• <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 ?

    基于線性模型的圖像對(duì)比度增強(qiáng)取證

    2019-03-18 16:37:35王金偉吳國靜
    網(wǎng)絡(luò)空間安全 2019年8期
    關(guān)鍵詞:支持向量機(jī)

    王金偉 吳國靜

    摘? ?要:針對(duì)當(dāng)前全局對(duì)比度增強(qiáng)檢測算法在中低強(qiáng)度JPEG 壓縮質(zhì)量因子下分類精度不高的問題,文章提出了一種基于線性模型的圖像對(duì)比度增強(qiáng)檢測算法。文章首先提出從圖像中提取圖像噪聲殘差,對(duì)圖像噪聲殘差采取分塊策略計(jì)算每塊的線性模型,根據(jù)對(duì)應(yīng)圖像塊的線性模型計(jì)算相應(yīng)的功率譜密度來呈現(xiàn)線性模型的特性。然后,計(jì)算整幅圖像的均值功率譜密度作為分類特征。最后,采用支持向量機(jī)進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明,此方案能夠有效地分類對(duì)比度增強(qiáng)圖像,而且能夠抵抗圖像的JPEG壓縮。

    關(guān)鍵詞:線性模型;對(duì)比度增強(qiáng);圖像噪聲殘差;支持向量機(jī)

    1 引言

    隨著網(wǎng)絡(luò)技術(shù)的發(fā)展,人們不再局限于觸手可及的事物,更愿意通過互聯(lián)網(wǎng)了解生活中的各種事件。數(shù)字圖像作為一種有用的數(shù)字媒介和信息載體,在互聯(lián)網(wǎng)上被任意的傳輸和傳播,上傳和下載。

    然而,在通信發(fā)達(dá)的當(dāng)今社會(huì),一些惡意篡改和偽造圖像流傳于現(xiàn)實(shí)世界和網(wǎng)絡(luò)世界中,引起了嚴(yán)重的社會(huì)信任問題。在此背景下,數(shù)字圖像取證技術(shù)[1~5]被用來判斷圖像是否經(jīng)過篡改或者偽造操作,得到了研究人員的廣泛關(guān)注,成為了主要的研究方向,并且獲得了不錯(cuò)的進(jìn)展。目前,數(shù)字圖像取證技術(shù)主要涉及的研究領(lǐng)域是圖像來源取證和圖像篡改取證。其中,現(xiàn)有的圖像篡改取證檢測算法包括同幅圖像的復(fù)制粘貼檢測[6~11],異幅圖像之間的拼接定位檢測[12~14]、中值濾波檢測[15~18]、圖像對(duì)比度增強(qiáng)檢測[19~22]。其中,對(duì)比度增強(qiáng)技術(shù)得到了關(guān)注。

    圖像對(duì)比度增強(qiáng)是一種改善圖像視覺效果的篡改操作,它改變了圖像中像素強(qiáng)度的整體分布。雖然,圖像對(duì)比度增強(qiáng)操作可能并不是篡改操作的直接結(jié)果,但是可以隱藏一些其他篡改操作(如拼接和復(fù)制粘貼)的痕跡,達(dá)到降低篡改檢測性能的目的。常用圖像對(duì)比度增強(qiáng)的方式有伽瑪校正和直方圖均衡化等,非線性全局對(duì)比度增強(qiáng)方法。現(xiàn)有的圖像增強(qiáng)取證技術(shù)主要是利用圖像像素直方圖存在明顯的“峰-間隙”原理進(jìn)行取證,這些方法在圖像未被壓縮時(shí)表現(xiàn)很好,但是當(dāng)JPEG 壓縮為中低質(zhì)量因子時(shí),性能并不是讓人滿意。

    近年來,基于模式噪聲特征的圖像篡改取證得到了快速發(fā)展,Lukas[23]指出該噪聲是由相機(jī)自身軟硬件的缺陷導(dǎo)致光電響應(yīng)不一致引起的,作為相機(jī)的“數(shù)字”指紋,已被廣泛的應(yīng)用到圖像取證領(lǐng)域中,對(duì)圖像篡改操作檢測具有通用性。PRNU(Photo-Response Non-Uniformity) 噪聲是模式噪聲的主要組成部分,主要集中在高頻區(qū)域,是相機(jī)的固有屬性,在圖像篡改檢測等領(lǐng)域得到廣泛應(yīng)用。線性模型作為數(shù)字圖像中固有存在的微弱信號(hào),是在傳感器信號(hào)讀出、顏色插值和JPEG 壓縮下,相機(jī)在圖像中遺留下的,與PRNU 噪聲能量相當(dāng)。因此,Goljan[24]等人提出了一種基于線性模型的圖像篡改取證方案,該方法對(duì)檢測和定位圖像拼接和特定的圖像復(fù)制粘貼篡改有不錯(cuò)的有效性。在數(shù)字圖像取證的背景下,模式噪聲雖然已經(jīng)成功的應(yīng)用到源相機(jī)識(shí)別[25]、圖像篡改處理[14, 26~29],甚至視頻篡改取證檢測[30]中,但是現(xiàn)有的基于模式噪聲圖像取證更多的是關(guān)注于復(fù)制粘貼檢測和拼接定位上,對(duì)圖像對(duì)比度增強(qiáng)操作的關(guān)注相對(duì)較少。

    因此,本文提出了一種基于線性模型的圖像對(duì)比度增強(qiáng)取證技術(shù),用來區(qū)分對(duì)比度增強(qiáng)圖像。可以對(duì)其進(jìn)行有效的分類,并且抵抗圖像JPEG壓縮。

