書馨卡幫你省薪 2024個(gè)人購書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn)-(第2版)

模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn)-(第2版)

出版社：北京航空航天大學(xué)出版社出版時(shí)間：2017-08-01
開本： 32開 頁數(shù)： 388
中 圖 價(jià):¥27.0(5.5折) 定價(jià)  ¥49.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn)-(第2版) 版權(quán)信息

模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn)-(第2版) 本書特色

針對(duì)各學(xué)科數(shù)據(jù)信息的特點(diǎn)以及科學(xué)工作者對(duì)信息處理和數(shù)據(jù)挖掘技術(shù)的要求,本書既介紹了模式識(shí)別和智能計(jì)算的基礎(chǔ)知識(shí),又較為詳細(xì)地介紹了現(xiàn)代模式識(shí)別和智能計(jì)算在科學(xué)研究中的應(yīng)用方法和各算法的MATLAB源程序。本書可以幫助廣大的科學(xué)工作者掌握模式識(shí)別和智能計(jì)算方法,并應(yīng)用于實(shí)際的研究中,提高對(duì)海量數(shù)據(jù)信息的處理及挖掘能力,針對(duì)性和實(shí)用性強(qiáng),具有較高的理論和實(shí)用價(jià)值。 本書可作為高等院校計(jì)算機(jī)工程、信息工程、生物醫(yī)學(xué)工程、智能機(jī)器人、工業(yè)自動(dòng)化、地質(zhì)、水利、化學(xué)和環(huán)境等專業(yè)研究生、本科生的教材或教學(xué)參考書,亦可供有關(guān)工程技術(shù)人員參考。

模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn)-(第2版) 內(nèi)容簡(jiǎn)介

模式識(shí)別與智能計(jì)算已經(jīng)成為當(dāng)今科學(xué)研究中的一種重要的數(shù)據(jù)處理手段。本書理論聯(lián)系實(shí)際，較為全面地介紹了現(xiàn)代模式識(shí)別和智能計(jì)算方法 及其應(yīng)用技巧，通過大量的實(shí)例，講解模式識(shí)別與智能計(jì)算的理論、算法及編程步驟，并提供了MATLAB程序的源代碼 。 本書在MATLAB中文論壇設(shè)有交流平臺(tái)。

