• <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 ?

    壓縮感知中圖像重構(gòu)的模型綜述

    2016-11-10 00:54:05宋長明惠慶磊
    關(guān)鍵詞:范數(shù)重構(gòu)矩陣

    宋長明, 惠慶磊

    (中原工學(xué)院, 鄭州 450007)

    ?

    壓縮感知中圖像重構(gòu)的模型綜述

    宋長明, 惠慶磊

    (中原工學(xué)院, 鄭州 450007)

    分別從稀疏表示、編碼測量以及重構(gòu)算法等方面闡述了壓縮感知的基本原理?;诟怕?、凸優(yōu)化等詳細(xì)介紹了圖像重構(gòu)模型的理論框架和發(fā)展?fàn)顩r,并從字典學(xué)習(xí)和低秩表示的角度展望了圖像重構(gòu)模型進(jìn)一步研究的方向。

    壓縮感知;圖像重構(gòu);凸優(yōu)化;低秩

    隨著科學(xué)技術(shù)的發(fā)展,海量數(shù)據(jù)在帶給人們各種便利的同時(shí),也給數(shù)據(jù)分析和處理帶來了極大的困難。如何有效采集和處理高維數(shù)據(jù),成為信號(hào)處理領(lǐng)域一個(gè)亟待解決的問題。2006年,Donoho D L和Candès E等提出一種新穎的信號(hào)采樣和處理理論,即壓縮感知(Compressive Sensing)理論[1-3]。該理論將信號(hào)采樣和壓縮合并進(jìn)行,提高了信號(hào)采集、信息處理能力,突破了香農(nóng)-奈奎斯特采樣定理的瓶頸,大大緩解了數(shù)據(jù)采集、存儲(chǔ)、傳輸和分析的壓力。

    壓縮感知理論指出,當(dāng)信號(hào)在某個(gè)變換域下可壓縮或稀疏時(shí),通過采集少量的信號(hào)非自適應(yīng)線性投影值,構(gòu)建數(shù)學(xué)重構(gòu)模型并利用重構(gòu)算法求解,可以較精確地重構(gòu)原信號(hào)。其研究內(nèi)容主要包括稀疏表示、編碼測量和重構(gòu)算法三方面。稀疏表示是壓縮感知理論的先驗(yàn)條件。從正交基、組合正交基、多尺度幾何分析再到字典學(xué)習(xí)的發(fā)展,稀疏表示理論愈加豐富。編碼測量是壓縮感知理論硬件實(shí)現(xiàn)的關(guān)鍵,但并非直接測量信號(hào)本身,而是經(jīng)過測量矩陣將其投影到低維空間,并保持信號(hào)原本的結(jié)構(gòu)信息。重構(gòu)算法是壓縮感知理論的核心,指利用盡量少的測量值,快速、魯棒、精確地重構(gòu)原信號(hào)。

    一般地,信號(hào)重構(gòu)過程可轉(zhuǎn)化為一個(gè)求解最小l0范數(shù)的模型。統(tǒng)計(jì)學(xué)、計(jì)算機(jī)領(lǐng)域的研究者從組合算法[4]角度解決稀疏信號(hào)重構(gòu)問題,此類方法比壓縮感知理論更早地被提出來??紤]到非確定性因素,Ji S等提出了貝葉斯壓縮感知模型[5],這類模型構(gòu)建了壓縮感知和機(jī)器學(xué)習(xí)的橋梁,為深層次研究提供了新的思路。通過逐步迭代的方法逼近待重構(gòu)稀疏信號(hào)的支撐集,從而引出一大類匹配追蹤算法[6]??紤]到l0范數(shù)的高度非凸性屬于NP問題,研究者從多個(gè)角度入手,提出了多種近似等價(jià)的重構(gòu)模型。目前主流的研究模型是凸優(yōu)化模型,即采用凸函數(shù)代替非凸函數(shù),并采用凸優(yōu)化的方法求解。Candès E等采用l1范數(shù)代替l0范數(shù),提出最小l1范數(shù)模型[3],隨后又提出了加權(quán)的最小l1范數(shù)模型[7]。在Candès E等結(jié)合二維圖像梯度場稀疏性提出全變分模型[3]的基礎(chǔ)上,Lou Y等提出了加權(quán)全變分模型[8]。Chartrand R等以犧牲計(jì)算復(fù)雜度為代價(jià),用lp(0

    1 稀疏表示

    1959年,Hubel等在研究貓的簡單細(xì)胞感受野時(shí),發(fā)現(xiàn)位于主觀視覺皮層V1區(qū)的細(xì)胞能夠?qū)σ曈X信息進(jìn)行稀疏表示[14]。生物學(xué)家指出,哺乳動(dòng)物的視覺神經(jīng)系統(tǒng)是一個(gè)非常有效的系統(tǒng),當(dāng)觀察某個(gè)特定畫面時(shí),只有有限個(gè)視覺神經(jīng)元被激活,即用較少的神經(jīng)元表現(xiàn)所觀察物體的特征,這是其長期進(jìn)化的結(jié)果。隨著人們對(duì)稀疏表示理論的深入研究,這一理論被廣泛應(yīng)用于信號(hào)處理等領(lǐng)域。

    定義1稀疏:信號(hào)x在變換基Ψ下的變換系數(shù)向量Θ=ΨTx,假如對(duì)于00,這些系數(shù)滿足:

    (1)

    說明系數(shù)向量Θ在某種意義下是稀疏的[1]。如果Θ中只有少數(shù)元素是非零的,則稱Θ是稀疏的,那么信號(hào)x是可壓縮或稀疏的。若只有k個(gè)非零元素,則稱Θ是信號(hào)x的k稀疏表示。