    2 線性模型

    PRNU噪聲乘性因子中存在圖像的其他分量,其中最重要的是顏色插值、傳感器信號(hào)輸出和JPEG 壓縮引起的塊效應(yīng)等。這些信號(hào)對(duì)傳感器并不是獨(dú)特的,因此在進(jìn)行源相機(jī)識(shí)別時(shí),兩種不同相機(jī)估計(jì)出的PRNU 噪聲乘性因子會(huì)因此弱相關(guān),從而增加誤識(shí)別率并降低相機(jī)識(shí)別的可靠性,所以需要對(duì)PRNU噪聲進(jìn)行預(yù)處理,抑制這些影響[30]。其中,線性模型也被抑制掉,線性模型是數(shù)字圖像中固有存在的微弱信號(hào),因?yàn)閭鞲衅餍盘?hào)輸出、顏色插值等原因遺留在圖像中,本身是一種有用的取證信號(hào),表現(xiàn)出強(qiáng)烈的周期性。特定的圖像篡改操作如旋轉(zhuǎn)會(huì)抑制線性模型能量,丟失原有圖像的線性模型信號(hào)。它與PRNU 噪聲的一個(gè)不同點(diǎn)是,即使圖像來自不同的相機(jī),線性模型也可能會(huì)相關(guān)。如圖1所示給出了兩幅圖像的線性模型。

    介紹線性模型提取方法。

    3 檢測算法

    本節(jié)提出了一種基于線性模型的圖像對(duì)比度增強(qiáng)檢測算法。該算法采用圖像的線性模型作為分類特征,可以有效地區(qū)分對(duì)比度增強(qiáng)圖像,該算法的詳細(xì)過程如圖2所示。

    上述流程首先將圖像集劃分為訓(xùn)練集和測試集兩個(gè)部分,分別從這兩個(gè)圖像集中提取特征向量集, 然后將訓(xùn)練特征向量放入支持向量機(jī)中進(jìn)行訓(xùn)練得到訓(xùn)練模型,最后用訓(xùn)練模型對(duì)測試圖像集提取的特征向量集進(jìn)行預(yù)測得到分類結(jié)果。本文提出的方案主要包括圖像噪聲殘差的提取、圖像分塊、功率譜密度的計(jì)算、特征分類四個(gè)部分,本文依次介紹各部分詳細(xì)內(nèi)容。

    3.1 圖像噪聲殘差的提取

    分別對(duì)訓(xùn)練圖像集和測試圖像集中的每一幅圖像通過一個(gè)去噪濾波器,之后得到去噪后的訓(xùn)練圖像集和去噪后的測試圖像集,然后用原訓(xùn)練圖像集和測試圖像集分別減去對(duì)應(yīng)去噪后的訓(xùn)練圖像集和去噪后的測試圖像集,這樣就能分別得到兩種圖像噪聲殘差集,即訓(xùn)練圖像噪聲殘差集和測試圖像噪聲殘差集。

    3.2 圖像分塊

    在圖像篡改定位取證檢測技術(shù)中,通常涉及對(duì)圖像劃分子塊策略,這是因?yàn)閳D像相鄰像素之間具有很大的相關(guān)性,當(dāng)一幅圖像遭受某種攻擊時(shí),這種相關(guān)性也會(huì)受到破壞??紤]到原始圖像和對(duì)比度增強(qiáng)圖像中的每一個(gè)像素值可能不同,本文分別對(duì)原始圖像和對(duì)比度增強(qiáng)圖像進(jìn)行劃分子塊。

    如圖3最左側(cè)圖像“Lena”所示,圖像噪聲殘差被劃分成若干不重疊的子塊。子塊的形狀為正方形,尺寸為,為了方便選取特征統(tǒng)計(jì)量,一般為偶數(shù)。圖3最右側(cè)顯示其中的一個(gè)圖像噪聲殘差子塊。

    若一幅圖像不能完整分塊時(shí),對(duì)圖像進(jìn)行零填充操作。

    3.3 功率譜密度

    3.4 特征分類

    對(duì)圖像庫中的每一幅圖像重復(fù)上述步驟,提取分類特征,然后進(jìn)行訓(xùn)練和測試。在支持向量機(jī)分類器中,假設(shè)原始圖像的類標(biāo)號(hào)是1,對(duì)比度增強(qiáng)圖像的類標(biāo)號(hào)為-1。那么,圖像特征鑒別的算法有三步。

    (1)首先,對(duì)圖像組進(jìn)行準(zhǔn)備。隨機(jī)從圖像庫中選擇原始圖像和對(duì)比度增強(qiáng)圖像作為訓(xùn)練組圖像。剩下的圖像作為測試組圖像。

    (2)訓(xùn)練。將從訓(xùn)練組中提取的均值功率譜密度特征送入分類器中,其中分類器的核函數(shù)為RBF(Radial Basis Function),進(jìn)行5倍交叉驗(yàn)證和訓(xùn)練,尋找最優(yōu)參數(shù),得到SVM模型。

    (3)預(yù)測。將從測試組中獲取的均值功率譜密度特征送入分類器中,利用訓(xùn)練得到的SVM模型進(jìn)行測試,最終得到算法的鑒別精確度。

    4 實(shí)驗(yàn)結(jié)果

    本節(jié)首先介紹實(shí)驗(yàn)中所會(huì)用到的數(shù)據(jù)集以及評(píng)價(jià)標(biāo)準(zhǔn)。隨后評(píng)價(jià)基于線性模型的圖像對(duì)比度增強(qiáng)檢測的有效性,其中對(duì)不同的分塊尺寸和不同圖像尺寸進(jìn)行實(shí)驗(yàn),然后在不同的JPEG壓縮因子下測試算法的魯棒性,最后測試該算法的性能。

    4.1 數(shù)據(jù)集和評(píng)價(jià)標(biāo)準(zhǔn)

    在本實(shí)驗(yàn)中,本章選擇三個(gè)圖像集,如表1所示,分別是Dresden 數(shù)據(jù)集[32]、UCID數(shù)據(jù)集[33]和自建的數(shù)據(jù)集。

