mhmm em matlab,连续隐马尔可夫离散隐马尔科夫模型的MATLAB实现

最新推荐文章于 2024-01-09 16:08:57 发布
最新推荐文章于 2024-01-09 16:08:57 发布
阅读量683 收藏
点赞数
文章标签： mhmm em matlab

连续隐马尔可夫离散隐马尔科夫模型的MATLAB实现

matlab

2021-2-14

下载地址

https://www.codedown123.com/63729.html

隐马尔可夫连续和离散情况下的MATLAB实现

资源下载此资源下载价格为2D币，请先登录

资源文件列表

268151113HMM(matlab)/Hidden Markov Model (HMM) Toolbox for Matlab.mht , 6225

268151113HMM(matlab)/HMMall/HMM/#fwdback.m# , 6896

268151113HMM(matlab)/HMMall/HMM/#mhmm_em.m# , 5589

268151113HMM(matlab)/HMMall/HMM/#README.txt# , 550

268151113HMM(matlab)/HMMall/HMM/dhmm_em.m , 4081

268151113HMM(matlab)/HMMall/HMM/dhmm_em_demo.m , 687

268151113HMM(matlab)/HMMall/HMM/dhmm_em_online.m , 2376

268151113HMM(matlab)/HMMall/HMM/dhmm_em_online_demo.m , 2249

268151113HMM(matlab)/HMMall/HMM/dhmm_logprob.m , 640

268151113HMM(matlab)/HMMall/HMM/dhmm_logprob_brute_force.m , 552

268151113HMM(matlab)/HMMall/HMM/dhmm_logprob_path.m , 448

268151113HMM(matlab)/HMMall/HMM/dhmm_sample.m , 408

268151113HMM(matlab)/HMMall/HMM/dhmm_sample_endstate.m , 622

268151113HMM(matlab)/HMMall/HMM/fixed_lag_smoother.m , 2096

268151113HMM(matlab)/HMMall/HMM/fixed_lag_smoother_demo.m , 987

268151113HMM(matlab)/HMMall/HMM/fwdback.m , 6896

268151113HMM(matlab)/HMMall/HMM/fwdback.m~ , 6518

268151113HMM(matlab)/HMMall/HMM/fwdback_xi.m , 6642

268151113HMM(matlab)/HMMall/HMM/fwdprop_backsample.m , 1899

268151113HMM(matlab)/HMMall/HMM/fwdprop_backsample.m~ , 1898

268151113HMM(matlab)/HMMall/HMM/gausshmm_train_observed.m , 1561

268151113HMM(matlab)/HMMall/HMM/herbert.txt~ , 10449

268151113HMM(matlab)/HMMall/HMM/mc_sample.m , 442

268151113HMM(matlab)/HMMall/HMM/mc_sample_endstate.m , 711

268151113HMM(matlab)/HMMall/HMM/mdp_sample.m , 490

268151113HMM(matlab)/HMMall/HMM/mhmmParzen_train_observed.m , 1203

268151113HMM(matlab)/HMMall/HMM/mhmm_em.m , 5610

268151113HMM(matlab)/HMMall/HMM/mhmm_em.m~ , 5562

268151113HMM(matlab)/HMMall/HMM/mhmm_em_demo.m , 1004

268151113HMM(matlab)/HMMall/HMM/mhmm_logprob.m , 960

268151113HMM(matlab)/HMMall/HMM/mhmm_sample.m , 1071

268151113HMM(matlab)/HMMall/HMM/mk_leftright_transmat.m , 248

268151113HMM(matlab)/HMMall/HMM/mk_rightleft_transmat.m , 249

268151113HMM(matlab)/HMMall/HMM/pomdp_sample.m , 612

268151113HMM(matlab)/HMMall/HMM/publishHMM.m , 32

268151113HMM(matlab)/HMMall/HMM/README.txt , 550

268151113HMM(matlab)/HMMall/HMM/README.txt~ , 817

268151113HMM(matlab)/HMMall/HMM/testHMM.m , 138

268151113HMM(matlab)/HMMall/HMM/transmat_train_observed.m , 1245

268151113HMM(matlab)/HMMall/HMM/viterbi_path.m , 1541

268151113HMM(matlab)/HMMall/KPMstats/#histCmpChi2.m# , 267

268151113HMM(matlab)/HMMall/KPMstats/beta_sample.m , 1955

268151113HMM(matlab)/HMMall/KPMstats/chisquared_histo.m , 199

268151113HMM(matlab)/HMMall/KPMstats/chisquared_prob.m , 1326

268151113HMM(matlab)/HMMall/KPMstats/chisquared_readme.txt , 1389

268151113HMM(matlab)/HMMall/KPMstats/chisquared_table.m , 2127

268151113HMM(matlab)/HMMall/KPMstats/clg_Mstep.m , 5884

268151113HMM(matlab)/HMMall/KPMstats/clg_Mstep_simple.m , 1463

268151113HMM(matlab)/HMMall/KPMstats/clg_prob.m , 421

