精华内容
下载资源
问答
  • 机械创新设计第2章创新设计表达方法典型案例打印机.ppt
  • 为在特征融合中综合利用数据的类别信息和数据结构中所蕴含的自然鉴别信息, 提出一种基于局部稀疏表示和线性鉴别分析的典型相关分析算法. 首先利用局部稀疏表示模型, 以较小的计算复杂度获取局部稀疏重构矩阵; 然后在...
  • 行人检测 特征 典型方法

    万次阅读 2016-08-30 16:28:29
    1.行人特征 2.行人检测典型方法

    1.行人特征

    行人特征描述子可以分为三类:底层特征,混合特征和基于学习的特征。底层特征指的是颜色、纹理和梯度等基本的图像特征。这些单一特征可以计算速度快,并且可以利用积分图技术快速计算,但是只从某一方面如梯度或者纹理来描述行人特征,判别力较差。混合特征指的是多种底层特征的融合,或者是底层特征的高阶统计特征。这种特征能从不同的侧面来刻画图像特征,提高检测的准确率,但是随着特征的维度增加,特征的计算和分类器的检测时间也增加,影响实时性。基于学习的特征目前一般是指神经网络直接从原始图像学习得到的特征。这种特征能从大量的样本中学习出判断能力较强的特征,在行人检测中表现很出色,但是它的计算依赖高性能的硬件,也和训练样本密切相关,若样本不具有代表性,很难学习到好的特征。

    用于行人检测的底层特征主要包括Haar, HOG, LUV, LBP等。Haar特征由VJ在应用到人脸检测中,其特征的简单表示如图所示。每一个特征值对应为图中一个矩形区域块的计算结果,在计算时通过黑色部分像素之和减去白色部分像素之和得到。对同一个区域块做计算时,不同的计算方法将得到同一个区域块不同的特征值。


    Dalal等提出的HOG[2] 特征是目前最有效的行人单一特征描述子。HOG刻画了图像的局部梯度幅值和方向特征,基于梯度特征,对块的特征向量进行归一化处理,允许块之间相互重叠,因此对光照变化的小量的偏移并不敏感,能有效地刻画出人体的边缘特征。HOG尤其缺点:维度高、计算慢。针对这些缺点,Zhu等[3]允许HOG中块大小可变,利用积分直方图技术来快速计算HOG特征,通过Adaboost 算法选择判别能力较强的块,然后构建级联分类器,该方法的检测速度比Dalal等的快将近70倍。Wojek等[4]则采用并行技术,在GPU上实现HOG,构建了一个实时的行人检测系统。

    LBP 最早是由Ojala等[5]提出的一种用于纹理分类的特征提取方法,广泛应用在人脸识别中。Mu等[6]根据行人的特点,提出 LBP 的两个变种:Semantic –LBP( S -LBP) 和Fourier LBP (F-LBP)。Wang等[7]则简单地将局部图像块的LBP直方图特征串联起来作为行人的特征描述子,其检测性能不比S-LBP差,但Walk等[8]在其它行人数据集上的实验表明 HOG 与 LBP 特征的结合并没有提高检测性。究其原因是 LBP 在图像比较模糊或者光照变化强烈等成像条件较差时,不能有效地刻画出纹理特征。与LBP特征类似的有,Wu等[9]提出的CENTRIST特征,即 CENsus TRansformhISTogram。该特征能刻画场景的全局信息,最早用在场景分类中。2011年Wu等将CENTRIST应用在行人检测中[10],利用积分图技术快速计算该特征,并与级联分类器相结合构建了一个实时的行人检测系统。

    颜色特征如LUV,是最基本的图像特征,易受光照的影响,不适合作为行人的特征描述子,但是由于人体的结构具有相对的稳定性,不同部位的颜色之间差异较小,因此Walk等[11]提出了颜色自相似特征来刻画局部块特征之间的相互关系,与HOG特征相结合,大大提高了检测性能。

    Dollar等提出的积分通道特征[12]是一种典型的混合特征。他利用积分图技术对图像的各特征通道,如局部和,梯度方向直方图和哈尔特征等进行快速计算。该方法不仅将多特征有机结合起来,且解决了多特征融合计算速度慢的特点。2014年,Dollar等又提出了使用近似计算构建聚合多通道特征的特征金字塔的方法[13]。这种方法采用的混合特征包括LUV颜色特征、梯度幅值和梯度方向直方图,利用相邻尺寸之间特征比与尺寸比的幂指关系近似计算图像的多尺寸特征构建特征金字塔。

