亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        數(shù)字經(jīng)濟(jì)的靶向路徑模型建立方法

        2021-10-16 03:38:56潘思葳
        關(guān)鍵詞:特征經(jīng)濟(jì)模型

        潘思葳

        (哥倫比亞大學(xué),美國(guó) 紐約 10027)

        0 引言

        數(shù)字經(jīng)濟(jì)的核心為運(yùn)用數(shù)字化的生產(chǎn)要素,通過現(xiàn)代信息網(wǎng)絡(luò)對(duì)經(jīng)濟(jì)結(jié)構(gòu)進(jìn)行優(yōu)化[1]。基于數(shù)字經(jīng)濟(jì)的不斷發(fā)展,為驅(qū)動(dòng)全球經(jīng)濟(jì)技術(shù)變革提供堅(jiān)實(shí)的力量。杭州G20峰會(huì)明確指出:數(shù)字經(jīng)濟(jì)的重要功能就是促進(jìn)中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展。數(shù)字經(jīng)濟(jì)為全球經(jīng)濟(jì)的發(fā)展帶來了全新的機(jī)遇與挑戰(zhàn),能夠通過數(shù)據(jù)優(yōu)勢(shì)與傳統(tǒng)產(chǎn)業(yè)相結(jié)合,為產(chǎn)業(yè)業(yè)態(tài)創(chuàng)新提供源動(dòng)力。數(shù)字經(jīng)濟(jì)的發(fā)展是我國(guó)經(jīng)濟(jì)在全球范圍內(nèi)快速增長(zhǎng)的先決條件,因此,必須重視并充分發(fā)揮數(shù)字經(jīng)濟(jì)的能動(dòng)力[2]。數(shù)字經(jīng)濟(jì)的靶向路徑是依賴數(shù)字技術(shù)的創(chuàng)新,通過數(shù)據(jù)要素精準(zhǔn)地滿足經(jīng)濟(jì)發(fā)展的需求。作為數(shù)字經(jīng)濟(jì)中的重要內(nèi)容,我國(guó)建立數(shù)字經(jīng)濟(jì)靶向路徑模型的方法層出不窮,但由于其在建立過程中缺少對(duì)數(shù)字經(jīng)濟(jì)的定量分析,導(dǎo)致數(shù)字經(jīng)濟(jì)的靶向路徑模型數(shù)字化密度指數(shù)低[3];因此,對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑模型建立方法的相關(guān)研究成為學(xué)術(shù)界研究的熱門話題。該文基于此提出數(shù)字經(jīng)濟(jì)的靶向路徑模型建立方法研究,致力于提高靶向路徑模型的數(shù)字化密度指數(shù)。

        1 數(shù)字經(jīng)濟(jì)的靶向路徑模型建立方法

        在建立數(shù)字經(jīng)濟(jì)的靶向路徑模型的過程中,需要對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑進(jìn)行相關(guān)整理與收集,通過標(biāo)簽化的方式對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑的相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理,具體方法包括刪除數(shù)字經(jīng)濟(jì)的靶向路徑冗余特征、填補(bǔ)數(shù)字經(jīng)濟(jì)的靶向路徑空值和噪聲點(diǎn)以及數(shù)字經(jīng)濟(jì)的靶向路徑特征降維。在該基礎(chǔ)上,通過模型訓(xùn)練的方式,調(diào)整數(shù)字經(jīng)濟(jì)的靶向路徑模型參數(shù),進(jìn)而建立數(shù)字經(jīng)濟(jì)的靶向路徑模型[4]。該文設(shè)計(jì)的數(shù)字經(jīng)濟(jì)的靶向路徑模型建立方法整體流程如圖1 所示。