268151113HMM(matlab)/HMMall/KPMstats/condGaussToJoint.m , 646

268151113HMM(matlab)/HMMall/KPMstats/condgaussTrainObserved.m , 908

268151113HMM(matlab)/HMMall/KPMstats/condgauss_sample.m , 351

268151113HMM(matlab)/HMMall/KPMstats/cond_indep_fisher_z.m , 3789

268151113HMM(matlab)/HMMall/KPMstats/convertBinaryLabels.m , 101

268151113HMM(matlab)/HMMall/KPMstats/cwr_demo.m , 3513

268151113HMM(matlab)/HMMall/KPMstats/cwr_em.m , 4912

268151113HMM(matlab)/HMMall/KPMstats/cwr_predict.m , 1677

268151113HMM(matlab)/HMMall/KPMstats/cwr_prob.m , 1011

268151113HMM(matlab)/HMMall/KPMstats/cwr_readme.txt , 534

268151113HMM(matlab)/HMMall/KPMstats/cwr_test.m , 2436

268151113HMM(matlab)/HMMall/KPMstats/dirichletpdf.m , 1049

268151113HMM(matlab)/HMMall/KPMstats/dirichletrnd.m , 1049

268151113HMM(matlab)/HMMall/KPMstats/dirichlet_sample.m , 582

268151113HMM(matlab)/HMMall/KPMstats/distchck.m , 3836

268151113HMM(matlab)/HMMall/KPMstats/eigdec.m , 1535

268151113HMM(matlab)/HMMall/KPMstats/est_transmat.m , 535

268151113HMM(matlab)/HMMall/KPMstats/fit_paritioned_model_testfn.m , 103

268151113HMM(matlab)/HMMall/KPMstats/fit_partitioned_model.m , 2290

268151113HMM(matlab)/HMMall/KPMstats/gamma_sample.m , 3144

268151113HMM(matlab)/HMMall/KPMstats/gaussian_prob.m , 848

268151113HMM(matlab)/HMMall/KPMstats/gaussian_sample.m , 659

268151113HMM(matlab)/HMMall/KPMstats/histCmpChi2.m , 394

268151113HMM(matlab)/HMMall/KPMstats/histCmpChi2.m~ , 353

268151113HMM(matlab)/HMMall/KPMstats/KLgauss.m , 342

268151113HMM(matlab)/HMMall/KPMstats/linear_regression.m , 2038

268151113HMM(matlab)/HMMall/KPMstats/logist2.m , 3050

268151113HMM(matlab)/HMMall/KPMstats/logist2Apply.m , 365

268151113HMM(matlab)/HMMall/KPMstats/logist2ApplyRegularized.m , 91

268151113HMM(matlab)/HMMall/KPMstats/logist2Fit.m , 593

268151113HMM(matlab)/HMMall/KPMstats/logist2FitRegularized.m , 411

268151113HMM(matlab)/HMMall/KPMstats/logistK.m , 7540

268151113HMM(matlab)/HMMall/KPMstats/logistK_eval.m , 2372

268151113HMM(matlab)/HMMall/KPMstats/marginalize_gaussian.m , 293

268151113HMM(matlab)/HMMall/KPMstats/matrix_normal_pdf.m , 346

268151113HMM(matlab)/HMMall/KPMstats/matrix_T_pdf.m , 430

268151113HMM(matlab)/HMMall/KPMstats/mc_stat_distrib.m , 790

268151113HMM(matlab)/HMMall/KPMstats/mixgauss_classifier_apply.m , 534

268151113HMM(matlab)/HMMall/KPMstats/mixgauss_classifier_train.m , 1377

268151113HMM(matlab)/HMMall/KPMstats/mixgauss_em.m , 2252

268151113HMM(matlab)/HMMall/KPMstats/mixgauss_init.m , 1357

268151113HMM(matlab)/HMMall/KPMstats/mixgauss_Mstep.m , 3283

268151113HMM(matlab)/HMMall/KPMstats/mixgauss_prob.m , 4102

268151113HMM(matlab)/HMMall/KPMstats/mixgauss_prob_test.m , 2320

268151113HMM(matlab)/HMMall/KPMstats/mixgauss_sample.m , 734

268151113HMM(matlab)/HMMall/KPMstats/mkPolyFvec.m , 576

268151113HMM(matlab)/HMMall/KPMstats/mk_unit_norm.m , 280

268151113HMM(matlab)/HMMall/KPMstats/multinomial_prob.m , 567

268151113HMM(matlab)/HMMall/KPMstats/multinomial_sample.m , 577

268151113HMM(matlab)/HMMall/KPMstats/multipdf.m , 1192

