基于SVM的事件檢測(cè)算法工作步驟Fig.1 Main workflow of the incident detection algorithm based on SVM

    1.2 交通數(shù)據(jù)來(lái)源

    本文采用美國(guó)加利福尼亞州I-880數(shù)據(jù)庫(kù)[10]作為交通數(shù)據(jù)來(lái)源,I-880數(shù)據(jù)庫(kù)是美國(guó)Berkeley大學(xué)《Freeway Service Patrol Project》項(xiàng)目所采集的交通流數(shù)據(jù).采集路段為美國(guó)加利福尼亞州Hayward的I-880高速公路,該路段全長(zhǎng)9.41英里,車道數(shù)為3~5個(gè),向北方向車道共埋設(shè)環(huán)形線圈18組,向南方向車道共埋設(shè)環(huán)形線圈17組.數(shù)據(jù)庫(kù)的原始數(shù)據(jù)主要包括環(huán)形線圈數(shù)據(jù)集、浮動(dòng)車數(shù)據(jù)集和交通事件數(shù)據(jù)集三部分.

    1.3 模型及核函數(shù)的選擇

    不同的SVM模型、不同的核函數(shù)及其參數(shù)都會(huì)對(duì)算法的性能指標(biāo)產(chǎn)生影響[11-12],本文分別采用線性不可分SVM、齊次多項(xiàng)式核函數(shù)、高斯徑向基核函數(shù)和雙曲線正切核函數(shù)等4種不同的SVM模型對(duì)事件檢測(cè)算法進(jìn)行仿真分析,同時(shí)與經(jīng)典的加利福尼亞算法進(jìn)行對(duì)比.針對(duì)不同的核函數(shù),需要對(duì)其相應(yīng)的參數(shù)進(jìn)行優(yōu)化設(shè)定,本文采用網(wǎng)格搜索算法分別對(duì)多項(xiàng)式核函數(shù)的階數(shù),高斯徑向基核函數(shù)中的參數(shù),以及雙曲線正切核函數(shù)中函數(shù)的參數(shù)和等參數(shù)進(jìn)行優(yōu)化,然后對(duì)給定的參數(shù)進(jìn)行5-折交叉驗(yàn)證,通過(guò)反復(fù)實(shí)驗(yàn),最終獲得分類效果最好的一組參數(shù).

    2 算法仿真

    設(shè)計(jì)4組實(shí)驗(yàn),在每組實(shí)驗(yàn)中分別用基于線性不可分SVM、齊次多項(xiàng)式核函數(shù)、高斯徑向基核函數(shù)、雙曲線正切核函數(shù)等4種模型對(duì)事件檢測(cè)算法進(jìn)行仿真,不同算法中的參數(shù)尋優(yōu)、模型訓(xùn)練、結(jié)果測(cè)試都采用臺(tái)灣林智仁副教授提供的Libsvm工具箱[13]完成.其中,實(shí)驗(yàn)1(訓(xùn)練、測(cè)試數(shù)據(jù)均源自南向路段)和實(shí)驗(yàn)2(訓(xùn)練、測(cè)試數(shù)據(jù)均源自北向路段)用來(lái)驗(yàn)證算法的有效性.實(shí)驗(yàn)3(訓(xùn)練數(shù)據(jù)源自南向路段,測(cè)試數(shù)據(jù)源自北向路段)和實(shí)驗(yàn)4(訓(xùn)練數(shù)據(jù)源自北向路段,測(cè)試數(shù)據(jù)源自南向路段)用于驗(yàn)證算法的可移植性.各實(shí)驗(yàn)選取的模型及數(shù)據(jù)來(lái)源見(jiàn)表1.

    表1 各實(shí)驗(yàn)選取的模型及數(shù)據(jù)Tab.1 Models and data of various experiments

    2.1 仿真實(shí)驗(yàn)一

    本實(shí)驗(yàn)用到的訓(xùn)練數(shù)據(jù)集、測(cè)試數(shù)據(jù)集均來(lái)自南向路段,利用表1中的數(shù)據(jù)對(duì)SVM模型進(jìn)行訓(xùn)練和測(cè)試,用以驗(yàn)證算法的有效性.

    1)線性不可分SVM在進(jìn)行仿真實(shí)驗(yàn)之前首先利用2.3節(jié)提到的參數(shù)優(yōu)化方法確定懲罰參數(shù)C的最優(yōu)值.在對(duì)懲罰參數(shù) 進(jìn)行優(yōu)化的過(guò)程中,其取值范圍的選擇非常重要,選取不同的初始值,優(yōu)化結(jié)果會(huì)產(chǎn)生較大差異,從而影響算法的最終分類效果.通過(guò)多次試驗(yàn),選取不同的參數(shù)范圍,最后得到線性不可分SVM的最優(yōu)懲罰參數(shù)C=0000795262.經(jīng)過(guò)仿真,可以計(jì)算出相應(yīng)的基于線性不可分SVM的事件檢測(cè)算法的檢測(cè)率為95%,誤檢率為0.52%,平均檢測(cè)時(shí)間為103.26s.