    (1)Dresden數(shù)據(jù)庫:該數(shù)據(jù)集包含了自然圖像和室內(nèi)或者室外場景的JPEG壓縮圖像。該數(shù)據(jù)集被用來在不同圖像分塊尺寸和不同圖像尺寸下進(jìn)行分類實(shí)驗(yàn)觀察,用于選擇合適的分塊大小。并且,在不同JPEG壓縮下,對(duì)分類性能進(jìn)行檢測。為了觀察不同圖像尺寸下的實(shí)驗(yàn)結(jié)果,本文將Dresden數(shù)據(jù)庫中的圖像裁剪成不同尺寸(1000×1000和512×512)的圖像。

    (2)UCID數(shù)據(jù)庫:該數(shù)據(jù)庫共有886幅未壓縮的圖像,包含各種主題如自然場景、人造物品、室內(nèi)和戶外場景。該數(shù)據(jù)可用來在不同JPEG壓縮下,對(duì)分類性能進(jìn)行檢測。

    (3)自建數(shù)據(jù)庫:該數(shù)據(jù)庫是本文自己創(chuàng)建的數(shù)據(jù)庫,由不同的手機(jī)拍攝而來,并且包含了不同的室內(nèi)或者室外場景和自然圖像。該數(shù)據(jù)集被用來在不同圖像分塊尺寸下進(jìn)行分類實(shí)驗(yàn)觀察,用于選擇合適的分塊大小。

    本文將這些未經(jīng)處理的圖像作為原始圖像,然后分別采用伽馬校正和直方圖均衡化處理圖像,得到對(duì)比度增強(qiáng)的圖像,其中所選用的伽瑪校正的系數(shù)范圍為[0.2-2.1],那么伽瑪校正的公式如(10)所示:其中,是原始圖像第個(gè)像素值,是圖像對(duì)比度增強(qiáng)后第個(gè)像素值,表示伽瑪校正系數(shù),代表四舍五入為最近整數(shù)函數(shù)。

    為了觀察分類精確度,本文選用平均正確率和ROC曲線來評(píng)價(jià)分類效果。

    4.2不同圖像分塊尺寸下的分類結(jié)果

    圖像篡改定位檢測技術(shù)中,通常涉及對(duì)圖像劃分子塊的步驟,合適的圖像分塊會(huì)提高分類精度。本部分通過不同的分塊尺寸,檢測在不同尺寸下的分類結(jié)果。首先,本文選擇了兩種不同的圖像數(shù)據(jù)集進(jìn)行測試,一是Dresden數(shù)據(jù)庫,另一個(gè)是自建數(shù)據(jù)庫。如表2、表3所示,給出了這兩種數(shù)據(jù)庫的分類結(jié)果。其中所選用的對(duì)比度增強(qiáng)方法是伽瑪校正,其范圍是和直方圖均衡化操作。

    可以看出,圖像分塊大小對(duì)分類精度有影響,在Dresden數(shù)據(jù)庫中,伽瑪取值時(shí),100×100的圖像分塊精度最低,分塊尺寸200和300時(shí),精確度不相上下,在自己創(chuàng)建的數(shù)據(jù)庫中,分塊大小200時(shí)精確度稍勝,因此在本文實(shí)驗(yàn)中,選擇200大小的分塊尺寸對(duì)圖像進(jìn)行分塊。

    4.3 不同尺寸圖像下的分類實(shí)驗(yàn)

    基于線性模型的圖像篡改檢測中,圖像尺寸的不同也會(huì)對(duì)圖像的分類結(jié)果產(chǎn)生影響。本節(jié)將在不同的圖像尺寸下測試分類精度。在實(shí)驗(yàn)中,對(duì)Dresden數(shù)據(jù)庫進(jìn)行了測試,其中所選用的圖像增強(qiáng)方法是伽瑪校正,其范圍是和直方圖均衡化s操作。首先,先對(duì)原始大小的圖像進(jìn)行實(shí)驗(yàn),然后將圖像截取為1000×1000和512×512分別進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果如表4所示。

    可以看出,圖像的尺寸對(duì)分類精度有影響。Goljan[24]指出線性模型的能量中至少有一個(gè)大于1時(shí),對(duì)檢測篡改是有用的,當(dāng)兩者都小于1時(shí),會(huì)影響檢測性能。

    在這個(gè)實(shí)驗(yàn)中,原始圖像的線性模型能量遠(yuǎn)遠(yuǎn)大于1,能夠較好的區(qū)分對(duì)比度增強(qiáng)圖像和原始圖像。其中,當(dāng)伽瑪校正取值為0.45時(shí),得到了正確率為91.47%的分類結(jié)果,圖像直方圖均衡化下,得到了正確率為98.47%的分類結(jié)果。但是,隨著圖像尺寸的縮小,分類精確度降低。因此,當(dāng)線性模型能量較小時(shí),圖像分類精度也較低。

    4.4 魯棒性

    本節(jié)探討了不同JPEG質(zhì)量壓縮因子下方法的性能。本實(shí)驗(yàn)中,分別對(duì)Dresden數(shù)據(jù)庫和UCID數(shù)據(jù)庫進(jìn)行測試。其中,首先對(duì)圖像進(jìn)行對(duì)比度增強(qiáng)變換,然后使用不同的質(zhì)量因子QF(Quality Factor),當(dāng)OF=90、70、50、30分別對(duì)對(duì)比度增強(qiáng)處理后的圖像進(jìn)行壓縮。為了進(jìn)行綜合評(píng)估,如圖5和圖6所示給出了不同質(zhì)量因子下的ROC曲線。其中,在質(zhì)量因子QF=90時(shí)獲得了比較好的性能。

    4.5 實(shí)驗(yàn)對(duì)比

    如表6所示將本方法與Stamm[20]基于直方圖“峰-間隙”的方案進(jìn)行了比較,采用的是Dresden數(shù)據(jù)庫中的圖像進(jìn)行實(shí)驗(yàn)。

