• <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 ?

    改進(jìn)孿生支持向量機(jī)的一種快速分類算法

    2012-06-02 09:32:20高斌斌李秋林
    關(guān)鍵詞:超平面對偶線性

    高斌斌,劉 霞,李秋林

    (1.西南大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院,重慶 400715;

    2.新疆大學(xué)數(shù)學(xué)與系統(tǒng)科學(xué)學(xué)院,烏魯木齊 830046)

    支持向量機(jī) (support vector machine,SVM)[1-10]是Vapnik等提出的一種基于統(tǒng)計學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法,能非常成功地處理分類和回歸問題。由于它采用結(jié)構(gòu)風(fēng)險最小化的原則[11]而具有良好的學(xué)習(xí)能力和泛化性能,因此得到廣泛應(yīng)用(如圖像識別、文本分類、生物信息、金融應(yīng)用)。盡管許多快速 SVM算法(如 Chunking、分塊、SMO和Liblinear等[12]算法)已被相繼提出,但在實際應(yīng)用中面對大規(guī)模數(shù)據(jù),分類算法需要進(jìn)行大量的二次規(guī)劃計算,分類計算量大、分類速度慢,速度問題在很大程度上限制了SVM的應(yīng)用。

    2007年,Jayadeva等[13]提出了孿生支持向量機(jī)(TSVM)。該算法優(yōu)化目標(biāo)要求超平面離本類樣本盡可能的近,離它類樣本盡可能的遠(yuǎn)。TSVM計算時間開銷縮減到SVM的1/4。然而,奇異性問題導(dǎo)致TSVM不能保證得到較好的分類性能?;赥SVM思想,近年來發(fā)展了許多有關(guān)非平行的超平面學(xué)習(xí)方法,如光滑 TSVM[14]、最小二乘TSVM[15]、TBSVM[16]。最近,彭[17]提出了 TPMSVM,該模型通過正、負(fù)參數(shù)間隔超平面間接確定分類最優(yōu)超平面。

    為了更好地提高TSVM算法的學(xué)習(xí)速度和泛化能力,提出改進(jìn)的TSVM(ITSVM)模型,并將收縮技術(shù)[18]嵌入坐標(biāo)下降方法[19]求解改進(jìn)模型,十分有效地改善了TSVM的學(xué)習(xí)速度和分類能力。仿真實驗表明:相對于傳統(tǒng)的SVM、TSVM及TPMSVM方法,ITSVM不僅提高了分類的準(zhǔn)確率,而且大大改善了計算效率。

    1 改進(jìn)的孿生支持向量機(jī)

    給定 2類 n維的 m個訓(xùn)練樣本,T={(xi,yi)},xi∈Rn,對于二分類問題,yi={+1,-1}(i=1,…,m)作為類別的標(biāo)簽。分別用m1×n的矩陣X+和m2×n的矩陣X-表示為+1類和-1類,m1、m2分別表示2類樣本的數(shù)目。

    1.1 改進(jìn)的線性孿生支持向量機(jī)

    考慮到現(xiàn)有的孿生模型并不具有類似于SVM的特性,即間隔[20],基于SVM結(jié)構(gòu)風(fēng)險最小化和最大間隔原則,在TSVM模型原始優(yōu)化問題中添加正則項,使得構(gòu)造的優(yōu)化問題的優(yōu)化目標(biāo)結(jié)構(gòu)風(fēng)險最小,從而提高TSVM的泛化性能。線性情形下,ITSVM也是尋找2個不平行的超平面:

    為了獲得這2個超平面,改進(jìn)后的原始問題為:

    其中:εi>0(i=1,2)是正則化參數(shù);ci>0(i=1,2)是懲罰參數(shù)。

    顯然,最優(yōu)超平面wT±x+b±=0與邊界超平面wT±x+b±= ±1 之間的間隔是,因此目標(biāo)函數(shù)極小化正則項和與極大化間隔等價,也就是使得最優(yōu)超平面與邊界超平面的距離盡可能的遠(yuǎn)。原始問題(2)的Lagrangian函數(shù)為