    基于学习的特征一般是神经网络的特征,如使用卷积神经网络提取的特征。卷积神经元每一个隐藏层的单元提取图像的局部特征,将其映射成一个平面,特征映射函数采用sigmoid函数作为卷积网络的激活函数,使得特征映射具有平移不变性。每个神经元与前一层的局部感受野相连。卷积神经网络通过局部感受野,共享权值和亚采样来保证图像对位移、缩放和扭曲的鲁棒性。

    2.行人检测典型方法

    目前用于行人检测的方法大致可以分为两类:手工设计模型和深度学习模型。手工设计模型使用人工设计的特征,如HOG,LBP等以及它们之间的组合,分类器一般采用SVM或增强学习等。深度学习模型使用卷积和池化操作从原始图像中提取卷积特征,并使用全连接层作为行人分类器。

    手工设计模型又称为传统方法。VJ等[1]采用Adaboost和多尺度Haar小波过完备基结合的方式进行行人检测,并利用用积分图来完达到快速特征计算的目的。Dalal等[2]提出了HOG特征用于行人的特征描述,并通过实验证明HOG比基于灰度的特征更富有信息,同时利用线性SVM作为分类器。这种方法是速度和效果综合平衡性能较好的一种行人检测算法,后来很多种改进的算法都是以该算法作为基本框架。因此HOG+SVM作为一个里程碑式的算法被写入到OpenCV中。2007年,PedroFelzenszwalb等提出了DPM[14]的模型,其大体思路与HOG一致,首先计算梯度方向直方图,然后使用SVM训练得到物体的梯度模型。为了适应物体的运动和变形,加入子模型检测物体的子部件,这种方法取得了很好的检测效果,连续获得VOC 07,08,09年的检测冠军。Dollar等首次使用了融合多种通道的特征[12],采用局部和,梯度方向直方图和哈尔作为行人的特征描述子,并且借助于积分图来快速地计算,分类器采用AdaBoost。并且通过实验证明多种通道特征比单一HOG特征具有更好的性能。2014年Dollar等又提出快速构建特征金字塔的方法[13],使用了LUV颜色特征、梯度幅值和梯度方向直方图组成的聚合多通道特征,使用AdaBoost方法检测行人。这种方法在640×480的图片上达到每秒30帧的检测速度,基本接近实时检测。

    深度学习模型模拟了人脑的视觉感知系统,从原始图片中直接提取特征,特征通过逐层传递,,获得图片的高维信息,使得其在计算机视觉领域取得了巨大的成功。随着深度神经网络日趋火热,深度学习模型也被大量的应用于行人检测中。Ouyang等[15]使用深度模型从图片中提取特征,通过网络学习人体子部件的可见性处理行人检测中的遮挡问题。Sermanet等[16]利用卷积稀疏编码非监督训练卷积神经网络,并将其应用于行人检测。Tian等[17]通过对行人的标注加入语义信息如背包,骑车等来训练网络,取得良好的效果。

    [1] P. Viola, M. J. Jones, and D.Snow, “Detecting pedestrians using patterns of motion and appearance,” IJCV,vol. 63, no. 2, pp. 153–161, 2005.

    [2]N. Dalal, and B. Triggs, “Histograms of oriented gradients for human detection,”in CVPR, 2005, pp. 886- 893.

    [3]Q. Zhu, C. Yeh, and T. Cheng, “Fast human detection using a cascade of histogramsof oriented gradients,” in CVPR , 2006, pp. 1491- 1498.

    [4]C. Wojek, and B. Schiele, “A performance evaluation of single and mult- ifeature people detection,” in DAGM, 2008.

    [5]T. Ojala, M. Pietikainen, and D. Harwood, “A comparative study of texturemeasures with classification based on feature distributeons,” PatternRecognition, 1996, vol. 19, no. 3, pp. 51- 59.

    [6]Y. Mu, S. Yan, and Y. Liu, “Discriminative local binary patterns for pedestriandetection in personal album,” in CVPR, 2008.

    [7]X. Wang, X. Han, and S. Yan, “A HOG - LBP human detector with partial occlusionhandling,” in ICCV, 2009.

