积分商城

最新搜索： PL2303 altium Designer 20 电路设计与仿真从入门到精通 CH340 排插 常用LOGO标识 microBUCK
您现在的位置是：首页 > 技术资料 > 应用改进的粒子群优化模糊聚类实现点云数据的区域分割
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

应用改进的粒子群优化模糊聚类实现点云数据的区域分割

更新时间：2019-12-25 13:39:17 大小：3M 上传用户：zhiyao6查看TA发布的资源 标签：粒子群优化 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

为实现点云数据的区域划分,提出一种基于改进的粒子群优化与模糊C-均值聚类的混合算法(SPSO-FCM算法)。针对在点云聚类过程中易过早捕获局部极小值的问题,算法首先用改进的粒子群算法——社会粒子群优化算法,对种群进行初始化,通过为每一个粒子设置不同的跟随阈值,来维护种群中个体多样性,加深对种群全局搜索的程度,避免陷入局部极小值;随后,设置种群中每个粒子当前最优位置和初始种群的最优位置,更新自由粒子的位置和跟随粒子的速度和位置;最后,采用模糊C-均值聚类算法求解隶属度矩阵,确定适应值函数,更新所有粒子的最优位置,并判断粒子和种群的位置优越性,得到准确的聚类中心,实现对点云数据的区域划分。以曲面复杂度不一致的点云模型为例对算法进行验证,探讨SPSO-FCM聚类算法的可行性,并与FCM聚类算法、遗传FCM聚类算法进行比对。实验结果显示,SPSOFCM聚类算法较其它两种算法,收敛速度快,迭代次数少,聚类准确,边界区域分割清晰,特别是对型面复杂、点云数据较多的机械零部件点云数据进行分割时,能得到更好的分割结果。


部分文件列表

文件名 大小
应用改进的粒子群优化模糊聚类实现点云数据的区域分割.pdf 3M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
第
卷
第
期
４
光学 精密工程  
ꢀ
２５  
ꢀ
Ｖｏｌ．２５ Ｎｏ．４  
ꢀ
ꢀꢀꢀꢀꢀ ꢀꢀꢀꢀ  
ꢀ ꢀꢀꢀꢀꢀꢀ  
Ｏ ｔｉｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｉｎｅｅｒｉｎ  
ꢀ ｐ ꢀ ꢀ ꢀ ｇ  
ｇ
年
月
ꢀ ꢀ  
２０１７  
４
Ａ ｒ．２０１７  
ｐ
ꢀ
（ ）  
１００４９２４Ｘ２０１７０４１０９５１１  
－
文章编号  
ꢀ
－
－
应用改进的粒子群优化模糊聚类  
实现点云数据的区域分割  
，
１２  
１
＊
吴禄慎  
１
， ，  
陈华伟 史皓良  
１
，
王晓辉  
（ ，  
南昌大学 机电工程学院 江西 南昌  