    2)采用齊次多項(xiàng)式作為核函數(shù)時(shí),需要對(duì)懲罰參數(shù)C和階數(shù)d進(jìn)行優(yōu)化設(shè)定.通過(guò)對(duì)不同初始值的設(shè)定檢驗(yàn),最終得到最優(yōu)懲罰參數(shù) ,再根據(jù)階數(shù)取值的不同得到不同的檢測(cè)率、誤檢率和平均檢測(cè)時(shí)間.

    3)利用高斯徑向基作為核函數(shù)時(shí),需要對(duì)懲罰參數(shù)C和核參數(shù)γ進(jìn)行優(yōu)化設(shè)定.通過(guò)對(duì)不同初始值的設(shè)定檢驗(yàn),得到一組預(yù)測(cè)率最優(yōu)的參數(shù)(C,γ)=(2048,1.19209289551e-007).經(jīng)過(guò)仿真,可以計(jì)算出采用高斯徑向基核函數(shù)的事件檢測(cè)算法的檢測(cè)率為91%,誤檢率為0.53%,平均檢測(cè)時(shí)間為100.55s.

    4)利用雙曲線正切作為核函數(shù)時(shí),同樣需要對(duì)懲罰參數(shù)C和核參數(shù)γ進(jìn)行優(yōu)化設(shè)定,通過(guò)對(duì)不同初始值的設(shè)定檢驗(yàn),得到一組最優(yōu)的參數(shù)C=(65536,9.31322574615e-010),經(jīng)過(guò)仿真,可以計(jì)算出采用雙曲線正切核函數(shù)的事件檢測(cè)算法的檢測(cè)率為94%,誤檢率為0.52%,平均檢測(cè)時(shí)間為100.1s.

    由以上實(shí)驗(yàn)可以得到基于線性不可分SVM、齊次多項(xiàng)式核函數(shù)、高斯徑向基核函數(shù)、雙曲線正切核函數(shù)情況下的算法有效性測(cè)試結(jié)果,并與經(jīng)典的加利福尼亞算法進(jìn)行對(duì)比,見(jiàn)表2.

    表2 實(shí)驗(yàn)1的有效性測(cè)試結(jié)果Tab.2 Simulation results of Experiment 1

    2.2 仿真實(shí)驗(yàn)二

    本實(shí)驗(yàn)用到的訓(xùn)練數(shù)據(jù)集、測(cè)試數(shù)據(jù)集均來(lái)自北向路段,利用表1中的數(shù)據(jù)對(duì)SVM模型進(jìn)行訓(xùn)練和測(cè)試,該實(shí)驗(yàn)也用以驗(yàn)證算法的有效性.各模型的參數(shù)優(yōu)化方法和實(shí)驗(yàn)1相同,分別獲得線性不可分SVM的最優(yōu)懲罰參數(shù)C=0.013125,齊次多項(xiàng)式核函數(shù)的最優(yōu)懲罰參數(shù)C=9.53674316406e-07,高斯徑向基核函數(shù)對(duì)應(yīng)的最優(yōu)懲罰參數(shù)C、核參數(shù)γ的最優(yōu)參數(shù)組合為(C,γ)=9.53674316406e-07,雙曲線正切核函數(shù)的最優(yōu)參數(shù)組合為 (C,γ)=(131072,4.65661287308e-010).

    由以上結(jié)果可以計(jì)算得到在實(shí)驗(yàn)2的條件下基于線性不可分SVM、齊次多項(xiàng)式核函數(shù)、高斯徑向基核函數(shù)、雙曲線正切核函數(shù)情況下的算法有效性測(cè)試結(jié)果,并與經(jīng)典的加利福尼亞算法進(jìn)行對(duì)比,見(jiàn)表3.

    表3 實(shí)驗(yàn)2的有效性測(cè)試結(jié)果Tab.3 Simulation results of Experiment 2

    2.3 仿真實(shí)驗(yàn)三

    本實(shí)驗(yàn)用到的訓(xùn)練數(shù)據(jù)集、測(cè)試數(shù)據(jù)集來(lái)自不同的方向,用南向路段的數(shù)據(jù)(實(shí)驗(yàn)1的訓(xùn)練數(shù)據(jù))作為訓(xùn)練數(shù)據(jù)集對(duì)各SVM模型進(jìn)行訓(xùn)練,然后用北向路段的數(shù)據(jù)(實(shí)驗(yàn)2的測(cè)試數(shù)據(jù))作為測(cè)試數(shù)據(jù)集對(duì)SVM進(jìn)行算法測(cè)試,以此驗(yàn)證算法的可移植性.因?yàn)榉抡鎸?shí)驗(yàn)3用到的訓(xùn)練數(shù)據(jù)集與實(shí)驗(yàn)1相同,所以各個(gè)模型相對(duì)應(yīng)的最優(yōu)參數(shù)與實(shí)驗(yàn)1相同.

    由此可以計(jì)算得到在實(shí)驗(yàn)3的條件下基于線性不可分SVM、高斯徑向基核函數(shù)、齊次多項(xiàng)式核函數(shù)、雙曲線正切核函數(shù)情況下的算法可移植性測(cè)試結(jié)果,并與經(jīng)典的加利福尼亞算法進(jìn)行對(duì)比,見(jiàn)表4.