    需要指出的是,很少有信號(hào)是真正稀疏的。當(dāng)認(rèn)為某個(gè)信號(hào)稀疏時(shí),更確切地說,是這個(gè)信號(hào)可以通過稀疏信號(hào)近似表達(dá)。傳統(tǒng)上,信號(hào)稀疏表示主要基于正交基和組合正交基,如傅里葉變換、小波變換等;之后,為解決高維空間數(shù)據(jù)稀疏表示問題,提出了多尺度幾何分析。根據(jù)哺乳動(dòng)物視覺神經(jīng)系統(tǒng)接收?qǐng)龅奶匦?,Kondo S提出了更為有效的冗余字典學(xué)習(xí)[15]。目前,冗余字典的設(shè)計(jì)和學(xué)習(xí)是研究的熱點(diǎn)和難點(diǎn)。字典可以有效表示信號(hào)中的階躍、紋理、振蕩等高維特征信息,其原子不再是單一的基函數(shù),而是通過構(gòu)造和學(xué)習(xí)的冗余原子庫,增加原子的個(gè)數(shù),提高變換系數(shù)的冗余性,來增強(qiáng)逼近信號(hào)的靈活性,進(jìn)而提高復(fù)雜信號(hào)的稀疏表示能力。其中具有非零系數(shù)的原子體現(xiàn)了信號(hào)的主要結(jié)構(gòu)及特征信息。更形象地說,利用字典中的原子庫,采用線性組合方式,可“拼”出最逼近原圖像的圖像。當(dāng)然,這個(gè)拼圖游戲相當(dāng)復(fù)雜。

    2 測量矩陣

    測量矩陣是壓縮感知理論能否成功實(shí)現(xiàn)的關(guān)鍵。如果原始信號(hào)充分稀疏并且測量值是精確的,則某些條件可以確保重構(gòu)解是唯一的。這些條件(如零空間性質(zhì)或約束等距條件等)保證了存在多種矩陣滿足壓縮感知的要求,如二值隨機(jī)矩陣、局部傅里葉矩陣、隨機(jī)Toeplitz矩陣等。

    定義2零空間性質(zhì):對(duì)于矩陣Φ,如果對(duì)于非零向量h和所有|S|≤K的坐標(biāo)集合S?{1,2,…,n}都滿足:

    ‖hs‖1<‖hsc‖1

    (2)

    則Φ滿足K階零空間性質(zhì)(NullSpaceProperty)[16]。其中:h∈N(Φ){0},N(Φ)表示矩陣Φ的零空間;S={i|xi≠0};Sc={i|xi=0},表示S的余集。

    零空間特性表明屬于矩陣Φ的零空間向量的非零元素應(yīng)該是均勻分布的,不會(huì)集中在任意K個(gè)元素中。K階零空間特性確保測量矩陣不會(huì)出現(xiàn)歧義,即如果Φx=Φx′,則必有x=x′或x≈x′。

    當(dāng)信號(hào)真正稀疏時(shí),矩陣的零空間性質(zhì)足以完整描述在什么條件下才可以重構(gòu)原始信號(hào)。然而,對(duì)于近似稀疏信號(hào),需要對(duì)矩陣引入一些更為嚴(yán)格的條件,以確保零空間N(Φ)中既不包含稀疏的向量,也不包含近似稀疏的向量。更為嚴(yán)格的條件是約束等距條件(RestrictedIsometryProperty,RIP)。

    定義3約束等距條件(RIP):如果存在δK∈(0,1),使得:

    (3)

    對(duì)所有的x∈∑K{x:‖x‖0≤K}都成立,則稱矩陣Φ滿足K階約束等距特性[17]。其中,δK稱為矩陣Φ的約束等距常數(shù)。

    3 重構(gòu)算法與模型

    重構(gòu)算法是壓縮感知模型求解的保證,需要考慮多種因素,如少量的測量值、測量噪聲和模型噪聲以及重構(gòu)穩(wěn)定性等。大量研究表明,重構(gòu)算法和模型設(shè)計(jì)多種多樣,不同的算法和模型在運(yùn)算時(shí)間、重構(gòu)精度和穩(wěn)定性等方面都有各自的特點(diǎn)。

    3.1組合算法

    組合算法由統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)領(lǐng)域的研究者開發(fā),用于解決稀疏信號(hào)重構(gòu)問題[4]。其本質(zhì)思想是針對(duì)信號(hào)進(jìn)行高度結(jié)構(gòu)化采樣,由群測試快速獲得信號(hào)的支撐集。組合算法主要包括稀疏傅里葉描述法、鏈追蹤等。組合算法需要的測量次數(shù)較少,但是沒有給出確定性測量矩陣的約束條件,這為新的測量矩陣的提出帶來了困難。

    3.2貝葉斯模型

    (4)

    貝葉斯模型提供了一個(gè)可以將壓縮感知和機(jī)器學(xué)習(xí)連接起來的橋梁。這一思想為更多類型的信號(hào)重構(gòu)算法及模型研究提供了一些有益思路。

    3.3匹配追蹤算法

    匹配追蹤算法又稱貪婪算法,其基本思想是通過逐步迭代來逼近待重構(gòu)稀疏信號(hào)的支撐集[7]。該算法的種類有很多,其中,匹配追蹤(MP)算法、正交匹配追蹤(OMP)算法能夠以極大的概率重構(gòu)原信號(hào),但是缺乏相應(yīng)重構(gòu)正確性的保證。隨后改進(jìn)的算法有逐步匹配追蹤(StOMP)、子空間追蹤(SP)、壓縮匹配追蹤(CoOMP)和正則匹配追蹤(ROMP)等,在一定程度上兼顧重構(gòu)的通用性和復(fù)雜性,并提供了理論支撐。對(duì)于低維度的小尺度信號(hào)重構(gòu),貪婪算法的速度快,但是對(duì)于含噪聲的大尺度重構(gòu)問題,該算法不具有魯棒性。

