首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

滑动窗口:将序列与之前/之后的所有序列进行比较

滑动窗口是一种在序列中移动固定大小的窗口,并将窗口内的元素与窗口之前或之后的元素进行比较的技术。它常用于解决数组、字符串等数据结构相关的问题,如查找最长子串、最小子数组和等等。

滑动窗口有以下几个特点和优势:

  1. 空间复杂度低:滑动窗口只需维护窗口大小相关的额外空间,不需要额外的数据结构来存储所有子序列的信息,因此空间复杂度较低。
  2. 时间复杂度低:滑动窗口一般可以在O(n)的时间复杂度内解决问题,因为每个元素只会被访问一次。
  3. 算法思路清晰:滑动窗口算法一般都有明确的思路和步骤,易于理解和实现。

滑动窗口的应用场景包括但不限于:

  1. 字符串匹配:通过滑动窗口可以在一个字符串中寻找另一个字符串的匹配情况,比如字符串包含、最小覆盖子串等。
  2. 数组操作:滑动窗口可以用于在数组中查找满足某些条件的子数组,如最大平均值、最大连续子数组和等。
  3. 数据流处理:滑动窗口可以用于处理数据流,通过滑动窗口的更新和移动,实时得到特定数据的统计信息。

推荐的腾讯云相关产品是: 腾讯云计算(Tencent Cloud Computing)产品提供了丰富的云服务,包括计算、网络、存储和数据库等领域。具体与滑动窗口相关的产品和链接如下:

  1. 云服务器(CVM):提供基于云的虚拟服务器,支持按需购买和弹性扩容。链接:云服务器
  2. 云数据库MySQL版(CDB):提供高可用、高性能的MySQL数据库服务,支持自动扩展和数据备份。链接:云数据库MySQL版
  3. 腾讯云对象存储(COS):提供高可靠、可扩展的对象存储服务,适用于存储和管理海量数据。链接:腾讯云对象存储
  4. 腾讯云函数计算(SCF):提供事件驱动的无服务器计算服务,支持按需执行代码逻辑。链接:腾讯云函数计算

以上是关于滑动窗口的概念、优势、应用场景以及推荐的腾讯云相关产品的介绍。希望对您有所帮助。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

​以边为中心的时变功能脑网络及其在自闭症中的应用

在这里,我们首先研究了边时间序列的动态特征,并将其与滑动窗口tvFC (sw-tvFC)中的动态特征进行了比较。然后,我们使用边时间序列来比较自闭症谱系障碍(ASD)受试者和健康对照组(CN)。...自引入以来,ETS一直被用于研究个体差异和大脑系统的起源,并在硅模型中使用其解剖基础进行了检查。然而,ETS的性能还没有与滑动窗口技术进行系统的比较。...在估计ETS和sw-tvFC之后,首先,在边时间序列和滑动窗口- tvfc的比较中,我们使用了CN组的数据,并比较了ETS和sw-tvFC的属性,包括全脑共波动动态、这些共波动在受试者之间的同步以及高和低振幅边波动之间的关系...讨论在本文中,我们比较了ETS的动态特性与常用的估计tvFC的方法:滑动窗口分析。我们在几个步骤中进行了比较,包括状态转换、跨受试者的共涨落同步等。...虽然这种方法已在几篇论文中使用,它们记录了tvFC滑动窗口估计中通常没有报道的特征,例如,共活动爆发,但没有对边时间序列和滑动窗口tvFC进行直接比较。

50940

时间序列预测如何变成有监督学习问题?

在这篇文章中,您将学习如何将一个时间序列问题重新组织为适合机器学习方法的有监督学习问题。通读全文之后,您会了解: 什么是监督式学习,以及为何它是所有预测建模机器学习算法的基础。...用于构造时间序列数据集的滑动窗口方法以及它的使用操作。 如何使用滑动窗口进行多元数据和多步骤预测。 让我们开始吧。 有监督机器学习 大多数实际机器学习问题都是有监督学习。...观察转换后的数据集,并将其与原始时间序列进行比较。我们可以有以下发现: 我们可以看到,在该监督学习问题中,前一个时间点的值为输入(X),下一个时间点的值是输出(y)。...我们可以看到滑动窗口方法如何用于具有多个变量的时间序列,或所谓的多元时间序列。 我们将探索滑动窗口的一些用法,使用它来处理每个时间步骤有多个观察值的时间序列,即多元时间序列。...到目前为止,我们所看到的所有例子都是一步式的预测。 有很多方法可以将多步预测问题建模成一个有监督学习问题,我们将在未来的文章中介绍其中一些方法。 现在,我们仅关注使用滑动窗口方法解决多步预测问题。

