• <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
    精品乱码久久久久久99久播| 操美女的视频在线观看| 男女无遮挡免费网站观看| 9热在线视频观看99| av网站在线播放免费| 国产免费福利视频在线观看| 日韩 欧美 亚洲 中文字幕| www日本在线高清视频| 色婷婷av一区二区三区视频| 成人免费观看视频高清| 欧美老熟妇乱子伦牲交| 国产精品久久久久久精品电影小说| 丰满人妻熟妇乱又伦精品不卡| 久久免费观看电影| 亚洲精品美女久久av网站| av在线app专区| 欧美日韩精品网址| 免费久久久久久久精品成人欧美视频| 久久99一区二区三区| 国产主播在线观看一区二区| 精品卡一卡二卡四卡免费| 69精品国产乱码久久久| 亚洲精品美女久久av网站| 国产野战对白在线观看| 国产精品99久久99久久久不卡| 中文精品一卡2卡3卡4更新| 久久99一区二区三区| 美女高潮喷水抽搐中文字幕| 不卡一级毛片| 色婷婷久久久亚洲欧美| 国产一卡二卡三卡精品| 精品乱码久久久久久99久播| 国产精品成人在线| 黄片播放在线免费| 国产成人欧美| 久久久久精品人妻al黑| 女警被强在线播放| 精品卡一卡二卡四卡免费| www.自偷自拍.com| 国产精品九九99| 久9热在线精品视频| 丰满迷人的少妇在线观看| 成年人午夜在线观看视频| 亚洲第一av免费看| 亚洲九九香蕉| 亚洲综合色网址| 高清欧美精品videossex| 成年av动漫网址| 亚洲成av片中文字幕在线观看| 18在线观看网站| 精品一区在线观看国产| 性色av一级| 亚洲av美国av| 精品熟女少妇八av免费久了| 精品卡一卡二卡四卡免费| 国产在线一区二区三区精| 久久国产精品大桥未久av| 美女主播在线视频| 亚洲国产精品一区三区| 飞空精品影院首页| 亚洲国产日韩一区二区| 精品一区二区三区四区五区乱码| 欧美日韩国产mv在线观看视频| av线在线观看网站| 黄频高清免费视频| 成年女人毛片免费观看观看9 | 欧美日韩一级在线毛片| av在线播放精品| 久久久久久久大尺度免费视频| 十八禁网站网址无遮挡| 18禁黄网站禁片午夜丰满| 啦啦啦视频在线资源免费观看| 黄色 视频免费看| 十八禁网站网址无遮挡| 操美女的视频在线观看| 亚洲精品国产av成人精品| 91成人精品电影| 天堂中文最新版在线下载| 各种免费的搞黄视频| 丁香六月欧美| 婷婷成人精品国产| 国产av一区二区精品久久| 国产男女超爽视频在线观看| 久久久久国内视频| 国产区一区二久久| 制服人妻中文乱码| 亚洲欧美清纯卡通| 午夜两性在线视频| 日本91视频免费播放| 国产在线免费精品| 狂野欧美激情性xxxx| 久久精品亚洲熟妇少妇任你| 他把我摸到了高潮在线观看 | 欧美另类亚洲清纯唯美| 999久久久精品免费观看国产| 国产精品二区激情视频| 日韩制服骚丝袜av| xxxhd国产人妻xxx| 啦啦啦啦在线视频资源| 日韩电影二区| 女性生殖器流出的白浆| 亚洲av日韩在线播放| 一区二区三区精品91| 中文字幕最新亚洲高清| 精品国产超薄肉色丝袜足j| 十八禁网站网址无遮挡| 成人国语在线视频| 亚洲三区欧美一区| 久久女婷五月综合色啪小说| 人妻久久中文字幕网| 777久久人妻少妇嫩草av网站| 欧美变态另类bdsm刘玥| 免费看十八禁软件| 精品高清国产在线一区| 青春草视频在线免费观看| 久久天躁狠狠躁夜夜2o2o| 国产成人啪精品午夜网站| 国产视频一区二区在线看| 人人妻人人爽人人添夜夜欢视频| 精品国产一区二区久久| 手机成人av网站| 