１．  
； ，  
赤峰学院 建筑与机械工程学院 内蒙古 赤峰  
３３００３１２．  
）
０２４０００  
： ，  
摘要 为实现点云数据的区域划分 提出一种基于改进的粒子群优化与模糊 均值聚类的混合算法  
Ｃ
（
）。  
算法  
ＳＰＳＯＦＣＭ  
－
－
，
针对在点云聚类过程中易过早捕获局部极小值的问题 算法首先用改进的粒子群算法  
———  
，
社会粒子群优化算法 对种群  
， ， ， ，  
进行初始化 通过为每一个粒子设置不同的跟随阈值 来维护种群中个体多样性 加深对种群全局搜索的程度 避免陷入  
； ， ，  
局部极小值 随后 设置种群中每个粒子当前最优位置和初始种群的最优位置 更新自由粒子的位置和跟随粒子的速度  
； ， ， ， ，  
和位置 最后 采用模糊 均值聚类算法求解隶属度矩阵 确定适应值函数 更新所有粒子的最优位置 并判断粒子和种  
Ｃ
－
， ， 。  
群的位置优越性 得到准确的聚类中心 实现对点云数据的区域划分 以曲面复杂度不一致的点云模型为例对算法进行  
，
验证 探讨  
，
聚类算法的可行性 并与  
、
聚类算法 遗传  
。
，
聚类算法进行比对 实验结果显示  
ＳＰＳＯ  
ＳＰＳＯＦＣＭ  
－
ＦＣＭ  
ＦＣＭ  
－
， ， ， ， ， 、  
聚类算法较其它两种算法 收敛速度快 迭代次数少 聚类准确 边界区域分割清晰 特别是对型面复杂 点云数据  
ＦＣＭ  
，
较多的机械零部件点云数据进行分割时 能得到更好的分割结果  
。
： ； ； ；  
词 点云数据 区域分割 粒子群优化算法 模糊聚类  
ꢀ
关
键
ꢀ
：
：
文献标识码  
Ａ
：
／
中图分类号  
ＴＰ３９１．４１  
ꢀꢀ  
ｄｏｉ１０．３７８８ Ｏ ＰＥ ．２０１７２５０４ ．１０９５  
ꢀꢀ  
Ｒｅｉｏｎｓｅｍｅｎｔａｔｉｏｎｏｆ ｏｉｎｔｃｌｏｕｄｄａｔａｂａｓｅｄｏｎｉｍ ｒｏｖｅｄ  
ꢀ
ꢀ ꢀ  
ꢀ
ꢀ ꢀ  
ａｒｔｉｃｌｅｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎｆｕｚｚ ｃｌｕｓｔｅｒｉｎ  
ｇ
ꢀ ꢀ  
ｇ
ｇ
ｐ
ｐ
ꢀ
ꢀ
ꢀ
ｐ
ｐ
ｙ
ꢀ
，
１２  
１
＊
１
，
ꢀ
１
，
，
ＷＡＮＧＸｉａｏｈｕｉ ＷＵ Ｌｕｓｈｅｎ ＣＨＥＮ Ｈｕａｗｅｉ ＳＨＩＨａｏｌｉａｎ  
ｇ
ꢀ
－
ꢀ
ꢀ
－
ꢀ
－
ꢀ
－
（
， ， ，  
１．Ｓｃｈｏｏｌｏ ＭｅｃｈａｔｒｏｎｉｃＥｎｉｎｅｅｒｉｎ Ｎａｎｃｈａｎ Ｕｎｉｖｅｒｓｉｔ Ｎａｎｃｈａｎ ３３００３１Ｃｈｉｎａ  
ꢀ
ｇ
；
ꢀ
ｆ
ｇ
ｇ
ꢀ
ｙ
ｇ
ꢀ
， ， ，  
