• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于縮減策略的混沌時(shí)間序列LSSVM預(yù)測(cè)模型*

    2011-07-24 09:54:50熊勝華周翠英
    關(guān)鍵詞:子集向量樣本

    熊勝華,周翠英

    (中山大學(xué)工學(xué)院,廣東 廣州 510275)

    混沌時(shí)間序列的建模與預(yù)測(cè)是當(dāng)今混沌理論研究的重要方向之一,而基于統(tǒng)計(jì)學(xué)習(xí)理論的最小二乘支持向量機(jī)(Least Squares Support Vector Machines,簡(jiǎn)稱LSSVM),由于其采用結(jié)構(gòu)風(fēng)險(xiǎn)最小原則能最大程度地提高泛化能力和較好地解決非線性、高維數(shù)和局部極小值等實(shí)際問(wèn)題,因此在混沌時(shí)間序列預(yù)測(cè)方面也具有較好的應(yīng)用前景[1]。與傳統(tǒng)的支持向量機(jī)(Support Vector Machines,即SVM)相比[2-3],LSSVM把最優(yōu)化問(wèn)題中的求解二次規(guī)劃問(wèn)題轉(zhuǎn)化為求解線性方程組問(wèn)題,提高了算法的計(jì)算速度。但針對(duì)混沌時(shí)間序列的大樣本學(xué)習(xí),LSSVM法與SVM法一樣,具有內(nèi)存開(kāi)銷(xiāo)大、訓(xùn)練速度慢等缺點(diǎn)。因此,為了解決大樣本學(xué)習(xí)的問(wèn)題,許多學(xué)者對(duì)此開(kāi)展了研究,主要研究可以概述為二類:

    一類是利用某種縮減算法從整個(gè)大樣本集的學(xué)習(xí)序列中找出少量的有效的支持向量集,去除大量的對(duì)樣本學(xué)習(xí)貢獻(xiàn)較少的非支持向量集,縮短支持向量機(jī)的訓(xùn)練時(shí)間。如:羅瑜等[4]提出了一種利用類別質(zhì)心去除非支持向量對(duì)應(yīng)的樣本,縮小樣本集的方法,該方法在不損失分類正確率的情況下具有更快的收數(shù)速度;楊曉偉等[5]針對(duì)最小二乘支持向量機(jī)喪失稀疏性的問(wèn)題,提出了一種高效的剪枝算法,在訓(xùn)練的過(guò)程中,根據(jù)一些特定的剪枝條件利用塊增量學(xué)習(xí)和逆學(xué)習(xí)交替進(jìn)行的方法自動(dòng)形成一個(gè)小的支持向量集,并利用此集合構(gòu)造最終的分類器;駱世廣等[6]考慮到SMO(Sequential Minimal Optimization,序貫最小優(yōu)化)算法對(duì)大樣本數(shù)據(jù)訓(xùn)練速度比較慢的問(wèn)題,根據(jù)在SVM的優(yōu)化過(guò)程中并不是所有樣本都影響優(yōu)化進(jìn)展的思路,提出了兩種刪除樣本的策略,一種是基于距離,另一種是基于拉格朗日乘子的值,從而大大縮短SMO的訓(xùn)練時(shí)間;另外還有田新梅等[7]、李紅蓮等[8]也做出過(guò)相應(yīng)的研究。

    另一類是利用某種分組算法將大樣本的訓(xùn)練集進(jìn)行細(xì)分,從而減少支持向量機(jī)每一次的存儲(chǔ)空間和計(jì)算時(shí)間,再利用帶有記憶功能的塊增量學(xué)習(xí)法進(jìn)行整體學(xué)習(xí),從而達(dá)到縮短支持向量機(jī)的整體訓(xùn)練時(shí)間的目的。如:張浩然等[9]根據(jù)分塊矩陣計(jì)算公式和核函數(shù)矩陣本身的特點(diǎn)設(shè)計(jì)了支持向量機(jī)的增量式學(xué)習(xí)算法和在線學(xué)習(xí)算法,該算法能充分利用歷史的訓(xùn)練結(jié)果,減少存儲(chǔ)空間和計(jì)算時(shí)間;張永等[10]基于數(shù)據(jù)分割和鄰近對(duì)策略,利用c-均值聚類分別對(duì)數(shù)據(jù)集中的正負(fù)類進(jìn)行聚類,把大數(shù)據(jù)集分割成互不相交的子集合,然后來(lái)自正負(fù)類的子集合兩兩組合形成多個(gè)二分類問(wèn)題,并用SMO算法求解,最后用鄰近對(duì)策略對(duì)未知數(shù)據(jù)進(jìn)行識(shí)別;Boser B等[11]提出了一種選塊算法解決大樣本數(shù)據(jù)下SVM的訓(xùn)練速度問(wèn)題,利用若干任意樣本構(gòu)成小規(guī)模訓(xùn)練集求解二次規(guī)劃問(wèn)題,得到一組支持向量,再將這些支持向量并入其它若干樣本中再次訓(xùn)練,又得到一組支持向量,循環(huán)這個(gè)過(guò)程,直到所有樣本都計(jì)算完畢。