国产又色又爽无遮挡免| bbb黄色大片| 搡老熟女国产l中国老女人| 在线观看一区二区三区激情| 天天操日日干夜夜撸| 欧美另类一区| 每晚都被弄得嗷嗷叫到高潮| 中文字幕另类日韩欧美亚洲嫩草| 制服人妻中文乱码| 国产精品久久久久久精品古装| 午夜福利,免费看| 视频区图区小说| av电影中文网址| 日韩 欧美 亚洲 中文字幕| 18在线观看网站| 脱女人内裤的视频| 精品国产一区二区三区四区第35| 汤姆久久久久久久影院中文字幕| 丰满少妇做爰视频| 蜜桃在线观看..| 后天国语完整版免费观看| 亚洲国产欧美网| 国产精品久久久av美女十八| 成人手机av| 久久国产亚洲av麻豆专区| 日韩欧美国产一区二区入口| 日韩人妻精品一区2区三区| 国产日韩一区二区三区精品不卡| 女人被躁到高潮嗷嗷叫费观| 久久99一区二区三区| 成人18禁高潮啪啪吃奶动态图| 亚洲精品国产av蜜桃| 国产有黄有色有爽视频| 搡老乐熟女国产| 国产高清视频在线播放一区 | 狂野欧美激情性bbbbbb| videosex国产| av天堂久久9| 少妇粗大呻吟视频| av超薄肉色丝袜交足视频| 色视频在线一区二区三区| 亚洲全国av大片| 免费观看av网站的网址| 一级毛片女人18水好多| 日韩视频在线欧美| 肉色欧美久久久久久久蜜桃| 精品国产乱子伦一区二区三区 | 欧美另类一区| 精品人妻一区二区三区麻豆| 超色免费av| 黄色毛片三级朝国网站| 亚洲欧美色中文字幕在线| 免费高清在线观看视频在线观看| av电影中文网址| 考比视频在线观看| 久久久久久亚洲精品国产蜜桃av| 啦啦啦啦在线视频资源| 男女下面插进去视频免费观看| 制服人妻中文乱码| 丝袜喷水一区| 波多野结衣一区麻豆| 欧美乱码精品一区二区三区| 久久av网站| 性少妇av在线| 999精品在线视频| 老司机影院毛片| 各种免费的搞黄视频| 日韩中文字幕欧美一区二区| 国产免费福利视频在线观看| 少妇猛男粗大的猛烈进出视频| 午夜影院在线不卡| 亚洲人成电影免费在线| 一级黄色大片毛片| 亚洲欧美一区二区三区黑人| 真人做人爱边吃奶动态| 国产精品国产av在线观看| 精品国产乱码久久久久久小说| 女性被躁到高潮视频| 欧美黄色片欧美黄色片| 成年女人毛片免费观看观看9 | 亚洲色图综合在线观看| 两个人免费观看高清视频| 欧美人与性动交α欧美精品济南到| 亚洲专区字幕在线| 国产91精品成人一区二区三区 | 丰满少妇做爰视频| 国产一区二区三区综合在线观看| 欧美中文综合在线视频| 涩涩av久久男人的天堂| 亚洲天堂av无毛| 高清欧美精品videossex| 美女高潮喷水抽搐中文字幕| 法律面前人人平等表现在哪些方面 | 人人妻人人爽人人添夜夜欢视频| 国产区一区二久久| 国产亚洲一区二区精品| 国产精品久久久久久人妻精品电影 | 王馨瑶露胸无遮挡在线观看| 亚洲成av片中文字幕在线观看| 成年女人毛片免费观看观看9 | 一级毛片精品| 亚洲精品一二三| 十分钟在线观看高清视频www| 在线观看www视频免费| 免费观看人在逋| 青春草亚洲视频在线观看| 日本五十路高清| 国产黄频视频在线观看| 老司机亚洲免费影院| 十八禁网站免费在线| 国产男人的电影天堂91| av在线app专区| 中文欧美无线码| 一本大道久久a久久精品| 十八禁网站免费在线| 高清av免费在线| www.