２．Ｓｃｈｏｏｌｏ Ａｒｃｈｉｔｅｃｔｕｒａｌａｎｄ ＭｅｃｈａｎｉｃａｌＥｎｉｎｅｅｒｉｎ Ｃｈｉｅｎ Ｕｎｉｖｅｒｓｉｔ Ｃｈｉｅｎ ０２４０００Ｃｈｉｎａ  
ꢀ
）
ꢀ
ꢀ
ꢀ
ｇ
ｆ
ｇ
ｆ ｇ  
ｙ
ｆ ｇ  
ꢀ
ꢀ
， ：  
Ｃｏｒｒｅｓｏｎｄｉｎ ａｕｔｈｏｒ Ｅｍａｉｌ ｗｕｌｕｓｈｅｎ １６３．ｃｏｍ  
＠
＊
－
ｐ
ｇ
ꢀ
：
，
ꢀ
（
Ａｂｓｔｒａｃｔ Ｔｏｒｅａｌｉｚｅｒｅｉｏｎｓｅ ｍｅｎｔａｔｉｏｎｏｆ ｏｉｎｔｃｌｏｕｄｄａｔａ ａｋｉｎｄｏｆｍｉｘｅｄａｌｏｒｉｔｈｍ ＳＰＳＯ－ＦＣＭ  
ꢀ ｇ ꢀ ｇ ꢀ ꢀｐ ꢀ ꢀ ꢀ ｇ  
ꢀ
ꢀ
ꢀ
）
ａｌｏｒｉｔｈｍ ｂａｓｅｄｏｎｉｍ ｒｏｖｅｄ ａｒｔｉｃｌｅｓｗａｒｍ ｏｔｉｍｉｚａｔｉｏｎａｎｄｆｕｚｚ Ｃ ｍｅａｎｓｃｌｕｓｔｅｒｉｎ ｗａｓｉｎｔｒｏ  
ꢀ ꢀ ｐ ꢀｐ ꢀｐ －  
ｇ
ꢀ
ꢀ
ꢀ
ｙ
－
ꢀ
ꢀ
ｇ
ꢀ
ꢀ
，
ｄｕｃｅｄ．Ａｉｍｅｄａｔｌｏｃａｌｍｉｎｉｍｕｍｅａｓｉｌ ｔｏｂｅｃａｔｕｒｅｄｕｎｔｉｍｅｌ ｉｎ ｏｉｎｔｃｌｏｕｄｃｌｕｓｔｅｒｉｎ ｒｏｃｅｓｓ ｉｍ  
ꢀ ꢀ ꢀ ꢀ ｐ －  
ｙ ꢀｐ ｇｐ  
ꢀ
ꢀ
ｙ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｒｏｖｅｄ ａｒｔｉｃｌｅｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎａｌｏｒｉｔｈｍｓｏｃｉａｌ ａｒｔｉｃｌｅｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎａｌｏｒｉｔｈｍ ｗａｓｕｓｅｄ  
ｐ
ꢀｐ ꢀ ꢀｐ ꢀ ｇ － ꢀｐ ꢀ ꢀｐ ꢀ ｇ ꢀ ꢀ  
，
ｆｉｒｓｔｌ ｔｏｉｎｉｔｉａｌｉｚｅ ｏｕｌａｔｉｏｎｉｎｔｈｅａｌｏｒｉｔｈｍ．Ｂ ｓｅｔｔｉｎ ｄｉｆｆｅｒｅｎｔｆｏｌｌｏｗｔｈｒｅｓｈｏｌｄｓｆｏｒｅａｃｈ ａｒｔｉｃｌｅ  
ꢀｐｐ ꢀ ꢀ ꢀ ｇ ꢀ ꢀ ꢀ ꢀ ꢀｐ  
ｙ ꢀ ｇ  
ꢀ
ｙ
ꢀ
ꢀ
ｖａｒｉｅｔ ｏｆｉｎｄｉｖｉｄｕａｌｉｎ ｏｕｌａｔｉｏｎｗａｓｍａｉｎｔａｉｎｅｄａｎｄｔｈｅ ｌｏｂａｌｓｅａｒｃｈｄｅｒｅｅｏｆ ｏｕｌａｔｉｏｎｗａｓｅｎ  
ｙ ꢀ  
ꢀ ꢀｐｐ ꢀ ꢀ ꢀ ꢀｇ ꢀ ꢀ ｇ ꢀ ꢀｐｐ ꢀ ꢀ －  
ꢀ
ꢀ
ｈａｎｃｅｄｔｏａｖｏｉｄｆａｌｌｉｎ ｉｎｔｏｔｈｅｌｏｃａｌｍｉｎｉｍｕｍ．Ｔｈｅｎｔｈｅｃｕｒｒｅｎｔｏｔｉｍａｌ ｏｓｉｔｉｏｎｏｆｅａｃｈ ａｒｔｉｃｌｅｉｎ  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀｐ ꢀｐ ꢀ ꢀ ꢀｐ ꢀ  
ｇ
ꢀ