    綜上所述,無(wú)論采用哪一類方法都可以達(dá)到減少大樣本訓(xùn)練時(shí)間的目的,但也都存在一些不足:第一類方法的訓(xùn)練精度過(guò)分依賴于有效的支持向量集的選擇,如果縮減算法選擇不當(dāng),所選擇的支持向量集并不能概括大樣本訓(xùn)練集的重要發(fā)展規(guī)律,從而影響支持向量機(jī)的訓(xùn)練精度;第二類方法精度在于分組算法的選擇,如果選擇不當(dāng),同樣對(duì)支持向量機(jī)的訓(xùn)練精度產(chǎn)生較大的影響。因此為了結(jié)合兩類大樣本的支持向量機(jī)快速算法的優(yōu)點(diǎn),同時(shí)為了克服它們的不足,本文提出一種針對(duì)混沌時(shí)間序列的基于新的縮減策略的LSSVM預(yù)測(cè)模型:該模型利用混沌時(shí)間序列的平均周期將大樣本數(shù)據(jù)分解成不同的子集,將最后一個(gè)子集之外的其他子集利用拉格朗日乘子的值縮減一部分非支持向量,并將縮減后樣本與最后一子集進(jìn)行合并,利用相關(guān)系數(shù)縮減法縮減合并后的樣本集,并利用最小二乘支持向量機(jī)方法進(jìn)行回歸預(yù)測(cè)。

    1 基于縮減策略的混沌時(shí)間序列的LSSVM預(yù)測(cè)模型的構(gòu)建方法

    設(shè)樣本訓(xùn)練集,(x1,y1),...,(xi,yi),...(xn,yn),其中xi∈Rm,yi∈R,i=1,...,n,xi為輸入向量,yi為輸出向量。

    混沌時(shí)間序列的預(yù)測(cè)問(wèn)題主要是解決函數(shù)回歸估計(jì)問(wèn)題,它是通過(guò)對(duì)訓(xùn)練集訓(xùn)練后找到一個(gè)函數(shù)f,使得對(duì)訓(xùn)練集以外的任一測(cè)試樣本xd,能夠找到與其對(duì)應(yīng)的yd=f(xd),并使yd與其真值y的偏差最小。

    在回歸估計(jì)問(wèn)題方面,LSSVM方法在非線性、高維數(shù)和局部極小值等實(shí)際問(wèn)題具有明顯的優(yōu)點(diǎn)。在LSSVM原理中,它采用如下形式的函數(shù)對(duì)未知函數(shù)進(jìn)行估計(jì)[12-14]:

    y(x)=wTΦ(x)+b

    (1)

    其中Φ:Rm→H,Φ稱為特征映射,H稱為特征空間,w這空間H中的權(quán)向量,b∈R為偏置。為了有效地解決上述回歸估計(jì)問(wèn)題,LSSVM通過(guò)引入損失函數(shù)將回歸估計(jì)問(wèn)題轉(zhuǎn)化為損失函數(shù)的風(fēng)險(xiǎn)最小化問(wèn)題,同時(shí)采用結(jié)構(gòu)化風(fēng)險(xiǎn)最小原則進(jìn)行風(fēng)險(xiǎn)最小化分析,得出如下優(yōu)化問(wèn)題[12-14]:

    (2)

    約束條件:

    yk=wTΦ(xk)+b+ekk=1,2,…,n

    (3)

    式中,γ為可調(diào)正則化參數(shù),ek為誤差變量。

    由于直接求解(2)比較困難,因此采用對(duì)偶理論求解并建立Lagrange方程:

    (4)

    其中αi為L(zhǎng)agrange乘子,優(yōu)化條件為[7]

    (5)

    為了求解(5)式,在LSSVM原理中,根據(jù)Mercer條件認(rèn)為存在核函數(shù)K(xk,xl),使得

    K(xk,xl)=ΦT(xk)Φ(xl)

    (6)

    求解優(yōu)化條件式(5),消去w與ei,并將K(xk,xl)替換ΦT(xk)Φ(xl),最終將優(yōu)化問(wèn)題轉(zhuǎn)化為求解一個(gè)線性方程組:

    (7)

    其中為αi為拉格朗日(Lagrange)乘子,如果拉格朗日乘子的絕對(duì)值非常小,則對(duì)模型的回歸貢獻(xiàn)非常少,其對(duì)應(yīng)的樣本稱為非支持向量,其他情況下拉格朗日乘子所對(duì)應(yīng)的樣本稱為支持向量。

    LSSVM算法采用最小二乘法求解式(7)表示的線性方程組,避免了標(biāo)準(zhǔn)支持向量機(jī)算法中求解凸二次規(guī)劃問(wèn)題,比傳統(tǒng)的支持向量機(jī)方法具有更快的訓(xùn)練速度和更優(yōu)的預(yù)測(cè)性能。因此,在求解混沌時(shí)間序列問(wèn)題時(shí)采用LSSVM算法解決非線性回歸問(wèn)題。

    本文通過(guò)對(duì)大樣本混沌序列數(shù)據(jù)特性的分析,根據(jù)樣本集分割與樣本相關(guān)性的思想,建立了混沌時(shí)間序列的LSSVM預(yù)測(cè)模型,其構(gòu)建方法表述如下:

    1) 重構(gòu)相空間,建立混沌時(shí)間序列的學(xué)習(xí)樣本集及測(cè)試樣本集:重構(gòu)相空間是混沌時(shí)間序列的基礎(chǔ),其關(guān)鍵是求出混沌時(shí)間序列的嵌入維數(shù)m以及時(shí)延τ。目前來(lái)說(shuō),單獨(dú)求時(shí)延方法有自相關(guān)法[15]、互信息法等[16],單獨(dú)求嵌入維的G-P 算法或FNN(Flase Nearest Neighbors)法等[17-18];同時(shí)求時(shí)延與嵌入維的方法有嵌入窗法[19]、C-C 方法等[20]。本文采用C-C法同時(shí)求嵌入維與時(shí)延。假設(shè)混沌時(shí)間序列表示為{x1,x2,x3,…,xn},其中,xi為混沌時(shí)間序列的實(shí)際值。求得的嵌入維數(shù)為m以及時(shí)延為τ,則重構(gòu)相空間后得到的樣本集如式(8)所示:

    (8)