    表4 實(shí)驗(yàn)3的可移植性測(cè)試結(jié)果Tab.4 Simulation results of Experiment 3

    2.4 仿真實(shí)驗(yàn)四

    本實(shí)驗(yàn)用到的訓(xùn)練數(shù)據(jù)集、測(cè)試數(shù)據(jù)集來(lái)自不同的方向,用北向路段的數(shù)據(jù)(實(shí)驗(yàn)2的訓(xùn)練數(shù)據(jù))作為訓(xùn)練數(shù)據(jù)集對(duì)各SVM模型進(jìn)行訓(xùn)練,然后用南向路段的數(shù)據(jù)(實(shí)驗(yàn)1的測(cè)試數(shù)據(jù))作為測(cè)試數(shù)據(jù)集對(duì)SVM進(jìn)行算法測(cè)試,以此驗(yàn)證算法的可移植性.因?yàn)榉抡鎸?shí)驗(yàn)4用到的訓(xùn)練數(shù)據(jù)集與實(shí)驗(yàn)2相同,所以各個(gè)模型相對(duì)應(yīng)的最優(yōu)參數(shù)與實(shí)驗(yàn)2相同.由此可以計(jì)算得到在實(shí)驗(yàn)4的條件下基于線性不可分SVM、高斯徑向基核函數(shù)、齊次多項(xiàng)式核函數(shù)、雙曲線正切核函數(shù)情況下的算法可移植性測(cè)試結(jié)果,并與經(jīng)典的加利福尼亞算法進(jìn)行對(duì)比,見(jiàn)表5.

    表5 實(shí)驗(yàn)4的可移植性測(cè)試結(jié)果Tab.5 Simulation results of Experiment 4

    3 結(jié)果分析

    3.1 有效性分析

    從仿真實(shí)驗(yàn)1和實(shí)驗(yàn)2的數(shù)據(jù)可以看出1)從總體上看,基于齊次多項(xiàng)式核函數(shù)的模型與其他模型和算法相比,在檢測(cè)率、誤檢率、平均檢測(cè)時(shí)間等綜合性能指標(biāo)方面最差.

    2)線性不可分SVM、高斯徑向基核函數(shù)以及雙曲正切核函數(shù)三種支持向量機(jī)模型的綜合檢測(cè)效果都要比加利福尼亞算法好.

    3)由實(shí)驗(yàn)1和實(shí)驗(yàn)2兩組實(shí)驗(yàn)可以看出,利用不同的核函數(shù)模型對(duì)同一數(shù)據(jù)集進(jìn)行測(cè)試時(shí),檢測(cè)性能差異較大.因此,在實(shí)際應(yīng)用中,需要根據(jù)數(shù)據(jù)集合的不同特點(diǎn)選擇合適的核函數(shù)模型,才能得到最好的檢測(cè)效果.

    4)利用相同的SVM模型分別對(duì)南向路段數(shù)據(jù)集和北向路段數(shù)據(jù)集進(jìn)行測(cè)試時(shí),前者檢測(cè)效果好于后者.由于南向路段數(shù)據(jù)集的交通事件大多是多車道事件,交通流波動(dòng)較大,而北向路段數(shù)據(jù)集大多為單車道事件,交通流波動(dòng)較小,因此,SVM模型針對(duì)交通流波動(dòng)較大的事件具有更好的檢測(cè)效果.

    3.2 可移植性分析

    從實(shí)驗(yàn)3和實(shí)驗(yàn)4的仿真結(jié)果可以看出

    1)從總體上看,各種模型和算法在檢測(cè)率、誤檢率、平均檢測(cè)時(shí)間等綜合性能指標(biāo)方面,線性不可分SVM模型檢測(cè)性能最好,基于齊次多項(xiàng)式核函數(shù)的模型檢測(cè)性能最差.

    2)由實(shí)驗(yàn)3和實(shí)驗(yàn)4兩組實(shí)驗(yàn)可以看出,利用交通流波動(dòng)較大的南向路段數(shù)據(jù)集對(duì)算法進(jìn)行訓(xùn)練,用交通流波動(dòng)較小的北向路段數(shù)據(jù)集進(jìn)行算法測(cè)試時(shí),檢測(cè)效果較差.相反,利用交通流波動(dòng)較小的北向路段數(shù)據(jù)集對(duì)算法進(jìn)行訓(xùn)練,用交通流波動(dòng)較大的南向路段數(shù)據(jù)集進(jìn)行算法測(cè)試時(shí),檢測(cè)效果較好.因此,利用交通流波動(dòng)較小的數(shù)據(jù)集訓(xùn)練出來(lái)的模型,算法的移植性較好.

    4 結(jié) 論

    1)利用SVM模型對(duì)高速公路事件進(jìn)行檢測(cè)時(shí),不同的核函數(shù)及其參數(shù)對(duì)檢測(cè)效果都有較大的影響.針對(duì)不同路段交通流的特點(diǎn),選擇合適的SVM模型并通過(guò)特定方法計(jì)算出其對(duì)應(yīng)的最優(yōu)參數(shù),以此得到最佳的事件檢測(cè)算法.

    2)針對(duì)不同的高速公路交通事件,只要選擇合適的SVM核函數(shù)模型,其算法的有效性和可移植性與經(jīng)典的加利福尼亞算法相比,都有不同程度的提高.因此,基于SVM的高速公路事件檢測(cè)算法具有良好的應(yīng)用價(jià)值.