    3.4凸優(yōu)化模型

    目前,在壓縮感知問題求解中應(yīng)用最多的是凸優(yōu)化模型。其基本思想是采用凸函數(shù)代替l0范數(shù),并利用凸優(yōu)化的方法求解。假設(shè)J(x)是凸的且促進(jìn)稀疏性的目標(biāo)函數(shù),在信號(hào)x稀疏性的約束下,求解J(x),使其很小。這類模型是在N空間中一個(gè)凸集中優(yōu)化未知變量x的凸函數(shù)J(x)。

    基于信號(hào)的稀疏性,壓縮感知理論從M個(gè)測量值y=Φx中重構(gòu)出原始稀疏信號(hào)x∈£N,其中,Φ∈£M×N(M

    (5)

    其中‖·‖0表示零范數(shù),是指非零元素的個(gè)數(shù)。由于l0范數(shù)的非凸性,不易求解,因此研究者將該模型轉(zhuǎn)化為易于求解的重構(gòu)模型,大致有以下四類。

    3.4.1lp重構(gòu)模型

    當(dāng)p=1時(shí),CandèsE等[3]采用l1范數(shù)代替原來的l0范數(shù),將重構(gòu)模型重寫為:

    (6)

    式(6)相應(yīng)的線性規(guī)劃問題被稱為基追蹤。為進(jìn)一步減小噪聲對(duì)模型的影響,CandèsE等[7]提出了加權(quán)最小l1模型,即:

    (7)

    對(duì)于0

    (8)

    3.4.2全變分重構(gòu)模型

    相對(duì)于一維信號(hào)重構(gòu)的最小l1范數(shù)模型,考慮二維自然圖像,Candès E等[3]利用圖像離散梯度的稀疏性,提出了更適合自然圖像重構(gòu)的最小全變分模型,即:

    minTV(x),s.t.y=Φx

    (9)

    然而,對(duì)于邊緣紋理信息豐富的區(qū)域,其梯度并非1-稀疏,單一的全變分正則項(xiàng)效果并不理想,會(huì)產(chǎn)生階梯效應(yīng)。針對(duì)這種非稀疏的梯度向量,結(jié)合各向同性與各向異性,LouY等[8]提出了加權(quán)的全變分模型,即:

    (10)

    3.4.3平滑l0范數(shù)重構(gòu)模型

    (11)

    3.4.4低秩重構(gòu)模型

    圖像信息包含了大量的自相關(guān)結(jié)構(gòu),具有高度結(jié)構(gòu)化的稀疏性和低秩性。利用這種非局部相似特性,Dong W等[12-13]提出了非局部低秩重構(gòu)模型:

    (12)

    其中:X=L+W;L是低秩矩陣;W是高斯噪聲矩陣;X是按照聚類思想將圖像分塊后生成的數(shù)據(jù)矩陣,用于體現(xiàn)圖像的自相關(guān)結(jié)構(gòu)。文獻(xiàn)[13]采用行列式代替秩,rank(L)=log det(L+εI)(ε是很小的正常數(shù),I是單位矩陣),以避免矩陣行列式為零。模型(12)可重寫為:

    (13)

    其中,η、λ均是平衡低秩項(xiàng)和保真項(xiàng)的正參數(shù)。

    凸優(yōu)化模型有較強(qiáng)的重構(gòu)正確性,所需觀測的次數(shù)較少,但其最大的缺點(diǎn)在于重建速度慢,對(duì)于大尺度的重構(gòu)問題實(shí)現(xiàn)困難。因此,研究對(duì)測量值要求較少、計(jì)算復(fù)雜度低、適用大尺度且穩(wěn)健的重構(gòu)算法及模型,仍然是壓縮感知的關(guān)鍵問題。

    4 壓縮成像應(yīng)用

    壓縮感知理論為許多領(lǐng)域帶來了革新,在計(jì)算機(jī)科學(xué)、電子工程和信號(hào)處理等領(lǐng)域具有廣闊的應(yīng)用前景。

    成像是一個(gè)傳統(tǒng)的信號(hào)處理領(lǐng)域,圖像在整個(gè)數(shù)字信號(hào)處理領(lǐng)域占有舉足輕重的地位,壓縮感知理論在成像領(lǐng)域得到了極大的認(rèn)可。RICE大學(xué)成功研制的單像素相機(jī)[20]成像靈活,光敏二極管量子效率達(dá)90%,能夠極大地降低圖像失真和噪聲,為低像素相機(jī)拍攝高質(zhì)量圖像提供了可能。激光雷達(dá)[21]取消了機(jī)械掃描裝置,可避免直接對(duì)原始信號(hào)的采樣,減輕構(gòu)建地面三維模型時(shí)數(shù)據(jù)處理的壓力,增加載荷靈活性。國內(nèi)的相關(guān)研究也在積極進(jìn)行中。醫(yī)學(xué)成像,尤其是核磁共振成像[22],利用MR圖像在小波域的稀疏性和空間域的變分約束,通過高度欠采樣數(shù)據(jù)重構(gòu)原始圖像,將壓縮感知理論成功應(yīng)用于心臟成像、腦成像和快速三維血管造影等,大大提高了成像速度。

    此外,壓縮感知理論還可應(yīng)用于模擬數(shù)字轉(zhuǎn)換、生物傳感、稀疏誤差糾錯(cuò)、信號(hào)檢測和分類以及地球物理數(shù)據(jù)分析等眾多領(lǐng)域。最新研究表明,基于自然成像的壓縮感知模型更具有實(shí)用價(jià)值[23]。隨著現(xiàn)代通信技術(shù)的飛速發(fā)展,壓縮感知理論必將大放光彩。

    5 結(jié) 語

    壓縮感知理論的提出不僅豐富了信號(hào)采樣和處理理論,也為其他相關(guān)領(lǐng)域的研究提供了新思路。2006年至今,經(jīng)過十年的研究發(fā)展,壓縮感知理論框架不斷完善。但是,不可否認(rèn)的是壓縮感知理論不具有普適性,如對(duì)于隨機(jī)信號(hào)或噪聲信號(hào)等非結(jié)構(gòu)信號(hào),壓縮感知理論仍然存在不能克服的局限性。