    2) 利用快速傅立葉變換求解混沌時(shí)間序列的平均周期T,利用平均周期將大樣本學(xué)習(xí)數(shù)據(jù)集分解成多個(gè)不同的樣本子集,樣本子集個(gè)數(shù)為n,每個(gè)樣本子集的個(gè)數(shù)最大為T(mén)/m的取整數(shù);

    3) 初始選取正則化參數(shù)C及核參數(shù)δ,也可以通過(guò)多次組合比較預(yù)測(cè)結(jié)果來(lái)選取合適的正則化參數(shù)C及核參數(shù)δ;

    4) 對(duì)子集序號(hào)為1到n-1的樣本子集建立不同的LSSVM模型,利用拉格朗日乘子|αi|<θ1時(shí)對(duì)模型的回歸貢獻(xiàn)非常少的原理,從對(duì)應(yīng)的樣本子集中縮減其對(duì)應(yīng)的非支持向量;并將縮減后的樣本子集與最后一個(gè)樣本子集合并構(gòu)成新的學(xué)習(xí)樣本集X′;

    (9)

    (10)

    7)利用相關(guān)系數(shù)縮減法縮減相關(guān)距離|di′| <θ2的對(duì)應(yīng)學(xué)習(xí)樣本,將余下樣本組成新的學(xué)習(xí)樣本集Xend;

    8) 利用初始選取的正則化參數(shù)C及核參數(shù)δ對(duì)學(xué)習(xí)樣本集Xend建立LSSVM回歸模型,對(duì)測(cè)試樣本集進(jìn)行非線性回歸分析,最終輸出相應(yīng)的預(yù)測(cè)結(jié)果。

    9) 為了衡量算法的預(yù)測(cè)精度,對(duì)測(cè)試數(shù)據(jù)采用均方誤差MSE作為評(píng)價(jià)標(biāo)準(zhǔn):

    (11)

    2 仿真實(shí)驗(yàn)及結(jié)果分析

    實(shí)驗(yàn)一:采用典型的混沌時(shí)間序列Lorenz方程驗(yàn)證本模型[21]:

    σ=16r=45.92b=4

    (12)

    取初始值為(-1,0,1),積分步長(zhǎng)為0.01,利用四階Runge-Kutta算法求出Lorenz方程的數(shù)值解,為了從其數(shù)值解中取出具有明顯混沌特性的數(shù)據(jù)點(diǎn),本文正是從8 000個(gè)數(shù)據(jù)點(diǎn)后取出5 000個(gè)數(shù)據(jù)點(diǎn)進(jìn)行仿真實(shí)驗(yàn)。

    將取出的5 000個(gè)數(shù)據(jù)點(diǎn)的x分量進(jìn)行預(yù)測(cè)分析,其中前4 000個(gè)數(shù)據(jù)點(diǎn)的x分量作為訓(xùn)練數(shù)據(jù),后 1 000個(gè)數(shù)據(jù)點(diǎn)的x分量作為測(cè)試數(shù)據(jù)。其混沌時(shí)間序列的LSSVM預(yù)測(cè)模型的建立過(guò)程可描述如下:

    圖1 Lorenz函數(shù)的混沌時(shí)間序列的預(yù)測(cè)圖

    將標(biāo)準(zhǔn)LSSVM模型對(duì)本文數(shù)據(jù)進(jìn)行同樣的預(yù)測(cè),其模型的初始化正則化參數(shù)C=100及核參數(shù)δ=10,將其預(yù)測(cè)結(jié)果與本文模型進(jìn)行比較,比較結(jié)果如表1所示。

    表1 Lorenz函數(shù)的混沌時(shí)間序列預(yù)測(cè)結(jié)果對(duì)照表

    實(shí)驗(yàn)二:具有混沌特性的Mackey-Glass時(shí)滯微分方程定義為[21]

    a=0.2,τ=17,b=0.1

    (13)

    本文取初始值為1.2,步長(zhǎng)取0.1,通過(guò)四階龍格-庫(kù)塔方法求解產(chǎn)生混沌時(shí)間序列,從2 000個(gè)數(shù)據(jù)點(diǎn)后取出5 000個(gè)數(shù)據(jù)點(diǎn)進(jìn)行仿真實(shí)驗(yàn)。

    將取出的5 000個(gè)數(shù)據(jù)點(diǎn)的x分量進(jìn)行預(yù)測(cè)分析,其中前4 000個(gè)數(shù)據(jù)點(diǎn)的x分量作為訓(xùn)練數(shù)據(jù),后1 000個(gè)數(shù)據(jù)點(diǎn)的x分量作為測(cè)試數(shù)據(jù)。其混沌時(shí)間序列的LSSVM預(yù)測(cè)模型的建模過(guò)程與實(shí)驗(yàn)一類似,其預(yù)測(cè)結(jié)果圖如圖2所示。

    圖2 Mackey-Glass函數(shù)的混沌時(shí)間序列的預(yù)測(cè)圖

    將標(biāo)準(zhǔn)LSSVM模型對(duì)本文數(shù)據(jù)進(jìn)行同樣的預(yù)測(cè),其模型的初始化正則化參數(shù)C=100及核參數(shù)δ=10,將其預(yù)測(cè)結(jié)果與本文模型進(jìn)行比較,比較結(jié)果如表2所示。

    表2 Mackey-Glass函數(shù)的混沌時(shí)間序列預(yù)測(cè)結(jié)果對(duì)照表

    從兩個(gè)不同實(shí)驗(yàn)的混沌時(shí)間序列預(yù)測(cè)結(jié)果對(duì)照表可以看出,與標(biāo)準(zhǔn)的LSSVM預(yù)測(cè)模型相比,本文模型在選擇合適的臨界參數(shù)θ1、θ2后,大大縮減了原始的學(xué)習(xí)樣本,使模型學(xué)習(xí)速度得到大大提高,同時(shí)保證了預(yù)測(cè)精度基本不損失,有時(shí)會(huì)反而更好。這為混沌時(shí)間序列的預(yù)測(cè)提供了一種新的快速途徑。