模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn)-(第2版) 目錄

第1章 緒 論…………………………………………………………………………………… 1 1.1 模式識(shí)別的基本概念…………………………………………………………………… 1 1.1.1 模式與模式識(shí)別的概念…………………………………………………………… 1 1.1.2 模式的特征………………………………………………………………………… 1 1.1.3 模式識(shí)別系統(tǒng)……………………………………………………………………… 2 1.2 模式識(shí)別的主要方法…………………………………………………………………… 2 1.3 模式識(shí)別的主要研究?jī)?nèi)容……………………………………………………………… 3 1.4 模式識(shí)別在科學(xué)研究中的應(yīng)用………………………………………………………… 3 1.4.1 化合物的構(gòu)效分析………………………………………………………………… 3 1.4.2 譜圖解析…………………………………………………………………………… 4 1.4.3 材料研究…………………………………………………………………………… 4 1.4.4 催化劑研究………………………………………………………………………… 5 1.4.5 機(jī)械故障診斷與監(jiān)測(cè)……………………………………………………………… 5 1.4.6 化學(xué)物質(zhì)源產(chǎn)地判斷……………………………………………………………… 6 1.4.7 疾病的診斷與預(yù)測(cè)………………………………………………………………… 6 1.4.8 礦藏勘探…………………………………………………………………………… 7 1.4.9 考古及食品工業(yè)中的應(yīng)用………………………………………………………… 7 第2章 統(tǒng)計(jì)模式識(shí)別技術(shù)……………………………………………………………………… 8 2.1 基于概率統(tǒng)計(jì)的貝葉斯分類方法……………………………………………………… 8 2.1.1 *小錯(cuò)誤率貝葉斯分類…………………………………………………………… 9 2.1.2 *小風(fēng)險(xiǎn)率貝葉斯分類…………………………………………………………… 10 2.2 線性分類器……………………………………………………………………………… 12 2.2.1 線性判別函數(shù)……………………………………………………………………… 12 2.2.2 Fisher線性判別函數(shù)……………………………………………………………… 13 2.2.3 感知器算法………………………………………………………………………… 14 2.3 非線性分類器…………………………………………………………………………… '315 2.3.1 分段線性判別函數(shù)………………………………………………………………… 15 2.3.2 近鄰法……………………………………………………………………………… 17 2.3.3 勢(shì)函數(shù)法…………………………………………………………………………… 19 2.3.4 SIMCA 方法……………………………………………………………………… 20 2.4 聚類分析………………………………………………………………………………… 22 2.4.1 模式相似度………………………………………………………………………… 22 2.4.2 聚類準(zhǔn)則…………………………………………………………………………… 24 2.4.3 層次聚類法………………………………………………………………………… 25 2.4.4 動(dòng)態(tài)聚類法………………………………………………………………………… 25 2.4.5 決策樹分類器……………………………………………………………………… 28 2.5 統(tǒng)計(jì)模式識(shí)別在科學(xué)研究中的應(yīng)用…………………………………………………… 29 第3章 人工神經(jīng)網(wǎng)絡(luò)及模式識(shí)別…………………………………………………………… 43 3.1 人工神經(jīng)網(wǎng)絡(luò)的基本概念……………………………………………………………… 43 3.1.1 人工神經(jīng)元………………………………………………………………………… 43 3.1.2 傳遞函數(shù)…………………………………………………………………………… 43 3.1.3 人工神經(jīng)網(wǎng)絡(luò)分類和特點(diǎn)………………………………………………………… 44 3.2 BP人工神經(jīng)網(wǎng)絡(luò)……………………………………………………………………… 44 3.2.1 BP人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法……………………………………………………… 44 3.2.2 BP人工神經(jīng)網(wǎng)絡(luò)MATLAB實(shí)現(xiàn)……………………………………………… 46 3.3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)RBF …………………………………………………………… 47 3.3.1 RBF的結(jié)構(gòu)與學(xué)習(xí)算法…………………………………………………………… 47 3.3.2 RBF的MATLAB實(shí)現(xiàn)…………………………………………………………… 48 3.4 自組織競(jìng)爭(zhēng)人工神經(jīng)網(wǎng)絡(luò)……………………………………………………………… 48 3.4.1 自組織競(jìng)爭(zhēng)人工神經(jīng)網(wǎng)絡(luò)的基本概念…………………………………………… 48 3.4.2 