检索结果-内蒙古大学图书馆

作者：应臻奕北京邮电大学

学位级别：硕士

随着大数据时代的到来,数据挖掘逐渐成为创新研究的热点。数据挖掘,是在大数据中发现数据的潜在关系,从而实现价值评估和决策指导的技术。然而高质量的决策评估很大程度上取决于高质量的数据,所以数据挖掘之前的预处理工作就显得尤为重... 详细信息

随着大数据时代的到来,数据挖掘逐渐成为创新研究的热点。数据挖掘,是在大数据中发现数据的潜在关系,从而实现价值评估和决策指导的技术。然而高质量的决策评估很大程度上取决于高质量的数据,所以数据挖掘之前的预处理工作就显得尤为重要。在实际应用中,各种数据质量问题增加了预处理工作的难度,其中数据不完备问题更是无法避免。本文主要研究预处理工作中数据不完备问题的处理,主要的研究工作如下。1)针对数据不完备问题的随机缺失模式,本文提出了基于增量式AP聚类的K最近邻的填补算法(IAPSKNNI)。首先分析数据不完备问题的原因和常用的处理方法,进而确定聚类填补的处理策略。根据动态处理数据不完备问题的需求,基于AP聚类的稳定聚类表现,使用增量式AP聚类动态更新聚类结果,来充分利用数据的完备信息。同时改进K最近邻填补使其能在不设定K值的情况下,将填补值快速收敛。最后通过实验仿真,验证了 IAPSKNNI算法的良好的填补性能,当缺失率越高,同类信息越少时,相对于其他K最近邻填补算法,能获得更好的填补效果。2)基于IAPSKNNI算法,针对电商数据,搭建了数据预处理的系统模块。首先分析数据预处理工作的工作内容,并从任务分割角度分解预处理工作。针对电商数据,分析数据预处理系统模块的功能需求,进而设计相应的系统子模块。基于JDBC的接口,使用JAVA语言分别实现数据采集、数据处理、数据检测、调度管理等四个子模块,从而搭建了完整的面向电商数据的预处理系统模块。

关键词：不完备数据填补 AP聚类增量式 K最近邻

来源：评论

学校读者我要写书评

暂无评论

基于多级自表示约束的不完备多视图聚类

引用

控制与决策 2025年第2期40卷 645-654页

作者：陈梅马学艳钱罗雄张锦宏张弛兰州交通大学电子与信息工程学院兰州730000

针对现有的不完备多视图聚类方法存在无法准确利用缺失视图的潜在信息和未能充分利用视图间的互补信息以及高阶相关性等问题,提出一种新的基于多级自表示约束的不完备多视图聚类(CMLC)方法.CMLC利用公共潜在表示来恢复缺失值,从而有效... 详细信息

针对现有的不完备多视图聚类方法存在无法准确利用缺失视图的潜在信息和未能充分利用视图间的互补信息以及高阶相关性等问题,提出一种新的基于多级自表示约束的不完备多视图聚类(CMLC)方法.CMLC利用公共潜在表示来恢复缺失值,从而有效获取缺失部分的潜在信息.为了获得多视图数据的统一低秩表示,CMLC首先通过多级自表示约束捕获多视图数据内部的一致信息和视图间的互补信息,同时利用多级误差表示提高模型对噪声的鲁棒性,接着通过张量对数行列式捕获视图间的高阶相似信息,最后引入距离正则项捕获数据的局部信息.与9个对比方法在多种缺失率下的6个仿真不完备多视图数据集上进行实验对比,结果表明CMLC均获得了最好的聚类性能.