ｏｕｌａｔｉｏｎａｎｄｏｔｉｍａｌ ｏｓｉｔｉｏｎｏｆｉｎｉｔｉａｌ ｏｕｌａｔｉｏｎｗｅｒｅｓｅｔｔｏｕｄａｔｅ ｏｓｉｔｉｏｎｏｆｆｒｅｅ ａｒｔｉｃｌｅａｎｄ  
ꢀ ꢀ ꢀｐｐ ꢀ ꢀ ꢀ ꢀｐ ꢀｐ  
ｐｐ  
ꢀ
ꢀｐ  
ꢀｐ  
ꢀ ꢀ ꢀｐ  
ꢀ
：
；
：
修订日期  
２０１７０１１６．  
收稿日期  
２０１６１１１６  
－ －  
ꢀꢀ  
ꢀꢀ  
－
－
：
基金项目 国家自然科学基金资助项目  
（ ，  
Ｎｏ ．５１０６５０２１ Ｎｏ ．５１３６５０３７  
）
光学 精密工程  
ꢀ
第
卷
ꢀ
２５  
１０９６  
ꢀꢀꢀꢀꢀ  
ꢀꢀꢀꢀꢀ  
，
ｓｅｅｄａｎｄ ｏｓｉｔｉｏｎｏｆｆｏｌｌｏｗｉｎ ａｒｔｉｃｌｅ．Ｆｉｎａｌｌ ｆｕｚｚ Ｃ ｍｅａｎｓｃｌｕｓｔｅｒｉｎ ａｌｏｒｉｔｈｍ ｗａｓａｄｏｔｅｄｔｏ  
ꢀ
ꢀ －  
ｙ
ｐ
ꢀ
ꢀｐ  
ꢀ ꢀ  
ｇｐ  
ꢀ
ｙ
ꢀ
ｇ ｇ  
ꢀ
ꢀ
ｐ
ꢀ
，
ｓｏｌｖｅｍｅｍｂｅｒｓｈｉ ｍａｔｒｉｘａｎｄｄｅｔｅｒｍｉｎｅｆｉｔｎｅｓｓｆｕｎｃｔｉｏｎ．Ｏｎｔｈｅｂａｓｉｓｏｆａｂｏｖｅ ｏｔｉｍａｌ ｏｓｉｔｉｏｎｏｆａｌｌ  
ꢀ ꢀ ꢀｐ ꢀ ꢀ  
ｐ
ꢀ
ｐ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ａｒｔｉｃｌｅｓｗｅｒｅｕｄａｔｅｄａｎｄ ｏｓｉｔｉｏｎｓｕｅｒｉｏｒｉｔ ｏｆ ａｒｔｉｃｌｅａｎｄ ｏｕｌａｔｉｏｎｗｅｒｅ ｕｄｅｄｔｏ ａｉｎｃｏｒｒｅｃｔ  
ꢀ ꢀｐ ꢀ ꢀｐ ꢀ ｐ ꢀｐ ꢀ ꢀｐｐ ꢀ ꢀｊ ｇ ꢀ ꢀｇ ꢀ  
ｐ
ｙ
ꢀ
ｃｌｕｓｔｅｒｉｎ ｃｅｎｔｅｒａｎｄｔｏｒｅａｌｉｚｅｒｅｉｏｎｓｅ ｍｅｎｔａｔｉｏｎｏｆ ｏｉｎｔｃｌｏｕｄｄａｔａ．Ｔｏｏｋ ｏｉｎｔｃｌｏｕｄｍｏｄｅｌｗｉｔｈ  
ꢀ ꢀ ꢀ ｇ ꢀ ｇ ꢀ ꢀｐ ꢀ ꢀ ꢀｐ ꢀ ꢀ ꢀ  
ｇ
ꢀ
ꢀ
ｉｎｃｏｎｓｉｓｔｅｎｔｓｕｒｆａｃｅｃｏｍ ｌｅｘｉｔ ａｓｅｘａｍ ｌｅｔｏｖｅｒｉｆ ａｌｏｒｉｔｈｍａｎｄｄｉｓｃｕｓｓｆｅａｓｉｂｉｌｉｔ ｏｆＳＰＳＯＦＣＭ  
ｐ ꢀ ꢀ ｙ ｇ ｙ  
ꢀ ꢀ ꢀ  
ꢀ
ꢀ
ꢀ
ｐ
ｙ
ꢀ
ꢀ
ꢀ
－
ꢀ
ｃｌｕｓｔｅｒｉｎ ａｌｏｒｉｔｈｍａｎｄｃｏｍ ａｒｅｗｉｔｈＦＣＭ ｃｌｕｓｔｅｒｉｎ ａｌｏｒｉｔｈｍａｎｄ ｅｎｅｔｉｃＦＣＭ ｃｌｕｓｔｅｒｉｎ ａｌｏ  
ｇ ｇ ｇ ｇ ｇ ｇ  
ꢀ ꢀ ꢀ ꢀ ꢀｇ ꢀ －  
ꢀ
ꢀ
ｐ
ꢀ
ꢀ
ꢀ
ꢀ
，
ｒｉｔｈｍ．Ｅｘｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｃｏｍ ａｒｅｄｗｉｔｈｏｔｈｅｒ２ａｌｏｒｉｔｈｍｓ ＳＰＳＯＦＣＭｃｌｕｓｔｅｒｉｎ ａｌｏ  
ｇ ｇ  
－
ｐ
ꢀ
ꢀ
ꢀ
ꢀ
ｐ