        圖1 中6 步主要流程的具體研究?jī)?nèi)容,如下文所述。

        圖1 數(shù)字經(jīng)濟(jì)的靶向路徑模型建立方法流程

        1.1 數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)挖掘

        在建立數(shù)字經(jīng)濟(jì)的靶向路徑模型前,必須明確數(shù)字經(jīng)濟(jì)的靶向路徑模型的建立需求,預(yù)先選擇目標(biāo)數(shù)據(jù)[5]。根據(jù)數(shù)字經(jīng)濟(jì)靶向路徑數(shù)據(jù)的范圍,基于數(shù)據(jù)挖掘算法運(yùn)用K-means 聚類分析數(shù)字經(jīng)濟(jì)靶向路徑數(shù)據(jù),以此實(shí)現(xiàn)對(duì)數(shù)據(jù)的挖掘,并對(duì)挖掘結(jié)果進(jìn)行分析。數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)挖掘流程如圖2 所示。

        圖2 數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)挖掘流程

        首先,從不同的數(shù)字經(jīng)濟(jì)信息中任意抽取K個(gè)中心點(diǎn),選擇初始簇的中心點(diǎn);在提取數(shù)字經(jīng)濟(jì)的靶向路徑信息之前,先對(duì)其進(jìn)行預(yù)處理,得到較為純凈的數(shù)字經(jīng)濟(jì)信息。其次,將各個(gè)不同的數(shù)字經(jīng)濟(jì)信息數(shù)據(jù)點(diǎn)配置到離該數(shù)據(jù)點(diǎn)最近的中心點(diǎn),即分樣本簇點(diǎn)。最后,將多個(gè)不同的樣本數(shù)據(jù)簇的點(diǎn)劃分到距離其比較近的中心所表示的樣本簇中,即將與初始簇的中心點(diǎn)比較近的中心點(diǎn)劃分為一類。在該步驟中,引入距離公式得到公式(1)。

        式中:d(x,y)為歐幾里得距離;n為數(shù)字經(jīng)濟(jì)信息的維度;i為數(shù)字經(jīng)濟(jì)的靶向路徑條數(shù),i為實(shí)數(shù);x、y分別為異種數(shù)字經(jīng)濟(jì)信息。

        通過公式(1),以初始簇的中心點(diǎn)距離為指標(biāo),挖掘數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù),總結(jié)出數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)中潛在的隱藏信息,完成對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)的挖掘。

        1.2 刪除數(shù)字經(jīng)濟(jì)的靶向路徑冗余特征

        以上述通過數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)挖掘得到的接近真實(shí)的數(shù)字經(jīng)濟(jì)的靶向路徑聚類中心為依據(jù),考慮到數(shù)字經(jīng)濟(jì)的靶向路徑中存在的冗余特征會(huì)對(duì)模型建立造成干擾[6];因此,需要對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)進(jìn)行加工,其目的是刪除數(shù)字經(jīng)濟(jì)的靶向路徑冗余特征。在設(shè)計(jì)相關(guān)算法前需要提取數(shù)字經(jīng)濟(jì)的靶向路徑的冗余特征,以實(shí)現(xiàn)對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑的有效識(shí)別。在提取冗余特征的過程中,根據(jù)數(shù)據(jù)特點(diǎn),從不同維度對(duì)靶向路徑數(shù)據(jù)進(jìn)行分類處理,根據(jù)不同類別數(shù)據(jù)的相關(guān)性對(duì)其進(jìn)行權(quán)值賦值。在完成對(duì)靶向路徑數(shù)據(jù)迭代權(quán)值與訓(xùn)練樣本的定義后,分析其中高權(quán)重信息與低權(quán)值信息,去除低貢獻(xiàn)的低權(quán)值信息,保留高權(quán)值信息,并將其作為靶向路徑數(shù)據(jù)的冗余特征。反復(fù)迭代,構(gòu)建靶向路徑數(shù)據(jù)特征信息的集合。

        在構(gòu)建特征信息集合的基礎(chǔ)上,以維護(hù)靶向路徑數(shù)據(jù)分類現(xiàn)狀為目標(biāo)進(jìn)行特征權(quán)值迭代。假設(shè)不同冗余特征之間均存在一定間隔,將存在無效信息的特定面作為靶向路徑數(shù)據(jù)可以識(shí)別的最大距離。確定存在冗余特征的靶向路徑數(shù)據(jù)間隔,如公式(2)所示。

