检索结果-内蒙古大学图书馆

作者：熊履楠哈尔滨工程大学

学位级别：硕士

随着上个世纪计算机的诞生,计算机技术得到了快速发展,如今步入信息爆炸的时代。在生活工作中越来越多地接触海量的复杂高维数据,数据的特点主要是数据量大、维度高、数据增长率高和非线性分布,这些数据所需存储量大、运行速度慢,特别... 详细信息

随着上个世纪计算机的诞生,计算机技术得到了快速发展,如今步入信息爆炸的时代。在生活工作中越来越多地接触海量的复杂高维数据,数据的特点主要是数据量大、维度高、数据增长率高和非线性分布,这些数据所需存储量大、运行速度慢,特别是在图像识别、人工智能等方面。由此,引发了“维度灾难”。如何从这些高维的数据中找到数据的本质特征进而对高维数据进行分析和特征提取成为了亟待解决的问题。特征提取是一种行之有效地数据处理工具,目的是降低数据的维度,将高维数据映射到低维子空间中,并希望保留数据的本质信息和内部结构。流形学习方法已被广泛应用于数据特征提取问题中解决维度灾难问题,但大部分已有的流形学习对单一采样的数据有效,对采样于多流形的数据却有一定的局限性。于是近些年来部分学者提出了多流形学习方法。多流形学习方法将高维数据特征提取,映射到对应的子空间并保留数据的内部结构和本质特征,发现高维数据隐藏的本质规律,可达到聚类和分类的目的。多流形学习已广泛应用于发现数据内在结构,并且近年来多用于图像识别分析。针对有类别标签的数据集,本文提出了全监督线性多流学习方法,其思想是利用样本标签信息来增加流形内样本的聚合度,降低流形间样本的耦合度。传统的多流形学习方法用欧氏距离度量流形间点的近邻程度,由于流形是局部具有欧式性质的空间,致使传统意义下的度量方法不能较好的度量流形间数据点的近邻程度或者相似程度。基于此,本文提出用欧式距离度量流形内数据点的相似程度,并得到同一流形上的相似近邻集。用图匹配的方法度量流形间数据点的相似程度,得到数据点在不同流形上的相似近邻集,建立优化问题,使低维表示下不同流形上的近邻点距离越来越大,同一流形近邻点加权距离越来越小,同一流形上的数据点紧凑围绕流形中心,使其在低维空间中更好的刻画流形边缘。最后,在分类过程中定义了点到流形的“距离”用来识别无标签样本。将提出的方法与3种传统的特征提取方法进行对比实验,结果表明本文方法具有较高的平均识别率,具有一定的优势及有效性。针对部分有标签的数据集,本文提出了一种半监督多流形方法,解决多流形情况下缺少标记样本问题。首先,提出基于标签传播的子图划分方法,该方法得到指标集,并根据指标集进行划分得到多个有标签子图,对无标记样本赋予标签。结合LDA建立流形间局部散度矩阵和流形内散度矩阵,确保流形间近邻点更分散,流形内的数据点更紧凑。将本文提出的方法与3种半监督特征提取方法进行对比试验,实验结果证明了本文方法在聚类精度和数据可视化方面有较好的优势。

关键词：多流形学习半监督图匹配标签传播算法

来源：评论

学校读者我要写书评

暂无评论

基于复杂网络的社区发现算法研究

基于复杂网络的社区发现算法研究

引用

作者：王国诚南京航空航天大学

学位级别：硕士

复杂网络研究涉及社交网络、学术网络、万维网、蛋白质作用网络等很多领域中的抽象网络。社区结构挖掘是研究复杂系统的关键工具。探索和发现网络的社区结构对于了解复杂网络内在规律,开发其功能,预测其行为具有十分重要的意义和作用,... 详细信息