    [1] 崔志賓.基于支持向量機(jī)的交通事件檢測(cè)建模與分析[D].北京:北京交通大學(xué),2008.CUI Zhi-bin.Modeling and Analysis of Automatic Incident Detection Based on Support Vector Machine[D].Beijing:Beijing Jiaotong University,2008.(in Chinese)

    [2] 任雙橋.支撐矢量機(jī)理論與應(yīng)用研究[D].長(zhǎng)沙:國(guó)防科技大學(xué),2006.REN Shuang-qiao Study on the Theory and Application of Support Vector Machines[D].Changsha:National U-niversity of Defense Technology,2006.(in Chinese)

    [3] 楊志民,劉廣利.不確定性支持向量機(jī)原理及應(yīng)用[M].北京:科學(xué)出版社,2007.YANG Zhi-min,LIU guang-li.Principle and Application of Uncertain Support Vector Machines[M].Beijing:Science Press,2007.(in Chinese)

    [4] 王志龍.基于粗糙集理論與支持向量機(jī)的數(shù)據(jù)挖掘方法算法研究[D].蘭州:蘭州大學(xué),2007.WANG Zhi-long.Research on Data Mining Methods Based on Rough Sets Theory and Support Vector Machines[D].Lanzhou:Lanzhou University,2007.(in Chinese)

    [5] 王朝勇.支持向量機(jī)若干算法研究及應(yīng)用[D].吉林:吉林大學(xué),2008.WANG Chao-yong.Study of Some Support Vector Machine Algortithms and Their Applications[D].Jilin:Jilin University,2008.(in Chinese)

    [6] 鄧乃揚(yáng),田英杰.數(shù)據(jù)挖掘中的新方法——支持向量機(jī)[M].北京:科學(xué)出版社,2004.DENG Nai-yang,TIAN ying-jie.A New Method for Data Mining—Support Vector Machine[M].Beijing:Science Press,2004.

    [7] 彭新俊.支持向量機(jī)若干問(wèn)題及應(yīng)用研究[D].上海:上海大學(xué),2008.(in Chinese)PENG Xin-jun.Issues on and Applications of Support Vector Machines[D].Shanghai:Shanghai University,2008.(in Chinese)

    [8] 周林英.基于支持向量機(jī)的高速公路事件檢測(cè)算法[D].西安:長(zhǎng)安大學(xué),2009.ZHOU Lin-ying.An Algorithm for Freeway Incidents Detection Based on Support Vector Machine.[D].Xi’an:Chang’an University,2009.(in Chinese)

    [9] 周林英,朱斌,趙忠杰.基于支持向量機(jī)的高速公路事件檢測(cè)算法[J].系統(tǒng)仿真技術(shù),2010,6(3):224.ZHOU Lin-ying,ZHU bin,ZHAO zhong-jie.An Automatic Incident of Freeway Detection Algorithm Based on Support Vector Machine.[J].System Simulation Technology,2010,6(3):224.

    [10] Karl Petty.The Analysis Software for the FSP Project[EB/OL].(1995-01-01)[2014-06-01]http://ipa.eecs.berkeley.edu/~pettyk/FSP/.

    [11] 王琪.基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的高速公路交通事件檢測(cè)[D].成都:西南交通大學(xué),2006.WANG Qi.Traffic Incidents Detection Based on Neural Network and Support Vector Machine[D].Chengdu:Southwest Jiaotong University,2006.(in Chinese)

    [12] 王鵬,朱小燕.基于RBF核的SVM的模型選擇及其應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2003,39(24):72.WANG Peng.ZHU Xiao-yan.Model Selection of SVM with RBF Kernel and Its Application[J].Computer Engineering and Applications,2003,39(24):72.(in Chinese)

    [13] 張楠.關(guān)于支持向量機(jī)中的參數(shù)優(yōu)化的研究[D].西安:西北大學(xué),2008.ZHANG Nan.Study of the Parameter Optimization in Support Vector Machines[D].Xi’an:Northwest University,2008.(in Chinese)