自偷自拍.com| 美女主播在线视频| 黑人巨大精品欧美一区二区mp4| 亚洲人成77777在线视频| 欧美大码av| 国产成人系列免费观看| 午夜老司机福利片| 女人被躁到高潮嗷嗷叫费观| 国产精品偷伦视频观看了| 亚洲精品国产av成人精品| 久久久久精品人妻al黑| 久久热在线av| 两个人免费观看高清视频| e午夜精品久久久久久久| 韩国高清视频一区二区三区| 麻豆av在线久日| 日韩免费高清中文字幕av| 国产在线视频一区二区| 黑人欧美特级aaaaaa片| 国产av一区二区精品久久| 夜夜夜夜夜久久久久| 国产成人欧美| 久久九九热精品免费| 亚洲国产精品成人久久小说| 亚洲性夜色夜夜综合| 色视频在线一区二区三区| 在线观看免费视频网站a站| 99久久精品国产亚洲精品| 激情视频va一区二区三区| 满18在线观看网站| 一本综合久久免费| 99精国产麻豆久久婷婷| 大片免费播放器 马上看| 国产精品二区激情视频| 欧美国产精品一级二级三级| 男人添女人高潮全过程视频| 亚洲第一欧美日韩一区二区三区 | avwww免费| 国产精品秋霞免费鲁丝片| 亚洲熟女毛片儿| 久久99一区二区三区| 国产免费一区二区三区四区乱码| 男女床上黄色一级片免费看| 欧美另类一区| 一区二区日韩欧美中文字幕| 国产男人的电影天堂91| 搡老岳熟女国产| 国产成人av教育| 黄网站色视频无遮挡免费观看| 交换朋友夫妻互换小说| 搡老熟女国产l中国老女人| 十八禁网站网址无遮挡| 色视频在线一区二区三区| 国产免费av片在线观看野外av| 女人精品久久久久毛片| 女人高潮潮喷娇喘18禁视频| av福利片在线| 老汉色∧v一级毛片| 18在线观看网站| a 毛片基地| 欧美日韩亚洲综合一区二区三区_| 啦啦啦在线免费观看视频4| 18禁国产床啪视频网站| 国产高清国产精品国产三级| 亚洲视频免费观看视频| 免费av中文字幕在线| 巨乳人妻的诱惑在线观看| 亚洲国产av新网站| 国产精品影院久久| 国产麻豆69| 美女视频免费永久观看网站| 两性夫妻黄色片| 亚洲欧美日韩另类电影网站| 久久久久国内视频| 99热全是精品| 一区二区三区精品91| 777久久人妻少妇嫩草av网站| 精品免费久久久久久久清纯 | 精品少妇久久久久久888优播| 80岁老熟妇乱子伦牲交| 高清在线国产一区| 欧美午夜高清在线| av一本久久久久| 美女午夜性视频免费| 99久久精品国产亚洲精品| 18禁观看日本| 久久精品久久久久久噜噜老黄| 超碰97精品在线观看| 桃红色精品国产亚洲av| 男女高潮啪啪啪动态图| 亚洲欧美色中文字幕在线| 99久久精品国产亚洲精品| 成年av动漫网址| 99香蕉大伊视频| 蜜桃国产av成人99| 满18在线观看网站| 窝窝影院91人妻| 国产在线观看jvid| cao死你这个sao货| 亚洲精品国产色婷婷电影| 亚洲欧美日韩另类电影网站| 欧美激情 高清一区二区三区| 国产精品秋霞免费鲁丝片| 九色亚洲精品在线播放| 十八禁网站网址无遮挡| 久久久久视频综合| 建设人人有责人人尽责人人享有的| 国产男女超爽视频在线观看| 欧美另类一区| 丝瓜视频免费看黄片| 老鸭窝网址在线观看| 国产av国产精品国产| 啦啦啦免费观看视频1| 免费观看a级毛片全部| 欧美人与性动交α欧美软件| 亚洲,欧美精品.| 一本—道久久a久久精品蜜桃钙片| 日韩中文字幕欧美一区二区| 国产av精品麻豆| 久久人人爽av亚洲精品天堂| 欧美黑人欧美精品刺激| 50天的宝宝边吃奶边哭怎么回事| 亚洲精品美女久久久久99蜜臀| 久久国产精品人妻蜜桃| 一本一本久久a久久精品综合妖精| 中文字幕最新亚洲高清| 99精品欧美一区二区三区四区| 制服人妻中文乱码| 日本精品一区二区三区蜜桃| xxxhd国产人妻xxx| 久久久国产精品麻豆| 真人做人爱边吃奶动态| 黄色视频,在线免费观看| 黑人操中国人逼视频| 