复杂网络研究涉及社交网络、学术网络、万维网、蛋白质作用网络等很多领域中的抽象网络。社区结构挖掘是研究复杂系统的关键工具。探索和发现网络的社区结构对于了解复杂网络内在规律,开发其功能,预测其行为具有十分重要的意义和作用,特别是在大型复杂网络中进行社区划分,具有重要的实际意义。本文主要针对复杂网络中的社区发现算法展开研究,其主要工作和贡献如下:(1)针对标签传播在全局社区发现中,存在的不稳定性问题,提出了一种基于拓扑势的标签传播算法(TPLPA)。该算法用拓扑势衡量网络中每个节点的影响力,并根据节点影响力对网络节点的重要性进行排序,从而优化标签传播的节点更新顺序,在每次迭代中,重新优化节点选择标签的策略,进一步降低了算法的不稳定性。实验结果证明TPLPA算法在提升了效率的同时兼顾了稳定性。(2)针对一般局部社区发现算法简单将邻集并入框架导致容易出现过大的局部社区问题,本文提出了一种基于核心区的局部社区发现算法(LWPca)。该算法首先利用节点重要性函数计算节点局部重要性,以寻找起始点的最近最相似核心点与起始点构成核心区,同时在社区拓展过程中,选用局部模块度作为适应性函数,对于局部模块度存在容易陷入局部最优问题,加入了争议点优化策略。实验结果证明,本文中的方法有效改善了局部社区发现算法的起始点敏感以及局部模块度存在局限性的问题。(3)基于社区划分算法,借鉴现有的用户和社区推荐模式,实现了一个微博用户推荐系统。系统的主要功能包括数据搜集、数据检索、用户推荐、社区推荐和社区查看。将社区划分算法应用到用户推荐系统,从而印证了社区划分算法的有效性和可行性。

关键词：社区发现全局社区局部社区拓扑势标签传播算法核心区

来源：评论

学校读者我要写书评

暂无评论

基于选举标签传播的非重叠社区挖掘算法

引用

福建师范大学学报（自然科学版） 2017年第2期33卷 10-17页

作者：连亚飞黄发良汪焱潘传迪福建师范大学软件学院福建福州350117 温州医科大学附属第一医院浙江省智慧医疗工程技术研究中心浙江温州325000

针对邻居节点选择规则过于简单的传统标签传播算法容易导致奇异解问题,从而难以适应大型复杂网络的社区挖掘,提出了基于日常生活选举模式的标签传播算法VLPNO,重新定义节点标签传播规则,使其在传播迭代过程中能依照竞选的方式自主地更... 详细信息

针对邻居节点选择规则过于简单的传统标签传播算法容易导致奇异解问题,从而难以适应大型复杂网络的社区挖掘,提出了基于日常生活选举模式的标签传播算法VLPNO,重新定义节点标签传播规则,使其在传播迭代过程中能依照竞选的方式自主地更新标签,进而将网络划分为由领导者和跟随者组成的社区.实验结果表明,与LPA、SLPA与BMLPA相比较,VLPNO算法能够更快速有效地发现与真实网络社区更相吻合的社区结构.

关键词：标签传播算法选举标签社区挖掘复杂网络

来源：评论

学校读者我要写书评

暂无评论

基于库仑力中心性的节点重要性与社团检测研究

基于库仑力中心性的节点重要性与社团检测研究

引用

作者：许星舟兰州理工大学

学位级别：硕士

复杂网络是现实世界中复杂系统的抽象模型,它将复杂系统中的实体对象抽象为节点,将实体对象之间的显性或隐性关系抽象为边。节点重要性评估和社团检测作为复杂网络中最热门的两个课题,在计算机、通信、刑侦、社会、金融、交通、生物等... 详细信息