    猜你喜歡
    路段函數(shù)算法
    冬奧車道都有哪些相關(guān)路段如何正確通行
    二次函數(shù)
    第3講 “函數(shù)”復(fù)習(xí)精講
    部、省、路段監(jiān)測(cè)運(yùn)維聯(lián)動(dòng)協(xié)同探討
    A Survey of Evolutionary Algorithms for Multi-Objective Optimization Problems With Irregular Pareto Fronts
    二次函數(shù)
    函數(shù)備考精講
    基于MapReduce的改進(jìn)Eclat算法
    Travellng thg World Full—time for Rree
    基于XGBOOST算法的擁堵路段短時(shí)交通流量預(yù)測(cè)
    国产在线视频一区二区| 亚洲精品av麻豆狂野| 十分钟在线观看高清视频www| 国产黄色免费在线视频| 女性生殖器流出的白浆| 天天影视国产精品| 黄色毛片三级朝国网站| 中文精品一卡2卡3卡4更新| 午夜av观看不卡| 亚洲人成77777在线视频| 国产在线免费精品| 久久久久精品人妻al黑| 亚洲人成网站在线观看播放| 91成人精品电影| 最近手机中文字幕大全| 午夜久久久在线观看| 久久精品国产亚洲av高清一级| 一区福利在线观看| 建设人人有责人人尽责人人享有的| 精品一区二区三区av网在线观看 | 亚洲av日韩在线播放| 国产精品久久久久久精品古装| 久久午夜综合久久蜜桃| e午夜精品久久久久久久| 日韩av不卡免费在线播放| 成年人免费黄色播放视频| 99久久人妻综合| 亚洲av综合色区一区| 国产日韩欧美视频二区| 欧美日韩av久久| 水蜜桃什么品种好| av国产久精品久网站免费入址| 久久精品国产综合久久久| 9191精品国产免费久久| 18在线观看网站| 日韩中文字幕欧美一区二区 | 亚洲欧美一区二区三区国产| 又黄又粗又硬又大视频| 中文乱码字字幕精品一区二区三区| 亚洲欧美日韩高清在线视频 | 青春草视频在线免费观看| 美女视频免费永久观看网站| www日本在线高清视频| 色视频在线一区二区三区| 国产一区亚洲一区在线观看| xxx大片免费视频| a级毛片在线看网站| 午夜福利在线免费观看网站| 欧美日韩亚洲高清精品| 久久久久久久大尺度免费视频| 久久人人爽av亚洲精品天堂| 日本一区二区免费在线视频| 波多野结衣一区麻豆| 满18在线观看网站| 欧美日本中文国产一区发布| 美女午夜性视频免费| 欧美日韩亚洲高清精品| 男人爽女人下面视频在线观看| 国精品久久久久久国模美| 国产精品一二三区在线看| 一本综合久久免费| 亚洲av电影在线观看一区二区三区| 黄色片一级片一级黄色片| 又大又爽又粗| 欧美日韩亚洲综合一区二区三区_| 久久av网站| 日本欧美视频一区| 亚洲专区中文字幕在线| 国产亚洲av高清不卡| 亚洲精品国产av成人精品| 久久青草综合色| 午夜久久久在线观看| 亚洲av男天堂| 别揉我奶头~嗯~啊~动态视频 | 国产成人精品久久二区二区91| 国产亚洲欧美在线一区二区| 精品人妻在线不人妻| 国产爽快片一区二区三区| 国产视频一区二区在线看| 日韩免费高清中文字幕av| 久久 成人 亚洲| 中文欧美无线码| 国产激情久久老熟女| 久久影院123| 亚洲自偷自拍图片 自拍| 韩国精品一区二区三区| 国产欧美日韩精品亚洲av| 男女免费视频国产| 亚洲激情五月婷婷啪啪| 国产欧美日韩综合在线一区二区| 国产成人一区二区三区免费视频网站 | 黄片小视频在线播放| 免费高清在线观看日韩| 亚洲人成电影免费在线| 美女扒开内裤让男人捅视频| 51午夜福利影视在线观看| 99精国产麻豆久久婷婷| 90打野战视频偷拍视频| 午夜精品国产一区二区电影| 欧美日韩精品网址| 在线观看国产h片| 国产激情久久老熟女| 成年人黄色毛片网站| 最黄视频免费看| 极品人妻少妇av视频| 一本—道久久a久久精品蜜桃钙片| 十八禁人妻一区二区| 观看av在线不卡| 亚洲激情五月婷婷啪啪| 亚洲人成电影免费在线| 天天躁夜夜躁狠狠久久av| 一级,二级,三级黄色视频| 午夜免费男女啪啪视频观看| 在线天堂中文资源库| 精品一品国产午夜福利视频| 亚洲国产精品999| av欧美777| 999精品在线视频| 欧美精品高潮呻吟av久久| 性色av一级| 黄色视频在线播放观看不卡| 亚洲精品成人av观看孕妇| 王馨瑶露胸无遮挡在线观看| 丰满少妇做爰视频| 高清欧美精品videossex| 亚洲国产欧美网| 一级毛片电影观看| 国产精品一国产av| 亚洲国产av影院在线观看| 国产熟女午夜一区二区三区| 各种免费的搞黄视频| 