    [8]S. Walk, N. Majer, and K. Schindler, “New features and insights for pedestriandetection,” in CVPR, 2010.

    [9]J. Wu, and J. Rehg, “CENTRIST: A visual descriptor for scene categorization,” PAMI,vol. 33, no. 8, pp. 1489- 1501, 2011.

    [10]J. Wu, C. Geyer, and J. Rehg, “Rea- l time human detection using contour cues,”in ICRA, 2011, pp. 860- 867.

    [11]S. Walk, N. Majer, and K. Schindler, “New features and insights for pedestriandetection,” in CVPR, 2010.

    [12]P. Dollar, Z. Tu, and P. Perona, “Integral channel features,” in BMVC, 2009, pp.1-11.

    [13]P. Dollar, R. Appel, S. Belongie, and P. Perona, “Fast feature pyramids forobject detection,” PAMI, vol. 36, no. 8, pp. 1532–1545, 2014.

    [14]P. F. Felzenszwalb, R. B. Girshick, D. McAllester, and D. Ramanan, ”Objectdetection with discriminatively trained part-based models,” PAMI, vol. 32, no.9, pp. 1627–1645, 2010.

    [15]W. Ouyang and X. Wang, “A discriminative deep model for pedestrian detectionwith occlusion handling,” in CVPR, 2012, pp. 3258–3265.

    [16]W. Ouyang and X. Wang, “A discriminative deep model for pedestrian detectionwith occlusion handling,” in CVPR, 2012, pp. 3258–3265.

    [17] Y. Tian, P. Luo, X. Wang, and X. Tang,“Pedestrian detection aided by deep learning semantic tasks,” in CVPR, 2015,pp. 5079–5087.
    展开全文
  • 变态青蛙跳台阶的两种典型分析方法: 最近看到递归相关的算法,个变态青蛙跳台阶的延伸问题还蛮有趣的。题目如下,拿出来分析一下: 方法1:归纳假设法 方法2:直接考虑第n阶的可能方式

    变态青蛙跳台阶的两种典型分析方法:
    最近看到递归相关的算法,有个变态青蛙跳台阶的延伸问题还蛮有趣的。题目如下,拿出来分析一下:
    一只青蛙一次可以跳上1级台阶,也可以跳上2级……它也可以跳上n级。求该青蛙跳上一个n级的台阶总共有多少种跳法。
    方法一,归纳假设:
    如果这只青蛙一次只能跳一级或是两级,那问题就很简单,退化到Fibonacci数列就可以了。可变态之处在于,这只青蛙不仅仅可以跳一阶、两阶,它拥有变态超能力可以跳n阶。于是分析过程就不可直接回退到Fibonacci了~
    下面我们用函数f(n)来表示青蛙跳到第n阶台阶的方式种类。
    当台阶只有1阶时,青蛙只能选择跳1阶,于是: f(1) = 1;
    当台阶有2阶时,它能一次跳1阶,也可以一下跳2阶直接上去,于是:
    f(2) = f(跳1阶)+f(跳2阶) = f(1)+f(一次跳2阶) ;
    当台阶有3阶时,若青蛙首次跳1阶则剩下2阶需要跳,方式种类为f(2);若青蛙首次跳2阶,只剩下一阶可以跳,种类为f(1);当然青蛙也可以直接跳3阶,所以:
    f(3) = f(2)+f(1) + 1 = f(2)+f(1)+f(一次跳3阶);
    为了使过程更清晰,我们再分析下当有4阶台阶时:首次跳1阶则剩下3阶即f(4-1)=f(3);首次跳2阶则剩下种类为f(4-2)=f(2);选择3阶则剩下为f(4-3)=f(1),最后一种一次跳4阶f(跳4阶):
    f(4) = f(3) + f(2)+f(1) +f(一次跳4阶)
    于是假设当有k-1阶台阶时:
    f(k-1) = f(k-2) + f(k-3) + …+f(1) + f(一次跳k-1阶);
    由归纳假设即可得:
    f(k) = f(k-1) + f(k-2) + f(k-3) + …+f(1) + f(一次跳k阶);
    由于1次跳k阶为1种方式所以上式可简化为:

    f(1) = 1;
    f(2) = f(1)+1 = f(1)+f(1) = 2*f(1) = 2;
    f(3) = f(2)+f(1)+1 = f(2)+f(1)+f(1)
         = f(2)+2*f(1) = f(2)+f(2)=2*f(2) = 2*2;
    f(k) = f(k-1) + f(k-2) + …+ f(2)+ f(1) + 1
         = f(k-1) + f(k-2) + …+ f(3)+f(2)+f(1) + f(1)
         = f(k-1) + f(k-2) +…+f(3)+f(2) + f(2)
         = f(k-1) + f(k-2) + f(k-3) + …+f(3) + f(3)
         = 2*f(k-1)
         = 2 .^(k-1);
    