久久国产精品大桥未久av| 精品国产国语对白av| 亚洲性夜色夜夜综合| 欧美乱码精品一区二区三区| 国产免费福利视频在线观看| 九色亚洲精品在线播放| 黄片大片在线免费观看| 免费在线观看影片大全网站| 一区二区av电影网| 亚洲国产毛片av蜜桃av| 国产亚洲欧美精品永久| 人妻 亚洲 视频| 久久久久精品国产欧美久久久 | 久久久久国产一级毛片高清牌| 国产成人系列免费观看| 亚洲欧洲日产国产| 久久av网站| 亚洲欧美日韩高清在线视频 | 亚洲欧美成人综合另类久久久| 久久久久久久国产电影| 精品久久久久久电影网| 天天影视国产精品| 免费av中文字幕在线| 蜜桃在线观看..| 黄片播放在线免费| 女性生殖器流出的白浆| 又黄又粗又硬又大视频| 最近最新中文字幕大全免费视频| 精品福利观看| 欧美日韩成人在线一区二区| 久久久久久人人人人人| 桃花免费在线播放| 一区福利在线观看| 久久综合国产亚洲精品| 国产欧美亚洲国产| 人妻人人澡人人爽人人| 啪啪无遮挡十八禁网站| 日韩一区二区三区影片| 国产欧美日韩一区二区精品| 欧美+亚洲+日韩+国产| 日本vs欧美在线观看视频| 波多野结衣av一区二区av| 18禁裸乳无遮挡动漫免费视频| 欧美av亚洲av综合av国产av| 欧美另类一区| 久久久久精品人妻al黑| 丰满少妇做爰视频| 亚洲黑人精品在线| 另类精品久久| 午夜精品久久久久久毛片777| 日韩制服丝袜自拍偷拍| 中文字幕色久视频| 久久久精品免费免费高清| 精品第一国产精品| 国产在线免费精品| 亚洲欧美清纯卡通| 1024视频免费在线观看| 少妇粗大呻吟视频| 十分钟在线观看高清视频www| 精品一区二区三卡| 国产一区二区 视频在线| 国产欧美亚洲国产| 又黄又粗又硬又大视频| 视频在线观看一区二区三区| 免费在线观看影片大全网站| e午夜精品久久久久久久| 欧美在线黄色| 久久午夜综合久久蜜桃| www.av在线官网国产| 亚洲av片天天在线观看| 99国产精品一区二区蜜桃av | a 毛片基地| 一区二区三区精品91| 在线亚洲精品国产二区图片欧美| 夜夜夜夜夜久久久久| 男女无遮挡免费网站观看| 欧美大码av| 欧美激情极品国产一区二区三区| av电影中文网址| 欧美精品人与动牲交sv欧美| 蜜桃国产av成人99| e午夜精品久久久久久久| 青春草视频在线免费观看| 欧美大码av| 国产一区二区激情短视频 | 免费高清在线观看视频在线观看| 亚洲国产欧美网| 国内毛片毛片毛片毛片毛片| 一级a爱视频在线免费观看| 免费看十八禁软件| 男人舔女人的私密视频| 中文字幕色久视频| 欧美老熟妇乱子伦牲交| 亚洲av片天天在线观看| 欧美精品人与动牲交sv欧美| 老司机靠b影院| 极品人妻少妇av视频| 日本欧美视频一区| 9色porny在线观看| 99国产综合亚洲精品| 黄色视频在线播放观看不卡| 欧美人与性动交α欧美精品济南到| 97在线人人人人妻| 高清在线国产一区| 久久久国产精品麻豆| 在线 av 中文字幕| 波多野结衣一区麻豆| 国产亚洲精品第一综合不卡| 国产精品欧美亚洲77777| 老汉色av国产亚洲站长工具| 美国免费a级毛片| av网站免费在线观看视频| 欧美日韩黄片免| 菩萨蛮人人尽说江南好唐韦庄| 日韩精品免费视频一区二区三区| 一级毛片女人18水好多| 精品免费久久久久久久清纯 | 水蜜桃什么品种好| 久9热在线精品视频| 天天躁狠狠躁夜夜躁狠狠躁| 国产人伦9x9x在线观看| 一个人免费在线观看的高清视频 | 亚洲性夜色夜夜综合| 欧美精品亚洲一区二区| 欧美人与性动交α欧美精品济南到| 