复杂网络是现实世界中复杂系统的抽象模型,它将复杂系统中的实体对象抽象为节点,将实体对象之间的显性或隐性关系抽象为边。节点重要性评估和社团检测作为复杂网络中最热门的两个课题,在计算机、通信、刑侦、社会、金融、交通、生物等诸多领域中得到了广泛的研究与应用。关键节点是构成一个网络并实现其信息传递功能的核心要素,识别关键节点并对其着手保护能够有效提升网络的抗毁性,也能够从关键节点入手提出更高效的网络攻击策略。此外,复杂网络中存在一种特殊的特征结构,社团结构。具体体现在社团内部节点的联系较为紧密,而社团之间的节点联系则相对稀疏,而发现网络中社团结构的过程则称为社团检测。利用社团检测能够轻易地揭示网络中的隐藏结构、反映节点之间的相互关系、分析复杂网络的潜在信息以及预测网络的局部功能特性。本文着手研究了复杂网络中节点重要性评估方法和社团结构检测方法,其主要成果如下:k核是一种常见的节点重要性评估指标,但由于其存在破坏网络整体结构信息、忽略邻居节点影响力等缺点导致每个节点难以量化区分。为了提高关键节点的识别精度,本文首先改进了k核的分解过程,提出了精准k核Ak(Accurate k-shell)。考虑到网络中局部特征信息和全局结构信息对节点的影响,本文随后将精准k核应用到重力中心性GC(Gravity Centrality)中并提出了库仑力中心性CFC(Coulomb Force Centrality)。信息学中的香农熵在网络关键节点识上具有良好的扩展性,通过结合邻域度中心性、邻域精准k核以及库仑力中心性三者的香农熵,最终本文提出了混合中心MC(Mixed Centrality)。该指标能将节点的拓扑结构信息、位置信息、局部特征信息和网络整体拓扑结构信息充分融合,消除单一指标评估节点时产生的片面性,从而达到对节点多元化评估的目的。在7种真实网络下,对MC和其它节点评估指标分别从单调性和准确性上进行了一系列实验,实验结果表明MC具有更好的关键节点识别性能。标签传播算法(LPA)是一种高效快速的社团检测算法,能够适用于不同规模大小的网络。然而,由于标签的随机传播和收敛条件的不明确致使实验结果非常不稳定。为了进一步识别出网络中的关键节点,本文首先在CFC的基础上提出了联合中心性UC(Union Centrality)。随后,针对LPA中节点随机选择标签这一缺陷,本文利用UC设计出了用于量化评估节点标签传播能力的标签选择性LS(Label Selectivity)。通过将UC和LS这两种指标应用到LPA中,本文最终提出了基于库仑力中心性的标签传播算法CFCLPA。该算法消除了原始LPA中的随机性并且明确了算法的结束条件,从而使其具备了高效精确的社团结构识别能力。在真实网络和LFR基准网络下进行了一系列测试和比较,实验结果表明CFCLPA具有更优秀的社团检测性能。

关键词：复杂网络节点中心性精准k核库仑力中心性标签传播算法

来源：评论

学校读者我要写书评

暂无评论

基于多源数据融合的miRNA-疾病关联关系预测

基于多源数据融合的miRNA-疾病关联关系预测

引用

作者：吴雨航南京理工大学

学位级别：硕士

微小核糖核酸(miRNA)是动植物体内的一种非编码的小型单链RNA分子,参与靶基因m RNA的表达调控。在人类的许多生命活动进程中都有miRNA的参与,并且miRNA对基因表达的调控可能会导致某些疾病。在传统的验证实验中往往需要通过生物学方法研... 详细信息

微小核糖核酸(miRNA)是动植物体内的一种非编码的小型单链RNA分子,参与靶基因m RNA的表达调控。在人类的许多生命活动进程中都有miRNA的参与,并且miRNA对基因表达的调控可能会导致某些疾病。在传统的验证实验中往往需要通过生物学方法研究miRNA与疾病的关联性,但是这种方法存在实验周期长、成本高的缺点。在目前生物信息学的预测方法构建的异质网络中,往往由于矩阵稀疏以及数据源信息的不充分等问题,使得预测未能取得很好的效果。针对上述问题,本文采用多源数据构建高质量的复杂网络,提出了基于矩阵补全的预测模型和基于基因本体数据的预测模型,具体工作包含以下三个方面:(1)提出了一种基于矩阵补全的miRNA-疾病关联关系预测模型MDFMC。本模型将已构建的miRNA和疾病的相似度矩阵进行矩阵补全处理,并将补全后的相似度矩阵融入miRNA网络和疾病网络的构建中。在复杂网络中分别以miRNA子网和疾病子网为传播依据使用标签传播算法进行预测。为了检验MDFMC模型的预测性能,使用了三种交叉验证的方法与相关模型进行比较,并使用具体的疾病案例对该模型的预测结果进行评估。实验结果表明MDFMC模型具有良好的预测性能。(2)设计了一种利用基因本体数据的miRNA靶向相似度度量方法,并基于该方法提出了miRNA-疾病关联关系预测模型GOBMDA。本模型将miRNA的靶基因和基因本体数据相映射,构建了miRNA靶向相似度矩阵。使用来自不同数据源的多种相似度矩阵构建了miRNA和疾病的相似性网络,并在异质网络中使用带有重启的随机游走算法进行预测。最后使用了交叉验证方法和案例分析方法说明了GOBMDA模型的预测有效性。(3)设计并实现了基于Springboot框架的在线预测平台,为相关研究者提供基于MDFMC模型和GOBMDA模型的miRNA-人类疾病关联关系的预测服务,也便于评估模型的有效性。测试结果表明,本预测平台具有良好的人机交互性且处理响应迅速。