        式中:θ為靶向路徑數(shù)據(jù)間隔;x為靶向路徑數(shù)據(jù);E(x)為距離靶向路徑數(shù)據(jù)x最近的同類冗余特征點(diǎn);L(x)為與靶向路徑數(shù)據(jù)x屬于非同一類型的同類冗余特征點(diǎn)。

        根據(jù)公式(2)獲取靶向路徑數(shù)據(jù)的具體冗余點(diǎn),該過程為使用m×n表示多維度圖像矩陣。假設(shè)靶向路徑數(shù)據(jù)中存在n個(gè)冗余特征,將定義的n值存入數(shù)據(jù)庫(kù);將待執(zhí)行訓(xùn)練的圖像中第i個(gè)冗余特征樣本置于靶向路徑數(shù)據(jù)第N列中,假設(shè)靶向路徑數(shù)據(jù)每行或每列的初始化特征權(quán)值表示為0,即Wj=0,則冗余特征樣本的數(shù)據(jù)集合可表示為j=1,2,3,…,N。

        同時(shí),假設(shè)在存在冗余特征的靶向路徑數(shù)據(jù)中,訓(xùn)練樣本的總個(gè)數(shù)為n,則需要在1~n對(duì)i值進(jìn)行反復(fù)賦值。迭代權(quán)值的計(jì)算過程如公式(3)所示。

        式中:為靶向路徑數(shù)據(jù)的初始化權(quán)值;xi為數(shù)字經(jīng)濟(jì)靶向路徑中的某一條數(shù)字經(jīng)濟(jì)信息;S為對(duì)靶向路徑數(shù)據(jù)抽樣過程中與xi同類的冗余樣本;Y為不同類的冗余樣本;E(xi)為與xi距離最近的坐標(biāo)點(diǎn);L(xi)為與xi屬于不同類的最近坐標(biāo)點(diǎn)。

        根據(jù)公式(3),在對(duì)存在冗余特征的靶向路徑數(shù)據(jù)進(jìn)行刪除時(shí),冗余特征樣本分別以同類數(shù)據(jù)與非同類數(shù)據(jù)的方式來表達(dá),因此可認(rèn)為權(quán)值較大的特征數(shù)據(jù)集合之間冗余特征相似度較高;反之相似度較小。因此,要?jiǎng)h除數(shù)字經(jīng)濟(jì)的靶向路徑冗余特征。

        1.3 填補(bǔ)數(shù)字經(jīng)濟(jì)的靶向路徑空值和噪聲點(diǎn)

        刪除數(shù)字經(jīng)濟(jì)的靶向路徑冗余特征后,為保證數(shù)字經(jīng)濟(jì)的靶向路徑模型建立的數(shù)字化覆蓋程度,需要采用中位數(shù)填補(bǔ)數(shù)字經(jīng)濟(jì)的靶向路徑空值和噪聲點(diǎn)[7]。完成上述步驟后,選擇數(shù)字經(jīng)濟(jì)的靶向路徑最大的壓縮特征值作為類標(biāo)簽,標(biāo)記為偽標(biāo)記數(shù)據(jù),設(shè)U類的偽標(biāo)記數(shù)據(jù)個(gè)數(shù)是US,則U類偽標(biāo)記的小波變換計(jì)算公式,如公式(4)所示。

        式中:L為帶標(biāo)簽的數(shù)字經(jīng)濟(jì)的靶向路徑壓縮數(shù)據(jù)的個(gè)數(shù);Lc為靶向路徑壓縮數(shù)據(jù)的最大個(gè)數(shù);x為靶向路徑數(shù)據(jù);R為同類偽標(biāo)記數(shù)據(jù);F為同類帶標(biāo)簽數(shù)字經(jīng)濟(jì)的靶向路徑壓縮數(shù)據(jù)平均相似度;i為數(shù)據(jù)次數(shù)。

        結(jié)合公式(4),如果加入的偽標(biāo)記數(shù)據(jù)能夠滿足一定數(shù)字經(jīng)濟(jì)的靶向路徑壓縮條件,則可以通過空值和噪聲點(diǎn)補(bǔ)償所需要滿足的條件,如公式(5)所示。