    5 結(jié)束語

    本文提出一種基于線性模型的圖像對(duì)比度增強(qiáng)取證技術(shù)。此方法在進(jìn)行對(duì)比度增強(qiáng)檢測之前,首先分別從原始圖像和對(duì)比度增強(qiáng)圖像中提取單幅圖像的噪聲殘差,然后將獲取的噪聲殘差進(jìn)行分塊處理,計(jì)算每一噪聲殘差塊的線性模型后,根據(jù)線性模型計(jì)算每一塊中的功率譜密度和所有圖像噪聲殘差塊的均值功率譜密度,最后通過支持向量機(jī)進(jìn)行分類。這種方法能夠有效區(qū)分對(duì)比度增強(qiáng)圖像和原始自然圖像,并在中低強(qiáng)度JPEG壓縮質(zhì)量因子下有一定的魯棒性。當(dāng)然算法也還存在需改進(jìn)的地方, 在小尺寸圖像中,如何提高檢測精度是下一步工作。

    基金項(xiàng)目:

    國家自然科學(xué)基金(項(xiàng)目編號(hào):61772281、 61702235、61502241、61272421、61232016、61402235、61572258)。

    參考文獻(xiàn)

    [1] Bohme R, Kirchner M, Katzenbeisser S, et al. Media forensics[C], 2016 Information Hiding, 2016:231-259.

    [2] Farid H. Photo forensics: MIT Press, 2016.

    [3] 陳鉗生. 數(shù)字圖像取證技術(shù)及其發(fā)展[J], 硅谷, 2011, (10): 17-17.

    [4] 李娜. 圖像司法鑒定中的信息安全[J]. 網(wǎng)絡(luò)空間安全, 2018 (2): 12-14.

    [5] 魏為民, 胡勝斌, 趙琰. 數(shù)字圖像取證技術(shù)的發(fā)展[J]. 上海電力學(xué)院學(xué)報(bào), 2012, 28(4):369-374.

    [6] Fridrich A J, Soukal B D, Lukas A J. Detection of copy-move forgery in digital images[C]. Proceedings of Digital Forensic Research Workshop, 2003.

    [7] Bayram S, Sencar H T, Memon N. An efficient and robust method for detecting copy-move forgery[C]. IEEE International Conference on Acoustics, Speech and Signal Processing, 2009:1053-1056.

    [8] Christlein V, Riess C, Jordan J, et al. An evaluation of popular copy-move forgery detection approaches[J]. IEEE Transactions on Information Forensics & Security, 2012, 7(6): 1841-1854.

    [9] Huang H, Guo W Q, Zhang Y. Detection of copy-move forgery in digital images using SIFT algorithm[C]. IEEE Pacific-Asia Workshop on Computational Intelligence and Industrial Application, 2008, 2:272-276.

    [10] Chierchia G, Parrilli S, Poggi G, et al. PRNU-based detection of small-size image forgeries[C]. 17th International Conference on Digital Signal Processing, 2011: 1-6.

    [11] Chen C C, Lu W Y, Chou C H, Rotational copy-move forgery detection using SIFT and region growing strategies[J]. Multimedia Tools and Applications, 2019:1-16.

    [12] Chierchia G, Poggi G, Sansone C, et al. A Bayesian-MRF approach for PRNU-based image forgery detection[J]. IEEE Transactions on Information Forensics and Security, 2014, 9(4): 554-567.

    [13] Zeng H, Zhan Y, Kang X, et al., Image splicing localization using PCA-based noise level estimation[J], Multimedia Tools and Applications, 2017, 76(4): 4783-4799.

    [14] Chierchia G, Cozzolino D, Poggi G, et al. Guided filtering for PRNU-based localization of small-size image forgeries[C]. IEEE International Conference on Acoustics, Speech and Signal Processing, 2014: 6231-6235.

    [15] Kirchner M, Fridrich J. On detection of median filtering in digital images[C]. Media Forensics & Security II, 2010:7541-754110

    [16] Yuan H D. Blind forensics of median filtering in digital images[J]. IEEE Transactions on Information Forensics & Security, 2011, 6(4): 1335-1345.

    [17] Chen C, Ni J, Huang R, et al. Blind median filtering detection using statistics in difference domain[C]. International Conference on Information Hiding, 2012:1-15.

    [18] Gao H, Hu M, Gao T, et al. Robust detection of median filtering based on combined features of difference image[J]. Signal Processing: Image Communication, 2019, 72:126-133.

    [19] Gang C, Yao Z, Ni R R. Forensic estimation of gamma correction in digital images[C]. IEEE International Conference on Image Processing, 2010:2097-2100.

    [20] Stamm M C, Liu K J R, Forensic detection of image manipulation using statistical intrinsic fingerprints[J]. IEEE Transactions on Information Forensics & Security, 2010, 5(3): 492-506.

    [21] Cao G, Zhao Y, Ni R R, et al. Contrast enhancement-based forensics in digital images[J]. IEEE Transactions on Information Forensics & Security, 2014, 9(3): 515-525.

    [22] Wen L Y, Qi H G, Lyu S. Contrast enhancement estimation for digital image forensics[J]. ACM Transactions on Multimedia Computing, Communications, and Applications, 2018, 14(2), 49.

    [23] Lukas J, Fridrich J, Goljan M. Detecting digital image forgeries using sensor pattern noise[C]. Security, Steganography, and Watermarking of Multimedia Contents VIII, 2006, 6072:60720Y.

    [24] Goljan M, Fridrich J, Kirchner M. Image manipulation detection using sensor linear pattern[J]. Electronic Imaging, 2018(7): 119-1-119-10..

    [25] Marra F, Poggi G, Sansone C, et al. Correlation clustering for PRNU-based blind image source identification[C]. IEEE International Workshop on Information Forensics & Security, 2016:1-6.

    [26] Korus P, Huang J. Multi-scale analysis strategies in PRNU-based tampering localization[J]. IEEE Transactions on Information Forensics & Security, 2017, 12(4): 809-824.