关键词： miRNA-疾病关联关系预测相似度网络矩阵补全算法基因本体标签传播算法随机游走算法

来源：评论

学校读者我要写书评

暂无评论

一种基于标签传播的数据分块算法

引用

计算机工程 2017年第9期43卷 51-55,61页

作者：冉德彤游宏梁中国国防科技信息中心北京100142

数据分块有助于降低大规模数据中实体分辨的计算复杂度,但现有算法存在效能和效率难以平衡的问题。为此,在标签传播的基础上设计数据分块算法,以实现两者的平衡。根据记录间相同词项的数量估计记录相似度,通过标签传播算法发现潜在相似... 详细信息

数据分块有助于降低大规模数据中实体分辨的计算复杂度,但现有算法存在效能和效率难以平衡的问题。为此,在标签传播的基础上设计数据分块算法,以实现两者的平衡。根据记录间相同词项的数量估计记录相似度,通过标签传播算法发现潜在相似重复记录,降低时间复杂度。在通用测试数据中的实验结果表明,该算法能有效提高F-Measure值,减少运行时间,实现大规模数据中的数据分块。

关键词：数据质量数据清洗实体分辨相似重复记录数据分块标签传播算法

来源：评论

学校读者我要写书评

暂无评论

符号网络中的社区发现算法研究

符号网络中的社区发现算法研究

引用

作者：陈怡然山东大学

学位级别：硕士

随着信息技术的发展,复杂网络分析已经受到越来越多的关注。社区结构是复杂网络中最显著的特征之一,可视化复杂网络中的社区结构对于理论分析和实际应用都具有重要意义。符号网络是复杂网络的一种延伸,同时包含正边属性和负边属性。以... 详细信息

随着信息技术的发展,复杂网络分析已经受到越来越多的关注。社区结构是复杂网络中最显著的特征之一,可视化复杂网络中的社区结构对于理论分析和实际应用都具有重要意义。符号网络是复杂网络的一种延伸,同时包含正边属性和负边属性。以社交网络为例,符号网络可以灵活地描述现实生活中个体间的对立关系,如喜欢-不喜欢,同意-不同意,信任-不信任。近些年挖掘符号网络中的社区结构成为了研究的热点,尽管已经取得了一定的进展和成果,但识别出符号网络中的社区结构仍然具有挑战性。本文主要研究符号网络中的社区发现问题,主要目的和贡献如下:模块度最大化是NP完全问题之一,其主要目标是揭示网络中的社区结构。然而,一些文献中提到模块度指标具有分辨率限制的问题。也就是说,该指标无法识别可能隐藏在较大社区中的小型社区。为了克服该缺陷,本文提出一种基于模块密度的迭代局部搜索算法用于解决符号网络中的社区发现问题。在迭代过程中,应用一定百分比节点的随机移动来获取良好的扰动效果,之后局部搜索阶段采用两个邻域操作来获得高质量的解。在合成网络和真实网络上进行了大量的实验,统计分析表明与现有的算法相比,该算法能够提供高质量的解决方案。另外,模块密度也显示了检测多分辨率社区的良好能力。标签传播算法(Label Propagation Algorithm,LPA)是一种简单的近似线性时间的社区发现算法。但是LPA可能会产生不稳定的检测结果由于其存在随机性的缺点。为了提高稳定性,并使LPA适用于检测符号网络中的社区结构。本文提出了一种基于图的改进标签传播算法,称为ILPAG。首先,该算法基于结构相似度采用了特定的节点更新序列。其次,标签传播的迭代过程包括两个阶段,在第一阶段,每个节点将其标签更新为可以带来最大增益值的邻居标签。在第二阶段,具有相同标签的节点集合被视为一个超节点,并同时更新每个超节点的标签。与文献中的其他算法进行对比,所提出的ILPAG算法具有更好的稳定性,有效提高了社区划分的质量。