268151113HMM(matlab)/HMMall/KPMstats/multirnd.m , 1161

268151113HMM(matlab)/HMMall/KPMstats/normal_coef.m , 205

268151113HMM(matlab)/HMMall/KPMstats/partial_corr_coef.m , 844

268151113HMM(matlab)/HMMall/KPMstats/parzen.m , 2478

268151113HMM(matlab)/HMMall/KPMstats/parzenC.c , 2790

268151113HMM(matlab)/HMMall/KPMstats/parzenC.dll , 49152

268151113HMM(matlab)/HMMall/KPMstats/parzenC.mexglx , 20215

268151113HMM(matlab)/HMMall/KPMstats/parzenC_test.m , 250

268151113HMM(matlab)/HMMall/KPMstats/parzen_fit_select_unif.m , 1668

268151113HMM(matlab)/HMMall/KPMstats/pca.m , 1077

268151113HMM(matlab)/HMMall/KPMstats/README.txt , 156

268151113HMM(matlab)/HMMall/KPMstats/rndcheck.m , 8072

268151113HMM(matlab)/HMMall/KPMstats/sample.m , 358

268151113HMM(matlab)/HMMall/KPMstats/sample_discrete.m , 1002

268151113HMM(matlab)/HMMall/KPMstats/sample_gaussian.m , 524

268151113HMM(matlab)/HMMall/KPMstats/standardize.m , 462

268151113HMM(matlab)/HMMall/KPMstats/standardize.m~ , 446

268151113HMM(matlab)/HMMall/KPMstats/student_t_logprob.m , 521

268151113HMM(matlab)/HMMall/KPMstats/student_t_prob.m , 643

268151113HMM(matlab)/HMMall/KPMstats/test_dir.m , 368

268151113HMM(matlab)/HMMall/KPMstats/unidrndKPM.m , 122

268151113HMM(matlab)/HMMall/KPMstats/unidrndKPM.m~ , 85

268151113HMM(matlab)/HMMall/KPMstats/unif_discrete_sample.m , 258

268151113HMM(matlab)/HMMall/KPMstats/weightedRegression.m , 1343

268151113HMM(matlab)/HMMall/KPMtools/approxeq.m , 489

268151113HMM(matlab)/HMMall/KPMtools/approx_unique.m , 852

268151113HMM(matlab)/HMMall/KPMtools/argmax.m , 347

268151113HMM(matlab)/HMMall/KPMtools/argmin.m , 382

268151113HMM(matlab)/HMMall/KPMtools/asdemo.html , 57181

268151113HMM(matlab)/HMMall/KPMtools/asdemo.m , 1337

268151113HMM(matlab)/HMMall/KPMtools/asort.m , 8242

268151113HMM(matlab)/HMMall/KPMtools/asort.m~ , 8493

268151113HMM(matlab)/HMMall/KPMtools/assert.m , 214

268151113HMM(matlab)/HMMall/KPMtools/assignEdgeNums.m , 670

268151113HMM(matlab)/HMMall/KPMtools/assign_cols.m , 695

268151113HMM(matlab)/HMMall/KPMtools/axis_pct.m , 1588

268151113HMM(matlab)/HMMall/KPMtools/bipartiteMatchingDemo.m , 2559

268151113HMM(matlab)/HMMall/KPMtools/bipartiteMatchingDemo.m~ , 1152

268151113HMM(matlab)/HMMall/KPMtools/bipartiteMatchingDemoPlot.m , 507

268151113HMM(matlab)/HMMall/KPMtools/bipartiteMatchingDemoPlot.m~ , 453

268151113HMM(matlab)/HMMall/KPMtools/bipartiteMatchingHungarian.m , 2683

268151113HMM(matlab)/HMMall/KPMtools/bipartiteMatchingIntProg.m , 1712

268151113HMM(matlab)/HMMall/KPMtools/bipartiteMatchingIntProg.m~ , 861

268151113HMM(matlab)/HMMall/KPMtools/block.m , 433

268151113HMM(matlab)/HMMall/KPMtools/cell2num.m , 1261

268151113HMM(matlab)/HMMall/KPMtools/centeringMatrix.m , 161

268151113HMM(matlab)/HMMall/KPMtools/chi2inv.m , 1196

268151113HMM(matlab)/HMMall/KPMtools/choose.m , 162

268151113HMM(matlab)/HMMall/KPMtools/collapse_mog.m , 871

268151113HMM(matlab)/HMMall/KPMtools/colmult.c , 1255

268151113HMM(matlab)/HMMall/KPMtools/colmult.mexglx , 19974

268151113HMM(matlab)/HMMall/KPMtools/computeROC.m , 1868

最多只能显示150条信息!