    其中 α =(α1,α2,…,αm2)T是 Lagrange乘子。根據(jù)The Karush Kuhn Tucker(KKT)條件:

    合并式 (5)、(6)可以得

    職業(yè)教育是國家教育事業(yè)的重要組成部分,是促進(jìn)經(jīng)濟(jì)社會發(fā)展和勞動就業(yè)的重要途徑。在新時代,職業(yè)教育更是被賦予培養(yǎng)“大國工匠”的歷史重任,寫入了黨的十九大報告,納入重慶科教興市和人才強(qiáng)市行動計劃,其重要性不言而喻。發(fā)展是第一要務(wù),人才是第一資源。在新一輪改革發(fā)展浪潮中,如何通過加快區(qū)縣職業(yè)教育發(fā)展,推動人才與發(fā)展有效匹配、教育與產(chǎn)業(yè)緊密對接、科技與經(jīng)濟(jì)深度融合,助推實現(xiàn)“兩地”“兩高”目標(biāo),值得研究和探索。

    由式(12)得

    將式(13)帶入Lagrangian函數(shù)(4),使用約束條件(7)~(10),可以得到問題(2)的Wolfe對偶問題:

    類似的方式可以得到問題(3)的Wolfe對偶問題:

    求解對偶問題(14)和(15),得到Lagrange乘子α和β,從而得到權(quán)重向量w±和偏置值b±。對于一個新的輸入x∈Rn是+1類還是-1類,可依據(jù)決策函數(shù)判別,其中是絕對值。

    1.2 改進(jìn)的非線性孿生支持向量機(jī)

    對于線性不可分問題,引進(jìn)從輸入空間Rn到一個高維的Hilbert空間H的變換φ,這樣在原空間尋找超平面的問題轉(zhuǎn)化為在特征空間H中尋找2個由核生成超平面:

    的問題,其中 K(x,y)=φ(x)Tφ(y)為核函數(shù)。為了將線性情況的結(jié)果拓展到非線性情況,構(gòu)造原始優(yōu)化問題

    記 S+=[K(X+,XT)e+],S- =[K(X-,XT)e-],引進(jìn)Lagrangian函數(shù),利用KKT條件,可以獲得原始優(yōu)化問題(17)和(18)的對偶問題:

    2 ITSVM的快速求解算法

    在ITSVM模型中,需求解對偶問題(14)、(15)、(19)和(20)。易知這4個問題都是凸二次規(guī)劃問題,可以用同樣的方法解決。因此只需要探究問題(14)的求解算法.

    文獻(xiàn)[19]將坐標(biāo)下降法成功應(yīng)用于求解SVM的對偶問題。問題(21)和SVM的對偶問題形式類似,但是卻又不同,這是由于問題(21)與文獻(xiàn)[19]的矩陣Q有本質(zhì)的不同。收縮技術(shù)可以有效地處理非常大的數(shù)據(jù)集,該算法有效性已在文獻(xiàn)[18]中得到證明。結(jié)合坐標(biāo)下降算法與收縮技術(shù)的優(yōu)勢,得到了針對ITSVM對偶問題的高效求解算法。

    算法的迭代過程由 α0∈Rm2開始,記 αk,1= αk,αk,m2+1= αk+1,且

    從 αk,i更新到 αk,i+1:

    其中:

    3 實驗結(jié)果

    為了驗證ITSVM的分類性能,在人工數(shù)據(jù)與UCI數(shù)據(jù)集上對SVM、TSVM、TPSVM和ITSVM分別進(jìn)行對比測試。實驗運行環(huán)境:Windows7操作系統(tǒng),CPU為 Intel corei3(2.4GHz),內(nèi)存為2G,Matlab 7.13軟件。對所有方法的線性和非線性情形分別進(jìn)行了測試。非線性情形下使用高斯核函數(shù):K(x,y)=e-‖x-y‖2/(2σ2)。為了對比實驗的執(zhí)行效率,用本文提出的算法求解ITSVM,對SVM、TSVM 和 TPMSVM 使用“qp.m”函數(shù)求解[21],分類準(zhǔn)確率采用標(biāo)準(zhǔn)的十折交叉驗證方法。

    眾所周知,參數(shù)對模型分類準(zhǔn)確率有一定程度的影響,為了簡化參數(shù)的搜索難度,在ITSVM中設(shè)置 ε1=ε2=ε,c1=c2=c,所有算法參數(shù)范圍統(tǒng)一在集合{2i|i=-8,…,8}內(nèi),隨機(jī)選擇30%的訓(xùn)練集作調(diào)試集,通過網(wǎng)格搜索方法尋找最佳的參數(shù)。一旦參數(shù)被確定下來,調(diào)試集將還原到訓(xùn)練集中。

    3.1 人工數(shù)據(jù)集實驗

    2 維數(shù)據(jù) Ripley’s synathetic[22]常用于測試分類算法的性能,此數(shù)據(jù)有250個訓(xùn)練點,1 000個測試點。本節(jié)將通過此數(shù)據(jù)測試ITSVM與SVM、TSVM、TPMSVM在分類準(zhǔn)確率與分類效率上的性能。在線性與非線性下分別通過訓(xùn)練集訓(xùn)練4種模型,然后對測試數(shù)據(jù)分別進(jìn)行分類預(yù)測。記錄預(yù)測的準(zhǔn)確率和模型的訓(xùn)練時間如表1所示,4種方法的決策超平面如圖1、2所示。

    表1 4種算法在Ripley’s數(shù)據(jù)上的分類結(jié)果

    圖1 非線性的SVM與TSVM分類超平面

    圖2 非線性的TPMSVM與ITSVM分類超平面

    從圖1、2可以看出:經(jīng)典SVM的決策邊界是一個超平面,而TSVM、TPMSVM和ITSVM有2個超平面;ITSVM兩條超曲線的位置相對TSVM、TPMSVM更加合理。

    從表1結(jié)果可以知道:在測試準(zhǔn)確率上,非線性的ITSVM獲得了最佳的分類準(zhǔn)確率,而在線性情形下傳統(tǒng)的SVM獲得了最佳的分類準(zhǔn)確率;在算法的執(zhí)行效率上,本文提出的方法相對于已有的SVM、FSVM、TSVM方法具有明顯的優(yōu)勢,尤其是在線性情形下算法的執(zhí)行效率表現(xiàn)得更為出色。

    3.2 真實數(shù)據(jù)集實驗

    為了進(jìn)一步測試ITSVM算法的有效性和實用性,在公開的UCI機(jī)器學(xué)習(xí)數(shù)據(jù)集[23]上選取了8個常用的數(shù)據(jù),同相關(guān)方法SVM、TSVM、TPMSVM做對比實驗,以更全面說明本文算法的分類性能。

    數(shù)據(jù)集中同時包括二分類和多分類數(shù)據(jù)。對于多分類數(shù)據(jù),處理方法是把類別數(shù)量比例較高的作為+1類,其余的作為-1類,從而轉(zhuǎn)化為二分類問題。在實驗之前,為了減少樣本的不同特征的數(shù)量差別,歸一化所有的樣本數(shù)據(jù)在區(qū)間[-1,1]。表2和表3顯示了在線性和非線性情況下本文所提方法 ITSVM與SVM,TSVM及 TPMSVM方法在給定數(shù)據(jù)集上的模式分類精度和學(xué)習(xí)的CPU時間。

    表2 線性SVM、TSVM、TPMSVM與ITSVM的分類結(jié)果

    表3 非線性SVM、TSVM、TPMSVM與ITSVM的分類結(jié)果

    由表2和表3可以得到:

    1)采用非線性核能明顯增強(qiáng)4種分類方法在幾乎所有數(shù)據(jù)集上的分類性能。

    2)無論是在線性情形還是非線性情形下,與已有方法SVM、TSVM及TPMSVM相比,ITSVM在絕大部分?jǐn)?shù)據(jù)集上均具有優(yōu)于其他方法的模式分類性能。

    3)在算法的執(zhí)行效率上,TSVM及 TPMSVM相對于SVM明顯高效,但是本文提出的算法的分類速度表現(xiàn)更加出色,在線性情形下更具優(yōu)勢。

    4 結(jié)束語

    本文在TSVM的基礎(chǔ)上,借鑒SVM結(jié)構(gòu)風(fēng)險最小化思想來構(gòu)建原始優(yōu)化問題,提出ITSVM分類模型。該模型的對偶問題為凸二次規(guī)劃問題,可以得到全局唯一解。針對此模型,提出一種新穎的坐標(biāo)下降算法,能有效地求解ITSVM的對偶問題。在人工數(shù)據(jù)與UCI數(shù)據(jù)集上測試證實:在線性和非線性情況下,本文方法ITSVM的分類準(zhǔn)確率和執(zhí)行效率優(yōu)于或等于相關(guān)方法。但是,ITSVM模型中有4個參數(shù)需要確定,這增加了參數(shù)選擇的難度。如何更好地選擇參數(shù),同時將此方法應(yīng)用于多分類問題和回歸問題,都是接下來要進(jìn)行的研究工作。

    [1]Cortes C,Vapnik V N.Support vector networks[J].Machine Learning,1995,20(3):273 -297.

    [2]余珺,鄭先斌,張小海.基于多核優(yōu)選的裝備費用支持向量機(jī)預(yù)測法[J].四川兵工學(xué)報,2011(6):118-119.

    [3]萬輝.一種基于最小二乘支持向量機(jī)的圖像增強(qiáng)算法[J].重慶理工大學(xué)學(xué)報:自然科學(xué)版,2011(6):53-57.

    [4]王俊偉,吳緯.基于支持向量機(jī)的裝備維修保障專業(yè)優(yōu)化[J].四川兵工學(xué)報,2010(6):11-13.

    [5]鄔嘯,魏延,吳瑕.基于混合核函數(shù)的支持向量機(jī)[J].重慶理工大學(xué)學(xué)報:自然科學(xué)版,2011(10):66-70.

    [6]朱光兆,何偉.基于支持向量機(jī)的混沌時間序列預(yù)測分析[J].自動化與儀器儀表,2012(1):145-147.

    [7]張宏蕾,張立亭,羅亦泳,等.基于支持向量機(jī)的土地利用預(yù)警研究[J].安徽農(nóng)業(yè)科學(xué),2010(35):20503-20504.

    [8]黃銀蓉,張紹德.MIMO最小二乘支持向量機(jī)污水處理在線軟測量研究[J].自動化與儀器儀表,2010(4):15-17.

    [9]唐曉芬,趙秉新.基于支持向量機(jī)的農(nóng)村勞動力轉(zhuǎn)移預(yù)測[J].安徽農(nóng)業(yè)科學(xué),2011(11):6837-6838.

    [10]崔建國,李明,陳希成.基于支持向量機(jī)的飛行器健康診斷方法[J].壓電與聲光,2009(2):266-269.

    [11]cholk?pf B S,Smola A.Learning with kernels[M].Cambridge,MA:MIT Press,2002,62 -75.

    [12]Fan R E,Chang K W,Hsieh C J,et al.LIBLINEAR:a library for large linear classification[J].Journal of Machine Learning Research.2008,9:1871 -1874.

    [13]Jayadeva R K,Khemchandani R,Chandra S.Twin support vector machines for pattern classification[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2007,29(5):905 -910.