ꢀ
ꢀ
ꢀ
ｇ
－
ꢀ
ꢀ
ｒｉｔｈｍｈａｓ ｕｉｃｋｅｒｃｏｎｖｅｒｅｎｃｅｒａｔｅａｎｄｌｅｓｓｉｔｅｒａｔｉｏｎｗｉｔｈｍｏｒｅｃｏｒｒｅｃｔｃｌｕｓｔｅｒｉｎ ａｎｄｃｌｅａｒｅｒｂｏｕｎｄａｒ  
ꢀｑ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ  
ｙ
ꢀ
ꢀ
ｇ
ꢀ
ｇ
ꢀ
ꢀ
ꢀ
，
ｒｅｉｏｎｓｅ ｍｅｎｔａｔｉｏｎ ａｎｄｅｓｅｃｉａｌｌ ｆｏｒ ｏｉｎｔｃｌｏｕｄｄａｔａｓｅ ｍｅｎｔａｔｉｏｎｏｆｍｅｃｈａｎｉｃａｌｃｏｍ ｏｎｅｎｔｓａｎｄ  
ꢀ ｇ ꢀ ｐ ꢀｐ ꢀ ｇ ꢀ ꢀ  
ｇ
ｙ
ꢀ
ꢀ
ꢀ
ꢀ
ｐ
ꢀ
，
ａｒｔｓｗｉｔｈｃｏｍ ｌｅｘｍｏｌｄｅｄｓｕｒｆａｃｅａｎｄｎｕｍｅｒｏｕｓ ｏｉｎｔｃｌｏｕｄｄａｔａ ｉｔｃａｎ ｅｔｂｅｔｔｅｒｓｅ ｍｅｎｔａｔｉｏｎｒｅ  
ꢀ －  
ｐ
ꢀ
ꢀ
ｐ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀｐ  
ꢀ
ꢀ
ꢀ
ꢀｇ ꢀ  
ꢀ ｇ  
ｓｕｌｔ．  
：
；
；
ｐ
；
Ｋｅ ｗｏｒｄｓ Ｐｏｉｎｔｃｌｏｕｄｄａｔａ ｒｅｉｏｎｓｅ ｍｅｎｔａｔｉｏｎ ａｒｔｉｃｌｅｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎａｌｏｒｉｔｈｍ ｆｕｚｚ ｃｌｕｓ  
－
ꢀ
ꢀ
ｇ
ꢀ ｇ  
ꢀ
ꢀｐ  
ꢀ ｇ  
ｙ
ꢀ
ｙ
ꢀ
ｔｅｒｉｎ  
ｇ
，
展来的 其利用空间的邻域信息获得最优的聚类  
，
中心 从 而 改 善 离 群 排 斥 并 减 少 了 模 糊  
引 言  
ꢀ ꢀ  
均 值  
Ｃ
－
１
［］  
４
。
（ ）  
聚类算法对噪声的敏 感性  
ＦＣＭ  
胡 文 庆等  
，
在扫描点云数据的曲面建模过程中 点云数  
ꢀꢀ  
人将基于聚类的算法扩展到对地面  
点云  
ＬｉＤＡＲ  
（
）
一直是重要的  
ＰｏｉｎｔＤａｔａＳｅ ｍｅｎｔａｔｉｏｎ  
ꢀ ｇ  
［］  
５
。
据分割  
ꢀ
分区中  
刘雪梅等人从估算点云数据特征值入  
， ，  
组成部分 它不仅是数据处理的必要步骤 也是后  
，
手 构造了一个八维特征向量来确定点云数据的  
。
续处理的关键与基础 常用的点云数据分割方法  
， ，  
聚类中心 并确定了此聚类中心的隶属度 通过设  
：
类 边缘检测方法  
（
），  
有
［］  
６
。
３
ｅｄｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｓ  
ｇ
－ ꢀ  
定隶属度阈值将点云数据划分为不同类别  
吴
（
）
和混 合  
区域生长方法  
［］  
７
。