关键词：不完备多视图聚类一致表示张量对数行列式低秩张量不完备数据张量分析

来源：评论

学校读者我要写书评

暂无评论

一种不完备混合数据集成聚类算法

引用

计算机研究与发展 2016年第9期53卷 1979-1989页

作者：史倩玉梁吉业赵兴旺山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

集成聚类技术由于具有较好的泛化能力,目前引起了研究者的高度关注.已有研究主要关注数值型完备数据的集成聚类问题.然而,实际应用中面临的数据往往是兼具数值属性和分类属性共同描述的混合型数据,而且通常带有缺失值.为此,针对不完备... 详细信息

集成聚类技术由于具有较好的泛化能力,目前引起了研究者的高度关注.已有研究主要关注数值型完备数据的集成聚类问题.然而,实际应用中面临的数据往往是兼具数值属性和分类属性共同描述的混合型数据,而且通常带有缺失值.为此,针对不完备混合数据提出了一种集成聚类算法,首先利用3种缺失值填充方法对不完备混合数据进行完备化处理;其次在3种填充后的不同完备数据集上分别多次执行K-Prototypes算法产生基聚类结果;最后对基聚类结果进行集成.在UCI真实数据集上与传统聚类算法通过实验进行了比较分析,实验结果表明提出的算法是有效的.

关键词：集成聚类不完备数据混合数据缺失值填充 K原型聚类算法

来源：评论

学校读者我要写书评

暂无评论

数据不完备下基于Informer的离心鼓风机故障趋势预测方法

引用

计算机集成制造系统 2023年第1期29卷 133-145页

作者：张友李聪波林利红钱静易茜重庆大学机械传动国家重点实验室重庆400044 重庆大学机械与运载工程学院重庆400044

离心鼓风机在运行过程中,监测数据缺失会导致故障趋势预测滞后和预测精度下降。针对该问题,提出一种考虑数据不完备的离心鼓风机故障趋势预测方法。首先,基于张量分解对缺失监测数据进行填补,获得离心鼓风机的完备监测数据;其次,基于填... 详细信息

离心鼓风机在运行过程中,监测数据缺失会导致故障趋势预测滞后和预测精度下降。针对该问题,提出一种考虑数据不完备的离心鼓风机故障趋势预测方法。首先,基于张量分解对缺失监测数据进行填补,获得离心鼓风机的完备监测数据;其次,基于填补后的完备监测数据利用深度置信网络(DBN)构建能表征离心鼓风机健康状态的健康指标;最后使用Informer方法预测健康指标的未来走势,实现离心鼓风机的故障趋势预测。案例分析结果表明,相比缺失数据,利用填补后的数据所建立的预测模型能更早预测故障的发生,同时所提出的预测方法较Transformer、长短时记忆(LSTM)和门控循环单元(GRU)等常用传统方法预测精度更高。

关键词：离心鼓风机故障趋势预测不完备数据 Informer方法张量分解

来源：评论

学校读者我要写书评

暂无评论

数据不完备下基于特征识别的公交客流短时预测

引用

华南理工大学学报（自然科学版） 2020年第4期48卷 114-122页

作者：方晓平林美陈维亚潘鑫中南大学交通运输工程学院∥轨道交通大数据湖南省重点实验室湖南长沙410075

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性... 详细信息

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。

关键词：公交客流短时预测不完备数据出行特征 SARIMA模型

来源：评论

学校读者我要写书评

暂无评论

基于不完备出行数据的多天活动-出行链需求建模

引用

现代交通与冶金材料 2025年第2期5卷 75-83页

作者：安东黄东浩戴琦李大韦西安市城市规划设计研究院陕西西安710082 东南大学交通学院江苏南京211189 江苏省城市智能交通重点实验室江苏南京211189 江苏省现代城市交通技术协同创新中心江苏南京211189

本文利用小样本的单日出行调查数据为多天的不完备手机信令出行链补全出行目的及个人属性信息,并基于补全后的数据建立了多天活动-出行需求模型。然后利用补全后的数据,搭建多日活动-出行链模型框架,在考虑了相邻多天中活动安排相关性... 详细信息