自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法………………………………………………… 49 3.4.3 自組織競(jìng)爭(zhēng)網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn)……………………………………………… 49 3.5 對(duì)向傳播神經(jīng)網(wǎng)絡(luò)CPN ……………………………………………………………… 50 3.5.1 CPN 的基本概念………………………………………………………………… 50 3.5.2 CPN 網(wǎng)絡(luò)的學(xué)習(xí)算法…………………………………………………………… 50 3.6 反饋型神經(jīng)網(wǎng)絡(luò)Hopfield …………………………………………………………… 51 3.6.1 Hopfield網(wǎng)絡(luò)的基本概念………………………………………………………… 51 3.6.2 Hopfield網(wǎng)絡(luò)的學(xué)習(xí)算法………………………………………………………… 52 3.6.3 Hopfield網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn)………………………………………………… 53 3.7 人工神經(jīng)網(wǎng)絡(luò)技術(shù)在科學(xué)研究中的應(yīng)用……………………………………………… 53 第4章 模糊系統(tǒng)理論及模式識(shí)別…………………………………………………………… 72 4.1 模糊系統(tǒng)理論基礎(chǔ)……………………………………………………………………… 72 4.1.1 模糊集合…………………………………………………………………………… 72 4.1.2 模糊關(guān)系…………………………………………………………………………… 75 4.1.3 模糊變換與模糊綜合評(píng)判………………………………………………………… 77 4.1.4 If…then規(guī)則……………………………………………………………………… 78 4.1.5 模糊推理…………………………………………………………………………… 78 4.2 模糊模式識(shí)別的基本方法……………………………………………………………… 79 4.2.1 *大隸屬度原則…………………………………………………………………… 79 4.2.2 擇近原則…………………………………………………………………………… 79 4.2.3 模糊聚類分析……………………………………………………………………… 81 4.3 模糊神經(jīng)網(wǎng)絡(luò)…………………………………………………………………………… 85 4.3.1 模糊神經(jīng)網(wǎng)絡(luò)……………………………………………………………………… 85 4.3.2 模糊BP神經(jīng)網(wǎng)絡(luò)………………………………………………………………… 86 4.4 模糊邏輯系統(tǒng)及其在科學(xué)研究中的應(yīng)用……………………………………………… 86 第5章 核函數(shù)方法及應(yīng)用…………………………………………………………………… 107 5.1 核函數(shù)方法…………………………………………………………………………… 107 5.2 基于核的主成分分析方法…………………………………………………………… 108 5.2.1 主成分分析……………………………………………………………………… 108 5.2.2 基于核的主成分分析…………………………………………………………… 110 5.3 基于核的Fisher判別方法…………………………………………………………… 112 5.3.1 Fisher判別方法………………………………………………………………… 112 5.3.2 基于核的Fisher判別方法分析………………………………………………… 113 5.4 基于核的投影尋蹤方法……………………………………………………………… 114 5.4.1 投影尋蹤分析…………………………………………………………………… 114 5.4.2 基于核的投影尋蹤分析………………………………………………………… 118 5.5 核函數(shù)方法在科學(xué)研究中的應(yīng)用…………………………………………………… 119 第6章 支持向量機(jī)及其模式識(shí)別…………………………………………………………… 130 6.1 統(tǒng)計(jì)學(xué)習(xí)理論基本內(nèi)容……………………………………………………………… 130 6.2 支持向量機(jī)…………………………………………………………………………… 131 6.2.1 *優(yōu)分類面……………………………………………………………………… 131 6.2.2 支持向量機(jī)模型………………………………………………………………… 132 6.3 支持向量機(jī)在模式識(shí)別中的應(yīng)用…………………………………………………… 134 第7章 可拓學(xué)及其模式識(shí)別………………………………………………………………… 142 7.1 可拓學(xué)概論…………………………………………………………………………… 142 7.1.1 可拓工程基本思想……………………………………………………………… 142 7.1.2 可拓工程使用的基本工具……………………………………………………… 143 7.2 可拓集合……………………………………………………………………………… 145 7.2.1 可拓集合含義…………………………………………………………………… 145 7.2.2 物元可拓集合…………………………………………………………………… 146 7.3 可拓聚類預(yù)測(cè)的物元模型…………………………………………………………… '3146 7.4 可拓學(xué)在科學(xué)研究中的應(yīng)用………………………………………………………… 147 第8章 粗糙集理論及其模式識(shí)別…………………………………………………………… 