    [27] Chakraborty S, Kirchner M. PRNU-based image manipulation localization with discriminative random fields[J]. Electronic Imaging, 2017(7): 113-120.

    [28] Chierchia G, Poggi G, Sansone C, et al. A Bayesian-MRF approach for PRNU-based image forgery detection[J]. IEEE Transactions on Information Forensics & Security, 2014, 9(4):554-567.

    [29] Tang X H, Zhang W W. A novel decision fusion method for image forgery localization[C]. Chinese Control Conference, 2018:9337-9342.

    [30] Mandelli S, Bestagini P, Tubaro S, et al. Blind detection and localization of video temporal splicing exploiting sensor-based footprints[C]. European Signal Processing Conference, 2018: 1362-1366.

    [31] Chen M, Fridrich J J, Goljan M, et al. Determining image origin and integrity using sensor noise[J]. IEEE Transactions on Information Forensics & Security, 2008, 3(1): 74-90.

    [32] Gloe T, Bohme R. The 'Dresden Image Database' for benchmarking digital image forensics[J]. Journal of Digital Forensic Practice, 2010, 3(2): 150-159.

    [33] Schaefer G, Stich M. UCID: An uncompressed color image database[J]. Storage and Retrieval Methods and Applications for Multimedia 2004. International Society for Optics and Photonics, 2003, 5307: 472-481.