    方法二,直接考虑n阶的可能性:
    其实跳n阶台阶可以拆分成:首次跳2阶,方式即为剩下的n-1阶f(n-1);首次跳2阶,方式即为f(n-2);首次3阶方式为f(n-3),依次…即:

    f(n) = f(n-1) + f(n-2) + f(n-3) + …f(2)+f(1);
    

    同理:

    f(n-1) = f(n-2) + f(n-3) + …f(2)+f(1) 代入上式即得:
    f(n) = 2*f(n-1);
    

    总结出规律后剩下的工作就很简单了,这里选用Java中位移运算:

       public static int JumpFloor(int target) {
            if(target <= 0){
                return 0;
            }
             int time = 1;
            return time <<(target-1);
        }
    展开全文
  • 典型相关分析

    千次阅读 2019-06-11 14:27:12
    典型相关分析函数:[a,b,r,u,v,stats] = cononcorr(x,y): param:  x:原始变量x矩阵,每列一个自变量指标,第i列是 xi 的样本值  y:原始变量y矩阵,每列一个因变量指标,第j列是 yj 的样本值 return:  a:...

    典型相关分析函数:[a,b,r,u,v,stats] = cononcorr(x,y):

    param:

      x:原始变量x矩阵,每列一个自变量指标,第i列是 xi 的样本值

      y:原始变量y矩阵,每列一个因变量指标,第j列是 yj 的样本值

    return:

      a:自变量x的典型相关变量系数矩阵,每列是一组系数。

            列数为典型相关变量数

      b:因变量y的典型相关变量系数矩阵,每列是一个系数

      r: 典型相关系数。即第一对<u1,v1>之间的相关系数、第二对<u2,v2>之间的相关系数…

      u:对于X的典型相关变量的值

      v:对于Y的典型相关变量的值

      stats:假设检验的值<详细用一下就知道了>

     

    主成分分析(PCA)是把原始有相关性变量,线性组合出无关的变量(投影),以利用主成分变量进行更加有效的分析。
    而典型相关分析(CCA)的思想是:

    分析自变量组 X = [x1,x2,x3…xp],因变量组 Y = [y1,y2,y3…yq] 之间的相关性。(注意这里X的每一个自变量x1是个列向量,代表有多个观测值)。

    如果采用传统的相关分析,只要求X的每一个变量与Y的每一个变量的相关系数,从而组成相关系数矩阵 R = [rij]p*q ,rij表示第i个自变量xi与第j个因变量yj之间的相关系数。

    然而,这是有缺陷的:只粗暴的考虑了X与Y的关系,却忽略了X自变量之间也可能有相关关系,Y因变量之间亦如此。

    解决的方法类似于主成分分析,我们可以把X提取出主成分,Y也提取出主成分,从而X、Y内部线性不相关了,这样利用主成分研究X与Y之间相关性就解决了上述缺点。


    1. 典型相关分析

    典型相关分析:

    假设

    自变量组:X = [x1,x2,x3…xp]

    因变量组:Y = [y1,y2,y3…yq]

    注意,xi与yj都是相同维度的列向量。

    要求

    分析X与Y之间的相关性

     

    2 直观描述

    首先在X中找出线性组合u1, 在Y中找出线性组合v1,使得 r(u1,v1)达到最大。

    其次,在X中找第二个线性组合u2,Y中找第二个线性组合v2,要求使得u2与u1线性不相关,v2与v1线性不相关,并且: r(u2,v2)达到次大。

    继续。直到两组变量之间的相关性被提取完毕。

    假设检验:

    大体的意思:先进行假设,原假设‘不能进行典型相关分析’,然后检验,一直到所有的(U,V)对才可以结束,检验的方法:似然比统计量。

    展开全文
  • Redis典型应用场景

    千次阅读 2019-03-26 23:15:50
    Redis下一小节:1-14 Redis三种启动方式介绍 Redis典型应用场景 ...【2】表示App Server请求Redis缓存数据库,如果Redis缓存数据库值,则直接执行步骤【3.1】返回,否则执行【3.2】请求Storage(Mysql、Orac...