154 8.1 粗糙集理論基礎(chǔ)……………………………………………………………………… 154 8.1.1 分類規(guī)則的形成………………………………………………………………… 156 8.1.2 知識(shí)的約簡(jiǎn)……………………………………………………………………… 157 8.2 粗糙神經(jīng)網(wǎng)絡(luò)………………………………………………………………………… 158 8.3 系統(tǒng)評(píng)估粗糙集方法………………………………………………………………… 158 8.3.1 模型結(jié)構(gòu)………………………………………………………………………… 159 8.3.2 綜合評(píng)估方法…………………………………………………………………… 159 8.4 粗糙集聚類方法……………………………………………………………………… 160 8.5 粗糙集理論在科學(xué)研究中的應(yīng)用…………………………………………………… 161 第9章 遺傳算法及其模式識(shí)別……………………………………………………………… 170 9.1 遺傳算法的基本原理………………………………………………………………… 170 9.2 遺傳算法分析………………………………………………………………………… 173 9.2.1 染色體的編碼…………………………………………………………………… 173 9.2.2 適應(yīng)度函數(shù)……………………………………………………………………… 174 9.2.3 遺傳算子………………………………………………………………………… 175 9.3 控制參數(shù)的選擇……………………………………………………………………… 177 9.4 模擬退火算法………………………………………………………………………… 178 9.4.1 模擬退火的基本概念…………………………………………………………… 178 9.4.2 模擬退火算法的基本過程……………………………………………………… 179 9.4.3 模擬退火算法中的控制參數(shù)…………………………………………………… 180 9.5 基于遺傳算法的模式識(shí)別在科學(xué)研究中的應(yīng)用…………………………………… 180 9.5.1 遺傳算法的MATLAB實(shí)現(xiàn)…………………………………………………… 180 9.5.2 遺傳算法在科學(xué)研究中的應(yīng)用實(shí)例…………………………………………… 185 第10章 蟻群算法及其模式識(shí)別…………………………………………………………… 201 10.1 蟻群算法原理………………………………………………………………………… 201 10.1.1 基本概念………………………………………………………………………… 201 10.1.2 蟻群算法的基本模型…………………………………………………………… 202 10.1.3 蟻群算法的特點(diǎn)………………………………………………………………… 203 10.2 蟻群算法的改進(jìn)……………………………………………………………………… 203 10.2.1 自適應(yīng)蟻群算法………………………………………………………………… 203 10.2.2 遺傳算法與蟻群算法的融合…………………………………………………… 204 10.2.3 蟻群神經(jīng)網(wǎng)絡(luò)…………………………………………………………………… 204 10.3 聚類問題的蟻群算法………………………………………………………………… 205 10.3.1 聚類數(shù)目已知的聚類問題的蟻群算法………………………………………… 205 10.3.2 聚類數(shù)目未知的聚類問題的蟻群算法………………………………………… 206 10.4 蟻群算法在科學(xué)研究中的應(yīng)用……………………………………………………… 207 第11章 粒子群算法及其模式識(shí)別………………………………………………………… 217 11.1 粒子群算法的基本原理……………………………………………………………… 217 11.2 全局模式與局部模式………………………………………………………………… 218 11.3 粒子群算法的特點(diǎn)…………………………………………………………………… 218 11.4 基于粒子群算法的聚類分析………………………………………………………… 219 11.4.1 算法描述………………………………………………………………………… 219 11.4.2 實(shí)現(xiàn)步驟………………………………………………………………………… 220 11.5 粒子群算法在科學(xué)研究中的應(yīng)用…………………………………………………… 221 第12章 可視化模式識(shí)別技術(shù)……………………………………………………………… 229 12.1 高維數(shù)據(jù)的圖形表示方法…………………………………………………………… 229 12.1.1 輪廓圖…………………………………………………………………………… 229 12.1.2 雷達(dá)圖…………………………………………………………………………… 230 12.1.3 樹形圖…………………………………………………………………………… 230 12.1.4 三角多項(xiàng)式圖…………………………………………………………………… 231 12.1.5 散點(diǎn)圖…………………………………………………………………………… 231 12.1.6 星座圖…………………………………………………………………………… 232 12.1.7 臉譜圖…………………………………………………………………………… 233 12.2 圖形特征參數(shù)計(jì)算…………………………………………………………………… 235 12.3 顯示方法……………………………………………………………………………… 237 12.3.1 線性映射………………………………………………………………………… 237 12.3.2 非線性映射……………………………………………………………………… 