        式中:m為自適應(yīng)壓縮噪聲補(bǔ)償數(shù)據(jù)個(gè)數(shù);β為分類器錯(cuò)誤率上限;θ為分類器噪聲率上限;R為同類偽標(biāo)記數(shù)據(jù);F為同類帶標(biāo)簽數(shù)字經(jīng)濟(jì)的靶向路徑壓縮數(shù)據(jù)平均相似度;σ為當(dāng)次迭代中偽標(biāo)記數(shù)據(jù)的數(shù)量。

        得出數(shù)字經(jīng)濟(jì)的靶向路徑空值和噪聲點(diǎn)補(bǔ)償函數(shù)后,需要重構(gòu)經(jīng)過壓縮處理的數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)[8]。在建立的模型中填補(bǔ)數(shù)字經(jīng)濟(jì)的靶向路徑空值和噪聲點(diǎn)的優(yōu)勢(shì)在于能夠?qū)⑿〔ㄗ儞Q的模糊隸屬函數(shù)代入壓縮噪聲補(bǔ)償中,減少傳統(tǒng)模型建立方法中根據(jù)平均值進(jìn)行壓縮處理容易丟失細(xì)節(jié)的問題,得到最終數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)編碼,從根本上降低數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)壓縮比,從而保證數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)的數(shù)字化覆蓋程度。

        1.4 數(shù)字經(jīng)濟(jì)的靶向路徑特征降維

        在填補(bǔ)數(shù)字經(jīng)濟(jì)的靶向路徑空值和噪聲點(diǎn)的基礎(chǔ)上,基于主成分分析(PCA)的方式對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑特征進(jìn)行降維處理,其目的在于減少所考慮的隨機(jī)變量的數(shù)量。首先,構(gòu)建數(shù)字經(jīng)濟(jì)的靶向路徑特征數(shù)學(xué)表達(dá)式,設(shè)其目標(biāo)函數(shù)為C,則有公式(6)。

        式中:a為針對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑的影響因素個(gè)數(shù),a為實(shí)數(shù);bn為該因素在數(shù)字經(jīng)濟(jì)的靶向路徑特征權(quán)重中的占比;Cn為最大特征值;n為次數(shù),取值為1~n。

        在得出數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)學(xué)表達(dá)式后,采用基于多元線性回歸的TensorFlow 命名機(jī)制修正多重共線性,先將上面的多元線性回歸表達(dá)式轉(zhuǎn)換成對(duì)數(shù)表達(dá)式,則有公式(7)。

        通過公式(7)改變表達(dá)式的自變量形式。其基本原理是以相關(guān)聯(lián)的自變量為基礎(chǔ)建立函數(shù)模型,從而達(dá)到降維的目的。假設(shè)最終維度降為N個(gè),將上述80%的樣本數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)代入修正后的數(shù)字經(jīng)濟(jì)的靶向路徑特征表達(dá)式,回歸計(jì)算分析無關(guān)聯(lián)獨(dú)立影響因素的強(qiáng)度系數(shù)Ci(i=1~n),則有公式(8)。

        通過公式(8),得出矩陣的無關(guān)聯(lián)獨(dú)立影響因素的強(qiáng)度系數(shù),將其作為數(shù)字經(jīng)濟(jì)的靶向路徑特征降維結(jié)果。

        1.5 調(diào)整數(shù)字經(jīng)濟(jì)的靶向路徑模型參數(shù)

        通過上述操作,完成對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)的預(yù)處理。在該基礎(chǔ)上,調(diào)整數(shù)字經(jīng)濟(jì)的靶向路徑模型參數(shù),該參數(shù)分別為數(shù)字經(jīng)濟(jì)的靶向路徑常數(shù)誤差平方和以及極大似然估計(jì)值。在選取數(shù)字經(jīng)濟(jì)的靶向路徑模型指標(biāo)的基礎(chǔ)上,為了對(duì)常數(shù)誤差平方和、極大似然估計(jì)值2 個(gè)指標(biāo)進(jìn)行精準(zhǔn)計(jì)算,該文采用最小二乘法,以誤差平方求和的方式計(jì)算數(shù)字經(jīng)濟(jì)的靶向路徑常數(shù)誤差平方和[9]。設(shè)數(shù)字經(jīng)濟(jì)的靶向路徑常數(shù)誤差平方和的計(jì)算表達(dá)式為E,如公式(9)所示。

