• <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
    a级片在线免费高清观看视频| avwww免费| 深夜精品福利| 老鸭窝网址在线观看| 18禁黄网站禁片午夜丰满| 欧美国产精品一级二级三级| 亚洲国产欧美网| 国产精品一二三区在线看| 成年动漫av网址| 你懂的网址亚洲精品在线观看| 欧美日韩成人在线一区二区| 在线观看国产h片| 又黄又粗又硬又大视频| 97在线人人人人妻| 你懂的网址亚洲精品在线观看| 99热国产这里只有精品6| 精品一区二区三区av网在线观看 | 国产福利在线免费观看视频| 亚洲精品乱久久久久久| 国产成人精品久久二区二区免费| 精品人妻一区二区三区麻豆| 国产精品av久久久久免费| 日本一区二区免费在线视频| 国产1区2区3区精品| 欧美日韩黄片免| 国产不卡av网站在线观看| 亚洲av日韩在线播放| 精品久久久久久电影网| 热re99久久国产66热| 亚洲精品国产区一区二| 19禁男女啪啪无遮挡网站| 久久九九热精品免费| 男女国产视频网站| 久久久精品区二区三区| 老汉色av国产亚洲站长工具| 18禁黄网站禁片午夜丰满| 免费在线观看日本一区| 欧美 日韩 精品 国产| 亚洲av美国av| 后天国语完整版免费观看| 国产日韩一区二区三区精品不卡| 国产精品一二三区在线看| 亚洲视频免费观看视频| 波多野结衣一区麻豆| 9色porny在线观看| 免费在线观看影片大全网站 | 少妇的丰满在线观看| 91九色精品人成在线观看| 成年av动漫网址| 亚洲中文av在线| 这个男人来自地球电影免费观看| 久久综合国产亚洲精品| 欧美成人午夜精品| 熟女av电影| 久久久亚洲精品成人影院| 十分钟在线观看高清视频www| 久久 成人 亚洲| 亚洲精品在线美女| 国产一卡二卡三卡精品| 国产精品偷伦视频观看了| 国产精品三级大全| 一级黄色大片毛片| 精品人妻在线不人妻| 人成视频在线观看免费观看| 伦理电影免费视频| 国产一级毛片在线| 久久国产精品大桥未久av| 精品一区二区三区四区五区乱码 | 久久亚洲国产成人精品v| 中国美女看黄片| 免费av中文字幕在线| 亚洲欧美中文字幕日韩二区| 18禁国产床啪视频网站| 欧美日韩一级在线毛片| 啦啦啦视频在线资源免费观看| 国产91精品成人一区二区三区 | 黄频高清免费视频| 黑人猛操日本美女一级片| 9热在线视频观看99| 国产主播在线观看一区二区 | 欧美亚洲日本最大视频资源| 久久女婷五月综合色啪小说| 国产一区二区在线观看av| 亚洲av片天天在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 欧美精品人与动牲交sv欧美| 亚洲av电影在线观看一区二区三区| 秋霞在线观看毛片| 亚洲国产精品999| 国产精品成人在线| 青青草视频在线视频观看| 超碰97精品在线观看| 久久精品国产亚洲av涩爱| 午夜av观看不卡| 日本av手机在线免费观看| 亚洲精品中文字幕在线视频| 亚洲中文av在线| 精品久久久久久电影网| 手机成人av网站| 国产主播在线观看一区二区 | 亚洲专区中文字幕在线| 久久中文字幕一级| 国产精品三级大全| 老司机靠b影院| 九草在线视频观看| 国产97色在线日韩免费| 亚洲欧美中文字幕日韩二区| 99国产精品免费福利视频| 后天国语完整版免费观看| 中文字幕av电影在线播放| 亚洲专区中文字幕在线| 男女之事视频高清在线观看 | 亚洲国产精品国产精品| 交换朋友夫妻互换小说| 久久久久久久久免费视频了| 亚洲伊人色综图| 国产伦人伦偷精品视频| 