关键词：复杂网络符号网络社区发现迭代局部搜索标签传播算法

来源：评论

学校读者我要写书评

暂无评论

复杂网络中社区发现算法研究

复杂网络中社区发现算法研究

引用

作者：李文全山东大学

学位级别：硕士

社区结构是复杂网络中最重要的属性之一。社区发现在很多应用场景中起着重要的作用,例如聚类分析、推荐系统和复杂系统行为的理解。研究者已经提出了许多算法来发现网络的社区结构,包括信息论方法、动态标签传播和模块化优化方法。然而... 详细信息

社区结构是复杂网络中最重要的属性之一。社区发现在很多应用场景中起着重要的作用,例如聚类分析、推荐系统和复杂系统行为的理解。研究者已经提出了许多算法来发现网络的社区结构,包括信息论方法、动态标签传播和模块化优化方法。然而,发现社区是一项具有挑战性的任务,没有一种算法能够在效率和效果方面为所有网络产生最佳结果。因此,尽管有许多优雅的解决方案,社区发现仍然是一个活跃的研究领域。本文针对该问题进行了研究,主要目的和贡献如下:社区发现问题可以被转化为模块度最大化问题,它是一个NP完全问题。为了最大化复杂网络的模块度,我们提出了一种基于模块度贡献的迭代贪心算法,该算法以迭代过程为基础,迭代过程将解构阶段和重构阶段相结合。在解构阶段,该算法破坏具有较低模块度贡献的一定百分比节点的社区结构。在重构阶段,被打乱的社区结构通过著名的Louvain方法重建。重构阶段完成后,局部搜索过程被用来提高算法的质量。与文献中其它几种经典的启发式方法和元启发式方法相比,无论是在计算机生成网络还是真实世界网络上,我们的算法都是非常有效的。标签传播算法(Label Propagation Algorithm,LPA)是一种简单快速的社区发现算法,但由于其随机性而不够准确。近年来已经出现一些高级版本的LPA,但是它们的准确性仍需要提高。在本文中,我们提出了一个两阶段的改进版LPA算法。第一阶段根据局部结构信息计算每个节点的最近节点,并获得初始社区结构,用于分配初始标签。在第二阶段,从第一阶段得到的节点初始标签将作为种子注入到一个改进的LPA中,该改进的LPA利用节点的影响力来增加其准确性。与最近文献中有竞争力的算法相比,在真实世界网络和人工合成网络上,我们提出的算法可以有效克服LPA算法的缺点,显著提高检测结果的质量。

关键词：复杂网络社区发现模块度优化算法迭代贪心算法标签传播算法

来源：评论

学校读者我要写书评

暂无评论

复杂网络中的社团检测算法研究

复杂网络中的社团检测算法研究

引用

作者：沈梦家兰州大学

学位级别：硕士

现实世界中复杂系统可由复杂网络进行高度抽象,其社团结构特性是复杂网络中最显著的特征。通过社团检测算法挖掘复杂网络的社团结构可以深入探索网络的拓扑结构与隐含特性间的关联。此外,复杂网络中的社团检测研究成果已广泛地应用于犯... 详细信息

