• <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
    中文字幕人妻熟女乱码| 久久精品亚洲av国产电影网| videos熟女内射| 新久久久久国产一级毛片| 日本av免费视频播放| 一级黄色大片毛片| 激情视频va一区二区三区| 国产精品一区二区在线不卡| 婷婷色综合大香蕉| 亚洲成色77777| 亚洲第一青青草原| 十八禁网站网址无遮挡| 国产成人精品久久久久久| 亚洲av美国av| 亚洲国产精品999| videos熟女内射| 日韩制服丝袜自拍偷拍| 国产xxxxx性猛交| 欧美黑人精品巨大| 成年动漫av网址| 一区二区日韩欧美中文字幕| 一区二区日韩欧美中文字幕| 99国产精品免费福利视频| 亚洲精品美女久久久久99蜜臀 | 男女之事视频高清在线观看 | 欧美精品人与动牲交sv欧美| 一级毛片黄色毛片免费观看视频| 亚洲成人免费av在线播放| 亚洲精品国产av蜜桃| 亚洲精品中文字幕在线视频| 亚洲欧美精品综合一区二区三区| 亚洲午夜精品一区,二区,三区| 亚洲国产中文字幕在线视频| 免费人妻精品一区二区三区视频| 国产不卡av网站在线观看| 一边摸一边做爽爽视频免费| 亚洲综合色网址| 免费不卡黄色视频| 别揉我奶头~嗯~啊~动态视频 | 欧美日韩亚洲综合一区二区三区_| 亚洲男人天堂网一区| 国产精品麻豆人妻色哟哟久久| 日韩制服丝袜自拍偷拍| 国产深夜福利视频在线观看| 999久久久国产精品视频| 天天躁夜夜躁狠狠躁躁| 超碰97精品在线观看| 少妇 在线观看| 在线观看www视频免费| 久久久久视频综合| 视频区欧美日本亚洲| 人妻 亚洲 视频| 老司机影院成人| 精品久久蜜臀av无| 国产免费福利视频在线观看| 男人添女人高潮全过程视频| 国产欧美日韩一区二区三区在线| 亚洲精品一卡2卡三卡4卡5卡 | 免费人妻精品一区二区三区视频| 又大又爽又粗| 国产成人精品久久二区二区91| 男女下面插进去视频免费观看| 在线天堂中文资源库| 精品人妻一区二区三区麻豆| 每晚都被弄得嗷嗷叫到高潮| 亚洲五月色婷婷综合| 国产免费一区二区三区四区乱码| 极品人妻少妇av视频| 日韩人妻精品一区2区三区| 男女床上黄色一级片免费看| 女人被躁到高潮嗷嗷叫费观| 欧美乱码精品一区二区三区| 亚洲av电影在线观看一区二区三区| 操美女的视频在线观看| 只有这里有精品99| 最近最新中文字幕大全免费视频 | 色综合欧美亚洲国产小说| 国产成人91sexporn| 少妇人妻 视频| 亚洲国产av新网站| 天天操日日干夜夜撸| 亚洲精品美女久久久久99蜜臀 | 亚洲人成电影免费在线| 久久精品久久久久久噜噜老黄| 最黄视频免费看| 亚洲av成人精品一二三区| 69精品国产乱码久久久| 波多野结衣一区麻豆| 黄频高清免费视频| 久久久欧美国产精品| 国产日韩欧美亚洲二区| 韩国精品一区二区三区| 自线自在国产av| av不卡在线播放| 亚洲av电影在线观看一区二区三区| 久久综合国产亚洲精品| 脱女人内裤的视频| 91精品伊人久久大香线蕉| 亚洲中文日韩欧美视频| 婷婷色综合www| 五月开心婷婷网| 日韩熟女老妇一区二区性免费视频| 建设人人有责人人尽责人人享有的| 国产精品久久久久成人av| 国产成人啪精品午夜网站| 汤姆久久久久久久影院中文字幕| 久久国产精品大桥未久av| 免费在线观看完整版高清| 精品国产超薄肉色丝袜足j| 一区二区三区乱码不卡18| 中文字幕av电影在线播放| 中文字幕最新亚洲高清| 色视频在线一区二区三区| 日日爽夜夜爽网站| 天天躁日日躁夜夜躁夜夜| 午夜福利视频精品| 一本久久精品| 