欧美精品av麻豆av| 成年av动漫网址| 叶爱在线成人免费视频播放| 亚洲欧洲精品一区二区精品久久久| 建设人人有责人人尽责人人享有的| 国产成人一区二区在线| 亚洲国产av影院在线观看| 国语对白做爰xxxⅹ性视频网站| 少妇精品久久久久久久| cao死你这个sao货| 久久久久久久精品精品| 亚洲国产精品国产精品| 视频在线观看一区二区三区| 国产一区二区 视频在线| 国产精品一区二区精品视频观看| 一个人免费看片子| 香蕉丝袜av| 国产福利在线免费观看视频| 女警被强在线播放| 中文字幕最新亚洲高清| 女人爽到高潮嗷嗷叫在线视频| 性色av一级| 午夜福利乱码中文字幕| 最近中文字幕2019免费版| 国产精品一国产av| 国产激情久久老熟女| 夜夜骑夜夜射夜夜干| 久久久久久人人人人人| 黄片小视频在线播放| 高清黄色对白视频在线免费看| 亚洲国产av新网站| 麻豆国产av国片精品| 最近中文字幕2019免费版| 午夜老司机福利片| 欧美久久黑人一区二区| 欧美日韩av久久| 97在线人人人人妻| 女人久久www免费人成看片| 大陆偷拍与自拍| 成人手机av| 激情五月婷婷亚洲| 中文字幕高清在线视频| 亚洲午夜精品一区,二区,三区| 国产成人欧美| 国产精品国产av在线观看| 国产有黄有色有爽视频| 在线观看免费午夜福利视频| 伦理电影免费视频| 9热在线视频观看99| tube8黄色片| 性高湖久久久久久久久免费观看| 久久性视频一级片| 欧美少妇被猛烈插入视频| 亚洲欧美清纯卡通| 午夜精品国产一区二区电影| www.999成人在线观看| a级毛片在线看网站| 菩萨蛮人人尽说江南好唐韦庄| 一本久久精品| 久久av网站| 黄色片一级片一级黄色片| 无限看片的www在线观看| 国产主播在线观看一区二区 | 免费一级毛片在线播放高清视频 | 亚洲色图综合在线观看| 嫩草影视91久久| 精品免费久久久久久久清纯 | 18禁国产床啪视频网站| 午夜老司机福利片| 高清欧美精品videossex| 国产日韩欧美在线精品| 99精品久久久久人妻精品| 丰满少妇做爰视频| 欧美激情 高清一区二区三区| 婷婷色综合大香蕉| 一区二区三区乱码不卡18| 国产日韩一区二区三区精品不卡| 欧美+亚洲+日韩+国产| 日本a在线网址| 黑人猛操日本美女一级片| 一区二区三区激情视频| 国产精品av久久久久免费| 少妇人妻 视频| 亚洲国产精品成人久久小说| 久久久久精品人妻al黑| 国产精品免费大片| 自线自在国产av| 国产成人精品久久二区二区91| 亚洲精品国产色婷婷电影| 91字幕亚洲| 国产成人精品无人区| 欧美日韩视频高清一区二区三区二| 999久久久国产精品视频| 国产午夜精品一二区理论片| 女警被强在线播放| 亚洲欧美一区二区三区久久| 国产av一区二区精品久久| 欧美日韩福利视频一区二区| 在现免费观看毛片| 国产一卡二卡三卡精品| 啦啦啦在线观看免费高清www| 国产精品一二三区在线看| 大陆偷拍与自拍| www.精华液| 一边摸一边做爽爽视频免费| 欧美中文综合在线视频| 悠悠久久av| 少妇裸体淫交视频免费看高清 | 国产免费一区二区三区四区乱码| 欧美黑人欧美精品刺激| 久久久久国产一级毛片高清牌| 久久久久久免费高清国产稀缺| 天天添夜夜摸| 啦啦啦中文免费视频观看日本| 免费少妇av软件| 69精品国产乱码久久久| 麻豆乱淫一区二区| 看免费成人av毛片| 黑人猛操日本美女一级片| 亚洲国产精品国产精品| 91国产中文字幕| 免费日韩欧美在线观看| 日韩,欧美,国产一区二区三区| 国产男人的电影天堂91| 韩国精品一区二区三区| 