本文利用小样本的单日出行调查数据为多天的不完备手机信令出行链补全出行目的及个人属性信息,并基于补全后的数据建立了多天活动-出行需求模型。然后利用补全后的数据,搭建多日活动-出行链模型框架,在考虑了相邻多天中活动安排相关性的情况下,模拟了个体的活动参与决策过程,分析了影响居民活动和出行需求的特征因素。模拟仿真居民一周内各天的活动-出行安排。实验结果表明,本文提出的方法能较为准确地预测个体一周内的出行行为,有效反映出城市居民出行行为在工作日与周末的差异化特征。

关键词：交通需求模型活动-出行链建模不完备数据生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

不完备弱标记数据的粗糙协同学习模型

引用

模式识别与人工智能 2018年第10期31卷 950-957页

作者：高灿周杰高天宇赖志辉深圳大学计算机与软件学院深圳518060 香港理工大学应用科学及纺织学院中国香港中南大学资源加工与生物工程学院长沙410083

针对不完备弱标记数据的学习问题,提出基于粗糙集理论的半监督协同学习模型.首先定义不完备弱标记数据的半监督差别矩阵,提出充分、具有差异性的约简子空间获取算法.然后在有标记数据集上利用各约简子空间训练两个基分类器.在无标记数据... 详细信息

针对不完备弱标记数据的学习问题,提出基于粗糙集理论的半监督协同学习模型.首先定义不完备弱标记数据的半监督差别矩阵,提出充分、具有差异性的约简子空间获取算法.然后在有标记数据集上利用各约简子空间训练两个基分类器.在无标记数据上,各分类器基于协同学习的思想标注信度较大的无标记样本给另一分类器学习,迭代更新直至无可利用的无标记数据. UCI数据集实验对比分析表明,文中模型可以获得更好的不完备弱标记数据的分类学习性能,具有有效性.

关键词：粗糙集差别矩阵半监督约简粗糙协同训练不完备数据

来源：评论

学校读者我要写书评

暂无评论

X线CT不完备投影数据统计重建研究

X线CT不完备投影数据统计重建研究

引用

作者：许琼西安交通大学

学位级别：博士

X射线计算机断层成像（Computed Tomography, CT）技术能够提供物体内部的截面图像，在医学辅助诊断和工业无损检测等领域发挥着不可替代的重要作用。当前医学CT的研究目标是在满足成像质量要求的情况下，尽可能的降低X线剂量，即所谓的... 详细信息