欧美精品亚洲一区二区| 丝袜美足系列| 免费在线观看视频国产中文字幕亚洲 | 丝袜喷水一区| 人人妻,人人澡人人爽秒播 | 丁香六月天网| 亚洲专区中文字幕在线| 国产精品国产三级国产专区5o| 水蜜桃什么品种好| 国产精品熟女久久久久浪| 国产片特级美女逼逼视频| 天天躁日日躁夜夜躁夜夜| 啦啦啦视频在线资源免费观看| 一本久久精品| 成年人午夜在线观看视频| 欧美日韩av久久| 国产成人a∨麻豆精品| 91老司机精品| 亚洲精品国产色婷婷电影| 久久综合国产亚洲精品| av国产久精品久网站免费入址| 免费日韩欧美在线观看| 亚洲熟女毛片儿| 男人舔女人的私密视频| 啦啦啦啦在线视频资源| 久热爱精品视频在线9| 777久久人妻少妇嫩草av网站| 欧美性长视频在线观看| 亚洲午夜精品一区,二区,三区| 在线 av 中文字幕| 老司机亚洲免费影院| 久久国产精品影院| 精品国产超薄肉色丝袜足j| av线在线观看网站| 人妻 亚洲 视频| 国产精品.久久久| www.av在线官网国产| 日本a在线网址| 亚洲黑人精品在线| 嫁个100分男人电影在线观看 | 一区二区三区乱码不卡18| 亚洲精品日本国产第一区| 免费久久久久久久精品成人欧美视频| 久久久久国产一级毛片高清牌| 大香蕉久久成人网| 久久中文字幕一级| 国产免费现黄频在线看| 国产一卡二卡三卡精品| 午夜视频精品福利| 老司机在亚洲福利影院| 色婷婷久久久亚洲欧美| 2021少妇久久久久久久久久久| 九色亚洲精品在线播放| 国产精品99久久99久久久不卡| 国产精品久久久久久精品电影小说| 亚洲一区中文字幕在线| 欧美成人午夜精品| 亚洲少妇的诱惑av| 精品亚洲乱码少妇综合久久| 国产在线一区二区三区精| 一边摸一边做爽爽视频免费| 国产精品久久久久久精品电影小说| 亚洲自偷自拍图片 自拍| 又粗又硬又长又爽又黄的视频| 制服诱惑二区| 日本色播在线视频| 在线观看免费午夜福利视频| 久久这里只有精品19| 亚洲精品乱久久久久久| 大片电影免费在线观看免费| 亚洲欧洲日产国产| 夫妻午夜视频| 欧美日韩视频高清一区二区三区二| 热re99久久国产66热| 在现免费观看毛片| 午夜两性在线视频| 又黄又粗又硬又大视频| 美国免费a级毛片| 精品少妇一区二区三区视频日本电影| 人人妻,人人澡人人爽秒播 | 国产在线视频一区二区| 人成视频在线观看免费观看| 国产成人一区二区三区免费视频网站 | 久久久国产精品麻豆| 19禁男女啪啪无遮挡网站| 夫妻性生交免费视频一级片| 欧美精品一区二区大全| 在线观看免费午夜福利视频| 国产成人啪精品午夜网站| svipshipincom国产片| 久久 成人 亚洲| 亚洲欧美精品综合一区二区三区| 国产在线一区二区三区精| 人人妻人人爽人人添夜夜欢视频| 久久人妻福利社区极品人妻图片 | 欧美精品啪啪一区二区三区 | 亚洲情色 制服丝袜| 美国免费a级毛片| 激情五月婷婷亚洲| 国产亚洲午夜精品一区二区久久| 大话2 男鬼变身卡| 80岁老熟妇乱子伦牲交| 欧美97在线视频| av在线老鸭窝| 丁香六月天网| 在线观看一区二区三区激情| 国产一卡二卡三卡精品| 99国产精品免费福利视频| 免费观看人在逋| 99热国产这里只有精品6| 多毛熟女@视频| 9191精品国产免费久久| 超碰97精品在线观看| 男人添女人高潮全过程视频| 亚洲成色77777| 欧美成狂野欧美在线观看| 少妇人妻 视频| 最新在线观看一区二区三区 | 91老司机精品| 午夜91福利影院| 水蜜桃什么品种好| 欧美 日韩 精品 国产| 精品人妻一区二区三区麻豆| 午夜福利乱码中文字幕| 国产精品二区激情视频| 