国产精品欧美亚洲77777| 精品国产国语对白av| 另类精品久久| 午夜福利乱码中文字幕| 国产福利在线免费观看视频| 777米奇影视久久| 欧美日韩国产mv在线观看视频| 午夜精品国产一区二区电影| 男女床上黄色一级片免费看| 十分钟在线观看高清视频www| 黄色毛片三级朝国网站| 晚上一个人看的免费电影| 国产精品国产av在线观看| 国产有黄有色有爽视频| 波多野结衣一区麻豆| 国产男女内射视频| 亚洲精品国产av成人精品| 免费看av在线观看网站| 亚洲成人免费av在线播放| 自线自在国产av| 一边摸一边做爽爽视频免费| 日韩一区二区三区影片| 一区福利在线观看| 欧美+亚洲+日韩+国产| 18禁国产床啪视频网站| kizo精华| 男人添女人高潮全过程视频| 国产日韩欧美亚洲二区| av线在线观看网站| 秋霞在线观看毛片| 夜夜骑夜夜射夜夜干| 一级黄片播放器| 超碰成人久久| 久久青草综合色| 两人在一起打扑克的视频| 色视频在线一区二区三区| 日本av手机在线免费观看| 日本av手机在线免费观看| 国产片特级美女逼逼视频| 国产精品久久久久成人av| 日韩一区二区三区影片| 每晚都被弄得嗷嗷叫到高潮| 一区二区日韩欧美中文字幕| 国产伦人伦偷精品视频| 一级片免费观看大全| 亚洲国产av影院在线观看| 七月丁香在线播放| 自拍欧美九色日韩亚洲蝌蚪91| 成年女人毛片免费观看观看9 | 欧美在线一区亚洲| 国产精品九九99| 人体艺术视频欧美日本| 搡老岳熟女国产| 亚洲第一青青草原| 少妇裸体淫交视频免费看高清 | 天天躁日日躁夜夜躁夜夜| 久久久久久人人人人人| 午夜福利,免费看| 久久精品久久久久久噜噜老黄| 一区二区三区四区激情视频| 亚洲专区中文字幕在线| 波野结衣二区三区在线| 中文字幕人妻熟女乱码| 热re99久久国产66热| 97在线人人人人妻| 国产av精品麻豆| 一本色道久久久久久精品综合| 欧美精品啪啪一区二区三区 | 国产欧美日韩一区二区三区在线| 另类亚洲欧美激情| 午夜av观看不卡| 啦啦啦中文免费视频观看日本| 99国产精品一区二区三区| 在线观看www视频免费| 18禁国产床啪视频网站| 久久性视频一级片| 欧美日韩视频高清一区二区三区二| 午夜视频精品福利| 一边摸一边做爽爽视频免费| 午夜福利视频在线观看免费| 亚洲欧美一区二区三区黑人| 一区二区av电影网| 亚洲av成人精品一二三区| 国产成人a∨麻豆精品| 日韩制服丝袜自拍偷拍| 国产高清不卡午夜福利| 国产精品国产三级专区第一集| av天堂久久9| 亚洲av电影在线观看一区二区三区| 黄色片一级片一级黄色片| 99热国产这里只有精品6| 精品国产国语对白av| 黑人巨大精品欧美一区二区蜜桃| 看十八女毛片水多多多| 亚洲av欧美aⅴ国产| 精品久久蜜臀av无| 天堂8中文在线网| 69精品国产乱码久久久| 亚洲精品国产一区二区精华液| 亚洲自偷自拍图片 自拍| 久久精品久久久久久久性| 韩国精品一区二区三区| 欧美老熟妇乱子伦牲交| 欧美在线一区亚洲| 久久国产精品人妻蜜桃| 又黄又粗又硬又大视频| av欧美777| 只有这里有精品99| 亚洲色图综合在线观看| 成年av动漫网址| 精品国产一区二区三区久久久樱花| 桃花免费在线播放| 免费日韩欧美在线观看| 男女无遮挡免费网站观看| 亚洲精品一二三| 国产精品 国内视频| 欧美精品av麻豆av| 亚洲一码二码三码区别大吗| 亚洲精品久久久久久婷婷小说| 中文字幕人妻熟女乱码| 婷婷丁香在线五月| 中国国产av一级| 国产黄色视频一区二区在线观看| 精品亚洲成a人片在线观看| www.999成人在线观看| 汤姆久久久久久久影院中文字幕| 性少妇av在线| 亚洲国产最新在线播放| 亚洲成人免费av在线播放| 日本黄色日本黄色录像| 性色av乱码一区二区三区2| 国产熟女欧美一区二区| 亚洲五月婷婷丁香| 男女下面插进去视频免费观看| 国产男女超爽视频在线观看| 国产高清不卡午夜福利| 你懂的网址亚洲精品在线观看| 久久精品国产亚洲av高清一级| 日本a在线网址| 国产女主播在线喷水免费视频网站| 国产亚洲精品久久久久5区| 美女脱内裤让男人舔精品视频| 免费观看人在逋| 亚洲一码二码三码区别大吗| 久久99精品国语久久久| 日韩大码丰满熟妇| 美女大奶头黄色视频| 精品福利永久在线观看| 精品福利永久在线观看| 精品福利永久在线观看| 欧美日韩视频精品一区| 丰满迷人的少妇在线观看| 婷婷成人精品国产| 亚洲成av片中文字幕在线观看| 国产成人av教育| 中文乱码字字幕精品一区二区三区| 波多野结衣av一区二区av| 大陆偷拍与自拍| av福利片在线| 国产精品一区二区在线不卡| 久久99热这里只频精品6学生| 久久久国产一区二区| 精品第一国产精品| 