    3 結(jié) 論

    最小二乘支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論,采用結(jié)構(gòu)風(fēng)險(xiǎn)最小原則,具有較強(qiáng)的泛化能力的機(jī)器學(xué)習(xí)方法,在混沌時(shí)間序列預(yù)測(cè)方面具有較好的應(yīng)用前景。但針對(duì)大樣本數(shù)據(jù)的學(xué)習(xí),最小二乘支持向量機(jī)方法具有內(nèi)存開(kāi)銷(xiāo)大、訓(xùn)練速度慢等缺點(diǎn)。因此,本文通過(guò)對(duì)大樣本混沌序列數(shù)據(jù)特性的分析,根據(jù)樣本集分割與樣本相關(guān)性的思想,建立了基于縮減策略下的混沌時(shí)間序列的LSSVM模型,通過(guò)相應(yīng)的仿真實(shí)驗(yàn)驗(yàn)證了本模型可以在預(yù)測(cè)精度基本不損失的基礎(chǔ)上具有較快的計(jì)算速度,為大樣本的混沌時(shí)間序列的問(wèn)題研究與預(yù)測(cè)提供了一種新的途徑。通過(guò)研究得到以下兩點(diǎn)認(rèn)識(shí):

    1)混沌時(shí)間序列的預(yù)測(cè)問(wèn)題,只要預(yù)測(cè)方法選擇合適,預(yù)測(cè)參數(shù)選擇合理,可以同時(shí)得到較好的預(yù)測(cè)效果和較快的計(jì)算速度;

    2)本文模型充分利用了最小二乘向量機(jī)具有較強(qiáng)的推廣預(yù)測(cè)能力和較好的預(yù)測(cè)精度的特點(diǎn),且采用了樣本集分割與樣本相關(guān)性的思想,使其在基本不損失預(yù)測(cè)精度的基礎(chǔ)上大大提高了其計(jì)算速度,通過(guò)實(shí)例證明本模型的實(shí)用性。

    參考文獻(xiàn):

    [1] 江田漢, 束炯. 基于LSSVM的混沌時(shí)間序列的多步預(yù)測(cè)[J]. 控制與決策, 2006, 21(1):77-80.

    [2] 劉德地, 陳曉宏. 基于偏最小二乘回歸與支持向量機(jī)耦合的咸潮預(yù)報(bào)模型[J]. 中山大學(xué)學(xué)報(bào):自然科學(xué)版, 2007,46 (4): 89-92.

    [3] 陳振洲, 李磊, 姚正安. 基于SVM的特征加權(quán)KNN算法[J]. 中山大學(xué)學(xué)報(bào):自然科學(xué)版, 2005,44 (1): 17-20.

    [4] 羅瑜, 易文德, 王丹珠,等. 大規(guī)模數(shù)據(jù)集下支持向量機(jī)訓(xùn)練樣本的縮減策略[J]. 計(jì)算機(jī)科學(xué), 2007, 34(10): 211-213.

    [5] 楊曉偉, 路節(jié), 張廣全. 一種高效的最小二乘支持向量機(jī)分類器剪枝算法[J]. 計(jì)算機(jī)研究與發(fā)展, 2007, 44(7): 1128-1136.

    [6] 駱世廣, 駱昌日. 加快SMO算法訓(xùn)練速度的策略研究[J]. 計(jì)算機(jī)工程與應(yīng)用, 2007, 43(13):184-187.

    [7] 田新梅, 吳秀清, 劉莉. 大樣本情況下的一種新的SVM迭代算法[J]. 計(jì)算機(jī)工程, 2007, 33(8): 205-207.

    [8] 李紅蓮, 王春花, 袁保宗. 一種改進(jìn)的支持向量機(jī)NN-SVM[J]. 計(jì)算機(jī)學(xué)報(bào), 2003, 26(8): 1015-1020.

    [9] 張浩然, 汪曉東. 回歸最小二乘支持向量機(jī)的增量和在線式學(xué)習(xí)算法[J]. 計(jì)算機(jī)學(xué)報(bào), 2006, 29(3): 400-406.

    [10] 張永, 楊曉偉. 基于數(shù)據(jù)分割和近鄰對(duì)的快速SVM分類算法[J]. 科學(xué)技術(shù)與工程, 2007, 7(21): 5563-5566.

    [11] BOSER B, GUYON I, VAPNIK V. A training algorithm for optimal margin classifiers[C]∥Haussler D. Proceedings of the 5th Annual ACM Workshop on Computational Learning Theory. ACM Press, 1992.

    [12] 董瑤, 潘國(guó)峰, 夏克文,等. 一種改進(jìn)的LS-SVM算法及其應(yīng)用[J]. 石油地球物理勘探, 2007, 42(6): 673-677.

    [13] 夏克文, 董瑤, 杜紅斌. 基于改進(jìn)PSO算法的LS-SVM油層識(shí)別模型[J]. 控制與決策, 2007, 22(12): 1385-1389.

    [14] 王旭輝, 黃圣國(guó), 曹力, 等. 基于LS-SVM的航空發(fā)動(dòng)機(jī)氣路參數(shù)趨勢(shì)在線預(yù)測(cè)[J]. 吉林大學(xué)學(xué)報(bào):工學(xué)版, 2008, 38(1): 239-244.

    [15] KANTZ H,SCHREIBER T. Nonlinear time series analysis[M]. Cambridge: Cambridge University Press, 1997.