    [14]Kumar M A,Gopal M.Application of smooth in technique on twin support vector machines[J].Pattern Recognition Letters,2008,29(13):1842 -1848.

    [15]Kumar M A,Gopal M.Least squares twin support vector machines for pattern classication[J].Expert Systems with Applications,2009,36(4):7535 -7543.

    [16]Shao Y H,Zhang C H,Wang X B.Improvements on twin support vector machines[J].IEEE Transactions on neural networks,2011,22(6):962 -968.

    [17]Peng X J.TPMSVM:A novel twin parametric-margin support vector machine for pattern recognition[J].Pattern Recognition,2011,44:2678 -2692.

    [18]Hsieh C J,Chang K W,Lin C J.A dual coordinate descent method for large-scale linear SVM[C]//Proceedings of the 25th international conference on machine learning.USA:[s.n.],2008.

    [19]Joachims T.Making large-scale SVM learning practical[M].Cambridge,MA:MIT Press,1998:169 -184.

    [20]丁世飛,齊丙娟,譚紅艷.支持向量機(jī)理論與算法研究綜述[J].電子科技大學(xué)學(xué)報,2011,40(1):2 -10.

    [21]Gunn S R.2001 MATLAB support vector machine toolbox version:2.1[EB/OL].[2011 -05 -27].http://www.isis.ecs.soton.ac.uk/resources/svminfo/.

    [22]Ripley B D.Pattern Recognition and Neural Networks[M].Cambridge:Cambridge University Press,1996.

    [23]Blake C L,Merz C J.UCI repository for machine learning databases[EB/OL].[1998 -10 -15].http://www.ics.uci.edu/~mlearn/MLRepository.html.