最近中文字幕2019免费版| 中国美女看黄片| 少妇人妻 视频| 国产精品 欧美亚洲| 咕卡用的链子| 久久精品久久久久久久性| 亚洲伊人色综图| 一区二区日韩欧美中文字幕| 欧美xxⅹ黑人| 国产精品人妻久久久影院| 国产在视频线精品| 性色av一级| 亚洲第一av免费看| 成人亚洲欧美一区二区av| a级毛片在线看网站| 老司机午夜十八禁免费视频| 一边亲一边摸免费视频| 免费在线观看视频国产中文字幕亚洲 | 两人在一起打扑克的视频| xxxhd国产人妻xxx| 国产亚洲一区二区精品| 亚洲成人免费av在线播放| 青春草视频在线免费观看| 国产欧美日韩精品亚洲av| 亚洲av日韩在线播放| 久9热在线精品视频| 欧美精品av麻豆av| av不卡在线播放| 啦啦啦啦在线视频资源| 国产精品国产av在线观看| 男女免费视频国产| 亚洲av成人精品一二三区| 亚洲欧美日韩高清在线视频 | 国产成人精品久久久久久| 亚洲国产av新网站| 人人妻人人添人人爽欧美一区卜| 国产视频一区二区在线看| 久久精品熟女亚洲av麻豆精品| 精品国产一区二区三区四区第35| 亚洲精品久久成人aⅴ小说| 久久久欧美国产精品| 久久精品国产亚洲av高清一级| 亚洲av欧美aⅴ国产| 日韩中文字幕视频在线看片| 一边亲一边摸免费视频| 真人做人爱边吃奶动态| 精品久久久精品久久久| 国产精品99久久99久久久不卡| 国产亚洲av片在线观看秒播厂| 国产成人精品在线电影| 两性夫妻黄色片| 50天的宝宝边吃奶边哭怎么回事| 97精品久久久久久久久久精品| h视频一区二区三区| 亚洲欧美精品自产自拍| 日本vs欧美在线观看视频| 天天躁夜夜躁狠狠躁躁| 国产成人精品在线电影| 欧美日韩成人在线一区二区| www.熟女人妻精品国产| 麻豆乱淫一区二区| 极品少妇高潮喷水抽搐| 国产精品国产av在线观看| 纵有疾风起免费观看全集完整版| 美女主播在线视频| 国产视频首页在线观看| 欧美 亚洲 国产 日韩一| 亚洲专区中文字幕在线| 1024香蕉在线观看| 男女免费视频国产| 亚洲国产av影院在线观看| 久久综合国产亚洲精品| 欧美日韩av久久| 无遮挡黄片免费观看| videosex国产| 欧美精品一区二区免费开放| 国产高清videossex| 狂野欧美激情性bbbbbb| 日韩电影二区| 久久精品国产亚洲av高清一级| 性少妇av在线| 亚洲欧美一区二区三区久久| 亚洲少妇的诱惑av| 成人亚洲欧美一区二区av| 成人国产av品久久久| 国产亚洲av高清不卡| 国产午夜精品一二区理论片| 久久免费观看电影| 夫妻午夜视频| 老司机在亚洲福利影院| 成人午夜精彩视频在线观看| 日韩大码丰满熟妇| 国产男人的电影天堂91| 99国产精品99久久久久| 亚洲国产欧美日韩在线播放| 午夜福利一区二区在线看| 国产成人精品久久久久久| 午夜激情久久久久久久| 又紧又爽又黄一区二区| 免费在线观看完整版高清| 母亲3免费完整高清在线观看| 一级毛片电影观看| 激情视频va一区二区三区| 99re6热这里在线精品视频| 欧美人与性动交α欧美精品济南到| 丝袜美足系列| 亚洲成人免费av在线播放| 肉色欧美久久久久久久蜜桃| 成年女人毛片免费观看观看9 | 国产极品粉嫩免费观看在线| 日本vs欧美在线观看视频| 国产99久久九九免费精品| 老司机亚洲免费影院| av在线老鸭窝| 成年人免费黄色播放视频| 中文欧美无线码| 又粗又硬又长又爽又黄的视频| 亚洲精品国产av成人精品| 啦啦啦啦在线视频资源| 一区福利在线观看| 日韩一本色道免费dvd| 欧美中文综合在线视频| 少妇 在线观看| 91精品三级在线观看| 