免费在线观看日本一区| netflix在线观看网站| 中文乱码字字幕精品一区二区三区| 美女中出高潮动态图| 男女床上黄色一级片免费看| 精品人妻熟女毛片av久久网站| 国产在线视频一区二区| 成年美女黄网站色视频大全免费| 国产伦人伦偷精品视频| 视频在线观看一区二区三区| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲欧美成人综合另类久久久| 精品欧美一区二区三区在线| 国产精品欧美亚洲77777| 国产高清视频在线播放一区 | 午夜福利一区二区在线看| 亚洲国产欧美一区二区综合| 操美女的视频在线观看| 久久久久视频综合| 欧美 亚洲 国产 日韩一| 亚洲图色成人| 久久久久精品人妻al黑| 视频区欧美日本亚洲| 老鸭窝网址在线观看| 成人黄色视频免费在线看| av又黄又爽大尺度在线免费看| 两个人看的免费小视频| 亚洲国产成人一精品久久久| 在线看a的网站| 黄色a级毛片大全视频| videos熟女内射| 日韩大码丰满熟妇| av国产久精品久网站免费入址| 两个人免费观看高清视频| 99热国产这里只有精品6| 曰老女人黄片| av有码第一页| 熟女少妇亚洲综合色aaa.| 香蕉国产在线看| 亚洲欧洲精品一区二区精品久久久| 18禁观看日本| 亚洲七黄色美女视频| 免费av中文字幕在线| 国产高清视频在线播放一区 | 国产伦人伦偷精品视频| 黄片播放在线免费| 精品亚洲成国产av| 亚洲欧美一区二区三区黑人| 亚洲av电影在线观看一区二区三区| 久久精品国产a三级三级三级| 纵有疾风起免费观看全集完整版| 黄片播放在线免费| 国产亚洲av片在线观看秒播厂| 免费观看人在逋| 欧美少妇被猛烈插入视频| 欧美 日韩 精品 国产| 国产熟女欧美一区二区| 欧美另类一区| 成人国产一区最新在线观看 | a 毛片基地| 岛国毛片在线播放| 中文字幕色久视频| 国产亚洲av高清不卡| 女人久久www免费人成看片| 国产精品亚洲av一区麻豆| 又紧又爽又黄一区二区| 99精国产麻豆久久婷婷| 久久热在线av| 亚洲av成人不卡在线观看播放网 | 99国产精品一区二区三区| 久久人妻福利社区极品人妻图片 | 男女边摸边吃奶| 一级a爱视频在线免费观看| 亚洲黑人精品在线| 成年人午夜在线观看视频| 久久精品国产亚洲av高清一级| 欧美性长视频在线观看| 久久99一区二区三区| 欧美国产精品va在线观看不卡| 看十八女毛片水多多多| 啦啦啦视频在线资源免费观看| 欧美激情极品国产一区二区三区| 人人妻人人添人人爽欧美一区卜| 日本黄色日本黄色录像| 国产免费视频播放在线视频| 黄色视频不卡| 亚洲中文日韩欧美视频| 午夜福利在线免费观看网站| 午夜福利影视在线免费观看| 欧美激情高清一区二区三区| 日本欧美国产在线视频| 国产精品久久久久久人妻精品电影 | 亚洲色图 男人天堂 中文字幕| 亚洲精品国产区一区二| 操出白浆在线播放| 亚洲伊人色综图| e午夜精品久久久久久久| 精品亚洲成a人片在线观看| 成人国语在线视频| 美女午夜性视频免费| 国产激情久久老熟女| av视频免费观看在线观看| 国产人伦9x9x在线观看| 人妻一区二区av| 91老司机精品| 啦啦啦 在线观看视频| 午夜福利视频精品| 色网站视频免费| 我要看黄色一级片免费的| 亚洲国产精品一区二区三区在线| 亚洲午夜精品一区,二区,三区| 亚洲国产欧美一区二区综合| 亚洲成人免费电影在线观看 | 久久久国产欧美日韩av| 高清av免费在线| 美女午夜性视频免费| 国产一区二区在线观看av| 午夜两性在线视频| 亚洲中文av在线| 免费久久久久久久精品成人欧美视频| 飞空精品影院首页| 大片电影免费在线观看免费| 人人澡人人妻人| 国产xxxxx性猛交| 亚洲国产av影院在线观看| 超碰97精品在线观看| 欧美xxⅹ黑人| 国产av国产精品国产| 80岁老熟妇乱子伦牲交| 性少妇av在线| 欧美成人精品欧美一级黄| 日韩av在线免费看完整版不卡| 一本大道久久a久久精品| 黄色视频不卡| 高潮久久久久久久久久久不卡| 国产欧美日韩一区二区三 | 亚洲av日韩在线播放| 一区二区三区四区激情视频| 午夜免费男女啪啪视频观看| 久久久久国产一级毛片高清牌| 亚洲av在线观看美女高潮| 欧美成狂野欧美在线观看| 曰老女人黄片| 欧美激情高清一区二区三区| 中文字幕高清在线视频| 咕卡用的链子| 国产亚洲欧美在线一区二区| 99九九在线精品视频| 欧美xxⅹ黑人| 国产日韩欧美视频二区| 欧美日韩福利视频一区二区| 国产爽快片一区二区三区| 亚洲精品自拍成人| 97人妻天天添夜夜摸| 亚洲一码二码三码区别大吗| 精品国产国语对白av| 久久精品久久久久久久性| 丝袜美腿诱惑在线| 国产成人免费无遮挡视频| 久热这里只有精品99| av又黄又爽大尺度在线免费看| 