5.4K51
  • pandas时间序列常用方法简介

    当然,虽然同样是执行的模糊匹配,但对于时间序列和字符串序列的匹配策略还是略有不同:时间序列执行的模糊匹配是"截断式",即只要当前匹配,则进行筛选保留;而字符串序列执行的模糊匹配是"比较式",也就是说在执行范围查询时实际上是将各索引逐一与查询范围进行比较字符串大小...2.truncate截断函数,实际上这也不是一个时间序列的专用方法,而仅仅是pandas中布尔索引的一种简略写法:通过逐一将索引与起始值比较得出布尔值,从而完成筛选。...仍然以前述的时间索引记录为例,首先将其按4小时为周期进行采样,此时在每个4小时周期内的所有记录汇聚为一条结果,所以自然涉及到聚合函数的问题,包括计数、求均值、累和等等。 ?...05 滑动窗口 理解pandas中时间序列滑动窗口的最好方式是类比SQL中的窗口函数。实际上,其与分组聚合函数的联系和SQL中的窗口函数与分组聚合联系是一致的。...常用的滑动窗口函数主要有3个: shift,向前或向后取值 diff,向前或向后去差值 rolling,一段滑动窗口内聚合取值 仍以前述时间序列数据为例,为了便于比较,首先再次给出数据序列 ?

    5.8K10

    计算机网络OSI传输层

    发送方 将段的内容视为16-bit 校验和计算==>计算所有整数的和,进位加在和的后面,将得到的值按位取反,得到校验和 发送方将校验和放入校验和字段 接收方 计算所得到的校验和 将其校验和字段进行对比...滑动窗口协议 流水线机制 回顾RDT3.0的弊端==>由于停等协议==>导致性能极差 采用流水线机制==>提高资源利用率 流水线协议 允许发送方在收到ACK之前连续发送多个分组 更多序列号范围...: 允许使用的序列号范围 窗口尺寸为N : 最多有N个等待确认的消息 绿色==>已发送并且已确认 黄色==>已发送未确认 蓝色==>还可使用的序列号 滑动窗口 随着协议的运行,窗口序列号空间内向前滑动...NS+NR<=2k 可靠数据传输原理与协议回顾 信道的(不可靠)特性 可靠数据传输的需求 Rdt 1.0 Rdt 2.0, rdt 2.1, rdt 2.2 Rdt 3.0 流水线与滑动窗口协议 GBN...的编号 建立TCP连接时,双方随机选择序列号 ACKs: 希望接收到的下一个字节的序列号 累计确认:该序列号之前的所有字节均已被正 确接收到 Q: 接收方如何处理乱序到达的Segment ?

    26730

    TCP协议可靠性是如何保证之滑动窗口,超时重发,序列号确认应答信号

    当发送端将数据发出之后会等待对端的确认应答。如果有确认应答,说明数据已经成功到达对端。反之,则数据丢失的可能性很大。...滑动窗口示意图如下: [image] 上面这个图一个段为1000字节,滑动窗口是4个段,在①的状态下,如果收到一个序列号为2000的ACK,那么2001 之前的数据就没必要重发了,这部分的数据可以被过滤掉...当数据发出后若如期收到确认应答就可以不用再进行重发,此时数据就可以从缓存区清除。 收到确认应答的情况下,将窗口滑动到确认应答中的序列号的位置。这样可以顺序地将多个段同时发送提高通信性能。...这种机制也别称为滑动窗口控制。 滑动窗口控制与重发控制 在使用了窗口控制中,如果出现了丢包怎么办呢?...在滑动窗口比较大的情况下,同一个序列号的确认应答将会被重复不断地返回。

    7K40

    Recurrent Neural Networks for Time Series Forecasting: Current status and future directions