美女主播在线视频| 日韩中文字幕欧美一区二区 | 少妇 在线观看| 人体艺术视频欧美日本| 国产免费视频播放在线视频| 一区二区日韩欧美中文字幕| 首页视频小说图片口味搜索 | xxx大片免费视频| 悠悠久久av| 欧美在线一区亚洲| 咕卡用的链子| 国产精品九九99| 男女国产视频网站| 午夜免费观看性视频| 色婷婷av一区二区三区视频| 国产欧美日韩一区二区三区在线| 男女免费视频国产| 精品一区在线观看国产| 晚上一个人看的免费电影| 久久女婷五月综合色啪小说| 中文字幕色久视频| 又紧又爽又黄一区二区| 国产主播在线观看一区二区 | 晚上一个人看的免费电影| 日韩一本色道免费dvd| 亚洲欧美清纯卡通| 性高湖久久久久久久久免费观看| av国产精品久久久久影院| 成人午夜精彩视频在线观看| 女人精品久久久久毛片| 亚洲av在线观看美女高潮| 久久99精品国语久久久| 丝袜脚勾引网站| 成人亚洲精品一区在线观看| 亚洲,一卡二卡三卡| 久久国产精品男人的天堂亚洲| 欧美日韩成人在线一区二区| 天堂8中文在线网| 日本五十路高清| 亚洲天堂av无毛| 美国免费a级毛片| 免费看av在线观看网站| 99国产综合亚洲精品| 国产精品三级大全| 精品人妻一区二区三区麻豆| 亚洲人成电影免费在线| 国产精品免费视频内射| 国产三级黄色录像| 制服人妻中文乱码| 欧美在线黄色| 国产极品粉嫩免费观看在线| 欧美日韩精品网址| 19禁男女啪啪无遮挡网站| 美女扒开内裤让男人捅视频| 久久久久久人人人人人| 久久久久久久久久久久大奶| 五月天丁香电影| 亚洲国产日韩一区二区| 欧美精品av麻豆av| 一个人免费看片子| 国产成人免费观看mmmm| 婷婷色av中文字幕| 免费高清在线观看视频在线观看| 五月天丁香电影| 欧美激情高清一区二区三区| 免费在线观看日本一区| 精品人妻熟女毛片av久久网站| 91麻豆av在线| 亚洲欧美激情在线| 国产精品久久久久久人妻精品电影 | 亚洲三区欧美一区| 一级毛片黄色毛片免费观看视频| 国产高清国产精品国产三级| 国产av一区二区精品久久| 亚洲av成人精品一二三区| 久久久久国产精品人妻一区二区| 久久国产精品大桥未久av| 国产片内射在线| 亚洲少妇的诱惑av| 大香蕉久久成人网| 亚洲中文字幕日韩| 大话2 男鬼变身卡| 一本久久精品| 国产精品.久久久| 色视频在线一区二区三区| 久久国产精品男人的天堂亚洲| 国产一区二区三区av在线| 一级黄片播放器| 亚洲久久久国产精品| 免费人妻精品一区二区三区视频| 免费观看a级毛片全部| a级毛片在线看网站| 少妇人妻久久综合中文| 国产成人免费无遮挡视频| 丁香六月天网| 男女边摸边吃奶| av电影中文网址| 中文字幕制服av| h视频一区二区三区| 国产精品国产三级专区第一集| 欧美国产精品一级二级三级| 国产精品免费视频内射| 新久久久久国产一级毛片| 99精国产麻豆久久婷婷| 亚洲免费av在线视频| 老司机深夜福利视频在线观看 | 50天的宝宝边吃奶边哭怎么回事| 亚洲少妇的诱惑av| 美女脱内裤让男人舔精品视频| 欧美黄色淫秽网站| 亚洲欧美日韩另类电影网站| 欧美在线黄色| 亚洲黑人精品在线| 熟女少妇亚洲综合色aaa.