    猜你喜歡
    超平面對偶線性
    漸近線性Klein-Gordon-Maxwell系統(tǒng)正解的存在性
    全純曲線的例外超平面
    涉及分擔(dān)超平面的正規(guī)定則
    線性回歸方程的求解與應(yīng)用
    以較低截斷重數(shù)分擔(dān)超平面的亞純映射的唯一性問題
    二階線性微分方程的解法
    分擔(dān)超平面的截斷型亞純映射退化性定理
    對偶平行體與對偶Steiner點
    對偶均值積分的Marcus-Lopes不等式
    對偶Brunn-Minkowski不等式的逆
    亚洲精品乱码久久久v下载方式| 国产在视频线精品| 午夜福利视频1000在线观看| 亚洲av不卡在线观看| 啦啦啦观看免费观看视频高清| 国产在视频线在精品| 欧美97在线视频| 午夜福利成人在线免费观看| 国产欧美日韩精品一区二区| 国产色爽女视频免费观看| 黄色一级大片看看| 国产爱豆传媒在线观看| 天天躁夜夜躁狠狠久久av| 日韩av在线免费看完整版不卡| 婷婷色综合大香蕉| 成人特级av手机在线观看| 一级毛片电影观看 | 日韩一区二区三区影片| 中文在线观看免费www的网站| 国产单亲对白刺激| 最近最新中文字幕大全电影3| 亚洲无线观看免费| 寂寞人妻少妇视频99o| 汤姆久久久久久久影院中文字幕 | 嘟嘟电影网在线观看| 国产免费视频播放在线视频 | 1000部很黄的大片| 蜜桃亚洲精品一区二区三区| 国产精品久久久久久精品电影小说 | 国模一区二区三区四区视频| 国产成人精品婷婷| 哪个播放器可以免费观看大片| 麻豆成人av视频| 免费不卡的大黄色大毛片视频在线观看 | 又粗又硬又长又爽又黄的视频| 精品国产三级普通话版| 美女脱内裤让男人舔精品视频| 毛片女人毛片| 欧美性猛交黑人性爽| 国产高清视频在线观看网站| 哪个播放器可以免费观看大片| 黄片无遮挡物在线观看| 久久欧美精品欧美久久欧美| 三级国产精品欧美在线观看| 久久久久国产网址| 国产大屁股一区二区在线视频| 国产v大片淫在线免费观看| 久久久国产成人精品二区| 嘟嘟电影网在线观看| 精品99又大又爽又粗少妇毛片| 国产精品久久久久久久久免| 久久久国产成人免费| 亚洲四区av| 18禁在线无遮挡免费观看视频| 久久午夜福利片| 国产免费视频播放在线视频 | 夫妻性生交免费视频一级片| av在线亚洲专区| 国产一区有黄有色的免费视频 | 久久精品久久久久久噜噜老黄 | 在现免费观看毛片| 毛片女人毛片| 视频中文字幕在线观看| 亚洲av免费在线观看| 成人国产麻豆网| 国产精品一区二区性色av| 国产精品一区二区三区四区免费观看| 久久久久久久亚洲中文字幕| 女人被狂操c到高潮| 免费搜索国产男女视频| av在线天堂中文字幕| 一级二级三级毛片免费看| 久久99热这里只有精品18| 日韩欧美 国产精品| 国语自产精品视频在线第100页| 国产午夜精品一二区理论片| 中文字幕av在线有码专区| 99热这里只有是精品50| 九九热线精品视视频播放| 久久这里只有精品中国| 色综合亚洲欧美另类图片| kizo精华| 久久久久久久久久久丰满| 国产在视频线精品| 亚洲国产精品专区欧美| 欧美又色又爽又黄视频| 日本黄大片高清| www.av在线官网国产| 国产 一区 欧美 日韩| 中文字幕亚洲精品专区| 欧美高清性xxxxhd video| 精品久久久久久成人av| 精品久久久噜噜| 国产在视频线在精品| 久久久精品大字幕| 亚洲三级黄色毛片| av专区在线播放| 国产精品永久免费网站| 蜜桃亚洲精品一区二区三区| 免费观看的影片在线观看| 狠狠狠狠99中文字幕| 亚洲av福利一区| 免费看a级黄色片| 中文资源天堂在线| 别揉我奶头 嗯啊视频| 国产精品一二三区在线看| 色播亚洲综合网| 最后的刺客免费高清国语| 日韩高清综合在线| 日日摸夜夜添夜夜爱| 淫秽高清视频在线观看| 