    Redis下一小节:1-14 Redis三种启动方式介绍

    Redis典型应用场景

    Redis典型应用场景

    (1)缓存系统

    【1】表示客户端发请求到App Server(Apache or Nginx代理服务器)

    【2】表示App Server请求Redis缓存数据库,如果Redis缓存数据库有值,则直接执行步骤【3.1】返回,否则执行【3.2】请求Storage(Mysql、Oracle、DB2等数据库)

    【3.1】表示Redis有数据返回给Apache or Nginx代理服务器)

    【3.2】表示Redis请求Storage(Mysql、Oracle、DB2等数据库)

    【4】表示Storage(Mysql、Oracle、DB2等数据库)返回数据给Redis,然后Redis重新存一份数据

    【5】表示Storage(Mysql、Oracle、DB2等数据库)直接返回Apache or Nginx代理服务器)

    (2)计数器

    因为Redis是单线程的,所以Redis使用INCR计数命令是原子操作,不会出现并发问题,可以防止刷单。

    (3)消息队列系统

    目前市面上比较成熟的MQ系统:ActiveMQ、Kafka、RabbitMQ、RocketMQ

     

    因为Redis消息队列功能比较简单,所以一般简单消息队列使用场景可以使用Redis,但是如果场景复杂,建议还是使用市面上成熟的MQ系统。

    (4)排行榜

    Redis提供了Sorted Set数据结构可以很好的实现排行榜功能

    (5)社交网络

    Redis与社交网络是天然吻合的,像很多社交媒体的功能都可以使用Redis来实现,例如:粉丝数、关注数、共同关注、时间轴列表

    Redis Set数据结构可以实现这些功能。

    Redis Set数据结构,取两个集合的交集就可以实现“共同关注功能”

    Redis Sorted Set数据结构,可以实现时间轴列表功能,Sorted中score可以以时间作为排序条件,例如:奖池奖品按时间分布

    (6)实时系统

    Redis使用Bitmap位图来实现布隆过滤功能,例如:垃圾邮件过滤实时处理。

     

    展开全文
  • 在这项研究中,我们代表一个称为重叠共表达基因模块(overlappingCGM)的R工具,该工具拥有带全自动分析框架的那些方法,可以帮助非技术用户轻松进行复杂的统计分析,然后获得可靠的结果。我们还开发了一种新颖的...
  • 型工艺路线的方法,建立了以矩阵表达工艺路线数据的数学模型。在工序编码的基础上,应用曼哈坦距离计算工 序间的相似度。应用欧氏距离计算工艺路线间的相似度,并以相异度矩阵表示工艺路线的相异度。通过平均距离 法...
  • 裴礼文《数学分析中的典型问题与方法》 第1天:1~31 第1章 一元函数极限 函数 关于反函数 只要是f゜f⁻¹(),结果都为括号里的值 复合函数的反函数公式 奇函数、偶函数 整体的思想和反函数中第1条...
  • 修饰方法的时候表示方式不可被重写。finally 通常和try-catch 一起, 在finally 里代码无论是否发生异常都会执行到finalize 是一个方法名。方式是定义在Object 类中, 在对象从内存中释放之前会调用此方法进行一些...
  • 几种典型的面向对象开发方法

    万次阅读 2009-05-30 01:59:00
    摘 要 自80年代后期以来,相继出现了多种面向对象开发方法,文章主要介绍了其中六种典型的面向对象开发方法,并对它们进行了比较。UML的出现意味着开发方法统一化、标准化的新发展,标志着软件自动化的进程又迈进了...
  • 一、手机吞吐量测试方法 准备工具:手机侧安装Magic Iperf软件;...TCP的只需要去掉-u参数即可:-i表示几秒回显一次,-t表示测试时常,-w表示缓存区大小 注意,UDP测试方法见下图: 二、影响w...
  • 典型的命令执行时间