    猜你喜歡
    支持向量機(jī)
    基于支持向量回歸機(jī)的電能質(zhì)量評(píng)估
    基于智能優(yōu)化算法選擇特征的網(wǎng)絡(luò)入侵檢測
    數(shù)據(jù)挖掘技術(shù)在電廠經(jīng)濟(jì)性分析系統(tǒng)中的應(yīng)用Q
    基于改進(jìn)支持向量機(jī)的船舶縱搖預(yù)報(bào)模型
    基于SVM的煙草銷售量預(yù)測
    動(dòng)態(tài)場景中的視覺目標(biāo)識(shí)別方法分析
    論提高裝備故障預(yù)測準(zhǔn)確度的方法途徑
    基于熵技術(shù)的公共事業(yè)費(fèi)最優(yōu)組合預(yù)測
    基于支持向量機(jī)的金融數(shù)據(jù)分析研究
    管理類研究生支持向量機(jī)預(yù)測決策實(shí)驗(yàn)教學(xué)研究
    考試周刊(2016年53期)2016-07-15 09:08:21
    天堂av国产一区二区熟女人妻| xxxwww97欧美| 热99在线观看视频| 我的老师免费观看完整版| 伊人久久精品亚洲午夜| www.熟女人妻精品国产| 国产v大片淫在线免费观看| 又爽又黄无遮挡网站| 熟女人妻精品中文字幕| 精品一区二区三区视频在线 | 午夜激情欧美在线| 午夜福利视频1000在线观看| 男女视频在线观看网站免费| 国产精品爽爽va在线观看网站| 国产av不卡久久| 大型黄色视频在线免费观看| 国产亚洲精品一区二区www| 午夜精品一区二区三区免费看| 女人被狂操c到高潮| 99精品久久久久人妻精品| 99久国产av精品| 精品久久久久久成人av| 久久精品91无色码中文字幕| 一个人免费在线观看的高清视频| 在线a可以看的网站| 精品一区二区三区av网在线观看| 欧美中文日本在线观看视频| 校园春色视频在线观看| 最近最新中文字幕大全电影3| 欧美一级a爱片免费观看看| 99热6这里只有精品| 好男人在线观看高清免费视频| 亚洲av一区综合| 亚洲av日韩精品久久久久久密| 久久久久久久午夜电影| 老汉色∧v一级毛片| 国产精品亚洲美女久久久| 日韩欧美在线乱码| 精品久久久久久久久久免费视频| 最新在线观看一区二区三区| 美女 人体艺术 gogo| 俺也久久电影网| 岛国在线免费视频观看| 欧美性猛交黑人性爽| 国产私拍福利视频在线观看| 亚洲国产精品999在线| 动漫黄色视频在线观看| 天天一区二区日本电影三级| 免费人成在线观看视频色| 99热这里只有精品一区| 国产单亲对白刺激| 亚洲国产精品久久男人天堂| 亚洲精品乱码久久久v下载方式 | 变态另类成人亚洲欧美熟女| 亚洲av二区三区四区| 又黄又粗又硬又大视频| 一级毛片高清免费大全| 免费观看精品视频网站| 国产成人av激情在线播放| 最新美女视频免费是黄的| 久久性视频一级片| 欧美乱妇无乱码| 亚洲成a人片在线一区二区| 婷婷丁香在线五月| 欧美极品一区二区三区四区| 少妇的丰满在线观看| 热99re8久久精品国产| 欧美日韩一级在线毛片| 久久久久久大精品| a级毛片a级免费在线| 九色成人免费人妻av| 国产欧美日韩精品亚洲av| 丰满人妻一区二区三区视频av | 婷婷六月久久综合丁香| 久久精品国产亚洲av香蕉五月| 亚洲熟妇熟女久久| 亚洲av一区综合| 亚洲av熟女| 90打野战视频偷拍视频| 老汉色av国产亚洲站长工具| 最新中文字幕久久久久| 悠悠久久av| 国产伦一二天堂av在线观看| 高潮久久久久久久久久久不卡| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 无遮挡黄片免费观看| 久久久久久九九精品二区国产| 国产精品99久久99久久久不卡| 久久久久久久久中文| 可以在线观看毛片的网站| 欧美最黄视频在线播放免费| 黄色丝袜av网址大全| 午夜福利成人在线免费观看| 91麻豆av在线| 97超级碰碰碰精品色视频在线观看| 桃色一区二区三区在线观看| 免费观看的影片在线观看| 免费人成视频x8x8入口观看| 欧美性猛交黑人性爽| 男女床上黄色一级片免费看| 宅男免费午夜| 午夜免费观看网址| 国产精品久久久人人做人人爽| 久久精品国产自在天天线| 午夜福利18| 波多野结衣高清无吗| 九九在线视频观看精品| 国产精品99久久99久久久不卡| h日本视频在线播放| 国产免费男女视频| 久久精品亚洲精品国产色婷小说| 午夜日韩欧美国产| 日日摸夜夜添夜夜添小说| 国产aⅴ精品一区二区三区波| 欧美另类亚洲清纯唯美| 久久精品国产99精品国产亚洲性色| 亚洲国产色片| 亚洲精华国产精华精| 久久性视频一级片| 黄色视频,在线免费观看| 亚洲精品成人久久久久久| 亚洲精品一区av在线观看| 国产乱人伦免费视频| 在线播放无遮挡| 成人一区二区视频在线观看| 女警被强在线播放| 熟女人妻精品中文字幕| 成人性生交大片免费视频hd| 给我免费播放毛片高清在线观看| 嫩草影院入口| 蜜桃亚洲精品一区二区三区| 最新美女视频免费是黄的| 色综合欧美亚洲国产小说| 老司机福利观看| 中出人妻视频一区二区| 午夜激情福利司机影院| 日韩有码中文字幕| 国产成人av教育| 一级黄片播放器| 在线免费观看不下载黄p国产 | 亚洲人成网站高清观看| 午夜福利成人在线免费观看| 怎么达到女性高潮| www国产在线视频色| 亚洲第一电影网av| 欧美日韩瑟瑟在线播放| 三级男女做爰猛烈吃奶摸视频| 亚洲国产高清在线一区二区三| 91字幕亚洲| 无遮挡黄片免费观看| 国产蜜桃级精品一区二区三区| 日本精品一区二区三区蜜桃| 美女高潮喷水抽搐中文字幕| 亚洲熟妇中文字幕五十中出| 亚洲无线在线观看| 欧美一区二区亚洲| 日本 欧美在线| 日韩高清综合在线| 美女cb高潮喷水在线观看| 99久国产av精品| 天天一区二区日本电影三级| 757午夜福利合集在线观看| 欧美区成人在线视频| 日本黄色视频三级网站网址| 白带黄色成豆腐渣| 午夜福利在线观看免费完整高清在 | 成人18禁在线播放| 亚洲国产中文字幕在线视频| 亚洲天堂国产精品一区在线| 亚洲欧美日韩高清在线视频| 国产av麻豆久久久久久久| 午夜免费男女啪啪视频观看 | 99久久综合精品五月天人人| av黄色大香蕉| 国产在线精品亚洲第一网站| 国产精品一区二区免费欧美| 