    传统的S2S架构中Encoder与Decoder都是RNN,这方面比较出色的工作是Amazon的DeepAR。...S2S机制的一个问题是将所有的输入数据编码成向量会造成信息损失,而注意力机制通过对更重要的信息加权,可以尽量减少这种信息损失。...Smyl还是NBEATS提出了局部时间序列处理方式,即每次使用滑动窗口的最后一个值进行时间序列预处理。...Direct Multi-Horizon strategy,同样作为MIMO,可以避免错误累积 常规的产生监督数据的方式:滑动窗口法。...Smyl提出了一个per window local normalization step,对使用滑动窗口法产生数据的正则化方式提出了一种比较好的局部正则化方法。

    28510

    LIC-Fusion 2.0:基于滑动窗口法平面特征跟踪的激光雷达惯性相机里程计

    ,具有在线时空校准(即LIC-Fusion2.0),它引入了一个新的滑动窗口平面特征跟踪,以有效地处理三维激光雷达点云.特别地,在通过利用惯性测量单元数据对激光雷达点进行运动补偿之后,低曲率平面点被提取并在滑动窗口中被跟踪...在我们之前的LIC-Fusion1.0工作的基础上,我们提出了一种新的平面特征跟踪算法来有效地处理激光雷达测量,然后将其最佳地集成到基于滑动窗口滤波器的多传感器融合框架中(参见图1中的系统概述).特别地...,在去除激光雷达点的运动失真之后,在当前滑动窗口期间,我们仅提取和跟踪与特定平面相关联的平面点.只有跟踪的平面点将用于平面特征初始化,这使得平面提取更加高效和鲁棒.虽然存在大量关于具有点特征的视觉惯性系统的可观测性分析的工作...表五显示了在7个序列上测试的5次运行的平均开始和结束误差.在实验中,我们将LIC-Fusion2.0与其子系统和其他最新算法进行了比较,在表五中,当最终漂移的范数大于30米时,我们省略了以“-”标记的严重故障....该方法已经在模拟数据集和真实数据集上得到了验证,并显示出比最先进的算法更高的精度.未来将研究激光雷达扫描中的滑动窗口边缘特征跟踪. - END - 本文仅做学术分享,如有侵权,请联系删文。

    91930

    Rdt 1.0: 可靠信道上的可靠数据传输Rdt 2.0: 产生位错误的信道Rdt 2.1: 发送方, 应对ACKNAK破坏Rdt 2.2: 无NAK消

    我们将讨论一下几个方面的内容 信道的(不可靠)特性 可靠数据传输的需求 Rdt 1.0 Rdt 2.0, rdt 2.1, rdt 2.2 Rdt 3.0 流水线与滑动窗口协议... 接收方通过ACK告知最后一个被正确接收的分组  在ACK消息中显式地加入被确认分组的序列号  发送方收到重复ACK之后,采取与收到NAK消息相同的动作  重传当前分组 ?...流水线机制与滑动窗口协议 为了改进停等机制所造成的效率低下,我们可以采用流水线的机制,一次发送多条报文段,充分利用空闲的时间 ?...,窗口在序列号空间内向前滑动 滑动窗口协议:GBN, SR Go-Back-N(GBN)协议 ?...这就是选择重复协议的思想 接收方对每个分组单独进行确认  设置缓存机制,缓存乱序到达的分组 发送方只重传那些没收到ACK的分组  为每个分组设置定时器 发送方窗口  N个连续的序列号

    2.4K20

    TCP 滑动窗口原理解析

    计算机之间使用 TCP 协议进行传输数据时,每次连接都需要经过 3 个阶段:创建连接、数据传送和释放连接,即传输数据之前,在发送端和接收端建立逻辑连接、然后传输数据、最后断开连接,它保证两台计算机之间比较可靠的数据传输...快速重传机制弥补了超时重传机制中时间过长的问题,但是它依然面临着另外一个问题,那就是重传的时候,是重传之前的一个还是重传所有的包? 例如上面的例子,是重传 Seq2 呢?...四、滑动窗口介绍 在上文中,我们有介绍到 TCP 协议的数据传输机制,当两台计算机之间建立连接之后,就可以进行传输数据了,TCP 每发送一个数据,都要进行一次确认应答,当上一个数据包收到了应答了, 再发送下一个...上图中的 ACK 600 确认应答报文丢失,也不会影响数据传输,因为可以通过下一个确认应答进行确认,只要发送方收到了 ACK 700 确认应答,就表示 700 之前的所有数据接收方都收到了,这种确认应答模式叫累计确认或者累计应答...本文整理了一些优秀网友分享的知识,在此特别感谢作者小林coding的图解 tcp 滑动窗口文章分享,给予了很大的知识帮助,同时结合自己的理解比较全面的探讨了 TCP 滑动窗口的原理,希望对大家有所帮助。