听说在线观看完整版免费高清| 欧美精品国产亚洲| 亚洲综合色惰| 日本免费一区二区三区高清不卡| 黑人高潮一二区| 中文欧美无线码| 麻豆成人午夜福利视频| 日本猛色少妇xxxxx猛交久久| 久久久久精品久久久久真实原创| 日本免费一区二区三区高清不卡| 欧美区成人在线视频| 国产免费男女视频| 日本熟妇午夜| 国产久久久一区二区三区| 亚洲高清免费不卡视频| 狂野欧美激情性xxxx在线观看| 老司机影院毛片| 在线播放无遮挡| 国产乱来视频区| 婷婷色av中文字幕| 韩国高清视频一区二区三区| 性插视频无遮挡在线免费观看| 免费大片18禁| 精华霜和精华液先用哪个| 成人国产麻豆网| 久久99蜜桃精品久久| 九九久久精品国产亚洲av麻豆| 亚洲乱码一区二区免费版| 国产三级在线视频| 精品国产三级普通话版| 欧美又色又爽又黄视频| 26uuu在线亚洲综合色| 边亲边吃奶的免费视频| 国产爱豆传媒在线观看| 搡女人真爽免费视频火全软件| 只有这里有精品99| 精品国产三级普通话版| 亚洲真实伦在线观看| 国产午夜精品论理片| 一夜夜www| 色哟哟·www| 男女下面进入的视频免费午夜| 精品国产露脸久久av麻豆 | 六月丁香七月| 偷拍熟女少妇极品色| 日日撸夜夜添| av免费在线看不卡| 精品人妻视频免费看| 日韩人妻高清精品专区| 日本-黄色视频高清免费观看| 免费av不卡在线播放| 国产老妇女一区| 日本-黄色视频高清免费观看| 欧美区成人在线视频| 亚洲经典国产精华液单| 欧美变态另类bdsm刘玥| 欧美一级a爱片免费观看看| 欧美成人午夜免费资源| 如何舔出高潮| 99在线视频只有这里精品首页| 免费大片18禁| 久久久久久久久久黄片| 亚洲av福利一区| 美女黄网站色视频| 国产精品一区二区三区四区久久| 久久精品综合一区二区三区| 最近中文字幕高清免费大全6| 校园人妻丝袜中文字幕| 午夜福利视频1000在线观看| 69av精品久久久久久| 嫩草影院精品99| 久久人人爽人人爽人人片va| 99久久精品热视频| 亚洲自偷自拍三级| 国产男人的电影天堂91| 久久精品综合一区二区三区| 丰满少妇做爰视频| 精品欧美国产一区二区三| 人妻系列 视频| 国产久久久一区二区三区| 又黄又爽又刺激的免费视频.| 久久精品国产亚洲av天美| 能在线免费观看的黄片| av女优亚洲男人天堂| 国产精品一区www在线观看| 国产精品久久久久久精品电影小说 | 欧美一区二区亚洲| 青青草视频在线视频观看| 69av精品久久久久久| 成人午夜高清在线视频| 日本一二三区视频观看| 人妻少妇偷人精品九色| 麻豆乱淫一区二区| 丝袜美腿在线中文| 亚洲欧美日韩卡通动漫| 亚洲av免费高清在线观看| 综合色av麻豆| 中文精品一卡2卡3卡4更新| or卡值多少钱| 久久久久久久国产电影| 精品少妇黑人巨大在线播放 | 亚洲欧美日韩卡通动漫| 嘟嘟电影网在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 欧美日韩在线观看h| 日本免费a在线| 久久精品国产99精品国产亚洲性色| 观看免费一级毛片| av天堂中文字幕网| 国产精品,欧美在线| 好男人视频免费观看在线| 成人亚洲精品av一区二区| 麻豆一二三区av精品| 久久久午夜欧美精品| 91久久精品国产一区二区三区| 亚洲欧美一区二区三区国产| 麻豆一二三区av精品| 国产三级中文精品| 一个人免费在线观看电影| 99久国产av精品| 日日摸夜夜添夜夜添av毛片| 欧美最新免费一区二区三区| 美女脱内裤让男人舔精品视频| 久久久久九九精品影院| 男人和女人高潮做爰伦理| 精品人妻熟女av久视频| 亚洲av免费高清在线观看| 精品久久久久久久末码| 欧美成人a在线观看| 日韩欧美精品免费久久| av女优亚洲男人天堂| 欧美xxxx性猛交bbbb| 亚洲久久久久久中文字幕| 国产又黄又爽又无遮挡在线| 欧美日本视频| av在线老鸭窝| 亚洲成av人片在线播放无| 亚洲精华国产精华液的使用体验| 女人久久www免费人成看片 | 久久精品国产亚洲av涩爱| 在线天堂最新版资源| 亚洲精品日韩在线中文字幕| 日韩人妻高清精品专区| 亚洲欧美精品自产自拍| 国产三级在线视频| 国产精品久久视频播放| 欧美变态另类bdsm刘玥| 亚洲乱码一区二区免费版| 嫩草影院新地址| 亚洲av电影不卡..