人妻丰满熟妇av一区二区三区| 91在线观看av| 久久国产精品影院| 国内精品美女久久久久久| 亚洲专区中文字幕在线| 色在线成人网| 日本 av在线| 欧美黄色片欧美黄色片| 亚洲性夜色夜夜综合| 在线观看日韩欧美| 99热这里只有精品一区| 99久久综合精品五月天人人| 美女被艹到高潮喷水动态| 99视频精品全部免费 在线| 国产午夜福利久久久久久| 12—13女人毛片做爰片一| 搡老岳熟女国产| 美女高潮喷水抽搐中文字幕| 99国产综合亚洲精品| а√天堂www在线а√下载| 午夜福利在线观看吧| 中文字幕精品亚洲无线码一区| 欧美3d第一页| 高清在线国产一区| 国产在线精品亚洲第一网站| 国产亚洲精品综合一区在线观看| 国产探花极品一区二区| 欧美绝顶高潮抽搐喷水| 午夜两性在线视频| 亚洲电影在线观看av| 国产精品综合久久久久久久免费| 亚洲精品在线观看二区| 免费电影在线观看免费观看| 国产黄a三级三级三级人| 免费看十八禁软件| 成人性生交大片免费视频hd| 91麻豆av在线| 淫妇啪啪啪对白视频| 日韩国内少妇激情av| 亚洲成人久久性| 丰满的人妻完整版| 男女之事视频高清在线观看| 99在线视频只有这里精品首页| 一级黄片播放器| 免费看日本二区| 啦啦啦观看免费观看视频高清| 欧美乱码精品一区二区三区| 1000部很黄的大片| avwww免费| 搡老妇女老女人老熟妇| 在线看三级毛片| 中文字幕人妻熟人妻熟丝袜美 | 国产主播在线观看一区二区| 19禁男女啪啪无遮挡网站| 亚洲欧美日韩卡通动漫| 精品欧美国产一区二区三| 亚洲第一欧美日韩一区二区三区| 精品一区二区三区av网在线观看| 国产探花极品一区二区| 人妻夜夜爽99麻豆av| eeuss影院久久| 我要搜黄色片| 在线看三级毛片| 亚洲人成网站高清观看| 美女被艹到高潮喷水动态| 伊人久久精品亚洲午夜| 中文亚洲av片在线观看爽| 国产高清视频在线播放一区| 久久久久亚洲av毛片大全| 亚洲av成人av| 免费人成视频x8x8入口观看| bbb黄色大片| xxx96com| 国内精品一区二区在线观看| 1000部很黄的大片| 日韩 欧美 亚洲 中文字幕| 在线免费观看的www视频| 我要搜黄色片| 午夜精品久久久久久毛片777| 精品久久久久久久久久免费视频| 小说图片视频综合网站| 2021天堂中文幕一二区在线观| 他把我摸到了高潮在线观看| 精品久久久久久久毛片微露脸| 亚洲精华国产精华精| xxxwww97欧美| 国产成人a区在线观看| 欧美绝顶高潮抽搐喷水| 精品一区二区三区人妻视频| 18禁黄网站禁片免费观看直播| 国产av不卡久久| 69av精品久久久久久| 日韩有码中文字幕| 日本在线视频免费播放| 国产亚洲精品av在线| 亚洲电影在线观看av| www日本黄色视频网| 国产欧美日韩精品亚洲av| 女人十人毛片免费观看3o分钟| 欧美日韩福利视频一区二区| 日本三级黄在线观看| 波多野结衣巨乳人妻| 99视频精品全部免费 在线| 男女午夜视频在线观看| 国产成年人精品一区二区| 51午夜福利影视在线观看| 午夜精品在线福利| 欧美成人免费av一区二区三区| 精品国内亚洲2022精品成人| 亚洲精品一卡2卡三卡4卡5卡| 精品人妻1区二区| 国产91精品成人一区二区三区| 亚洲av电影在线进入| 亚洲内射少妇av| 99国产精品一区二区蜜桃av| 性色av乱码一区二区三区2| 日本一二三区视频观看| 午夜福利成人在线免费观看| 亚洲国产欧美网| 中文亚洲av片在线观看爽| av国产免费在线观看| 亚洲无线在线观看| 亚洲av免费高清在线观看| 欧美中文综合在线视频| 欧美日本视频| 免费看a级黄色片| av在线天堂中文字幕| 非洲黑人性xxxx精品又粗又长| 亚洲第一电影网av| 国产伦一二天堂av在线观看| 日本黄色视频三级网站网址| av欧美777| 母亲3免费完整高清在线观看| 欧美成人免费av一区二区三区| 黄色日韩在线| 岛国视频午夜一区免费看| 最近在线观看免费完整版| 欧美最黄视频在线播放免费| 成人av一区二区三区在线看| 国产一区二区激情短视频| 久9热在线精品视频| 麻豆一二三区av精品| 亚洲电影在线观看av| 久久中文看片网| 久久6这里有精品| 又爽又黄无遮挡网站| 亚洲国产精品合色在线| 他把我摸到了高潮在线观看| 青草久久国产| 国产又黄又爽又无遮挡在线| 亚洲国产高清在线一区二区三| 色综合亚洲欧美另类图片| 欧美黑人巨大hd| 亚洲精品乱码久久久v下载方式 | 91av网一区二区| 国产高清有码在线观看视频| 性欧美人与动物交配| 国产免费男女视频| 国产一区在线观看成人免费| 啪啪无遮挡十八禁网站| 久久伊人香网站| 日韩欧美国产一区二区入口| 国产精品亚洲一级av第二区| 一a级毛片在线观看| 日韩欧美精品免费久久 | 色视频www国产| 日韩欧美在线乱码| 日韩人妻高清精品专区| 有码 亚洲区| 热99re8久久精品国产| 看黄色毛片网站| 国产乱人视频| 哪里可以看免费的av片| 欧美成狂野欧美在线观看| 9191精品国产免费久久| 一级a爱片免费观看的视频| 母亲3免费完整高清在线观看| 久久九九热精品免费| 人人妻,人人澡人人爽秒播| 两个人视频免费观看高清| 亚洲不卡免费看| 亚洲精品在线美女| 亚洲精品美女久久久久99蜜臀| av片东京热男人的天堂| 成人国产综合亚洲| 美女高潮喷水抽搐中文字幕| 老司机午夜十八禁免费视频| 亚洲va日本ⅴa欧美va伊人久久| 色综合亚洲欧美另类图片| 国产黄色小视频在线观看| 老司机午夜福利在线观看视频| 激情在线观看视频在线高清| 免费av毛片视频| 一进一出抽搐动态| 色综合婷婷激情| 国产一区在线观看成人免费| 两个人视频免费观看高清| av黄色大香蕉| 一进一出抽搐gif免费好疼| 国产欧美日韩精品亚洲av| 最近在线观看免费完整版| 国产激情偷乱视频一区二区| 精品人妻偷拍中文字幕| 久久久久久久午夜电影| 好男人在线观看高清免费视频| 国产成人av激情在线播放| av中文乱码字幕在线| a在线观看视频网站| 欧美日本视频| 3wmmmm亚洲av在线观看| 亚洲精品久久国产高清桃花| 看免费av毛片| 日韩欧美精品v在线| 中国美女看黄片| 中文字幕av在线有码专区| 色在线成人网| 亚洲av熟女| 九色国产91popny在线| 亚洲 国产 在线| 香蕉丝袜av| 最新美女视频免费是黄的| 