蔡惘然
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
hmm算法matlab实现和实例
10-09
hmm算法matlab实现和实例 hmm_em.m function [LL, prior, transmat, obsmat, nrIterations] = ... dhmm_em(data, prior, transmat, obsmat, varargin) % LEARN_DHMM Find the ML/MAP parameters of an HMM with discrete outputs using EM. % [ll_trace, prior, transmat, obsmat, iterNr] = learn_dhmm(data, prior0, transmat0, obsmat0, ...) % % Notation: Q(t) = hidden state, Y(t) = observation % % INPUTS: % data{ex} or data(ex,:) if all sequences have the same length % prior(i) % transmat(i,j) % obsmat(i,o) % % Optional parameters may be passed as 'param_name', param_value pairs. % Parameter names are shown below; default values in [] - if none, argument is mandatory. % % 'max_iter' - max number of EM iterations [10] % 'thresh' - convergence threshold [1e-4] % 'verbose' - if 1, print out loglik at every iteration [1] % 'obs_prior_weight' - weight to apply to uniform dirichlet prior on observation matrix [0] % % To clamp some of the parameters, so learning does not change them: % 'adj_prior' - if 0, do not change prior [1] % 'adj_trans' - if 0, do not change transmat [1] % 'adj_obs' - if 0, do not change obsmat [1] % % Modified by Herbert Jaeger so xi are not computed individually % but only their sum (over time) as xi_summed; this is the only way how they are used % and it saves a lot of memory. [max_iter, thresh, verbose, obs_prior_weight, adj_prior, adj_trans, adj_obs] = ... process_options(varargin, 'max_iter', 10, 'thresh', 1e-4, 'verbose', 1, ... 'obs_prior_weight', 0, 'adj_prior', 1, 'adj_trans', 1, 'adj_obs', 1); previous_loglik = -inf; loglik = 0; converged = 0; num_iter = 1; LL = []; if ~iscell(data) data = num2cell(data, 2); % each row gets its own cell end while (num_iter <= max_iter) & ~converged % E step [loglik, exp_num_trans, exp_num_visits1, exp_num_emit] = ... compute_ess_dhmm(prior, transmat, obsmat, data, obs_prior_weight); % M step if adj_prior prior = normalise(exp_num_visits1); end if adj_trans & ~isempty(exp_num_trans) transmat = mk_stochastic(exp_num_trans); end if adj_obs obsmat = mk_stochastic(exp_num_emit); end