    [16] FRASER A M,SWINNEY H L. Independent coordinates for strange attractors form time series[J]. Phys Rev A,1986, 33: 1134-1140.

    [17] GRASSBERGER P,PROCACCIA I. Measuring the strangeness of strange attractors[J]. Physica D, 1983, 9: 189-208.

    [18] KENNEL M B,BROWN R,ABARBANEL H D I. Determining embedding dimension for phase-space reconstruction using a geometrical construction[J]. Phys Rev A, 1992, 45: 3403.

    [19] KUGIURMTZIS D. State space reconstruction parameters in the analysis of chaotic times series-the role of the time window length[J]. Physica D, 1996, 95: 13-28.

    [20] KIM H S,EYKHOLT R,SALAS J D. Nonlinear dynamics delay times and embedding windows[J]. Physica D, 1999, 127: 48-60.

    [21] 王永生, 范洪達(dá), 尚崇偉, 等. 混沌時(shí)間序列的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)研究[J]. 海軍航空工程學(xué)院學(xué)報(bào), 2008, 23(1): 21-25, 32.

    猜你喜歡
    子集向量樣本
    由一道有關(guān)集合的子集個(gè)數(shù)題引發(fā)的思考
    向量的分解
    拓?fù)淇臻g中緊致子集的性質(zhì)研究
    用樣本估計(jì)總體復(fù)習(xí)點(diǎn)撥
    聚焦“向量與三角”創(chuàng)新題
    關(guān)于奇數(shù)階二元子集的分離序列
    推動(dòng)醫(yī)改的“直銷(xiāo)樣本”
    隨機(jī)微分方程的樣本Lyapunov二次型估計(jì)
    向量垂直在解析幾何中的應(yīng)用
    村企共贏的樣本
    国产一区二区三区在线臀色熟女 | av网站在线播放免费| 国产精品影院久久| 久久午夜综合久久蜜桃| 最近最新免费中文字幕在线| av在线播放免费不卡| 窝窝影院91人妻| 精品国产乱码久久久久久男人| 91成人精品电影| 变态另类成人亚洲欧美熟女 | 国产区一区二久久| 丝袜人妻中文字幕| 1024视频免费在线观看| 麻豆av在线久日| 亚洲九九香蕉| 飞空精品影院首页| 成人18禁在线播放| 日本黄色日本黄色录像| 亚洲色图av天堂| 欧美日韩亚洲国产一区二区在线观看 | 欧美成人午夜精品| 国产97色在线日韩免费| 麻豆av在线久日| 亚洲一码二码三码区别大吗| 亚洲人成77777在线视频| 夜夜爽天天搞| 日本wwww免费看| 久久这里只有精品19| av超薄肉色丝袜交足视频| a在线观看视频网站| 中文欧美无线码| 99热国产这里只有精品6| 电影成人av| 亚洲av美国av| 又紧又爽又黄一区二区| 一区二区三区国产精品乱码| 国产精品免费大片| 黄片大片在线免费观看| 一二三四社区在线视频社区8| 涩涩av久久男人的天堂| 免费看a级黄色片| 新久久久久国产一级毛片| 国产精品免费一区二区三区在线 | 亚洲av第一区精品v没综合| 桃花免费在线播放| 在线十欧美十亚洲十日本专区| 国产野战对白在线观看| 18禁美女被吸乳视频| 一本色道久久久久久精品综合| 精品久久久精品久久久| 久久狼人影院| 免费人妻精品一区二区三区视频| 久久这里只有精品19| 婷婷丁香在线五月| 国产成人av教育| bbb黄色大片| 99riav亚洲国产免费| 又大又爽又粗| 亚洲七黄色美女视频| 岛国毛片在线播放| 精品国产一区二区三区四区第35| 亚洲五月色婷婷综合| 制服人妻中文乱码| 欧美日韩福利视频一区二区| 少妇裸体淫交视频免费看高清 | 国产一区二区三区视频了| 一区二区三区国产精品乱码| 亚洲色图av天堂| 亚洲国产av影院在线观看| 最近最新免费中文字幕在线| 精品乱码久久久久久99久播| av视频免费观看在线观看| 成人av一区二区三区在线看| 亚洲午夜理论影院| 精品少妇久久久久久888优播| 两个人看的免费小视频| 亚洲精品久久午夜乱码| 国产aⅴ精品一区二区三区波| 欧美日韩福利视频一区二区| 麻豆av在线久日| 亚洲欧美一区二区三区黑人| 精品免费久久久久久久清纯 | 女人久久www免费人成看片| 久久久国产精品麻豆| 中文字幕人妻丝袜制服| 欧美精品人与动牲交sv欧美| 