237 第13章 灰色系統(tǒng)方法及應(yīng)用……………………………………………………………… 241 13.1 灰色系統(tǒng)的基本概念………………………………………………………………… 241 13.1.1 灰 數(shù)…………………………………………………………………………… 241 13.1.2 灰數(shù)白化與灰度………………………………………………………………… 242 13.2 灰色序列生成算子…………………………………………………………………… 242 13.2.1 均值生成算子…………………………………………………………………… 242 13.2.2 累加生成算子…………………………………………………………………… 243 13.2.3 累減生成算子…………………………………………………………………… 243 13.3 灰色分析……………………………………………………………………………… 244 13.3.1 灰色關(guān)聯(lián)度分析………………………………………………………………… 244 13.3.2 無量綱化的關(guān)鍵算子…………………………………………………………… 244 13.3.3 關(guān)聯(lián)分析的主要步驟…………………………………………………………… 245 13.3.4 其他幾種灰色關(guān)聯(lián)度…………………………………………………………… 246 13.4 灰色聚類……………………………………………………………………………… 247 13.5 灰色系統(tǒng)建模………………………………………………………………………… 247 13.5.1 GM(1,1)模型…………………………………………………………………… 247 13.5.2 GM(1,1)模型檢驗(yàn)……………………………………………………………… 248 13.5.3 殘差GM(1,1)模型…………………………………………………………… 250 13.5.4 GM(1,N )模型………………………………………………………………… 250 13.6 灰色災(zāi)變預(yù)測(cè)………………………………………………………………………… 251 13.7 灰色系統(tǒng)的應(yīng)用……………………………………………………………………… 252 第14章 人工魚群等群體智能算法………………………………………………………… 258 14.1 人工魚群算法………………………………………………………………………… 259 14.1.1 魚群模式的提出………………………………………………………………… 259 14.1.2 人工魚的四種基本行為算法描述……………………………………………… 259 14.1.3 人工魚群算法概述……………………………………………………………… 261 14.1.4 各種參數(shù)對(duì)算法收斂性能的影響……………………………………………… 263 14.1.5 人工魚群算法在科學(xué)研究中的應(yīng)用…………………………………………… 264 14.2 人工免疫算法………………………………………………………………………… 270 14.2.1 人工免疫算法的生物學(xué)基礎(chǔ)…………………………………………………… 270 14.2.2 人工免疫優(yōu)化算法概述………………………………………………………… 272 14.2.3 人工免疫算法與遺傳算法的比較……………………………………………… 276 14.2.4 人工免疫算法在科學(xué)研究中的應(yīng)用…………………………………………… 277 14.3 進(jìn)化計(jì)算……………………………………………………………………………… 281 14.3.1 進(jìn)化規(guī)劃算法…………………………………………………………………… 283 14.3.2 進(jìn)化策略算法…………………………………………………………………… 284 14.3.3 進(jìn)化計(jì)算在科學(xué)研究中的應(yīng)用………………………………………………… 286 14.4 混合蛙跳算法………………………………………………………………………… 291 14.4.1 基本原理………………………………………………………………………… 291 14.4.2 基本術(shù)語………………………………………………………………………… 291 14.4.3 算法的基本流程及算子………………………………………………………… 292 14.4.4 算法控制參數(shù)的選擇…………………………………………………………… 294 14.4.5 混合蛙跳算法在科學(xué)研究中的應(yīng)用…………………………………………… 294 14.5 貓群算法……………………………………………………………………………… 296 14.5.1 基本術(shù)語………………………………………………………………………… 296 14.5.2 基本流程………………………………………………………………………… 297 14.5.3 控制參數(shù)選擇…………………………………………………………………… 299 14.5.4 貓群算法在科學(xué)研究中的應(yīng)用………………………………………………… 299 14.6 細(xì)菌覓食算法………………………………………………………………………… 300 14.6.1 細(xì)菌覓食算法基本原理………………………………………………………… 301 14.6.2 算法主要步驟與流程…………………………………………………………… 303 14.6.3 算法參數(shù)選取…………………………………………………………………… 304 14.6.4 細(xì)菌覓食算法在科學(xué)研究中的應(yīng)用…………………………………………… 306 14.7 人工蜂群算法………………………………………………………………………… 307 14.7.1 人工蜂群算法的基本原理……………………………………………………… 308 14.7.2 人工蜂群算法的流程…………………………………………………………… 309 14.7.3 