现实世界中复杂系统可由复杂网络进行高度抽象,其社团结构特性是复杂网络中最显著的特征。通过社团检测算法挖掘复杂网络的社团结构可以深入探索网络的拓扑结构与隐含特性间的关联。此外,复杂网络中的社团检测研究成果已广泛地应用于犯罪团伙识别、蛋白质复合物分析、个性化推荐和信息检索等多个领域。近年来文献中提出大量的社团检测算法来划分网络中的社团结构,然而大部分算法在准确性或效率上都不能达到良好的效果。本文在分析阐述现有的社团检测算法基础上,针对其中存在的问题提出了两种新颖的社团检测算法。主要的研究工作和贡献如下:(1)为了提升标签传播算法LPA的准确性和稳定性,本文中提出了一种基于节点引力的标签传播算法。该算法首先基于网络全局特征的LeaderRank算法计算网络中所有节点的重要性,以重要性升序的方式序列化节点的更新顺序。然后,该算法结合网络的拓扑特征和引力理论来定义网络中节点间的虚拟引力,该引力的定义同时考虑到了节点重要性和节点相似性两种节点特性。算法在标签迭代更新过程中选取引力和最大的标签来更新当前节点的标签,以此来提高算法的稳定性和准确性。(2)针对大规模网络中的社团检测问题,本文中提出基于中间节点隶属强度的社团检测算法,通过分析中间节点在不同社团中的隶属强度来划分网络的社团结构。该算法首先根据网络的局部拓扑特征来定义网络的中间节点及其在社团中的隶属强度,其中隶属强度的定义仅基于网络中节点的局部拓扑特性以提高计算效率。考虑到网络的先验知识和节点不同特性对其所属社团的影响,隶属强度的定义中加入调节参数以控制不同特性的影响程度。迭代地分析中间节点在不同社团中的隶属强度以此来划分网络的社团结构。为了提升算法的效率和准确性,还提出两种简单的初始化方法与后处理方法。为了验证本文中提出的算法的有效性,本文实验部分采用了多个不同特性的网络数据集在多个指标上比较本文提出的算法与对比算法的性能。通过实验结果分析表明本文中的社团检测算法能够高效地检测出高质量的社团结构。

关键词：复杂网络社团结构社团检测标签传播算法网络节点特性

来源：评论

学校读者我要写书评

暂无评论

复杂网络中社区划分算法的研究

复杂网络中社区划分算法的研究

引用

作者：陈珊珊华北电力大学

学位级别：硕士

随着互联网和信息化的快速发展，复杂网络的社区划分已成为很多学者研究的重要课题。针对社区划分的问题，学者们提出了多种经典算法，这些算法对于社区划分的研究与发展起到了推动作用。其中，标签传播算法(LPA)由于具有线性时间复杂... 详细信息

随着互联网和信息化的快速发展，复杂网络的社区划分已成为很多学者研究的重要课题。针对社区划分的问题，学者们提出了多种经典算法，这些算法对于社区划分的研究与发展起到了推动作用。其中，标签传播算法(LPA)由于具有线性时间复杂度而被广泛关注。然而，LPA算法在标签传播过程中存在不确定性和随机性的特点，这会影响社区发现的稳定性和准确性。为了解决上述问题，本文主要的工作内容如下：　　首先，对复杂网络研究的背景及意义和社区划分的研究现状进行了归纳总结。简述了复杂网络相关的基本理论知识，重点分析了复杂网络的表示方法、拓扑性质、社区划分的评价指标和一些经典的社区划分算法。　　其次，提出了基于节点重要性的标签传播算法(NI-LPA)，引入了杰卡德距离(Jaccard)、信号传播量等相关知识，给出了合理的节点重要性指标。在标签的传播过程中，当数目最多的邻居节点的标签不唯一时，则选择重要性指数最大的节点的标签用于标签的更新。通过对多个真实网络和人工合成网络进行实验，表明NI-LPA算法可以显著提高社区的模块度，并能缩短实验的迭代次数。NI-LPA算法与标签传播算法(LPA)算法相比具有更好的稳定性和准确性。　　最后，提出了基于核心节点的标签传播算法(CN-LPA)。首先给核心节点设置唯一的标签，若其他节点不是核心节点，则找出与该节点直接相连的核心节点，并选取重要度最大的核心节点的标签来更新该节点，直到每个节点都存在一个标签。在标签传播过程中，当数目最多的邻居的节点标签不唯一时，则选择重要性指数最大的节点的标签用于标签的更新。在政治书籍网络、海豚网络以及大学生足球网络中进行实验，结果验证了算法的可行性。

关键词：复杂网络社区划分核心节点标签传播算法

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：