精品亚洲成国产av| 伦理电影免费视频| 日韩熟女老妇一区二区性免费视频| www日本在线高清视频| 中文欧美无线码| 男女午夜视频在线观看| av一本久久久久| 欧美日韩中文字幕国产精品一区二区三区 | 啦啦啦视频在线资源免费观看| 精品免费久久久久久久清纯 | 日韩 亚洲 欧美在线| 欧美日韩一级在线毛片| 男女无遮挡免费网站观看| 国产精品久久久av美女十八| 国产一区二区 视频在线| 成在线人永久免费视频| 国产精品免费视频内射| 18禁黄网站禁片午夜丰满| 国产精品香港三级国产av潘金莲| 亚洲色图综合在线观看| 永久免费av网站大全| 亚洲精品国产区一区二| 可以免费在线观看a视频的电影网站| 久久亚洲国产成人精品v| 中文字幕高清在线视频| 伊人亚洲综合成人网| 亚洲国产欧美日韩在线播放| 中文精品一卡2卡3卡4更新| 99国产精品免费福利视频| 女人爽到高潮嗷嗷叫在线视频| 日韩大码丰满熟妇| 国产野战对白在线观看| 久久综合国产亚洲精品| 免费女性裸体啪啪无遮挡网站| 国产精品一二三区在线看| 十分钟在线观看高清视频www| a级片在线免费高清观看视频| 99久久99久久久精品蜜桃| 色精品久久人妻99蜜桃| 国产深夜福利视频在线观看| 国产片内射在线| 久久精品人人爽人人爽视色| 97精品久久久久久久久久精品| 国产麻豆69| 国产不卡av网站在线观看| 欧美日韩国产mv在线观看视频| 久久久久国内视频| 91成人精品电影| 人人澡人人妻人| 欧美xxⅹ黑人| 久久久久久人人人人人| 国产亚洲午夜精品一区二区久久| 国产免费现黄频在线看| 亚洲欧美日韩另类电影网站| 女人精品久久久久毛片| 男女床上黄色一级片免费看| 免费日韩欧美在线观看| 波多野结衣一区麻豆| 青春草视频在线免费观看| 黄色毛片三级朝国网站| 中国美女看黄片| 韩国精品一区二区三区| 欧美大码av| 黄频高清免费视频| 国产高清视频在线播放一区 | 国产一区二区激情短视频 | 人人妻人人澡人人看| 久久精品aⅴ一区二区三区四区| 精品少妇内射三级| 亚洲人成电影观看| 午夜福利视频在线观看免费| 久久综合国产亚洲精品| 久久99一区二区三区| 亚洲精品国产av蜜桃| www.熟女人妻精品国产| 最近中文字幕2019免费版| 国产日韩欧美视频二区| 在线av久久热| 在线精品无人区一区二区三| 美女国产高潮福利片在线看| 久久久精品国产亚洲av高清涩受| 热99久久久久精品小说推荐| 精品久久久精品久久久| 亚洲天堂av无毛| 午夜免费观看性视频| 大片免费播放器 马上看| 在线观看免费日韩欧美大片| 国产真人三级小视频在线观看| 91精品国产国语对白视频| 最新的欧美精品一区二区| 丝袜喷水一区| 日日夜夜操网爽| 国产黄色免费在线视频| 国产在线观看jvid| 免费一级毛片在线播放高清视频 | 欧美久久黑人一区二区| 高清黄色对白视频在线免费看| 嫩草影视91久久| 精品第一国产精品| 大型av网站在线播放| 国产在线一区二区三区精| 9色porny在线观看| 欧美在线一区亚洲| 亚洲少妇的诱惑av| xxxhd国产人妻xxx| 1024视频免费在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 免费一级毛片在线播放高清视频 | 高潮久久久久久久久久久不卡| 国产精品久久久久久人妻精品电影 | 日韩精品免费视频一区二区三区| 色播在线永久视频| 后天国语完整版免费观看| 久久精品国产亚洲av香蕉五月 | 丝袜美足系列| 久久九九热精品免费| 人妻 亚洲 视频| 国产精品久久久久成人av| 热99re8久久精品国产|