    壓縮感知理論具有旺盛的生命力,發(fā)展日新月異,對(duì)應(yīng)用數(shù)學(xué)、電子光學(xué)工程、信號(hào)處理等領(lǐng)域?qū)a(chǎn)生重要影響。今后的研究方向主要有以下幾個(gè)方面:

    (1)設(shè)計(jì)性能更好的字典。稀疏字典適合人類視覺神經(jīng)系統(tǒng),可充分利用圖像的先驗(yàn)信息,確保稀疏性,在減少測量的同時(shí)保證重構(gòu)精度。

    (2)測量矩陣的構(gòu)造和優(yōu)化。測量矩陣與稀疏字典密切相關(guān),應(yīng)統(tǒng)籌考慮,更重要的是滿足采樣成本低、存儲(chǔ)矩陣小等硬件易實(shí)現(xiàn)的特性要求。

    (3)低秩流形符合圖像的本征結(jié)構(gòu)。結(jié)構(gòu)化稀疏有著優(yōu)異的重構(gòu)效果,低秩流形和結(jié)構(gòu)化字典相結(jié)合,重構(gòu)圖像將具有更豐富的結(jié)構(gòu)信息。

    [1]DonohoDL.CompressedSensing[J].IEEETransactionsonInformationTheory, 2006, 52(4):1289-1306.

    [2]CandèsE.CompressiveSampling[C]//ProceedingsofInternationalCongressofMathematiciansMadrid.Spain:EuropeanMathematicalSocietyPublishingHouse, 2006:1433-1452.

    [3]CandèsE,RombergJ,TaoT.RobustUncertaintyPrinciples:ExactSignalReconstructionfromHighlyIncompleteFrequencyInformation[J].IEEETransactionsonInformationTheory, 2006, 52(2):489-509.

    [4]GilbertAC,GuhaS,IndykP,etal.Near-optimalSparseFourierRepresentationsViaSampling[C]//Proceedingson34thAnnualACMSymposiumonTheoryofComputing.Canada:ACM, 2012:152-161.

    [5]JiS,XueY,CarinL.BayesianCompressiveSensing[J].IEEETransactionsonSignalProcessing, 2008, 56(6):2346-2356.

    [6]方紅, 楊海蓉. 貪婪算法與壓縮感知理論[J]. 自動(dòng)化學(xué)報(bào), 2011, 37(12):1413-1421.

    [7]CandèsE,BraunN,WakinM.SparseSignalandImageRecoveryfromCompressiveSamples[C]//Proceedingsof4thIEEEInternationalSymposiumonBiomedicalImaging:fromNanotoMacro.Washington:IEEEE, 2007:976-979.

    [8]LouY,YinP,HeQ,etal.ComputingSparseRepresentationinaHighlyCoherentDictionaryBasedonDifferenceofL1andL2 [J].JournalofScientificComputing, 2015, 64(1):178-196.

    [9]ChartrandR.ExactReconstructionofSparseSignalsViaNonconvexMinimization[J].IEEESignalProcessingLetters, 2007, 14(10):707-710.

    [10]MohimaniH,BabaiezadehM,JuttenC.AFastApproachforOvercompleteSparseDecompositionBasedonSmoothedL0Norm[J].IEEETransactionsonSignalProcessing, 2009, 57(1):289-301.

    [11]MairalJ,BachF,PonceJ,etal.Non-localSparseModelsforImageRestoration[J].IEEEInternationalConferenceonComputerVision, 2009,30(2):2272 - 2279.

    [12]DongW,LiX,ZhangL,etal.Sparsity-basedImageDenoisingViaDictionaryLearningandStructuralClustering[J].IEEEConferenceonComputerVision&PatternRecognition,2011,42(7):457-464.

    [13]DongW,ShiG,LiX,etal.CompressiveSensingViaNonlocalLow-rankRegularization[J].IEEETransactionsonImageProcessingaPublicationoftheIEEESignalProcessingSociety, 2014, 23(8):3618-3632.

    [14]HubelDH,WieselTN.ReceptiveFieldsofSingleNeuronsintheCat’sStriateCortex[J].JournalofPhysiology, 1959, 148(3):574-591.

    [15]KondoS.CompressedSensingandRedundantDictionaries[J].InformationTheoryIEEETransactionson, 2008, 54(5):2210-2219.

    [6]文再文,印臥濤,劉歆,等.壓縮感知和稀疏優(yōu)化簡介[J].運(yùn)籌學(xué)學(xué)報(bào), 2012, 16(3):49-64.

    [17]MoQ,LiS.NewBoundsontheRestrictedIsometryConstant[J].Applied&ComputationalHarmonicAnalysis, 2011, 31(3):460-468.

    [18]BaraniukR,DavenportM,DevoreR,etal.ASimpleProoftheRestrictedIsometryforRandomMatrices[J].ConstructiveApproximation, 2015, 28(3):253-263.

    [19]李春雷, 高廣帥, 劉洲峰,等. 基于L0范數(shù)視覺顯著性的織物疵點(diǎn)檢測算法研究[J]. 中原工學(xué)院學(xué)報(bào), 2015,26(6):1-5.

    [20]DuarteMF,DavenportMA,TakbarD,etal.Single-pixelImagingViaCompressiveSampling[J].IEEESignalProcessingMagazine, 2008, 25(2):83-91.

    [21]HowlandGA,DixonPB,HowellJC.Photon-countingCompressiveSensingLaserRadarfor3DImaging.[J].AppliedOptics, 2011, 50(31):5917-5920.

    [22]AkakayaM,BashaTA,GodduB,etal.Low-dimensional-structureSelf-learningandThresholding:RegularizationBeyondCompressedSensingforMRIReconstruction[J].MagneticResonanceinMedicineOfficialJournaloftheSocietyofMagneticResonanceinMedicine, 2011, 66(3):756-767.