国产精品美女特级片免费视频播放器 | 日日爽夜夜爽网站| 高清欧美精品videossex| 新久久久久国产一级毛片| 岛国毛片在线播放| 一区二区三区精品91| 自拍欧美九色日韩亚洲蝌蚪91| 怎么达到女性高潮| 老司机亚洲免费影院| 日韩制服丝袜自拍偷拍| 欧美日本中文国产一区发布| 亚洲天堂av无毛| 欧美另类亚洲清纯唯美| 国产精品熟女久久久久浪| 人人妻,人人澡人人爽秒播| 亚洲精品国产精品久久久不卡| av网站免费在线观看视频| 欧美成人免费av一区二区三区 | 法律面前人人平等表现在哪些方面| 久久久久久久久免费视频了| 免费日韩欧美在线观看| 日本欧美视频一区| 老司机影院毛片| 久久久久久久久久久久大奶| av片东京热男人的天堂| 2018国产大陆天天弄谢| 中文字幕精品免费在线观看视频| 精品国产亚洲在线| 国产高清激情床上av| 天堂中文最新版在线下载| av片东京热男人的天堂| 50天的宝宝边吃奶边哭怎么回事| 九色亚洲精品在线播放| 欧美精品高潮呻吟av久久| 国产一卡二卡三卡精品| 国产在线免费精品| 久久精品成人免费网站| 一进一出抽搐动态| 热99re8久久精品国产| 欧美激情极品国产一区二区三区| 青草久久国产| 中文字幕最新亚洲高清| 在线观看66精品国产| 国产免费av片在线观看野外av| 免费观看人在逋| 国产麻豆69| 国产成人免费无遮挡视频| 嫩草影视91久久| 成在线人永久免费视频| aaaaa片日本免费| 日日摸夜夜添夜夜添小说| 乱人伦中国视频| 欧美激情极品国产一区二区三区| 在线观看免费午夜福利视频| 91国产中文字幕| 这个男人来自地球电影免费观看| 法律面前人人平等表现在哪些方面| 欧美精品亚洲一区二区| 国产高清激情床上av| 视频在线观看一区二区三区| 久久ye,这里只有精品| 国产精品免费视频内射| 少妇精品久久久久久久| 日本a在线网址| 国产精品免费大片| 777久久人妻少妇嫩草av网站| 亚洲国产看品久久| 久久天躁狠狠躁夜夜2o2o| 国产日韩一区二区三区精品不卡| 激情视频va一区二区三区| 欧美黄色片欧美黄色片| 亚洲黑人精品在线| 久久久久视频综合| 99九九在线精品视频| 欧美+亚洲+日韩+国产| 亚洲av日韩精品久久久久久密| 国产一区二区在线观看av| 咕卡用的链子| av在线播放免费不卡| 在线看a的网站| 一本—道久久a久久精品蜜桃钙片| 搡老熟女国产l中国老女人| 日韩成人在线观看一区二区三区| 久久中文字幕人妻熟女| 99久久国产精品久久久| 淫妇啪啪啪对白视频| 亚洲午夜精品一区,二区,三区| 极品少妇高潮喷水抽搐| 90打野战视频偷拍视频| 国产成人一区二区三区免费视频网站| 国产在线精品亚洲第一网站| 午夜激情av网站| 国产男靠女视频免费网站| 欧美黑人欧美精品刺激| 嫁个100分男人电影在线观看| 亚洲国产av新网站| www.999成人在线观看| 精品国产乱码久久久久久男人| 国产成人影院久久av| 亚洲国产中文字幕在线视频| 精品一区二区三区av网在线观看 | av国产精品久久久久影院| 亚洲中文字幕日韩| av视频免费观看在线观看| 亚洲七黄色美女视频| 日韩一卡2卡3卡4卡2021年| 法律面前人人平等表现在哪些方面| 天堂8中文在线网| 在线 av 中文字幕| 国产成人欧美| 免费看a级黄色片| 亚洲久久久国产精品| 香蕉丝袜av| 国产熟女午夜一区二区三区| 国产亚洲欧美精品永久| 欧美乱码精品一区二区三区| 黑人巨大精品欧美一区二区mp4| 日本五十路高清| 深夜精品福利| 欧美在线一区亚洲| 十分钟在线观看高清视频www| 国产成人精品久久二区二区免费| 亚洲伊人色综图| 国产精品九九99| av网站在线播放免费| 亚洲国产欧美日韩在线播放| 欧美在线一区亚洲| 国产亚洲精品一区二区www | 一区在线观看完整版| 欧美国产精品va在线观看不卡| 亚洲av美国av| www.熟女人妻精品国产| 日韩视频在线欧美| 一区在线观看完整版| 成年人午夜在线观看视频| 亚洲精品国产精品久久久不卡| 成人三级做爰电影| 亚洲精品在线观看二区| 国产av又大| 免费日韩欧美在线观看| 亚洲性夜色夜夜综合| 亚洲欧洲精品一区二区精品久久久| 午夜视频精品福利| 狠狠婷婷综合久久久久久88av| 久久国产精品人妻蜜桃| 亚洲精品久久成人aⅴ小说| 视频区图区小说| 精品少妇一区二区三区视频日本电影| 亚洲七黄色美女视频| 国精品久久久久久国模美| avwww免费| 99久久国产精品久久久| 国产成人欧美| 亚洲五月婷婷丁香| 成年版毛片免费区| 日本a在线网址| 国精品久久久久久国模美| 久热这里只有精品99| 性少妇av在线| 精品国产亚洲在线| 久久精品成人免费网站| 欧美日韩av久久| 国产精品自产拍在线观看55亚洲 | 建设人人有责人人尽责人人享有的| 国产成人免费无遮挡视频| 精品少妇一区二区三区视频日本电影| 黄频高清免费视频| 成人精品一区二区免费| 啦啦啦 在线观看视频| 久久久久久亚洲精品国产蜜桃av| 午夜视频精品福利| tocl精华| 一级黄色大片毛片| 国产成人精品久久二区二区91| 丁香六月欧美| 午夜福利一区二区在线看| e午夜精品久久久久久久| 在线观看www视频免费| 亚洲精品中文字幕一二三四区 | 国产免费福利视频在线观看| 亚洲欧美一区二区三区久久| 色94色欧美一区二区| 久久人妻av系列| 精品一区二区三卡| 老司机午夜福利在线观看视频 | 青草久久国产| 丰满饥渴人妻一区二区三| 在线天堂中文资源库| 午夜激情久久久久久久| 久久久国产欧美日韩av| 久久这里只有精品19| 999久久久精品免费观看国产| cao死你这个sao货| 在线 av 中文字幕| 男女之事视频高清在线观看| 99精品在免费线老司机午夜| 美女高潮喷水抽搐中文字幕| 最新美女视频免费是黄的| 日韩视频在线欧美| 777米奇影视久久| www.