mhmm em matlab,第二章 HMM工具箱命令使用说明.docx
weixin_35676943的博客
03-21 325
HOW TO USE THE HMM TOOLBOX (MATLAB)一、离散输出的隐马尔科夫模型(DHMM，HMM with discrete outputs)最大似然参数估计EM(Baum Welch算法)The script dhmm_em_demo.m gives an example of how to learn an HMM with discrete outputs. Let th...
MATLAB隐马尔可夫模型程序包应用例程
qq_38729452的博客
08-10 2114
MATLAB隐马尔可夫模型程序包应用例程多维高斯混合隐马尔可夫模型一维离散隐马尔可夫模型 多维高斯混合隐马尔可夫模型 %离散高斯隐马尔可夫 Ov_1 = 3; %观测向量维数 T_1 = 215; %观测序列的长度 nex_1 = 1; %抽取观测样本组数（这个我也没搞懂，猜的） %data = randn(O,T,nex); %随机生成的数据，用来测试模型 data_1 = importdata('1000.txt') data_1 = data_1.';
Mhmm:给珍妮的礼物，第一个 Android 应用
07-11
嗯嗯 给珍妮的礼物，第一个 Android 应用程序 只是一个愚蠢的小应用程序，用于测试一些想法和东西。
HMMER 隐马尔可夫模型序列最新下载方法
最新发布
zs18242304295的博客
01-09 823
注意：这是一个二进制文件，和之前pfam数据库的文件有差别。下载的文件加后缀.gz,然后解压这个文件，gunzip。interpro网页说明。
隐马尔科夫模型(HMM)的MATLAB程序和工具箱
09-23
隐马尔科夫模型（Hidden Markov Model，简称HMM）是一种统计建模方法，尤其在自然语言处理、语音识别、生物信息学等领域有广泛应用。HMM的核心思想是假设观察序列是由不可见的状态序列生成的，而这些状态遵循...
sample_mhmm.zip_mHMM_隐马尔可夫模型_马尔可夫
07-14
在“sample_mhmm.zip”这个压缩包中，包含了一个名为“sample_mhmm.m”的文件，这很可能是一个用Matlab编写的程序，用于模拟和分析隐马尔可夫模型。 首先，我们来深入理解一下隐马尔可夫模型的基本概念。在mHMM中，...
隐马尔可夫模型分类教程：使用隐马尔可夫模型对3类问题进行一维矩阵分类的基础教程-matlab开发
05-29
需要工具箱Matlab 的隐马尔可夫模型 (HMM) 工具箱由凯文墨菲撰写，1998 年。 最后更新：2005 年 6 月 8 日。 在 MIT 许可下分发 该工具箱支持对具有离散输出 (dhmm's)、高斯输出 (ghmm's) 或高斯输出混合 (mhmm's) ...
MHMM:在隐马尔可夫模型（HMM）下使用混合效应对多元响应纵向数据进行建模的代码
05-01
MHMM 在隐马尔可夫模型（HMM）下使用混合效应对多元响应纵向数据进行建模的代码。 有关此方法的完整详细信息，请参见Biometrics： ： 参考：Raffa JD和Dubin JA。 （2015）具有混合效果的多元纵向数据分析隐藏了...
HMM.rar_HMM_Viterbi hmm_fwdback_xi_markov viterbi_viterbi matlab
09-23
标题中的“HMM.rar_HMM_Viterbi hmm_fwdback_xi_markov viterbi_viterbi matlab”表明这是一个关于HMM的资源包，包含了Viterbi算法的实现以及与之相关的其他算法，如前向-后向算法（fwdback_xi）和马尔可夫模型...
连续型隐马尔可夫模型（HMM）参数迭代算法
10-28
使用隐马尔可夫模型进行数字语音信号处理的理论算法
隐马尔可夫模型
weixin_43821620的博客
02-16 2254
隐马尔可夫模型
马尔可夫链 以及 隐马尔可夫模型（HMM）
Flag_ing的博客
02-24 4104