    [23]LiutkusA,MartinaD,PopoffS,etal.ImagingwithNature:CompressiveImagingUsingaMultiplyScatteringMedium[J].ScientificReports, 2013, 4(4):5552.

    (責(zé)任編輯:王長通)

    The Review of Image Reconstruction in Compressive Sensing

    SONG Chang-ming, HUI Qing-lei

    (Zhongyuan University of Technology, Zhengzhou 450007,China)

    In this paper, compressive sensing is systematically studied from the sparse representation, compressive measurement and reconstruction algorithm, and then the theoretical frame and the latest developments of the image reconstruction model are introduced in detail based on probability and convex optimization etc. Some further research directions is put forward from dictionary learning and low-rank represent.

    compressive sensing; image reconstruction; convex optimization; low rank

    2016-05-26

    河南省基礎(chǔ)與前沿技術(shù)研究項(xiàng)目(152300410226);河南省高等學(xué)校重點(diǎn)科研項(xiàng)目(15A110045)

    宋長明(1965-),男,河南鄭州人,教授,博士,主要研究方向?yàn)槠⒎址匠碳捌鋺?yīng)用。

    1671-6906(2016)04-0080-05

    TN911.7

    A

    10.3969/j.issn.1671-6906.2016.04.017

    猜你喜歡
    范數(shù)重構(gòu)矩陣
    長城敘事的重構(gòu)
    攝影世界(2022年1期)2022-01-21 10:50:14
    北方大陸 重構(gòu)未來
    基于加權(quán)核范數(shù)與范數(shù)的魯棒主成分分析
    北京的重構(gòu)與再造
    商周刊(2017年6期)2017-08-22 03:42:36
    矩陣酉不變范數(shù)H?lder不等式及其應(yīng)用
    論中止行為及其對(duì)中止犯的重構(gòu)
    初等行變換與初等列變換并用求逆矩陣
    矩陣
    南都周刊(2015年4期)2015-09-10 07:22:44
    矩陣
    南都周刊(2015年3期)2015-09-10 07:22:44
    矩陣
    南都周刊(2015年1期)2015-09-10 07:22:44
    婷婷精品国产亚洲av在线| 亚洲不卡免费看| 国产激情偷乱视频一区二区| 99视频精品全部免费 在线| 国产精品久久久久久亚洲av鲁大| 国产国拍精品亚洲av在线观看| 一个人观看的视频www高清免费观看| 乱系列少妇在线播放| 乱码一卡2卡4卡精品| 亚洲国产日韩欧美精品在线观看| 午夜福利在线在线| a级毛片a级免费在线| 国模一区二区三区四区视频| 九九爱精品视频在线观看| 91在线观看av| 人人妻人人澡欧美一区二区| 美女xxoo啪啪120秒动态图| 亚洲欧美日韩高清专用| 久久人妻av系列| 免费无遮挡裸体视频| 色在线成人网| 少妇裸体淫交视频免费看高清| 麻豆成人午夜福利视频| 国产伦精品一区二区三区四那| 夜夜看夜夜爽夜夜摸| 色噜噜av男人的天堂激情| 免费大片18禁| 两人在一起打扑克的视频| 欧美潮喷喷水| 久久精品人妻少妇| 久久久久久久午夜电影| 欧美色视频一区免费| 国产在视频线在精品| 国产精品国产高清国产av| 亚洲精品一区av在线观看| 成年女人永久免费观看视频| 美女 人体艺术 gogo| 亚洲在线观看片| av天堂中文字幕网| 国产精品国产三级国产av玫瑰| 啪啪无遮挡十八禁网站| 亚洲美女搞黄在线观看 | 一个人看视频在线观看www免费| 久久久久久九九精品二区国产| 97超视频在线观看视频| 日韩亚洲欧美综合| 亚洲在线观看片| 国产精品亚洲一级av第二区| 香蕉av资源在线| 丝袜美腿在线中文| 精品久久久久久成人av| 在线观看免费视频日本深夜| 高清日韩中文字幕在线| 久久九九热精品免费| 老女人水多毛片| 网址你懂的国产日韩在线| 婷婷色综合大香蕉| 国产黄色小视频在线观看| 亚洲成a人片在线一区二区| 色综合婷婷激情| 国产精品综合久久久久久久免费| 综合色av麻豆| 男人狂女人下面高潮的视频| 不卡视频在线观看欧美| 