    34620

    从TCP协议的原理来谈谈rst复位攻击

    3、滑动窗口 滑动窗口毫无疑问是用来加速数据传输的。TCP要保证“可靠”,就需要对一个数据包进行ack确认表示接收端收到。...有了滑动窗口,接收端就可以等收到许多包后只发一个ack包,确认之前已经收到过的多个数据包。有了滑动窗口,发送端在发送完一个数据包后不用等待它的ack,在滑动窗口大小内可以继续发送其他数据包。...注意此时win窗口大小发生了改变哈。以此类推。 倒数第二、三包,服务器在滑动窗口内连续向客户端发包,客户端发送的ack 124同时确认了之前的两个包。这就是滑动窗口的功能了。...假定C伪装成A发过去的包,这个包如果是RST包的话,毫无疑问,B将会丢弃与A的缓冲区上所有数据,强制关掉连接。...序列号问题是与滑动窗口对应的,伪造的TCP包里需要填序列号,如果序列号的值不在A之前向B发送时B的滑动窗口内,B是会主动丢弃的。所以我们要找到能落到当时的AB间滑动窗口的序列号。

    2.7K10

    GEVO: 基于高斯的内存高效单目视觉里程计

    与之前的工作类似,我们从 Replica 中选择了八个序列:办公室 0-4 和房间 0-2,以及从 TUM RGB-D 中选择的三个序列:fr1 desk、fr2 xyz 和 fr3 office。...因此,GO-SLAM 在两个数据集上的地图大小恒定为 48 MB,这比基于高斯的框架在两个数据集上高出 4.7 到 124 倍。 渲染和定位精度 将 GEVO 的准确性与先前的方法进行比较。...如表 I 所示,我们的框架在使用 ORB-SLAM 进行定位时,在几乎所有序列中实现了第二好的渲染准确性和可比的定位准确性,比较对象是表现最好的 Photo-SLAM 方法。...由于我们的框架与多种定位方法兼容,我们配置了与 MonoGS 相同的直接定位方法进行比较。...得益于我们的一致性优化,比较 MonoGS 时,我们的框架在超过一半的序列中通常能提供更好的渲染准确性,而不需要在内存中存储最多 300 个关键帧进行训练。 图 5 显示了基准序列的示例渲染。

    10110

    You Only Cache Once:YOCO 基于Decoder-Decoder 的一个新的大语言模型架构

    和YOCO的存储复杂度,其中N、L、D分别为序列长度、层数和隐藏维数 全局KV缓存被重用,并且只需要恒定的缓存,数量为O (N + CL),其中N为输入长度,C为常数(如滑动窗口大小),L为层数。...gate应用于增加非线性 5、滑动窗口的注意力 滑动窗口注意将注意范围限制为固定的窗口大小C,在推理过程中,KV缓存复杂度可以从O (N)降低到O (C),即内存占用是恒定的,而不是随着序列长度的增加而增加...与多头自注意力类似,可以通过以下方式计算滑动窗口注意的输出: 这里的WQ,WK,WV,WO∈Rd×d为可学习矩阵,窗口因果掩码B控制每个查询只关注距离小于C 实验结果 作者通过增加训练词元的数量来训练一个...然后与基于transformer的语言模型进行比较。...推理的优势 将YOCOgRet与Transformer进行比较 1、GPU内存 推理内存消耗由模型权重、中间激活和KV缓存三部分组成。

