高小英和张东健1998年合作出演过爱情片《恋风恋歌

最新推荐文章于 2018-08-27 16:35:02 发布
最新推荐文章于 2018-08-27 16:35:02 发布
阅读量975 收藏
点赞数
原文链接：http://www.cnblogs.com/ddvvsv/archive/2012/07/20/2600634.html
版权

张东健和高小英于2010年5月2日在新罗酒店举行“世纪婚礼”。

▲高小英和张东健读书时候的照片，被网友称赞天然美貌。

高小英和张东健1998年合作出演过爱情片《恋风恋歌》。

□专题撰文 肖华 实习生 梁秀君

走入不惑之年，一般人的生活本应归于平淡，但在韩剧《绅士的品格》里，金道振、李正录、林泰山和崔润，却以40岁之姿继续游戏人间，“因为我们还在一起，所以仍然是少年”。戏里，这四位“花大叔”爱看美女，不管已婚未婚或闹离婚的，都抵挡不了短裙美腿的诱惑；戏外，同为70后的四位扮演者张东健、李钟赫、金秀路和金民钟，同样亲密无间，不同的是，他们或婚姻美满或专一长情，因为以家庭为重，才是他们的婚姻观。

张东健：戒夜蒲喝酒以挽救分手

《绅士的品格》里，金道振因为帅气外表吸引到不少暗送秋波的美女，但他坚持单身的理由是“挣的钱不想分给老婆或是孩子花”；现实中，张东健对妻儿可是出手大方、疼爱有加。他和高小英于2010年5月2日在新罗酒店举行“世纪婚礼”，加上他2009年在首尔铜雀区黑石洞购入的394.67平方米的婚房，巴厘岛的超豪华蜜月旅行，花费近35亿韩元，折合人民币近2000万元。

张东健对妻子相当细心，婚前他曾亲自陪同怀孕三个月的高小英到医院检查，笑言希望能有一个像妻子那般漂亮的女儿。印度尼西亚巴厘岛度蜜月归来后，张东健又暂停了演艺活动，把全部精力用于胎教。有张东健的朋友透露：“我知道东健去新婚旅行时，还准备了胎教CD和给妻子做足疗的按摩油。”由于高小英已是高龄产妇，产后又安排她入住了高级调理院。

剧中，金道振被女主角撞见他与其他女人过夜，还理直气壮地说，“不要误会，我没有妹妹，也没有表亲或者其他血缘关系的妹妹。暗恋你的男人，就不能跟别的女人睡吗？”但现实中的张东健，不仅绯闻不多，还为了挽回女友的心而改变生活习惯。他与高小英于1998年合作出演爱情片《恋风恋歌》成为好友，2009年时公布相恋两年。高小英本月9日接受节目《Healing Camp》采访时，坦承自己的梦中情人是孤独、稳重的男人，张东健正好属于安静、稳重的性格。不过，“貌似是张东健先喜欢上我的，我也感觉到了他的心。”两人一度有过分手危机，当时高小英觉得年纪已经不小，萌生结婚的念头，但张东健依然很喜欢和朋友聚会喝酒，“我不满意他昼夜颠倒的生活方式，但又不想让他改变。我当时想，这个男人大概还没做好结婚的准备，于是提议以朋友的关系相处。这也是因为不想失去他，因为按恋人关系走下去，可能会恶化。”张东健问她为什么要这样，高小英坦率说出两人在生活方式上有分歧的问题。后来张东健就改变了，他的努力，让高小英看到他的真心，“知道他对我们的关系非常认真，想继续和我深入相处，于是我们继续走了下去。”