X射线计算机断层成像（Computed Tomography, CT）技术能够提供物体内部的截面图像，在医学辅助诊断和工业无损检测等领域发挥着不可替代的重要作用。当前医学CT的研究目标是在满足成像质量要求的情况下，尽可能的降低X线剂量，即所谓的ALARA（As Low As Reasonably Achievable）准则。降低X线剂量可以通过降低X线球管电流、减少扫描时间、缩小X线的覆盖范围和减少数据采集视角等方法来实现，但是这些方法会造成采集到的投影数据的信噪比降低、沿探测器方向的数据截断以及沿扫描视角方向的数据欠采样等问题。另外，在实际成像中，常常出现由于受到探测器尺寸等几何条件的限制，探测器不足以覆盖整个被扫描物体，从而造成投影数据截断的情况。以上这些情况下的投影数据无法满足CT图像精确重建要求，称为不完备投影数据。研究不完备投影数据的重建问题对于降低X线辐射剂量、减少对成像系统几何的要求等方面具有重要意义。迭代重建算法是解决不完备投影数据重建问题的有效方法。迭代重建算法通过对目标函数的迭代优化来重建图像，它对投影数据的完备性要求较低，且易于考虑成像物理模型和先验约束信息以提高重建图像质量。在实际情况中，由于探测器所采集的投影数据服从一定的统计分布，统计迭代算法在建立目标函数的时候考虑了投影数据的这种统计特性，能够获得更好的重建效果，特别是对于低剂量高噪声投影数据能够有效的减少重建图像的噪声和条纹伪影。另一方面，压缩感知（Compressive Sensing,CS）理论证明稀疏信号可以从远小于Shannon/Nyquist采样定理所要求的采样信号中精确恢复，它为CT不完备投影数据精确重建问题的解决提供了一条途径。根据CS理论，在迭代重建中增加关于稀疏变换后图像的稀疏性约束可以解决内部问题、少视角问题等不完备投影数据的精确重建问题。由上可知，在图像重建过程中加入先验约束信息是解决不完备投影数据精确重建问题的必要条件，而考虑了数据统计特性的统计迭代重建框架能更好的将先验约束与投影数据约束有机结合起来。综上，本论文围绕统计重建算法展开研究，针对不完备投影数据重建问题，特别是内部问题、少视角问题和高噪声投影数据重建问题，通过结合适当的先验信息和约束条件，开发适于实际应用的重建算法，提高重建图像质量。主要创新性工作包括： 1.改进的全变分（Total Variation, TV）正则化方法。基于CS理论的TV最小化约束能够有效的解决不完备投影数据图像重建问题。本论文针对现有TV方法的缺点，设计了一种各向异性的变分形式来提高TV最小化过程对平行于边缘方向的变分的抑制能力，并通过幅度依赖的加权方式提高TV最小化过程对小变分的抑制能力，从而形成了一种改进的TV形式。仿真实验证明利用基于这种改进的TV的最小化约束，能够更好的保存重建图像中的边缘结构，提高重建图像质量。 2.统计内部重建算法。内部问题是指从仅穿过物体内部感兴趣区域（Region OfInterest, ROI）的投影数据中重建ROI区域，这种成像模式不仅可以大大降低ROI区域外的X线剂量，而且可以减小探测器尺寸从而降低成像成本。现有的两类内部重建方法均未考虑实际过程中的投影数据的噪声问题。因此，本论文提出了一种统计内部重建算法，根据基于CS的内部重建理论，该算法在统计迭代重建框架中使用TV正则化，并综合考虑了投影数据统计特性和内部重建中可以利用的其它约束条件。本论文对所提出的算法进行了充分的仿真数据和实际数据实验，验证了高噪声、少视角等低剂量情况下的内部重建效果，为内部重建的实际应用奠定了基础。 3.考虑Hilbert数据统计特性的内部重建算法。本论文在所提出的统计内部重建算法的基础上，对统计内部重建问题进行了更深入的研究，提出在重建过程中利用Hilbert数据的统计特性的思路，开发了两种统计内部重建算法。一种是THT优化辅助的统计内部重建算法，这种算法在每次统计迭代过程中通过优化的THT数据约束来提高内部重建性能。另一种是快速统计内部重建算法，这种算法在基于THT的内部重建框架上考虑了Hilbert数据的统计特性和TV最小化约束，避免了耗时的迭代重建过程，能快速实现统计内部重建。论文通过仿真实验验证了这两种算法的有效性。 4.混合真彩色微CT系统设计及其图像重建算法。微CT具有更高的空间分辨率，在小动物成像和生物医药学研究等方面有着重要作用。为了进一步提高微CT的对比度，并尽可能的降低系统成本和辐射剂量，本论文结合先进的光子计数探测器技术和内部重建算法，设计了一种混合真彩色微CT系统并开发了相应的图像重建算法，从而能够在提供普通的灰度全局重建图像的同时，通过增加的多光谱成像链对物体内部ROI进行彩色成像。本论文使用大

关键词：计算机断层成像不完备数据统计迭代重建压缩感知字典学习

来源：评论

学校读者我要写书评

暂无评论

面向电子健康档案不完备混合数据的决策模型研究

面向电子健康档案不完备混合数据的决策模型研究

引用

作者：赵士欣河北大学

学位级别：博士

电子健康档案是人们在从事与医疗健康相关的活动时形成的,具有保存备查价值的电子化历史记录。经过十几年的发展,我国已在电子健康档案领域积累了大量的数据信息。利用机器学习方法从丰富的电子健康档案数据信息中自动发现潜藏的医学规... 详细信息