少妇人妻 视频| 一本综合久久免费| 国产91精品成人一区二区三区 | 国语对白做爰xxxⅹ性视频网站| 一个人免费看片子| 免费观看av网站的网址| 欧美日韩亚洲国产一区二区在线观看 | 亚洲国产毛片av蜜桃av| 精品久久久久久久毛片微露脸 | 国产av一区二区精品久久| 国产伦人伦偷精品视频| 可以免费在线观看a视频的电影网站| 亚洲精品国产av成人精品| 国产亚洲av片在线观看秒播厂| 丝袜美腿诱惑在线| 一本—道久久a久久精品蜜桃钙片| 国产在视频线精品| 一个人免费看片子| 性色av乱码一区二区三区2| 国产成人欧美在线观看 | 老司机影院成人| 久久亚洲精品不卡| 日本av免费视频播放| 国产免费视频播放在线视频| 新久久久久国产一级毛片| 免费观看人在逋| 男女边吃奶边做爰视频| 97精品久久久久久久久久精品| www.999成人在线观看| 日韩制服骚丝袜av| 精品久久久精品久久久| 巨乳人妻的诱惑在线观看| 这个男人来自地球电影免费观看| 校园人妻丝袜中文字幕| 韩国精品一区二区三区| 高清黄色对白视频在线免费看| 久久ye,这里只有精品| 国产欧美日韩一区二区三区在线| 久久中文字幕一级| 亚洲欧洲精品一区二区精品久久久| 国产欧美日韩一区二区三区在线| 亚洲一码二码三码区别大吗| 成人三级做爰电影| 老司机在亚洲福利影院| 国产伦理片在线播放av一区| 日本色播在线视频| netflix在线观看网站| 久热这里只有精品99| 久久精品亚洲av国产电影网| 99久久99久久久精品蜜桃| www.熟女人妻精品国产| 97精品久久久久久久久久精品| 啦啦啦 在线观看视频| 18禁裸乳无遮挡动漫免费视频| 久久人人爽人人片av| 黄色一级大片看看| 亚洲精品国产一区二区精华液| 国产成人欧美| 欧美xxⅹ黑人| 亚洲情色 制服丝袜| 日本91视频免费播放| 亚洲激情五月婷婷啪啪| 国产成人a∨麻豆精品| 一区福利在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 最新的欧美精品一区二区| av网站在线播放免费| 老司机靠b影院| 男女之事视频高清在线观看 | 丰满少妇做爰视频| 午夜免费观看性视频| 日韩伦理黄色片| 久久久久网色| 国产成人系列免费观看| 大型av网站在线播放| 成人18禁高潮啪啪吃奶动态图| 女性被躁到高潮视频| 男女无遮挡免费网站观看| 亚洲一区二区三区欧美精品| 天堂8中文在线网| 精品人妻1区二区| 久久中文字幕一级| 国产精品三级大全| 妹子高潮喷水视频| 午夜福利在线免费观看网站| 日韩av免费高清视频| 亚洲精品国产区一区二| 最近中文字幕2019免费版| 国产精品 欧美亚洲| 少妇粗大呻吟视频| 精品免费久久久久久久清纯 | 国产精品免费大片| 久久久久久久大尺度免费视频| 在线看a的网站| 高潮久久久久久久久久久不卡| 国产在线一区二区三区精| 男女边摸边吃奶| 久久 成人 亚洲| 国产午夜精品一二区理论片| 国产成人免费观看mmmm| 欧美国产精品va在线观看不卡| 一区二区日韩欧美中文字幕| 91国产中文字幕| 亚洲国产欧美网| av视频免费观看在线观看| 亚洲av成人精品一二三区| 日韩一区二区三区影片| 欧美xxⅹ黑人| 亚洲精品av麻豆狂野| 国产午夜精品一二区理论片| 性少妇av在线| 老汉色∧v一级毛片| 1024视频免费在线观看| 真人做人爱边吃奶动态| 精品视频人人做人人爽| 观看av在线不卡| 国产成人精品久久二区二区免费| 日韩 欧美 亚洲 中文字幕| 嫁个100分男人电影在线观看 | 午夜福利,免费看| 少妇人妻 视频| 建设人人有责人人尽责人人享有的| 