| 男人爽女人下面视频在线观看| 一区福利在线观看| 大型av网站在线播放| 精品欧美一区二区三区在线| 一区二区三区乱码不卡18| 国产精品麻豆人妻色哟哟久久| 国产精品av久久久久免费| 最新在线观看一区二区三区 | 亚洲精品成人av观看孕妇| 亚洲精品一二三| 久久九九热精品免费| 亚洲精品av麻豆狂野| 欧美日韩亚洲高清精品| 欧美人与善性xxx| 国产欧美日韩综合在线一区二区| 下体分泌物呈黄色| 国产欧美日韩一区二区三 | 日韩av在线免费看完整版不卡| 亚洲欧美清纯卡通| 国产一区二区激情短视频 | 亚洲熟女精品中文字幕| 中文字幕亚洲精品专区| 精品一区二区三区四区五区乱码 | 欧美精品一区二区大全| 亚洲中文日韩欧美视频| 国产男女超爽视频在线观看| 啦啦啦中文免费视频观看日本| 国产精品九九99| 国产高清国产精品国产三级| 一二三四社区在线视频社区8| 国产精品免费大片| 欧美97在线视频| 啦啦啦在线观看免费高清www| videos熟女内射| 亚洲成国产人片在线观看| 中文字幕制服av| 男的添女的下面高潮视频| 亚洲欧美一区二区三区国产| 欧美xxⅹ黑人| a 毛片基地| 色网站视频免费| 又黄又粗又硬又大视频| 久久久久久久久久久久大奶| 丰满饥渴人妻一区二区三| 成人手机av| 女人被躁到高潮嗷嗷叫费观| 国产成人91sexporn| 免费看av在线观看网站| 美女大奶头黄色视频| 一本大道久久a久久精品| 亚洲欧美一区二区三区黑人| 一级毛片我不卡| 国产又色又爽无遮挡免| 丰满迷人的少妇在线观看| 男人添女人高潮全过程视频| 欧美黄色淫秽网站| 精品视频人人做人人爽| 可以免费在线观看a视频的电影网站| 中文字幕制服av| 老司机午夜十八禁免费视频| 18禁观看日本| 精品国产一区二区久久| 久久久久久久国产电影| 别揉我奶头~嗯~啊~动态视频 | 免费少妇av软件| 少妇人妻久久综合中文| 久久久久久久大尺度免费视频| 亚洲七黄色美女视频| 国产成人精品久久二区二区免费| 亚洲国产日韩一区二区| 国语对白做爰xxxⅹ性视频网站| www.av在线官网国产| 国产精品一区二区免费欧美 | 黄频高清免费视频| 在线观看免费高清a一片| 免费在线观看完整版高清| 亚洲色图综合在线观看| 欧美老熟妇乱子伦牲交| 久久久久精品国产欧美久久久 | 成年av动漫网址| 两人在一起打扑克的视频| 久久久久久久大尺度免费视频| 十八禁人妻一区二区| 精品少妇一区二区三区视频日本电影| 大话2 男鬼变身卡| 久久青草综合色| 在线精品无人区一区二区三| 亚洲欧洲精品一区二区精品久久久| 亚洲久久久国产精品| 久久国产精品人妻蜜桃| 蜜桃在线观看..| 国产一区亚洲一区在线观看| 赤兔流量卡办理| 免费av中文字幕在线| 精品国产一区二区三区四区第35| 成人影院久久| 1024香蕉在线观看| 可以免费在线观看a视频的电影网站| 日韩电影二区| 成人国产av品久久久| 观看av在线不卡| 秋霞在线观看毛片| 色精品久久人妻99蜜桃| 飞空精品影院首页| 免费观看a级毛片全部| 久久精品久久久久久久性| 亚洲欧洲国产日韩| 午夜精品国产一区二区电影| 亚洲av成人精品一二三区| 国产精品麻豆人妻色哟哟久久| 亚洲国产av新网站| 国产日韩欧美亚洲二区| 多毛熟女@视频| 国产免费又黄又爽又色| 久久综合国产亚洲精品| 国产成人一区二区在线| 免费av中文字幕在线| 国产在线视频一区二区| 看免费av毛片| 久久久久精品人妻al黑| 无限看片的www在线观看| 免费高清在线观看日韩| 欧美日韩av久久| 在线看a的网站| 欧美 亚洲 国产 日韩一| 久久久亚洲精品成人影院| 国产精品免费视频内射| 国产精品 国内视频| 亚洲精品在线美女| 久久九九热精品免费| 国产日韩欧美视频二区| 亚洲精品久久久久久婷婷小说| 国产爽快片一区二区三区| 亚洲色图 男人天堂 中文字幕| 男女午夜视频在线观看| 国产成人免费观看mmmm| 热99久久久久精品小说推荐| 国产精品 欧美亚洲| 