马尔可夫过程指一种状态变化（转移）的过程，在这种状态变化过程中，下一状态出现的概率只与当前所处的状态有关，与过去的状态无关。 马尔可夫过程可以分为三类： 马尔可夫链：时间、状态都是离散的 连续时间马尔可夫链：时间连续、状态离散的马尔可夫链 马尔可夫过程：时间、状态都是离散的 这里主要解释下最常遇到的下马尔可夫链。 假设状态集 为随机过程 所有可能取值组成的状态空间，是离散时间序列，若 在时刻 时所处状态的条件概率满足： 此时称 为马尔可夫链。 此处的“下一时刻的状态只与当前时...
简单易懂的隐马尔可夫模型（HMM）讲解
黑马程序员官方博客
01-05 7636
马尔科夫链即为状态空间中从一个状态到另一个状态转换的随机过程。下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。这种特定类型的“无记忆”称作马尔可夫性质。马尔科夫链作为实际过程的统计模型具有许多应用。在马尔可夫链的每一步，系统根据概率分布，可以从个状态变到另一个状态，也可以保持当前状一态。状态的改变叫做转移，与不同的状态改变相关的概率叫做转移概率。
HMM TOOL
dengtinghuan5005的博客
10-19 451
HMM隐马尔科夫模型 MATLAB 工具包对各种数据的处理 HMM 工具包下载地址： http://www.cs.ubc.ca/~murphyk/Software/HMM/hmm.html 工具包使用说明： http://www.cs.ubc.ca/~murphyk/Software/HMM/hmm_usage.html 接下来简单叙述一下如何写data 1、d...
机器学习&数据挖掘笔记_14（GMM-HMM语音识别简单理解）
weixin_34279184的博客
08-23 361
   　　为了对GMM-HMM在语音识别上的应用有个宏观认识，花了些时间读了下HTK（用htk完成简单的孤立词识别）的部分源码，对该算法总算有了点大概认识，达到了预期我想要的。不得不说，网络上关于语音识别的通俗易懂教程太少，都是各种公式满天飞，很少有说具体细节的，当然了，那需要有实战经验才行。下面总结以下几点，对其有个宏观印象即可（以孤立词识别为例）。 　　一、每个单词的读音都对应一个HMM模...
视觉机器学习20讲-MATLAB源码示例（7）-EM算法
sinat_34897952的博客
04-05 2162
视觉机器学习20讲-MATLAB源码示例（7）-EM算法）1. EM算法2. Matlab仿真3. 仿真结果4. 小结 1. EM算法 最大期望算法（Expectation-Maximization algorithm, EM），或Dempster-Laird-Rubin算法 ，是一类通过迭代进行极大似然估计（Maximum Likelihood Estimation, MLE）的优化算法 ，通常作为牛顿迭代法（Newton-Raphson method）的替代用于对包含隐变量（latent variabl
基于EM算法的小波域隐马尔科夫模型的参数估计matlab仿真
平时工作较为繁忙,私信消息一般晚上回复,谢谢大家~~
10-26 158
EM算法(期望最大算法)是一种迭代算法，用于含有隐变量的概率参数模型的最大似然估计或极大后验概率估计。具体思想如下：EM算法的核心思想非常简单，分为两步：Expection-Step和Maximization-Step。E-Step主要通过观察数据和现有模型来估计参数，然后用这个估计的参数值来计算似然函数的期望值；M-Step是寻找似然函数最大化时对应的参数。由于算法会保证在每次迭代之后似然函数都会增加，所以函数最终会收敛。
隐马尔科夫模型（HMM）
rexyang97的博客
07-07 1120
隐马尔科夫模型(HMM, Hidden Markov Model)是一种经典的模型，可用于标注问题，在语音识别、NLP、生物信息、模式识别等领域被实践证明是有效的算法。 HMM是关于时序的概率模型，描述由一个隐藏的马尔科夫链生成不可观测的状态随机序列，再由各个状态生成观测随机序列的过程。 模型简介 我们现在来假设一种情况，一个文明在某个时期有三种状态，黑暗时期，正常时期与黄金时期。在我们接触到文明的时候，我们不能够直接得知他的状态，但是可以观测到这个文明的科技水平。而通过我们的先验知识，状态与科技..
生成使用matlab通过HMM进行音频车型识别的代码
05-24
以下是使用HMM进行音频车型识别的MATLAB代码示例： 首先，我们需要导入数据集和HMM工具箱： ```matlab load carspeech % 导入数据集 addpath(genpath('HMM_Toolbox')); % 导入HMM工具箱 ``` 然后，我们定义模型...
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