久久精品夜夜夜夜夜久久蜜豆| 可以在线观看的亚洲视频| 欧美精品啪啪一区二区三区| 亚洲精品色激情综合| 免费看日本二区| 老汉色∧v一级毛片| 亚洲av一区综合| 久久国产精品人妻蜜桃| 人人妻,人人澡人人爽秒播| 久久天躁狠狠躁夜夜2o2o| 国产激情欧美一区二区| eeuss影院久久| 亚洲国产色片| 国内精品一区二区在线观看| 国产一区二区激情短视频| 午夜精品久久久久久毛片777| av专区在线播放| 国产三级在线视频| 男女之事视频高清在线观看| 亚洲精品乱码久久久v下载方式 | 有码 亚洲区| www国产在线视频色| 国产视频一区二区在线看| 中文字幕人妻丝袜一区二区| 97超级碰碰碰精品色视频在线观看| 岛国在线观看网站| 久久精品国产自在天天线| 真人一进一出gif抽搐免费| 亚洲最大成人中文| 久久精品影院6| 国产麻豆成人av免费视频| 国产精品99久久久久久久久| 国产高清激情床上av| tocl精华| 中文资源天堂在线| 丰满的人妻完整版| 亚洲国产色片| 一本综合久久免费| 亚洲18禁久久av| 国产成人欧美在线观看| 国产99白浆流出| 亚洲精品久久国产高清桃花| 在线观看舔阴道视频| 美女高潮喷水抽搐中文字幕| 精品99又大又爽又粗少妇毛片 | 深爱激情五月婷婷| 日本三级黄在线观看| 国产精品影院久久| 欧美xxxx黑人xx丫x性爽| 少妇的逼水好多| 婷婷六月久久综合丁香| av女优亚洲男人天堂| 一本综合久久免费| 午夜日韩欧美国产| 亚洲欧美日韩无卡精品| 国产精品久久久久久久电影 | 男女午夜视频在线观看| 亚洲av熟女| 午夜久久久久精精品| 一区二区三区高清视频在线| 国产精品精品国产色婷婷| 午夜激情福利司机影院| 国产高清videossex| 1000部很黄的大片| 日日干狠狠操夜夜爽| 色尼玛亚洲综合影院| 三级国产精品欧美在线观看| 免费大片18禁| 天堂影院成人在线观看| 国产av在哪里看| 最近在线观看免费完整版| 亚洲专区国产一区二区| 噜噜噜噜噜久久久久久91| 欧美成人免费av一区二区三区| 国产午夜福利久久久久久| 99久久无色码亚洲精品果冻| 欧美最黄视频在线播放免费| 国产一区在线观看成人免费| 别揉我奶头~嗯~啊~动态视频| a级一级毛片免费在线观看| 国产伦精品一区二区三区视频9 | 一卡2卡三卡四卡精品乱码亚洲| 亚洲国产高清在线一区二区三| 久久久国产精品麻豆| 亚洲久久久久久中文字幕| 午夜福利在线观看免费完整高清在 | 伊人久久大香线蕉亚洲五| av视频在线观看入口| 午夜精品一区二区三区免费看| 亚洲av成人不卡在线观看播放网| 51午夜福利影视在线观看| 欧美大码av| 国产av在哪里看| 在线观看午夜福利视频| 美女被艹到高潮喷水动态| 久久精品夜夜夜夜夜久久蜜豆| 亚洲人与动物交配视频| 夜夜看夜夜爽夜夜摸| 老鸭窝网址在线观看| 夜夜躁狠狠躁天天躁| 丰满人妻一区二区三区视频av | 亚洲天堂国产精品一区在线| 亚洲精品一区av在线观看| 亚洲五月婷婷丁香| 老司机深夜福利视频在线观看| 97超视频在线观看视频| 夜夜夜夜夜久久久久| 三级男女做爰猛烈吃奶摸视频| 国产国拍精品亚洲av在线观看 | 欧美最黄视频在线播放免费| 啦啦啦免费观看视频1| 真人一进一出gif抽搐免费| 亚洲无线观看免费| 精品乱码久久久久久99久播| aaaaa片日本免费| 欧美最新免费一区二区三区 | 国产精品久久久人人做人人爽| 夜夜夜夜夜久久久久| 成人av一区二区三区在线看| 成年人黄色毛片网站| 国产精品久久久久久久电影 | 国产精品99久久久久久久久| 长腿黑丝高跟| 九色国产91popny在线| 男女下面进入的视频免费午夜| 国产精品亚洲av一区麻豆| 久久人人精品亚洲av| 美女高潮的动态| 97碰自拍视频| 1024手机看黄色片| 变态另类成人亚洲欧美熟女| 国内毛片毛片毛片毛片毛片| 国产精品野战在线观看| 亚洲,欧美精品.| 亚洲久久久久久中文字幕| 亚洲美女黄片视频| 狂野欧美白嫩少妇大欣赏| 色哟哟哟哟哟哟| 亚洲av免费高清在线观看| 午夜福利在线观看免费完整高清在 | 国模一区二区三区四区视频| 久久精品国产综合久久久| 九九热线精品视视频播放| 欧洲精品卡2卡3卡4卡5卡区| 亚洲国产精品999在线| 成人av在线播放网站| 国产精品一区二区三区四区免费观看 | 国产精品99久久99久久久不卡| 久久精品影院6| 一本精品99久久精品77| 国产午夜精品久久久久久一区二区三区 | 欧洲精品卡2卡3卡4卡5卡区| 国产爱豆传媒在线观看| 在线观看午夜福利视频| 99国产精品一区二区三区| 天堂√8在线中文| 国产精品 欧美亚洲| 最新中文字幕久久久久| 美女 人体艺术 gogo| 国产精品98久久久久久宅男小说| 岛国在线免费视频观看| 免费人成在线观看视频色| 精品国产三级普通话版| 最新在线观看一区二区三区| 亚洲成人久久性| 国产精品久久视频播放| 小说图片视频综合网站| 搡老妇女老女人老熟妇| 99久久精品一区二区三区| 亚洲精品国产精品久久久不卡| xxx96com| 日本 av在线| 欧美成人免费av一区二区三区| 亚洲成人中文字幕在线播放| 午夜激情欧美在线| 身体一侧抽搐| 久99久视频精品免费| 国产午夜福利久久久久久| 嫩草影院入口| 在线十欧美十亚洲十日本专区| 少妇的逼水好多| 亚洲性夜色夜夜综合| 欧美乱色亚洲激情| 日本a在线网址| 亚洲国产精品合色在线| 我要搜黄色片| 国产欧美日韩精品一区二区| 波多野结衣高清作品| 国产色婷婷99| 亚洲内射少妇av| 啦啦啦韩国在线观看视频| 亚洲,欧美精品.| 精品一区二区三区av网在线观看| 美女黄网站色视频| 日本一本二区三区精品| 久久精品影院6| 成人欧美大片| 精品久久久久久久毛片微露脸| 在线播放无遮挡| 琪琪午夜伦伦电影理论片6080| 国产欧美日韩精品一区二区| 久久精品综合一区二区三区| 久久久久久久久中文| 露出奶头的视频| 好看av亚洲va欧美ⅴa在| 99国产精品一区二区蜜桃av| 亚洲人成网站在线播放欧美日韩| 一级作爱视频免费观看| 国产三级在线视频| 亚洲av电影不卡..在线观看| 丰满的人妻完整版| 高潮久久久久久久久久久不卡| 九九热线精品视视频播放| 日韩国内少妇激情av| 两个人视频免费观看高清| 在线观看66精品国产| 国产欧美日韩一区二区精品| 神马国产精品三级电影在线观看|