电子健康档案是人们在从事与医疗健康相关的活动时形成的,具有保存备查价值的电子化历史记录。经过十几年的发展,我国已在电子健康档案领域积累了大量的数据信息。利用机器学习方法从丰富的电子健康档案数据信息中自动发现潜藏的医学规律,对于疾病的预防、控制和治疗具有重要作用。然而电子健康档案的特殊性,即高度不完备性和取值模糊性,限制了传统机器学习方法的应用。因此,拓展针对电子健康档案特点的机器学习方法,并将其应用于电子健康档案的决策模型已经是十分必要的。本论文首先提出了一种新的基于面积的模糊变量间距离的度量方法。该方法与最大-最小贴近度距离度量保持一致,但其计算更加简单。随后在这种度量方法的基础上,将k-NN填补算法的应用范围由清晰型数据拓展至模糊型数据,以至清晰模糊混合数据。具体来说就是,采用新提出的模糊变量间距离度量方法来寻找含有缺失值信息的模糊型样例、以及清晰模糊混合样例的“近邻”,之后再利用k个“近邻”的信息对其进行填补。然后将模糊变量简约的概念引入模糊型数据决策模型研究,建立了针对模糊型数据的极速学习机决策模型。该模型首先利用几个不同的模糊变量简约值,将模糊型数据集转化为多个清晰型数据集,再通过经典极速学习机对其进行学习,最后利用简约值计算的逆运算给出实际的模糊型决策。紧接着将这一思想继续拓展到清晰模糊混合数据情形,利用模糊变量简约值清晰化数据,并建立了一套面向输入为清晰模糊混合数据、输出为清晰型数据的极速学习机决策模型。最后将提出的填补和决策方法用于一个实际的妇幼保健管理系统电子健康档案中,给出了一套完整的面向不完备混合数据的极速学习机决策模型。本论文创新点主要包括以下几个方面:(1)提出了一种新的模糊变量间距离的度量方法,讨论了其特点;(2)在模糊环境以及清晰模糊混合环境下对不完备数据填补理论进行了研究,提出了拓展的k-NN填补算法;(3)将模糊变量简约概念引入模糊型数据以及清晰模糊混合数据的决策研究,并建立了相应的模糊型数据决策模型和清晰模糊混合数据决策模型;(4)分析了电子健康档案的不完备性和模糊性特点,并完整构建了针对这些特点的决策模型。

关键词：电子健康档案不完备数据模糊型数据模糊变量简约极速学习机

来源：评论

学校读者我要写书评

暂无评论

基于软集合的不完备不一致数据分析及决策方法研究

基于软集合的不完备不一致数据分析及决策方法研究

引用

作者：董媛香重庆大学

学位级别：博士

大数据时代下，虽然数据量巨大，但是大量有价值的信息却很少被挖掘出来加以利用。数据量的增加并不会给企业带来利益，只有对数据进行有效适当的分析，对潜藏在数据内部的规律和知识进行挖掘并加以利用，才能发挥数据的真正作用。大数... 详细信息