两个人免费观看高清视频| 日日夜夜操网爽| 黄色一级大片看看| 欧美国产精品va在线观看不卡| 免费观看人在逋| 亚洲欧美清纯卡通| 免费人妻精品一区二区三区视频| 国产亚洲一区二区精品| 18在线观看网站| 亚洲av成人不卡在线观看播放网 | 日本一区二区免费在线视频| 国产精品一区二区精品视频观看| 日本黄色日本黄色录像| 50天的宝宝边吃奶边哭怎么回事| 国产日韩欧美在线精品| 亚洲精品久久久久久婷婷小说| 国产精品一区二区免费欧美 | 老司机深夜福利视频在线观看 | 美国免费a级毛片| 国产精品一区二区在线观看99| 中文字幕最新亚洲高清| 无遮挡黄片免费观看| 欧美日韩成人在线一区二区| 最近手机中文字幕大全| 欧美黑人欧美精品刺激| 一边亲一边摸免费视频| 久久狼人影院| 亚洲av成人精品一二三区| 亚洲精品成人av观看孕妇| 国产熟女欧美一区二区| 久久久久视频综合| 亚洲欧美色中文字幕在线| 成年女人毛片免费观看观看9 | 日韩熟女老妇一区二区性免费视频| 亚洲成人手机| 99国产综合亚洲精品| 一边摸一边做爽爽视频免费| 青草久久国产| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品亚洲av一区麻豆| 涩涩av久久男人的天堂| 制服人妻中文乱码| 欧美日本中文国产一区发布| 欧美 亚洲 国产 日韩一| 亚洲黑人精品在线| 老司机亚洲免费影院| 午夜av观看不卡| 久久久久久久国产电影| 国产精品欧美亚洲77777| 1024香蕉在线观看| 国产在视频线精品| 国产成人精品久久二区二区91| 国产精品免费视频内射| 老司机午夜十八禁免费视频| 少妇精品久久久久久久| 欧美另类一区| 午夜福利,免费看| 日日爽夜夜爽网站| 久久免费观看电影| 免费看av在线观看网站| 色综合欧美亚洲国产小说| 在线观看免费视频网站a站| 国精品久久久久久国模美| 日韩熟女老妇一区二区性免费视频| 国产成人免费无遮挡视频| 亚洲av欧美aⅴ国产| 日韩 亚洲 欧美在线| 日本vs欧美在线观看视频| 无遮挡黄片免费观看| 2018国产大陆天天弄谢| 深夜精品福利| 大片免费播放器 马上看| 汤姆久久久久久久影院中文字幕| 国产精品国产三级国产专区5o| 男人操女人黄网站| 国产淫语在线视频| 欧美大码av| 狠狠婷婷综合久久久久久88av| 欧美日韩精品网址| 操美女的视频在线观看| 青春草视频在线免费观看| 亚洲精品国产色婷婷电影| 欧美激情高清一区二区三区| 老司机影院成人| 亚洲欧美成人综合另类久久久| 男女午夜视频在线观看| 大片电影免费在线观看免费| 国产又色又爽无遮挡免| 国精品久久久久久国模美| 1024视频免费在线观看| 国产亚洲一区二区精品| 自拍欧美九色日韩亚洲蝌蚪91| 成人午夜精彩视频在线观看| 欧美国产精品一级二级三级| 午夜福利在线免费观看网站| 国产精品久久久久成人av| 亚洲人成电影免费在线| 嫩草影视91久久| 一本—道久久a久久精品蜜桃钙片| 高清视频免费观看一区二区| 美女福利国产在线| 免费高清在线观看视频在线观看| 国产爽快片一区二区三区| 久久影院123| 国产欧美日韩精品亚洲av| 一本久久精品| 欧美日韩福利视频一区二区| 热99久久久久精品小说推荐| 校园人妻丝袜中文字幕| 一级片免费观看大全| 精品国产超薄肉色丝袜足j| 又粗又硬又长又爽又黄的视频| 久久精品人人爽人人爽视色| 丝袜脚勾引网站| 亚洲免费av在线视频| 蜜桃在线观看..| 在线 av 中文字幕| 超色免费av| 日韩精品免费视频一区二区三区| 精品国产国语对白av| 视频在线观看一区二区三区|