十八禁高潮呻吟视频| 日本色播在线视频| 亚洲熟女毛片儿| 亚洲av欧美aⅴ国产| 在现免费观看毛片| 欧美激情高清一区二区三区| 免费在线观看视频国产中文字幕亚洲 | 久久99一区二区三区| 精品少妇一区二区三区视频日本电影| 操出白浆在线播放| 欧美97在线视频| 成人18禁高潮啪啪吃奶动态图| 黄色视频不卡| 免费日韩欧美在线观看| 久久精品亚洲av国产电影网| 精品人妻1区二区| 日本猛色少妇xxxxx猛交久久| 国产伦理片在线播放av一区| 99九九在线精品视频| 亚洲黑人精品在线| 晚上一个人看的免费电影| 首页视频小说图片口味搜索 | 91精品伊人久久大香线蕉| 亚洲欧美一区二区三区黑人| 激情视频va一区二区三区| 精品一区二区三区四区五区乱码 | 免费不卡黄色视频| 少妇被粗大的猛进出69影院| 91精品国产国语对白视频| 亚洲七黄色美女视频| 国产亚洲一区二区精品| 七月丁香在线播放| 亚洲精品一二三| 热re99久久国产66热| 男女下面插进去视频免费观看| 精品国产超薄肉色丝袜足j| 色婷婷av一区二区三区视频| 免费在线观看影片大全网站 | 老司机在亚洲福利影院| 久久人妻熟女aⅴ| 无限看片的www在线观看| 一级毛片黄色毛片免费观看视频| 精品国产国语对白av| 久久精品人人爽人人爽视色| 午夜日韩欧美国产| 欧美日韩综合久久久久久| 亚洲中文日韩欧美视频| 你懂的网址亚洲精品在线观看| 亚洲专区国产一区二区| 国产精品秋霞免费鲁丝片| avwww免费| 亚洲欧美日韩高清在线视频 | 岛国毛片在线播放| 男人爽女人下面视频在线观看| 亚洲美女黄色视频免费看| 亚洲少妇的诱惑av| √禁漫天堂资源中文www| www.av在线官网国产| 热99国产精品久久久久久7| 成人手机av| 免费黄频网站在线观看国产| 国产一区二区 视频在线| 色网站视频免费| 亚洲国产中文字幕在线视频| 国产欧美日韩精品亚洲av| 欧美人与性动交α欧美软件| 两性夫妻黄色片| 波多野结衣av一区二区av| 国产一区二区 视频在线| 久久中文字幕一级| 性色av一级| 亚洲成国产人片在线观看| 国产91精品成人一区二区三区 | 亚洲 欧美一区二区三区| 90打野战视频偷拍视频| 丝袜脚勾引网站| 久久精品久久久久久噜噜老黄| 日韩电影二区| 日日夜夜操网爽| 满18在线观看网站| 中文字幕亚洲精品专区| 国产男女内射视频| av有码第一页| 久热爱精品视频在线9| 午夜老司机福利片| 另类亚洲欧美激情| 亚洲国产欧美网| 1024视频免费在线观看| 日本五十路高清| 国产高清videossex| 国产男女超爽视频在线观看| 国产日韩欧美视频二区| 欧美黄色淫秽网站| 99国产精品免费福利视频| 色婷婷久久久亚洲欧美| 欧美人与性动交α欧美精品济南到| 天天影视国产精品| 啦啦啦中文免费视频观看日本| 男女下面插进去视频免费观看| 中文字幕亚洲精品专区| 欧美国产精品一级二级三级| 天天添夜夜摸| 侵犯人妻中文字幕一二三四区| 99香蕉大伊视频| 青春草视频在线免费观看| 黄色毛片三级朝国网站| 日韩av在线免费看完整版不卡| av天堂在线播放| 搡老乐熟女国产| 中文字幕另类日韩欧美亚洲嫩草| 免费看av在线观看网站| 熟女少妇亚洲综合色aaa.| 国产免费现黄频在线看| 亚洲精品第二区| 日韩大片免费观看网站| 捣出白浆h1v1| 国产精品99久久99久久久不卡| 亚洲欧洲国产日韩| 91麻豆精品激情在线观看国产 | 精品一区二区三卡| 99国产精品99久久久久| 国产成人影院久久av| 91成人精品电影| 国产片内射在线| 中文字幕另类日韩欧美亚洲嫩草| 老司机靠b影院| 熟女少妇亚洲综合色aaa.| 90打野战视频偷拍视频| 韩国高清视频一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91| 国产亚洲欧美在线一区二区| 秋霞在线观看毛片| 成年女人毛片免费观看观看9 | 久久综合国产亚洲精品| 51午夜福利影视在线观看| 中文字幕亚洲精品专区| 亚洲欧洲精品一区二区精品久久久| 中文字幕另类日韩欧美亚洲嫩草| 飞空精品影院首页| 国产片内射在线| 性色av乱码一区二区三区2| 狠狠精品人妻久久久久久综合| 成人影院久久| 欧美xxⅹ黑人| 黑人巨大精品欧美一区二区蜜桃| 国产精品一区二区免费欧美 | 国产亚洲午夜精品一区二区久久| 亚洲成色77777| 亚洲av综合色区一区| 日韩av免费高清视频| 亚洲av电影在线进入| 啦啦啦啦在线视频资源| 午夜久久久在线观看| 国产熟女欧美一区二区| 午夜精品国产一区二区电影| 搡老乐熟女国产| 大型av网站在线播放| 精品人妻一区二区三区麻豆| 久久精品久久精品一区二区三区| 亚洲精品日韩在线中文字幕|