大数据时代下，虽然数据量巨大，但是大量有价值的信息却很少被挖掘出来加以利用。数据量的增加并不会给企业带来利益，只有对数据进行有效适当的分析，对潜藏在数据内部的规律和知识进行挖掘并加以利用，才能发挥数据的真正作用。大数据具有规模性（Volume），多样性（Variety），高速性（Velocity）和低价值性（Value）的4V特征。其中，多样性和低价值性的特点会导致数据集更加容易出现质量问题。不完备和不一致是两种常见的质量问题，而大数据规模巨大，结构复杂的特点，更加加剧了数据不完备和不一致的程度。基于以上原因，数据分析技术面临前所未有的挑战。传统的分析技术对于数据质量较为敏感，在分析具有不完备和不一致数据的时候不能得到可靠结果；同时由于分析手段、分析能力限制，无法实时快速的分析数据量过大、类型复杂的数据。因此，迫切需要新的数据分析方法，可以对不完备不一致数据进行快速有效的分析，发现有价值的知识或信息。软集合是一种新的处理不确定问题的数学工具，可以克服传统方法参数化工具不足的缺点。因此在分析不确定信息的两个重要表现形式——不完备和不一致数据上具有较大的优势。另外，由于软集合具有不同于传统方法的一些特点，使其在大数据分析中具有巨大潜能。首先，软集合理论对分析对象的类型以及描述对象的形式没有限制，这些对象可以是结构化数据，也可以是半结构化和非结构化数据；可以是确定的数据也可以是不确定的低价值数据。其次，软集合可以直接建立近似模型并求近似解，而不用像传统分析方法需要建立精确模型求解精确解，当无法求得精确解时再通过近似解替代精确解。所以软集合比传统方法具有更好的鲁棒性和更低的时间空间复杂度。因此，本文基于软集合及其扩展理论提出了不完备和不一致数据分析方法，并着重关注了数据分析中的分类决策问题，这些方法不仅扩展了软集合理论的应用范围，而且丰富了不完备不一致数据分析方法，对大数据环境下具体数据分析技术也有一定借鉴意义。本文首先阐述了研究背景和意义，分析了大数据环境下不完备不一致数据的来源，在对不完备和不一致数据分析方法的相关文献的整理，详细的理论综述基础上，提出了基于软集合的不完备和不一致数据分析及决策方法。本文主要进行了以下几个方面的研究： ①针对已有的基于软集合的不完备数据分析方法存在的计算复杂和分析结果不可靠的缺点，提出了新的数据分析技术——占优方法。该方法采取的是直接分析策略，可以无需对未知数据进行填充，直接对原始数据集进行分析并得到决策结果。通过将占优方法与已有的基于软集合的不完备数据分析方法进行对比分析，结果表明该方法避免了已有方法在同一参数下存在大量未知数据时，决策结果不可靠的缺点。另外，从决策结果可以看出，占优方法比已有的基于软集合的分析方法更加符合软集合的定义。 ②大数据中有众多不确定和描述性数据，这些数据无法用确定的数值型数据描述，只能引入模糊数据，因此有必要对不完备模糊数据的分析方法进行研究。为了克服已有基于模糊软集合的不完备数据分析方法的限制，本文提出证据-模糊软集合的概念。另外还定义两个证据-模糊软集合的FUSE运算，研究了证据-模糊软集合同不完备模糊软集合的关系。根据证据-模糊软集合和证据理论的定义和相关运算，可以对不完备模糊数据进行分析，并提出不完备模糊数据集下的决策算法。该算法无需对未知数据进行填充，而是在决策层面对不完备模糊数据进行融合后，直接得到决策结果。最后，将该方法应用于一个互联网环境下的决策问题的算例中，证明该方法的有效性。 ③数据来源多样决定了大数据中广泛存在不一致数据。针对已有不一致数据分析方法存在计算较为复杂和低效的不足，本文从逻辑推理的角度出发，将次协调推理引入软集合，定义了次协调软集合概念和相关运算。次协调软集合扩展了经典软集合参数表达能力，其参数除了可以表达经典软集中“近似具有”、“近似不具有”的参数含义外，还可以表达参数值“未知”和“不一致”。因此，次协调软集合可以同时分析具有不完备和不一致特征的数据集。根据次协调软集合的定义以及相关运算，本文提出了次协调软决策系统及决策算法，运用该算法可以通过对不完备不一致数据进行分析并得到分类决策结果。为了说明该算法的有效性，还将其应用于一个存在不完备不一致数据的商业投资决策的算例中。最后，本文还将次协调软集合应用于解决推荐系统多源混合输入问题，提出可以同时考虑多种来源和输入类型的基于次协调软集合混合推荐输入算法，进一步说明次协调软集合的实用性。

关键词：软集合不完备数据不一致数据数据分析决策支持

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：