亚洲欧美日韩无卡精品| 亚洲欧美日韩卡通动漫| 精品人妻一区二区三区麻豆 | 亚洲一区二区三区色噜噜| 国产私拍福利视频在线观看| 最后的刺客免费高清国语| 免费黄网站久久成人精品| 成人国产综合亚洲| 免费av毛片视频| 欧美成人一区二区免费高清观看| 精品一区二区三区av网在线观看| 国产高清视频在线播放一区| 久久久精品欧美日韩精品| 99热6这里只有精品| 可以在线观看毛片的网站| 国内精品美女久久久久久| 亚洲av免费在线观看| 午夜福利视频1000在线观看| a级一级毛片免费在线观看| 两个人的视频大全免费| 91久久精品国产一区二区三区| 国产成人aa在线观看| 免费人成在线观看视频色| 人妻夜夜爽99麻豆av| 十八禁网站免费在线| 成年人黄色毛片网站| 亚洲av成人精品一区久久| 久久精品91蜜桃| 美女高潮喷水抽搐中文字幕| 国产美女午夜福利| 亚洲,欧美,日韩| 亚洲自拍偷在线| 我要搜黄色片| 别揉我奶头 嗯啊视频| 国产精品1区2区在线观看.| 男女做爰动态图高潮gif福利片| 少妇猛男粗大的猛烈进出视频 | 简卡轻食公司| 亚洲精华国产精华液的使用体验 | 亚洲国产高清在线一区二区三| 日日撸夜夜添| 午夜老司机福利剧场| 99久久成人亚洲精品观看| 波野结衣二区三区在线| 亚洲精品色激情综合| 久久午夜亚洲精品久久| 赤兔流量卡办理| 亚洲精品在线观看二区| 日本爱情动作片www.在线观看 | 国内精品一区二区在线观看| 久久精品夜夜夜夜夜久久蜜豆| 搡老妇女老女人老熟妇| 两人在一起打扑克的视频| 国产午夜精品论理片| 日韩一本色道免费dvd| 亚洲精品日韩av片在线观看| 长腿黑丝高跟| 久久天躁狠狠躁夜夜2o2o| 国产欧美日韩一区二区精品| 一级av片app| 久久人妻av系列| 中国美白少妇内射xxxbb| av福利片在线观看| 日本色播在线视频| 美女高潮喷水抽搐中文字幕| 免费大片18禁| 午夜福利视频1000在线观看| 成年人黄色毛片网站| 欧美在线一区亚洲| 国产精品一区二区三区四区久久| 欧美日韩黄片免| 色5月婷婷丁香| 国产伦精品一区二区三区四那| 级片在线观看| 亚洲精品乱码久久久v下载方式| 亚洲成a人片在线一区二区| 我要搜黄色片| 国产成人影院久久av| 亚洲成a人片在线一区二区| 亚洲人成网站高清观看| 欧美最新免费一区二区三区| 日韩人妻高清精品专区| 日韩欧美三级三区| 美女xxoo啪啪120秒动态图| 国产亚洲精品久久久com| 欧美高清性xxxxhd video| 国产伦在线观看视频一区| eeuss影院久久| 欧美成人a在线观看| 老师上课跳d突然被开到最大视频| 99久久久亚洲精品蜜臀av| 黄色视频,在线免费观看| 特大巨黑吊av在线直播| 我的老师免费观看完整版| 俄罗斯特黄特色一大片| 99热这里只有是精品50| 午夜福利欧美成人| 久99久视频精品免费| 国产免费男女视频| 亚洲熟妇熟女久久| 国产v大片淫在线免费观看| 国产熟女欧美一区二区| 国产精品女同一区二区软件 | 亚洲精品色激情综合| 国产日本99.免费观看| 婷婷亚洲欧美| 少妇的逼好多水| 色视频www国产| 小说图片视频综合网站| 色综合站精品国产| 高清在线国产一区| 无遮挡黄片免费观看| 日韩高清综合在线| 在线观看舔阴道视频| 精品国产三级普通话版| 狂野欧美白嫩少妇大欣赏| 亚洲国产精品合色在线| 国产一区二区在线av高清观看| 国产v大片淫在线免费观看| av.在线天堂| 亚洲无线在线观看| 直男gayav资源| 22中文网久久字幕| 国产精品久久视频播放| 亚洲成av人片在线播放无| 久久这里只有精品中国| 在线免费观看不下载黄p国产 | 久久久色成人| av在线老鸭窝| 两个人的视频大全免费| 国产一区二区激情短视频| 禁无遮挡网站| 午夜久久久久精精品| 成人国产综合亚洲| 成人三级黄色视频| 我要看日韩黄色一级片| 麻豆av噜噜一区二区三区| 免费一级毛片在线播放高清视频| 神马国产精品三级电影在线观看| 国国产精品蜜臀av免费| xxxwww97欧美| 不卡视频在线观看欧美| avwww免费| 午夜亚洲福利在线播放| 欧美高清性xxxxhd video| 亚洲最大成人中文| 久久久午夜欧美精品| 哪里可以看免费的av片| 在线免费十八禁| 国产高清三级在线| av在线蜜桃| 99热只有精品国产| 色精品久久人妻99蜜桃| 久久精品国产亚洲av天美| 亚洲最大成人中文| 久久久成人免费电影| 成年免费大片在线观看| 中国美白少妇内射xxxbb| 91午夜精品亚洲一区二区三区 | 成人一区二区视频在线观看| 欧美又色又爽又黄视频| 男人和女人高潮做爰伦理| 日本熟妇午夜| 嫩草影院精品99| 国产又黄又爽又无遮挡在线| 亚洲成人精品中文字幕电影| 热99re8久久精品国产| 亚洲av二区三区四区| 综合色av麻豆| 国产在视频线在精品| 亚洲精品一区av在线观看| 亚洲精品国产成人久久av| 校园春色视频在线观看| 91午夜精品亚洲一区二区三区 | 午夜福利高清视频| 欧美xxxx黑人xx丫x性爽| 日韩欧美在线乱码| 欧美精品国产亚洲| 日本三级黄在线观看| 日韩欧美 国产精品| 久久亚洲真实| 欧美+日韩+精品| 亚洲自偷自拍三级| 日韩欧美在线二视频| 亚洲av中文av极速乱 | 神马国产精品三级电影在线观看| 久久亚洲真实| 亚洲午夜理论影院| 