自偷自拍.com| 久9热在线精品视频| 黑人巨大精品欧美一区二区mp4| 国产免费福利视频在线观看| 欧美人与性动交α欧美软件| 精品国产乱码久久久久久男人| 久久国产亚洲av麻豆专区| 18禁国产床啪视频网站| 中文字幕人妻丝袜一区二区| 国产区一区二久久| 老熟妇仑乱视频hdxx| 亚洲人成电影观看| 亚洲五月色婷婷综合| 99国产精品一区二区蜜桃av | 亚洲少妇的诱惑av| 精品国产一区二区久久| 国产欧美日韩一区二区三区在线| 中文字幕人妻熟女乱码| 12—13女人毛片做爰片一| 一级,二级,三级黄色视频| 久久精品亚洲熟妇少妇任你| 高清视频免费观看一区二区| 一区在线观看完整版| 美女福利国产在线| www.自偷自拍.com| 久久精品国产亚洲av高清一级| 一级片'在线观看视频| 国产无遮挡羞羞视频在线观看| 国产高清激情床上av| 1024视频免费在线观看| 欧美国产精品一级二级三级| 激情视频va一区二区三区| 99国产综合亚洲精品| 操美女的视频在线观看| 中文字幕高清在线视频| 国产精品麻豆人妻色哟哟久久| 日本a在线网址| 国产精品免费大片| 建设人人有责人人尽责人人享有的| 久久久欧美国产精品| 久久九九热精品免费| 国产一区二区 视频在线| 中文字幕制服av| 国产伦人伦偷精品视频| 亚洲av成人一区二区三| 色94色欧美一区二区| 亚洲精品久久午夜乱码| 一二三四社区在线视频社区8| 男女高潮啪啪啪动态图| 久久久精品免费免费高清| av又黄又爽大尺度在线免费看| 日韩制服丝袜自拍偷拍| 午夜老司机福利片| 黑人巨大精品欧美一区二区蜜桃| 亚洲熟女精品中文字幕| 丰满饥渴人妻一区二区三| av网站免费在线观看视频| 亚洲av成人一区二区三| 99在线人妻在线中文字幕 | 无限看片的www在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲综合色网址| 亚洲伊人色综图| 视频在线观看一区二区三区| 九色亚洲精品在线播放| 中亚洲国语对白在线视频| 五月天丁香电影| 久久人妻福利社区极品人妻图片| 美女福利国产在线| 国产亚洲欧美在线一区二区| 少妇猛男粗大的猛烈进出视频| 天堂动漫精品| 看免费av毛片| 国产午夜精品久久久久久| 欧美久久黑人一区二区| 国产精品免费一区二区三区在线 | 久久久久精品国产欧美久久久| 亚洲精品久久成人aⅴ小说| 熟女少妇亚洲综合色aaa.| 国产精品久久久av美女十八| 亚洲国产欧美在线一区| 国产不卡一卡二| 婷婷丁香在线五月| 两个人免费观看高清视频| 高清av免费在线| 99re在线观看精品视频| 色尼玛亚洲综合影院| 欧美黑人精品巨大| 国产精品一区二区在线不卡| 国产免费av片在线观看野外av| 黑人猛操日本美女一级片| 午夜福利一区二区在线看| www.熟女人妻精品国产| 人人妻人人爽人人添夜夜欢视频| 国精品久久久久久国模美| 美女高潮到喷水免费观看| av国产精品久久久久影院| 亚洲精品粉嫩美女一区| 热re99久久国产66热| 视频区欧美日本亚洲| 热re99久久国产66热| 麻豆乱淫一区二区| 老鸭窝网址在线观看| 国产精品免费视频内射| 国产色视频综合| 国产精品一区二区精品视频观看| av有码第一页| 一级毛片女人18水好多| 亚洲精品国产精品久久久不卡| 多毛熟女@视频| 免费在线观看影片大全网站| 国产欧美日韩综合在线一区二区| 国产日韩欧美亚洲二区| 婷婷丁香在线五月| 欧美午夜高清在线| 国产成人av激情在线播放| 国产在线视频一区二区| 精品卡一卡二卡四卡免费| 亚洲九九香蕉| 成年版毛片免费区| 91国产中文字幕| 老司机靠b影院| 午夜精品久久久久久毛片777| 亚洲国产成人一精品久久久| 日韩一卡2卡3卡4卡2021年| 日韩成人在线观看一区二区三区| www.精华液| 亚洲精品一二三| 日本av手机在线免费观看| 国产精品.