    25010

    使用fastp对NGS数据进行质量过滤

    去除低质量的碱基 fastp支持类似trimmomatic滑动窗口的方式,对序列中的低质量碱基进行过滤,但是它的算法运行速度更快。...-W参数定义滑动窗口的长度,默认值为4,-M参数定义碱基平均质量的阈值,默认值为20。如果一个窗口内碱基平均质量低于20,该窗口及其之后的碱基都会被过滤掉。...默认情况下,是不会去除低质量碱基的,添加-3参数可以利用滑动窗口的方式从reads的3’端去除低质量的碱基。 5....UMI 预处理 由于文件构建过程中,存在PCR的过程, 会影响定量结果的准确性,最近出现了UMI这样的技术,本质上对未扩增之前的片段进行标记,建库之后,拥有相同UMI标记的reads来自于同一份模板,在数据分析时...fastp支持对UMI标记的序列进行预处理,添加-U参数之后,fastp就可以对UMI数据进行预处理。

    5.6K21

    使用Trimmomatic对NGS数据进行质量过滤

    但是在过滤低质量序列时,采用了滑动窗口的算法,给定窗口长度和步长,如果该窗口内所有碱基的平均质量值低于阈值,则将该窗口及其以后的碱基全部去除。...seed match时,允许的最大错配数;当满足了seed match后,trimmomatic会将adapter 序列的全长与输入序列进行比对,从而识别adapter序列。...去除低质量序列 trimmomatic 采用滑动窗口的方式去除低质量序列,需要指定滑动窗口的大小和平均质量的阈值,通过SLIDINGWINDOW参数指定,写法如下 SLIDINGWINDOW:4:15...如果窗口内4个碱基的平均质量值低于15,该窗口及之后的序列都会被去除。 3....将序列切割成指定长度 通过CROP参数指定长度,写法如下 CROP:120 表示将所有序列截取为120bp的长度。 7.

    3.2K20

    简单聊聊TCP协议的流程图解

    2.2 同步双方初始序列号 TCP协议通信的可靠性,是靠着“序列号”所维持的,上面我们看到,每次通信后,都会回一个ACK报文,ACK中的确认应答号都是靠着之前报文的序列号 + 1实现的,这样做有几个好处...由此我们引入了滑动窗口的概念,笼统讲就是我每次发送的包都有一个序列号,接收端必须对每一个包进行确认,这样主机 A一次可以多发送几个包,而不必等待ACK后再发送,同时接收端也要告知发送端它能够收多少个包,...,比如图中的前31个bytes,这些数据其实的位置是在窗口之外了,因为窗口内顺序最低的被确认之后,要移除窗口,实际上是窗口进行合拢,同时打开接收新的带发送的数据 Send But Not Yet Acknowledged...,重传成功会seg3,seg4一块被确认,不成功,seg4也将被丢弃; 就是不断重复着上述的过程,随着窗口不断滑动,将真个数据流发送到接收端,实际上接收端的 Window Size 通告也是会变化的,接收端根据这个值来确定何时及发送多少数据...,服务器回复一个ACK,并通告窗口为0,说明接收方已经收到所有数据,并保存到缓冲区,但是这个时候应用程序并没有接收这些数据,导致缓冲区没有更多的空间,故通告窗口为0, 这也就是所谓的零窗口,零窗口期间,

    1.7K40

    和为S的连续正数序列

    没多久,他就得到另一组连续正数和为100的序列:18,19,20,21,22。现在把问题交给你,你能不能也很快的找出所有和为S的连续正数序列? 输出所有和为 S 的连续正数序列。...解题思路 滑动窗口核心思想: 由题意可知,需要根据指定的数,求解连续的正数序列。因此此序列可以看做是等差序列,其中公差为1。因此本题可以采用滑动窗口来求解正数序列。...求解窗口中的和Sn,并和目标值target进行比较,比较结果有如下三种情况: 1)当 Sn>target 时:左侧窗口p1向右滑动,即元素减少一个,继续求和跟target比较 2)当 Sn=target...时:窗口内的元素即为求解的子序列和,将窗口中的元素存放到二维数组中(每个序列存放在一维数组)。...同时窗口pn向右滑动,继续接收新的子序列。