日韩欧美三级三区| 国内久久婷婷六月综合欲色啪| 亚洲av中文av极速乱 | av天堂在线播放| 俺也久久电影网| 老司机深夜福利视频在线观看| 国产精品人妻久久久影院| 女的被弄到高潮叫床怎么办 | 欧美日韩亚洲国产一区二区在线观看| 午夜福利在线在线| 日韩 亚洲 欧美在线| 亚洲av二区三区四区| 听说在线观看完整版免费高清| 乱码一卡2卡4卡精品| 成人三级黄色视频| 97超级碰碰碰精品色视频在线观看| 中文亚洲av片在线观看爽| 天美传媒精品一区二区| netflix在线观看网站| 97超视频在线观看视频| 尤物成人国产欧美一区二区三区| 少妇被粗大猛烈的视频| 美女高潮的动态| 免费在线观看影片大全网站| 男人的好看免费观看在线视频| 伊人久久精品亚洲午夜| 极品教师在线免费播放| 午夜日韩欧美国产| 精品久久久久久久久av| 黄色欧美视频在线观看| 美女高潮喷水抽搐中文字幕| 中文在线观看免费www的网站| 美女免费视频网站| 性欧美人与动物交配| 亚洲成人久久性| 中亚洲国语对白在线视频| 日日摸夜夜添夜夜添av毛片 | 两性午夜刺激爽爽歪歪视频在线观看| 亚洲精品国产成人久久av| 国产在线精品亚洲第一网站| 国产精品一及| 久久久久精品国产欧美久久久| 18禁黄网站禁片免费观看直播| 久99久视频精品免费| 亚洲人成网站在线播放欧美日韩| 狠狠狠狠99中文字幕| 色综合婷婷激情| 国产欧美日韩精品亚洲av| 久久久久精品国产欧美久久久| 精华霜和精华液先用哪个| x7x7x7水蜜桃| 欧美又色又爽又黄视频| 99热6这里只有精品| 我的老师免费观看完整版| 一边摸一边抽搐一进一小说| 国产白丝娇喘喷水9色精品| 99九九线精品视频在线观看视频| 看片在线看免费视频| 国产精品人妻久久久影院| 直男gayav资源| av国产免费在线观看| 97超级碰碰碰精品色视频在线观看| 成人毛片a级毛片在线播放| 午夜福利在线观看吧| 免费看光身美女| 乱人视频在线观看| 国产亚洲精品av在线| 精品久久久久久久久av| 免费人成在线观看视频色| 97超视频在线观看视频| av在线老鸭窝| 欧美黑人欧美精品刺激| 老师上课跳d突然被开到最大视频| 精华霜和精华液先用哪个| 一边摸一边抽搐一进一小说| 国产精品电影一区二区三区| 一a级毛片在线观看| 嫁个100分男人电影在线观看| 日韩一区二区视频免费看| 亚洲精品一区av在线观看| 亚洲黑人精品在线| 欧美潮喷喷水| 亚洲美女视频黄频| 美女 人体艺术 gogo| 成人国产综合亚洲| 亚洲国产欧美人成| 尤物成人国产欧美一区二区三区| 亚洲精品一区av在线观看| 亚洲精品影视一区二区三区av| 欧美最黄视频在线播放免费| 久久人人精品亚洲av| 少妇猛男粗大的猛烈进出视频 | 国产成人一区二区在线| 午夜亚洲福利在线播放| 成人高潮视频无遮挡免费网站| 99九九线精品视频在线观看视频| 欧美人与善性xxx| 极品教师在线免费播放| 中文资源天堂在线| 深爱激情五月婷婷| 国产探花极品一区二区| 国内毛片毛片毛片毛片毛片| 日本熟妇午夜| 色播亚洲综合网| 亚洲欧美日韩东京热| 日本爱情动作片www.在线观看 | 少妇被粗大猛烈的视频| 亚洲美女搞黄在线观看 | 精品久久久久久久末码| 变态另类成人亚洲欧美熟女| 日本 欧美在线| 亚洲经典国产精华液单| 国产精品女同一区二区软件 | 精品人妻视频免费看| 精品久久国产蜜桃| 两人在一起打扑克的视频| av天堂中文字幕网| a级毛片免费高清观看在线播放| 欧美另类亚洲清纯唯美| 免费在线观看影片大全网站| 日日干狠狠操夜夜爽| 啦啦啦韩国在线观看视频| 十八禁网站免费在线| 国产成人av教育| .国产精品久久| 99九九线精品视频在线观看视频| 九色国产91popny在线| 亚洲美女黄片视频| 桃红色精品国产亚洲av| 不卡视频在线观看欧美| 色哟哟·www| 在线播放国产精品三级| 日韩欧美精品v在线| 好男人在线观看高清免费视频| 身体一侧抽搐| 日韩 亚洲 欧美在线| 男人舔奶头视频| 欧美色欧美亚洲另类二区| 2021天堂中文幕一二区在线观| 两人在一起打扑克的视频| 久久人人精品亚洲av| 成年女人毛片免费观看观看9| 精华霜和精华液先用哪个| 欧美日韩亚洲国产一区二区在线观看| 免费av毛片视频| 最近最新中文字幕大全电影3| 他把我摸到了高潮在线观看| 久久久精品大字幕| 色哟哟·www| 日韩欧美在线乱码| 久久精品国产亚洲av香蕉五月| 国产久久久一区二区三区| 九九久久精品国产亚洲av麻豆| 尤物成人国产欧美一区二区三区| 天堂动漫精品| 赤兔流量卡办理| 国产精品精品国产色婷婷| 欧美激情国产日韩精品一区| 色播亚洲综合网| 麻豆成人av在线观看| 性色avwww在线观看| 国产午夜福利久久久久久| 在现免费观看毛片| 大型黄色视频在线免费观看| 成人二区视频| 久久这里只有精品中国| 天堂网av新在线| 国国产精品蜜臀av免费| 国产免费男女视频| 国产精品久久视频播放| 国产免费一级a男人的天堂| 欧美xxxx性猛交bbbb| 午夜免费成人在线视频| 亚洲av电影不卡..