        式中:N為數(shù)字經(jīng)濟(jì)的靶向路徑概率分布;k1為數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)高頻特征;fi為數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)更新頻率;k2為數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)低頻特征;α為網(wǎng)絡(luò)內(nèi)傳輸信號(hào)強(qiáng)度。

        通過公式(9)可以計(jì)算出數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)常數(shù)誤差平方和。完成上述步驟后,根據(jù)最小二乘法中的二次函數(shù),求導(dǎo)計(jì)算數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)常數(shù)誤差平方和,如公式(10)所示。

        式中:fi為數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)更新頻率;k1為數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)高頻特征;k2為數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)低頻特征。

        基于最小二乘法對(duì)常數(shù)的相位常數(shù)進(jìn)行計(jì)算,利用二次函數(shù)來擬合解空間,在函數(shù)中求極大似然估計(jì)值,優(yōu)化常數(shù)參數(shù)精度。在計(jì)算過程中,目標(biāo)函數(shù)與約束方程的關(guān)鍵參數(shù)均采用復(fù)雜的二次方程式進(jìn)行擬合。設(shè)該目標(biāo)函數(shù)的表達(dá)式為z,則有公式(11)。

        式中:γ為數(shù)字經(jīng)濟(jì)的靶向路徑正交特征;Y為數(shù)據(jù)量綱。

        通過公式(11)計(jì)算出數(shù)字經(jīng)濟(jì)的靶向路徑極大似然估計(jì)值。根據(jù)計(jì)算得出的結(jié)果,調(diào)整數(shù)字經(jīng)濟(jì)的靶向路徑模型參數(shù)。

        1.6 實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)的靶向路徑模型建立

        以上文計(jì)算調(diào)整后的數(shù)字經(jīng)濟(jì)的靶向路徑模型參數(shù)為依據(jù),通過上述公式建立數(shù)字經(jīng)濟(jì)的靶向路徑模型,得到目標(biāo)函數(shù)和約束函數(shù)的回歸方程,確定數(shù)字經(jīng)濟(jì)的靶向路徑參數(shù)中自變量和因變量之間的函數(shù)關(guān)系F(X),如公式(12)所示。

        式中:β為數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)高頻時(shí)校正因子。

        通過公式(12)計(jì)算出數(shù)字經(jīng)濟(jì)的靶向路徑模型,以此實(shí)現(xiàn)對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑模型的設(shè)計(jì)。

        2 實(shí)例分析

        2.1 實(shí)驗(yàn)準(zhǔn)備

        為驗(yàn)證所建立模型的科學(xué)性與準(zhǔn)確性,選擇某行業(yè)數(shù)字經(jīng)濟(jì)指數(shù)作為實(shí)驗(yàn)對(duì)象進(jìn)行實(shí)例分析。實(shí)例分析內(nèi)容為測(cè)試數(shù)字經(jīng)濟(jì)的靶向路徑模型建立方法的適用性。該實(shí)驗(yàn)選用的測(cè)試工具為L(zhǎng)oadrunner,忽略其他會(huì)對(duì)模型運(yùn)行產(chǎn)生影響的外界因素。首先,使用該文的方法建立數(shù)字經(jīng)濟(jì)的靶向路徑模型,使用MATLAB 軟件測(cè)得該行業(yè)的數(shù)字經(jīng)濟(jì)數(shù)字化密度指數(shù),定義該組為實(shí)驗(yàn)組。同時(shí)采用傳統(tǒng)的方法,建立數(shù)字經(jīng)濟(jì)的靶向路徑模型,同樣使用MATLAB 軟件測(cè)得該行業(yè)的數(shù)字經(jīng)濟(jì)數(shù)字化密度指數(shù),作為對(duì)照組。為了在同一環(huán)境下完成對(duì)比驗(yàn)證,將多種變量參數(shù)設(shè)定為完全一致,避免其他因素對(duì)實(shí)驗(yàn)結(jié)果的影響。共開展10 次實(shí)驗(yàn),將計(jì)算所得的數(shù)字化密度指數(shù)計(jì)入數(shù)據(jù)記錄表。數(shù)字化密度指數(shù)越高表示該模型性能越好,能夠?yàn)閿?shù)字經(jīng)濟(jì)的靶向路徑選擇策提供真實(shí)的數(shù)據(jù)。