    39320

    RD-VIO: 动态环境下移动增强现实的稳健视觉惯性里程计

    子关键帧的滑动窗口 正如之前介绍的,我们不能填充滑动窗口以容纳纯旋转帧,也不能丢弃纯旋转帧,因为它们必须保留以持续估计IMU偏差,在系统中引入了一个子帧机制,允许一个关键帧携带一组子帧,如图6中每种情况的下部分所示...添加新关键帧时的处理:当向滑动窗口中添加新的关键帧时,将对所有关键帧进行完整的捆集调整。对于携带R-型子帧的关键帧,使用预积分链来进行调整。...对于每个检测到的R帧,我们添加了一个表示其时间点的红色线。对于所有序列,都存在长时间的停止期。我们的方法几乎可以将这些时期的所有帧标记为R帧。...图9显示了序列MH_05_difficult前20秒的定位误差曲线 定性比较 表1列出了我们在这些算法上收集的所有EuRoC RMSE。...与基线VIO相比,SF-VIO在许多序列上都显示出了显著的改进。 我们测量了系统每个模块的运行时间。我们将VINS-Mono配置为具有8帧大小的滑动窗口,并停用了其后端,以确保两个系统之间的公平比较。

    38511

    14种模式搞定面试算法编程题(PART I)

    1、滑动窗口 滑动窗口模式用于对给定数组或链表的特定窗口大小执行所需操作,例如查找包含所有1的最长子序列。滑动窗口从第一个元素开始,每次向右移动一个元素并根据要解决的问题调整窗口的长度。...在某些情况下,窗口的大小保持不变,而在其他情况下,大小会增大或缩小。 ? 应用场景 okay,理解了滑动窗口原理之后,那么什么情况下我们会需要用到它呢?...问题输入是线性数据结构,如链表、数组或字符串 题目要求查找最长/最短的子字符串、子数组或所需的值 举个栗子 来看看实际应用滑动窗口解决的问题 滑动窗口的最大值(剑指offer)[2] 滑动窗口中位数(LEETCODE...在排序数组或链表中搜索元素对时,两个指针通常很有用, 例如将数组的每个元素与其他元素进行比较时。 通常我们需要两个指针是因为如果只采用单个指针,必须不断循环数组才能找到答案。...应用场景 涉及树的先序、中序或者后续遍历问题 如果问题涉及搜索节点离叶子更近的目标 举个栗子 求根到叶子节点数字之和(LEETCODE)[19] 二叉树的最大深度(LEETCODE)[20] 从中序与后序遍历序列构造二叉树

    2.1K11

    什么是TCP滑动窗口?

    如果不能及时收到一个确认,将重发这个报文段。 在进行TCP传输时,由于确认应答与序列号机制,也就是说发送方发送一部分数据后,都会等待接收方发送的ACK报文,并解析ACK报文,判断数据是否传输成功。...3、确认应答+序列号: 对于收到的请求,给出确认响应 序列号:TCP传输时将每个字节的数据都进行了编号,这就是序列号。 确认应答:TCP传输的过程中,每次接收方收到数据后,都会对传输方进行确认应答。...发送方:在发送数据之前计算检验和,并进行校验和的填充。 接收方:收到数据后,对数据以同样的方式进行计算,求出校验和,与发送方的进行比对。...这时候就引入一个叫做拥塞窗口的概念。发送刚开始定义拥塞窗口为 1,每次收到ACK应答,拥塞窗口加 1。在发送数据之前,首先将拥塞窗口与接收端反馈的窗口大小比对,取较小的值作为实际发送的窗口。...当收到确认应答信号过之后,会把滑动窗口的位置滑动到确认应答的序列号的位置,这样就可以顺序的将多个段同时发送以提高通信功能了。这就是滑动窗口控制。

    76531

    三分钟算法修行-无重复字符的最长子串的《四种解法》

    请继续跟小诚一起学习,小诚会尽自己最大的努力,将每道算法题从题目剖析到解决方案都讲得更加通俗理解,与大家共同成长。...具体思路: 将字符串中每个字符作为一个循环,和子串的组合进行比较,从而获取最长字串长度。...执行结果: 五、通关方式三:滑动窗口法优化(一)   虽然方式使用了滑动窗口时间复杂度只有O(n),但是如果存在重复字符还需要移动开始索引,因此我们可以考虑借助之前其他算法谈到的“空间换时间”的想法...,**随着输入问题规模增大(既字符串长度编程),需要进行判断的逻辑之间的函数为f(n) = n,根据大O记法可推导出,滑动窗口法优化算法的时间复杂度为O(n)**,虽然和上一种方案的时间复杂度是一样的,...2、滑动窗口算法也可以用于优化for循环,将多重循环转换成单层循环,用于降低时间复杂度,提高执行性能。

    2.5K21
    领券