    2020-11-14 07:44:11
     标“⑧”的命令表示其执行时间十分依赖于命令的实现方式以及所支持的功能的范围。因此,对于这些命令的时间可能变化范围很宽。  表1 测自数个不同的智能卡操作系统的READ BINARY命令的平均执行时间  (这条
  • 在调研的过程中,多数投资人均表示,创始团队是评估项目的首要标准,毕竟事情是人做出来的,即使项目在目前阶段略瑕疵,只要创始团队学习能力强、格局、诚信,投资人也愿意对其进行投资。  3、确定领投人 ...
  • pthread_cond_signal()和pthread_cond_wait()的典型使用方法 pthread_mutex_t mtx; pthread_cond_t cond; 线程A中通知的执行的操作 s = pthread_mutex_lock(&mtx) if (s != 0) err_exit(); a++;/*...
  • 典型相关分析系列博文: 典型相关分析(Canonical correlation analysis)(一):基本思想 、复相关系数、偏相关系数 典型相关分析(Canonical correlation analysis)(二):原始变量与典型变量之间的相关性 、...
  • 光电隔离RS485典型电路

    千次阅读 2017-06-02 15:47:49
    RS485总线是一种常见的串行总线标准,采用平衡发送与差分接收的方式,因此具有抑制共模干扰的能力。在一些要求通信距离为几十米到上千米的时候,RS485总线是一种应用最为广泛的总线。而且在多节点的工作系统中也有着...
  • 几种典型的面向对象开发方法总结

    千次阅读 2012-11-17 09:45:15
    1. Booch方法 Booch方法所采用的对象模型要素是:封装、模块化、层次类型、并发。重要的概念模型是类和对象、类和对象的特征、类和对象之间的关系。使用的图形文档包括六种: 类图、对象图、状态转换图、交互图、...
  • CCA典型关联分析

    千次阅读 2017-09-05 18:36:54
    典型关联分析(Canonical Correlation Analysis) [pdf版本] 典型相关分析.pdf 1. 问题  在线性回归中,我们使用直线来拟合样本点,寻找n维特征向量X和输出... 当然我们仍然可以使用回归的方法来分析,做法
  • 数学建模——典型相关分析及相关SPSS操作

    万次阅读 多人点赞 2019-10-31 08:44:26
    文章目录一、引述1.概念2.示例说明 一、引述 ...典型相关分析用于研究两组变量(每组变量中都可能多个指标)之间相关关系的一种多元统计方法。它能够揭示出两组变量之间的内在联系。 2.示例说明 ...
  • 为了有效地在半监督多视图情景下进行维数约简,提出了使用非负低秩图进行标签传播的半监督典型相关分析方法。非负低秩图捕获的全局线性近邻可以利用直接邻居和间接可达邻居的信息维持全局簇结构,同时,低秩的性质...
  • SpringBoot整合RabbitMQ之 典型应用场景实战一

    万次阅读 多人点赞 2018-10-09 15:08:04
    特别是在一些典型的应用场景以及业务模块中具有重要的作用,比如业务服务模块解耦、异步通信、高并发限流、超时业务、数据延迟处理等。 其中课程的学习链接地址:https://edu.csdn.net/course/detail/9314 ...
  • 典型销售面试问题

    千次阅读 2012-10-11 10:26:18
    典型销售人员面试问题 浏览: 16058 | 更新: 2012-02-17 15:58 | 标签: 面试  17  6 简介 典型销售人员面试问题。在销售人员面试时,面试官往往会准备一些...
  • BNF语法表示方式

    千次阅读 2019-12-08 16:09:49
    BNF语法表示方式 巴科斯范式:以美国人巴科斯(Backus)和丹麦人诺尔(Naur)的名字命名的一种形式化的语法表示方法,用来描述语法的一种形式体系,是一种典型的元语言。符号含义如下: " 在双引号中的字代表字符本身。...
  • 设计模式 | 组合模式及典型应用

    千次阅读 多人点赞 2018-10-05 17:36:55
    本文的主要内容: 介绍组合模式 示例 组合模式总结 源码分析组合模式的典型应用 java.awt中的组合模式 Java集合中的组合模式 ...设计模式 | 工厂方法模式及典型应用 设计模式 | 抽象工厂模式及典型应用 设计模式 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 477,934
精华内容 191,173
关键字:

典型的表达方式有