ｒｅｉｏｎ ｒｏｗｉｎ ｍｅｔｈｏｄｓ  
ｇ ｇ  
ꢀ
－
ｇ
禄慎等人用点云分区方法对数据进行精简  
柯
（
）。  
，
近 年 来 由 于基于 聚 类  
方法  
ｈｂｒｉｄ ｍｅｔｈｏｄｓ  
ｙ
ꢀ
，
映林等人通过建立数据点之间的拓扑关系 利用  
、
的分割方法具有模型简单 易于应用且聚类性能  
，
微分信息识别数据点的特征属性 最后根据特征  
，
良好的优点 也逐渐被应用于点云数据分割  
。
基
［］  
８
。
相似性实现特征区域的划分  
赵东等人为了准  
于聚类的分割算法是将具有较高相似性特征的数  
，
确识别确定背景下的运动物体 在模糊算法的基  
，
据点进行分类的过程 其实现的前提是不同类中  
，
础上结合动态多目标粒子群算法 实现了动态多  
。
的数据点的几何特征参数的相似性应尽量低  
［］  
９
。
目标的图像分割  
为了进一步提高点云数据区  
，
通过聚类的方法如何实现数据分割 很多国  
， ，  
域分割的准确度和速度 降低噪声数据的影响 研  
。
Ｂｉｏｓｃａ  
内外的研究人员对此进行了分析研究  
等
。
究人员又相继提出了一些改进方法 有研究人员  
人提出了一种基于模糊方法的无监督鲁棒聚类方  
提出利用模糊理论与神经网络相结合的方法来实  
，
法 将扫描得到的点云数据的五维特征向量作为  
［
， ］  
１０１１  
，
现点云数据的有效划分  
但此类算法效率不  
［］  
１
；
，
模糊参数 实现数据的分割  
，
ｇ
等提  
Ｔｈｏｎ Ｐ．Ｈ  
。
，
为改善聚类算法的缺点 李海伦等人将遗传  
高
出了一种将自动图像模糊聚类方法与粒子群算法  
，
算法与模糊分析相结合 用以提高点云数据分割  
［］  
２
。
，
Ｎａａｋ Ｊ  
ｙ
相结合的混合算法对数据进行聚类  
［
］
１２  
，
。
的准确性  
但遗传算法实现起来较复杂 崔竹  
（ ）  
的方法引入到模  
ＥＴＬＢＯ  
等人将引起教学优化  
冬采用新兴的谱聚类算法对点云数据进行区域划  
， ，  
均值聚类算法中 实现对聚类中心的优化  
糊
Ｃ
－
［
］
１３  
。
巢
，
分 该方法具有复杂拓扑点云的聚类能力  
［］  
３
。
，
Ｍｅｋｈｍｏｕｋｈ Ａ  
从而得到了更好的分割效果  
，
渊等人将阈值分割方法与特定的理论相结合 提  
（ ）  
的分  
ＭＲ  
等人提出一种新的应用于磁共振图像  
（
）
以实现图像的有效分  
出一种混合算法  
ＰＳＯＧＳＡ  
，
割方法 该方法是在群智能优化方法的基础上扩  
［
］
１４  
。
，
割 该方法有效提高了分割的稳定性和精度  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号