久久人妻熟女aⅴ| 国产日韩一区二区三区精品不卡| 亚洲av在线观看美女高潮| 91国产中文字幕| www日本在线高清视频| 亚洲精品美女久久av网站| 国产精品三级大全| 国产野战对白在线观看| 亚洲熟女精品中文字幕| a 毛片基地| 久久国产精品大桥未久av| 黄色a级毛片大全视频| 一区二区日韩欧美中文字幕| 女人精品久久久久毛片| 999久久久国产精品视频| 18在线观看网站| 99国产精品一区二区三区| videosex国产| 久久热在线av| 精品人妻一区二区三区麻豆| a级毛片在线看网站| av电影中文网址| 国产精品久久久人人做人人爽| 又大又黄又爽视频免费| 免费在线观看影片大全网站 | 又大又黄又爽视频免费| a 毛片基地| 国产精品.久久久| 久久国产精品人妻蜜桃| 国产亚洲av片在线观看秒播厂| 汤姆久久久久久久影院中文字幕| av国产久精品久网站免费入址| 国产在线免费精品| 国产人伦9x9x在线观看| 青春草视频在线免费观看| 最黄视频免费看| 在线观看www视频免费| 亚洲激情五月婷婷啪啪| 在现免费观看毛片| 国产av精品麻豆| 久久国产亚洲av麻豆专区| 中文字幕人妻丝袜一区二区| 久久久精品94久久精品| 久久狼人影院| 久久久久视频综合| 亚洲成人免费av在线播放| 久久精品久久久久久噜噜老黄| 亚洲精品一卡2卡三卡4卡5卡 | 成人影院久久| 亚洲成人免费av在线播放| 久久免费观看电影| 精品高清国产在线一区| 80岁老熟妇乱子伦牲交| 午夜av观看不卡| 五月天丁香电影| 看免费成人av毛片| √禁漫天堂资源中文www| 91字幕亚洲| 亚洲激情五月婷婷啪啪| 高清欧美精品videossex| 午夜福利免费观看在线| 亚洲精品久久午夜乱码| 国产欧美日韩一区二区三 | 如日韩欧美国产精品一区二区三区| 国产亚洲av高清不卡| 欧美精品人与动牲交sv欧美| av不卡在线播放| 男女之事视频高清在线观看 | 午夜视频精品福利| 精品熟女少妇八av免费久了| 国产精品久久久久久精品古装| 欧美黑人欧美精品刺激| 多毛熟女@视频| 搡老岳熟女国产| 久久久久视频综合| av在线app专区| 性少妇av在线| 精品人妻一区二区三区麻豆| 国产一区二区在线观看av| 国产欧美日韩一区二区三区在线| 老汉色∧v一级毛片| 午夜av观看不卡| 婷婷成人精品国产| 亚洲av国产av综合av卡| 国产精品久久久久久精品电影小说| 大型av网站在线播放| av不卡在线播放| 免费观看av网站的网址| 中文字幕精品免费在线观看视频| 成人免费观看视频高清| 亚洲,一卡二卡三卡| 黄色一级大片看看| 久久 成人 亚洲| 国产三级黄色录像| 美女福利国产在线| 国产免费现黄频在线看| 国精品久久久久久国模美| 啦啦啦 在线观看视频| 国产成人免费无遮挡视频| 国产精品九九99| 久久国产亚洲av麻豆专区| 欧美激情极品国产一区二区三区| 丁香六月欧美| 女性生殖器流出的白浆| 高清不卡的av网站| 看十八女毛片水多多多| 亚洲成人手机| 99国产综合亚洲精品| netflix在线观看网站| 欧美日韩综合久久久久久| 人妻人人澡人人爽人人| 肉色欧美久久久久久久蜜桃| 热99国产精品久久久久久7| 男女免费视频国产| 九色亚洲精品在线播放| 久久精品国产亚洲av高清一级| 一本大道久久a久久精品| 日本a在线网址| 欧美国产精品va在线观看不卡| 欧美激情高清一区二区三区| 人妻人人澡人人爽人人| 狠狠婷婷综合久久久久久88av| 99久久99久久久精品蜜桃| 精品久久久久久久毛片微露脸 | 婷婷色麻豆天堂久久| 欧美日韩精品网址| 久久免费观看电影|