久久久| 精品国产国语对白av| 免费女性裸体啪啪无遮挡网站| 国产精品熟女久久久久浪| av网站免费在线观看视频| 亚洲精品成人av观看孕妇| 青草久久国产| 欧美老熟妇乱子伦牲交| 久久久久精品国产欧美久久久| 国产伦理片在线播放av一区| 在线观看免费高清a一片| 久久国产精品大桥未久av| 美国免费a级毛片| 国产成人精品久久二区二区91| 变态另类成人亚洲欧美熟女 | 男女午夜视频在线观看| 777米奇影视久久| 日韩欧美一区二区三区在线观看 | 亚洲专区字幕在线| 亚洲av欧美aⅴ国产| 精品亚洲成a人片在线观看| 在线看a的网站| 美国免费a级毛片| 成人亚洲精品一区在线观看| 久久99热这里只频精品6学生| 国产成人系列免费观看| 女警被强在线播放| 黄网站色视频无遮挡免费观看| 亚洲国产精品一区二区三区在线| 亚洲精品久久午夜乱码| 两性午夜刺激爽爽歪歪视频在线观看 | 在线观看免费视频网站a站| 菩萨蛮人人尽说江南好唐韦庄| 欧美日韩黄片免| 母亲3免费完整高清在线观看| 丰满少妇做爰视频| 黄色视频不卡| 久久青草综合色| 考比视频在线观看| 两人在一起打扑克的视频| 91精品国产国语对白视频| 99国产精品免费福利视频| 黄色丝袜av网址大全| 中文字幕av电影在线播放| 一区二区日韩欧美中文字幕| 亚洲精品乱久久久久久| 在线观看一区二区三区激情| 色综合欧美亚洲国产小说| 国产真人三级小视频在线观看| 午夜福利免费观看在线| 国产免费视频播放在线视频| 欧美激情极品国产一区二区三区| 黄色a级毛片大全视频| 在线观看人妻少妇| 日韩大片免费观看网站| 日本五十路高清| 最新在线观看一区二区三区| 午夜视频精品福利| 国产成人一区二区三区免费视频网站| 国产成人欧美| 三级毛片av免费| 亚洲国产欧美日韩在线播放| av福利片在线| 热re99久久精品国产66热6| 一区二区三区精品91| 天堂俺去俺来也www色官网| 精品人妻在线不人妻| 久久久国产成人免费| 日韩中文字幕欧美一区二区| 成人手机av| 又紧又爽又黄一区二区| a级毛片在线看网站| 欧美日韩av久久| 色94色欧美一区二区| 69av精品久久久久久 | 亚洲伊人色综图| 欧美日韩福利视频一区二区| 天堂俺去俺来也www色官网| 精品福利永久在线观看| 欧美 亚洲 国产 日韩一| 女性生殖器流出的白浆| 99精品在免费线老司机午夜| a级片在线免费高清观看视频| 精品午夜福利视频在线观看一区 | 欧美老熟妇乱子伦牲交| 亚洲国产欧美在线一区| 丝瓜视频免费看黄片| 69精品国产乱码久久久| 日韩一区二区三区影片| 欧美精品人与动牲交sv欧美| av不卡在线播放| 天天添夜夜摸| 欧美国产精品一级二级三级| 日韩精品免费视频一区二区三区| 精品久久久久久电影网| 99国产极品粉嫩在线观看| 99热国产这里只有精品6| 飞空精品影院首页| av超薄肉色丝袜交足视频| 曰老女人黄片| 天堂中文最新版在线下载| 国产亚洲精品一区二区www | 亚洲黑人精品在线| 老司机深夜福利视频在线观看| 国产av精品麻豆| 99国产精品99久久久久| 精品久久久久久久毛片微露脸| 精品一区二区三区av网在线观看 | bbb黄色大片| 丁香欧美五月| 50天的宝宝边吃奶边哭怎么回事| 天堂中文最新版在线下载| 超碰97精品在线观看| 久久久久视频综合| 精品少妇黑人巨大在线播放| 老司机亚洲免费影院| 免费观看a级毛片全部| 国产xxxxx性猛交| 天堂8中文在线网| 久久人妻熟女aⅴ| 精品国产亚洲在线| 亚洲第一欧美日韩一区二区三区 | 夫妻午夜视频| 国产一区二区三区在线臀色熟女 | 国产精品国产高清国产av | 国产成人精品久久二区二区免费| 久久精品91无色码中文字幕| 人人妻,人人澡人人爽秒播| 欧美精品av麻豆av| 亚洲性夜色夜夜综合| 亚洲成人免费电影在线观看| 一本色道久久久久久精品综合| 国产精品二区激情视频| 欧美人与性动交α欧美软件| 男人操女人黄网站| 久久精品熟女亚洲av麻豆精品| 久久 成人 亚洲| 最近最新免费中文字幕在线| 午夜免费成人在线视频| 91大片在线观看| 俄罗斯特黄特色一大片| 另类精品久久| 亚洲综合色网址| av有码第一页| 亚洲精品成人av观看孕妇| 最新在线观看一区二区三区| 天堂动漫精品| 曰老女人黄片| 亚洲人成伊人成综合网2020| 国产91精品成人一区二区三区 | 久久久久国内视频| 久久久国产欧美日韩av| 看免费av毛片| 最近最新免费中文字幕在线| 国产日韩欧美亚洲二区| 50天的宝宝边吃奶边哭怎么回事| 69av精品久久久久久 | 国产亚洲午夜精品一区二区久久| 视频区欧美日本亚洲| 欧美成人午夜精品| 成人国语在线视频| 啦啦啦 在线观看视频| 免费在线观看视频国产中文字幕亚洲| 亚洲av国产av综合av卡| 成人国产一区最新在线观看| 大片电影免费在线观看免费| 欧美黑人欧美精品刺激| 亚洲av成人一区二区三| 国产成人精品无人区| 另类精品久久| 成人免费观看视频高清| 免费av中文字幕在线| 宅男免费午夜| 丁香六月欧美| 亚洲av第一区精品v没综合| 高潮久久久久久久久久久不卡| 久久中文字幕一级| 亚洲五月色婷婷综合| 91国产中文字幕| 丁香六月天网| 久久久久精品国产欧美久久久| 成人免费观看视频高清| 美女国产高潮福利片在线看| 成人黄色视频免费在线看| 99国产极品粉嫩在线观看| 久久久精品94久久精品| 国产精品.久久久| 亚洲一区中文字幕在线| 欧美精品一区二区免费开放| 久久精品国产a三级三级三级| av网站在线播放免费| 亚洲久久久国产精品| 搡老熟女国产l中国老女人| 电影成人av| 每晚都被弄得嗷嗷叫到高潮| 一级a爱视频在线免费观看| 超色免费av| 亚洲伊人色综图| 国产精品 欧美亚洲| 在线天堂中文资源库|