        2.2 實(shí)驗(yàn)結(jié)果分析與結(jié)論

        記錄并整理計(jì)算結(jié)果,某行業(yè)的數(shù)字經(jīng)濟(jì)數(shù)字化密度指數(shù)對(duì)比結(jié)果見表1。

        表1 數(shù)字化密度指數(shù)對(duì)比表

        通過表1 可知,采用該文提出的設(shè)計(jì)方法建立的數(shù)字經(jīng)濟(jì)的靶向路徑模型數(shù)字化密度指數(shù)明顯高于對(duì)照組,證明設(shè)計(jì)模型更具實(shí)際應(yīng)用價(jià)值,值得被大力推廣。

        3 結(jié)語(yǔ)

        該文對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑模型建立方法進(jìn)行了研究,在完成對(duì)該文研究成果的分析后可知,數(shù)字經(jīng)濟(jì)的靶向路徑模型是一種較為復(fù)雜的模型結(jié)構(gòu),因此,需要采取數(shù)據(jù)預(yù)處理的方式提高建立模型的精度,并且在建立過程中,應(yīng)注意外界因素對(duì)數(shù)字經(jīng)濟(jì)的靶向路徑數(shù)據(jù)的干擾,避免模型因操作不當(dāng)而出現(xiàn)與實(shí)際不匹配的問題。在未來的研究中,可以以數(shù)字經(jīng)濟(jì)的靶向路徑發(fā)展為主要研究方向,結(jié)合當(dāng)下的國(guó)家政策,指明數(shù)字經(jīng)濟(jì)的靶向路徑主流方向。

        猜你喜歡
        特征經(jīng)濟(jì)模型
        一半模型
        “林下經(jīng)濟(jì)”助農(nóng)增收
        重要模型『一線三等角』
        增加就業(yè), 這些“經(jīng)濟(jì)”要關(guān)注
        民生周刊(2020年13期)2020-07-04 02:49:22
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        如何表達(dá)“特征”
        不忠誠(chéng)的四個(gè)特征
        民營(yíng)經(jīng)濟(jì)大有可為
        抓住特征巧觀察
        3D打印中的模型分割與打包
        国产乱人激情h在线观看| 国产网友自拍视频在线观看| av免费网站免费久久网| 久久99国产精品久久99| 国产精品美女一区二区三区| 999久久66久6只有精品| 日韩黄色大片免费网站| 亚洲av永久无码精品网站| 亚洲日韩av无码中文字幕美国 | 欧美日韩区1区2区3区| 一区二区三区国产大片| 久久精品中文少妇内射| 欧美极品少妇无套实战| 本道无码一区二区久久激情| 国产日本精品一区二区| 狠狠色欧美亚洲狠狠色www| 国产成人无码一区二区在线观看| 成人无码视频在线观看网站| 日本一区二区偷拍视频| 欧美成人猛片aaaaaaa| 成人精品综合免费视频| 人妻无码一区二区19P| 谷原希美中文字幕在线| 国产精品视频免费播放| 日韩高清毛片| 亚洲在中文字幕乱码熟女| 青春草在线视频观看| 无码a∨高潮抽搐流白浆| 成人综合久久精品色婷婷| av天堂免费在线播放| 亚洲国产日韩精品一区二区三区 | av大片在线无码免费| 一本久道久久综合狠狠操| 中文字幕一区二区精品视频| 熟妇丰满多毛的大隂户| 浪荡少妇一区二区三区| 国产精品自拍盗摄自拍 | 久久精品亚州中文字幕| 天堂aⅴ无码一区二区三区| 欧美精品aaa久久久影院| 国产亚洲一二三区精品|