控制參數(shù)選擇…………………………………………………………………… 311 14.7.4 人工蜂群算法在科學(xué)研究中的應(yīng)用…………………………………………… 311 14.8 量子遺傳算法………………………………………………………………………… 312 14.8.1 量子計(jì)算的基礎(chǔ)知識(shí)…………………………………………………………… 312 14.8.2 量子計(jì)算………………………………………………………………………… 313 14.8.3 量子遺傳算法流程……………………………………………………………… 316 14.8.4 控制參數(shù)………………………………………………………………………… 318 14.8.5 量子遺傳算法在科學(xué)研究中的應(yīng)用…………………………………………… 320 14.9 Memetic算法………………………………………………………………………… 321 14.9.1 Memetic算法的構(gòu)成要素……………………………………………………… 321 14.9.2 Memetic算法的基本流程……………………………………………………… 322 14.9.3 控制參數(shù)選擇…………………………………………………………………… 322 14.9.4 Memetic算法在科學(xué)研究中的應(yīng)用…………………………………………… 323 第15章 仿生模式識(shí)別……………………………………………………………………… 328 15.1 仿生模式識(shí)別基本理論……………………………………………………………… 328 15.1.1 仿生模式識(shí)別的連續(xù)性規(guī)律…………………………………………………… 328 15.1.2 多自由度神經(jīng)元………………………………………………………………… 329 15.2 仿生模式識(shí)別的數(shù)學(xué)工具…………………………………………………………… 331 15.2.1 高維空間幾何分析基本概念…………………………………………………… 332 15.2.2 高維空間中點(diǎn)、線、超平面的關(guān)系……………………………………………… 333 15.2.3 高維空間幾何覆蓋理論………………………………………………………… 334 15.3 仿生模式識(shí)別的實(shí)現(xiàn)方式…………………………………………………………… 335 15.3.1 高維空間復(fù)雜幾何形體覆蓋…………………………………………………… 335 15.3.2 多權(quán)值神經(jīng)元的構(gòu)造…………………………………………………………… 338 15.4 仿生模式識(shí)別與傳統(tǒng)模式識(shí)別的區(qū)別……………………………………………… 338 15.4.1 認(rèn)知理論的差別………………………………………………………………… 338 15.4.2 數(shù)學(xué)模式的差異………………………………………………………………… 339 15.5 仿生模式識(shí)別在科學(xué)研究中的應(yīng)用………………………………………………… 340 第16章 模式識(shí)別的特征及確定…………………………………………………………… 348 16.1 基本概念……………………………………………………………………………… 348 16.1.1 特征的特點(diǎn)……………………………………………………………………… 348 16.1.2 特征的類別……………………………………………………………………… 348 16.1.3 特征的形成……………………………………………………………………… 352 16.1.4 特征選擇與提取………………………………………………………………… 353 16.2 樣本特征的初步分析………………………………………………………………… 353 16.3 特征篩選處理………………………………………………………………………… 357 16.4 特征提取……………………………………………………………………………… 357 16.4.1 特征提取的依據(jù)………………………………………………………………… 357 16.4.2 特征提取的方法………………………………………………………………… 359 16.5 基于K L變換的特征提取………………………………………………………… 362 16.5.1 離散K L變換………………………………………………………………… 362 16.5.2 離散K L變換的特征提取…………………………………………………… 363 16.5.3 吸收類均值向量信息的特征提取……………………………………………… 363 16.5.4 利用總體熵吸收方差信息的特征提取………………………………………… 364 16.6 因子分析………………………………………………………………………………3365 16.6.1 因子分析的一般數(shù)學(xué)模型……………………………………………………… 365 16.6.2 Q 型和R型因子分析…………………………………………………………… 366 參考文獻(xiàn)………………………………………………………………………………………… 372
展開全部

模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn)-(第2版) 作者簡(jiǎn)介

許國(guó)根：畢業(yè)于南京大學(xué)分析化學(xué)專業(yè)，長(zhǎng)期奮斗在一線的高校資深化學(xué)教師。為了實(shí)現(xiàn)“數(shù)學(xué)化學(xué)”夢(mèng)想， 一直致力于數(shù)學(xué)在化學(xué)中的應(yīng)用，熱衷于MATLAB、模式識(shí)別、數(shù)據(jù)挖掘、化學(xué)計(jì)量學(xué)等相關(guān)知識(shí)的學(xué)習(xí)與應(yīng)用，撰寫過多部介紹MATLAB在化學(xué)中應(yīng)用技巧的書籍。

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服