至于婚前怀孕，也是计

转载于:https://www.cnblogs.com/ddvvsv/archive/2012/07/20/2600634.html

a362742129
关注
张东健高小英奢侈育儿 网友表示不理解
01-07 527
韩国大众对顶级明星夫妇张东健和高小英的关注程度从未降低过,不久前产下宝宝的高小英选择的婴儿车和纸尿裤也成为议论焦点。 ...                                       　　韩国大众对顶级明星夫妇张东健和高小英的关注程度从未降低过，不久前产下宝宝的高小英选择的婴儿车和纸尿裤也成为议论焦点。　　 <br />　　   根据某
韩星张东健接3岁半儿子放学 父子首张"合影"曝光
iwkeurwe的专栏
05-27 302
据香港媒体报道，韩国型男张东健虽然在新片《哭泣的男人》入面饰演杀手，但私底下他却是位二十四孝好老公好爸爸。为什么这么说呢？就像上个月，他眼见老婆高小英刚生完二胎女儿，而自己又未参加《哭》的宣传，于是就帮老婆，接3岁半的女儿俊赫放学，一日着黑衫，一日着白衫，两日都看上去十分有型。 　　更重要的是，这次是张东健父子首度被拍下合照，俊赫生得白白净净眉清目秀，绝对是位帅气的星二代。俊赫靓样曝光后，网友都
你的生日和那位明星同一天呢？
weixin_30794851的博客
05-28 347
一月 1月1日 言承旭 陈锦鸿 葛优 堂本光一（日）安成基（韩） 1月2日 竹野内丰（日） 1月3日 孙耀威 蔡一智 陈冲 黄伊汶 朴素美（韩） 1月4日 陈坤 1月5日 黄凤仪 戚美珍 1月6日 陆毅 黄瑞丰 朴善英（韩） 1月7日 陈秀雯 杨恭如 1月8日 陈明真 朴真姬（韩） 1月9日 孙淑媚 蔡安荞 满江 1月10日 郑惠玉 1月11日 黄舒骏 孙艺珍（韩） 1月12日 堂娜 齐秦 张镐哲...
你和那位明星同月同日出生（呵呵。。你就别想同年了啊）
吃螃蟹的虾子
02-02 4984
~1月~ 1月1日 言承旭 陈锦鸿 葛优 堂本光一（日）安成基（韩） 1月2日 竹野内丰（日） 1月3日 孙耀威 蔡一智 陈冲 黄伊汶 朴素美（韩） 1月4日 陈坤 1月5日 黄凤仪 戚美珍 1月6日 陆毅 黄瑞丰 朴善英（韩） 1月7日 陈秀雯 杨恭如 1月8日 陈明真 朴真姬（韩） 1月9日 孙淑媚 蔡安荞 满江 1月10日 郑惠玉 1月11日 黄舒骏 孙艺珍（韩） 1月12日 堂娜 齐秦 张
触不到的浪漫.空间能发生这种迷失感
紅了眼眶黑了眼圈
07-03 2196
文章起源:ELLE生活 韩国电影中众多以青春爱情为题材的优良影片,有悲剧也有笑剧,其中必定有那么几部在观众的心中留下了深入的印象.下面就来观赏这些经典的韩国爱情电影. 1、菊花香 也许,你闻见一个女子带着菊花香,就决议去爱她毕生;也许,你随便地筛选出一首老歌,来倾述你的心声;兴许,你会在树干上镌刻爱人的名字,让爱情成长;也许,你在性命的最后时刻,踩着沙沙作响的银杏叶子跳一支舞;也许,你亲手去
投资集团拟以每股118.00美元的价格收购泰邦生物
美国商业资讯的博客
08-23 408
拟议收购将为泰邦生物股东带来直接而重大的价值 中国北京--(美国商业资讯)--由高小英先生、德福资本、中银集团投资有限公司和鼎晖投资组成的投资集团 （“财团”）今天宣布，已提议以每股118.00美元的价格全现金收购泰邦生物集团（以下简称“泰邦生物”或“公司”）（纳斯达克股票代码：CBPO）所有已发行并且尚未由财团持有的普通股，交易额约为39亿美元。该提案于2018年8月17日提交给泰邦生物董事会...
投资集团就泰邦生物进行稀释性非公开股票发行的决定发表声明
美国商业资讯的博客
08-27 268
北京 -- (美国商业资讯) -- 由高小英先生、德福资本、中银集团投资有限公司和鼎晖投资组成的投资集团 （“财团”）发表声明，稍早前，泰邦生物制品集团（以下简称“泰邦生物”或“公司”）（纳斯达克股票代码：CBPO）决定发行稀释性非公开股票，并拒绝了该财团提出的以每股118.00美元的价格全现金收购公司所有已发行而尚未由财团持有的普通股之提案司。财团提议的收购价比泰邦生物2018年8月16日（财团...
明星生日榜
neweroica的专栏
03-09 5245
1月 1月1日 言承旭 陈锦鸿 葛优 堂本光一（日）安成基（韩） 1月2日 竹野内丰（日） 1月3日 孙耀威 蔡一智 陈冲 黄伊汶 朴素美（韩） 梅尔-吉布森 1月4日 陈坤 1月5日 黄凤仪 戚美珍 姜文 1月6日 陆毅 黄瑞丰 朴善英（韩） 1月7日 陈秀雯 杨恭如 尼古拉斯-凯奇 1月8日 陈明真 朴真姬（韩） 1月9日 孙淑媚 蔡安荞 满江 1月10日 郑惠玉 1月11日 黄舒骏 孙艺珍（
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
c#代码介绍23种设计模式-03工厂模式(附代码)
09-21
1. 工厂方法模式之所以可以解决简单工厂的模式： 是因为它的实现把具体产品的创建推迟到子类中，此时工厂类不再负责所有产品的创建，而只是给出具体工厂必须实现的接口， 这样工厂方法模式就可以允许系统不修改工厂类逻辑的情况下来添加新产品，这样也就克服了简单工厂模式中缺点 2. 使用工厂方法实现的系统，如果系统需要添加新产品时： 我们可以利用多态性来完成系统的扩展，对于抽象工厂类和具体工厂中的代码都不需要做任何改动。 例如，我们我们还想点一个“肉末茄子”，此时我们只需要定义一个肉末茄子具体工厂类和肉末茄子类就可以。而不用像简单工厂模式中那样去修改工厂类中的实现 3. 从UML图可以看出，在工厂方法模式中，工厂类与具体产品类具有平行的等级结构，它们之间是一一对应的。针对UML图的解释如下： Creator类：充当抽象工厂角色，任何具体工厂都必须继承该抽象类 TomatoScrambledEggsFactory和ShreddedPorkWithPotatoesFactory类：充当具体工厂角色，用来创建具体产品 Food类：充当抽象产品角色，具体产品的抽象类。任何具体产品都应该继承该类 Tom
基于深度学习对法国租界地黑白照片上色模型.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值