在线观看| 丰满人妻一区二区三区视频av| 淫妇啪啪啪对白视频| 女生性感内裤真人,穿戴方法视频| 欧美高清成人免费视频www| 日韩欧美免费精品| 婷婷精品国产亚洲av| 男插女下体视频免费在线播放| 12—13女人毛片做爰片一| 国产成人av教育| 深夜a级毛片| 亚洲精品乱码久久久v下载方式| 国产主播在线观看一区二区| 亚洲在线观看片| 丰满乱子伦码专区| 日韩国内少妇激情av| 亚洲aⅴ乱码一区二区在线播放| 变态另类成人亚洲欧美熟女| 麻豆成人午夜福利视频| 亚洲精品在线观看二区| 国产精品久久电影中文字幕| 亚洲av免费在线观看| 看片在线看免费视频| 亚洲av日韩精品久久久久久密| 国产伦一二天堂av在线观看| 色精品久久人妻99蜜桃| 91久久精品电影网| 日本黄大片高清| 成人av在线播放网站| 亚洲精品一区av在线观看| 亚洲av电影不卡..在线观看| 99久久中文字幕三级久久日本| 啦啦啦韩国在线观看视频| 最近视频中文字幕2019在线8| 欧美+日韩+精品| 亚洲精品影视一区二区三区av| 永久网站在线| 欧美色欧美亚洲另类二区| 色噜噜av男人的天堂激情| 国产又黄又爽又无遮挡在线| 成年女人永久免费观看视频| 内射极品少妇av片p| 嫩草影院入口| 欧美日韩黄片免| x7x7x7水蜜桃| 亚洲美女视频黄频| 成人一区二区视频在线观看| 国内毛片毛片毛片毛片毛片| 国产精品98久久久久久宅男小说| 1024手机看黄色片| 亚洲欧美日韩无卡精品| 乱码一卡2卡4卡精品| 国产一区二区亚洲精品在线观看| 日韩国内少妇激情av| 日韩高清综合在线| 久久欧美精品欧美久久欧美| 老司机福利观看| 我的女老师完整版在线观看| 波多野结衣巨乳人妻| av视频在线观看入口| 欧美三级亚洲精品| 少妇人妻精品综合一区二区 | 亚洲国产精品合色在线| 久久九九热精品免费| 亚洲精品在线观看二区| 欧美国产日韩亚洲一区| 国国产精品蜜臀av免费| 99久久九九国产精品国产免费| 亚洲av免费高清在线观看| 免费看a级黄色片| 国内久久婷婷六月综合欲色啪| 国产黄a三级三级三级人| 伊人久久精品亚洲午夜| 成年人黄色毛片网站| 国产男靠女视频免费网站| 日本在线视频免费播放| 久久久久久久午夜电影| 国产乱人伦免费视频| 成人av在线播放网站| 一级a爱片免费观看的视频| 国产久久久一区二区三区| 99久久精品热视频| 中文字幕免费在线视频6| 国产真实伦视频高清在线观看 | 一区二区三区激情视频| 一区二区三区免费毛片| 日本成人三级电影网站| 一个人观看的视频www高清免费观看| 国产毛片a区久久久久| 99国产精品一区二区蜜桃av| 欧美精品啪啪一区二区三区| 国产高清有码在线观看视频| 欧美日韩瑟瑟在线播放| 久久久久久久精品吃奶| 国语自产精品视频在线第100页| 亚洲五月天丁香| 久久亚洲精品不卡| 日本撒尿小便嘘嘘汇集6| 久久久午夜欧美精品| 在线看三级毛片| 99国产极品粉嫩在线观看| 久久99热6这里只有精品| 亚洲欧美日韩无卡精品| 极品教师在线视频| 男人舔女人下体高潮全视频| 欧美高清性xxxxhd video| 九九久久精品国产亚洲av麻豆| 日韩欧美国产在线观看| 免费高清视频大片| 亚洲国产精品合色在线| 国产精品一区www在线观看 | 成人综合一区亚洲| 狠狠狠狠99中文字幕| 两个人的视频大全免费| 校园春色视频在线观看| 欧美一区二区国产精品久久精品| 国产精品1区2区在线观看.| 美女 人体艺术 gogo| 他把我摸到了高潮在线观看| 日日摸夜夜添夜夜添av毛片 | 99国产极品粉嫩在线观看| 尤物成人国产欧美一区二区三区| 亚洲性夜色夜夜综合| 亚洲中文字幕日韩| 久久久国产成人精品二区| 精品午夜福利在线看| 日韩,欧美,国产一区二区三区 | 男人舔女人下体高潮全视频| 99久久精品一区二区三区| 男女视频在线观看网站免费| 波多野结衣高清无吗| 老师上课跳d突然被开到最大视频| 欧美一区二区亚洲| 国产精品亚洲一级av第二区| 美女高潮的动态| 天堂动漫精品| 99久久九九国产精品国产免费| 亚洲人与动物交配视频| 91麻豆精品激情在线观看国产| 91狼人影院| 男人和女人高潮做爰伦理| 黄片wwwwww| 成人欧美大片| 午夜福利在线观看吧| 欧美日本亚洲视频在线播放| 午夜精品一区二区三区免费看| 国产伦人伦偷精品视频| 两个人的视频大全免费| 亚洲美女搞黄在线观看 | 干丝袜人妻中文字幕| 亚洲国产欧洲综合997久久,| 欧美激情久久久久久爽电影| 无人区码免费观看不卡| 国产私拍福利视频在线观看| 国产探花极品一区二区| 熟女人妻精品中文字幕| www.色视频.com| 欧美人与善性xxx| 99精品久久久久人妻精品| 黄色女人牲交| 国产午夜精品论理片| 99在线视频只有这里精品首页| 久久亚洲精品不卡| 中文资源天堂在线| 真人一进一出gif抽搐免费| 国产主播在线观看一区二区| 中国美白少妇内射xxxbb| 亚洲欧美日韩高清专用| 热99在线观看视频| 搡老熟女国产l中国老女人| 午夜精品在线福利| 亚洲美女视频黄频| 亚洲性久久影院| 99精品久久久久人妻精品| 丰满的人妻完整版| 伊人久久精品亚洲午夜| 国产麻豆成人av免费视频| 精品乱码久久久久久99久播| 亚洲欧美日韩东京热| 午夜激情福利司机影院| 国产精品免费一区二区三区在线| 久久久久国产精品人妻aⅴ院| 99热6这里只有精品| 五月玫瑰六月丁香| 国语自产精品视频在线第100页| 麻豆av噜噜一区二区三区| 国产黄a三级三级三级人| 九九在线视频观看精品| 欧美成人免费av一区二区三区| 亚洲最大成人av|