在线观看| 纵有疾风起免费观看全集完整版 | 麻豆久久精品国产亚洲av| 国产精品人妻久久久影院| 免费观看的影片在线观看| 亚洲精品乱码久久久v下载方式| 欧美区成人在线视频| 五月玫瑰六月丁香| 成人性生交大片免费视频hd| 国产精品不卡视频一区二区| 97人妻精品一区二区三区麻豆| 久久韩国三级中文字幕| 日韩欧美国产在线观看| 麻豆久久精品国产亚洲av| 免费电影在线观看免费观看| 午夜老司机福利剧场| 18禁动态无遮挡网站| 日韩中字成人| 搞女人的毛片| 岛国毛片在线播放| 精品人妻偷拍中文字幕| 成人国产麻豆网| 天美传媒精品一区二区| 能在线免费看毛片的网站| 久99久视频精品免费| 欧美成人午夜免费资源| 麻豆一二三区av精品| 亚洲欧美精品自产自拍| 日日撸夜夜添| 嫩草影院精品99| 2021少妇久久久久久久久久久| 99热这里只有是精品在线观看| 天堂影院成人在线观看| 亚洲精华国产精华液的使用体验| 亚洲第一区二区三区不卡| 久久精品久久久久久噜噜老黄 | 日本猛色少妇xxxxx猛交久久| 亚洲四区av| 亚洲精品一区蜜桃| 一区二区三区四区激情视频| 禁无遮挡网站| 女的被弄到高潮叫床怎么办| 午夜激情福利司机影院| 18禁裸乳无遮挡免费网站照片| 色尼玛亚洲综合影院| 亚洲,欧美,日韩| 成人三级黄色视频| 少妇裸体淫交视频免费看高清| 午夜激情欧美在线| 久久久久久久国产电影| 中文在线观看免费www的网站| 免费一级毛片在线播放高清视频| 伊人久久精品亚洲午夜| 久久精品人妻少妇| 日韩欧美精品v在线| АⅤ资源中文在线天堂| 免费观看的影片在线观看| 中文字幕亚洲精品专区| 中文字幕人妻熟人妻熟丝袜美| 熟妇人妻久久中文字幕3abv| 国产免费一级a男人的天堂| 国产私拍福利视频在线观看| 一个人免费在线观看电影| 国产麻豆成人av免费视频| 亚洲丝袜综合中文字幕| 色网站视频免费| 我的老师免费观看完整版| 亚洲精品日韩在线中文字幕| 国产成人a∨麻豆精品| 少妇的逼水好多| 日韩欧美精品v在线| 午夜老司机福利剧场| 波多野结衣巨乳人妻| 看非洲黑人一级黄片| 老司机影院成人| 波多野结衣巨乳人妻| 免费播放大片免费观看视频在线观看 | 少妇被粗大猛烈的视频| 熟女人妻精品中文字幕| 欧美日本视频| 日韩制服骚丝袜av| 韩国高清视频一区二区三区| 亚洲第一区二区三区不卡| 国产精品日韩av在线免费观看| 色视频www国产| 91狼人影院| www.色视频.com| 亚洲成人久久爱视频| .国产精品久久| 色哟哟·www| 九九爱精品视频在线观看| 91久久精品电影网| 亚洲高清免费不卡视频| 国产 一区 欧美 日韩| 国产真实伦视频高清在线观看| 亚洲综合精品二区| 老师上课跳d突然被开到最大视频| 国产老妇伦熟女老妇高清| 亚洲av熟女| 男人狂女人下面高潮的视频| 看片在线看免费视频| av在线亚洲专区| 女人久久www免费人成看片 | 亚洲无线观看免费| 久久久午夜欧美精品| 国产精品日韩av在线免费观看| 亚洲国产色片| 国产精品永久免费网站| 国语自产精品视频在线第100页| 人人妻人人澡欧美一区二区| 最近视频中文字幕2019在线8| 精品久久久久久成人av| 纵有疾风起免费观看全集完整版 | 精品久久久久久电影网 | av在线观看视频网站免费| 成人无遮挡网站| 麻豆成人av视频| 免费电影在线观看免费观看| 久久久久九九精品影院| 亚洲人成网站高清观看| 欧美极品一区二区三区四区| 国产精品1区2区在线观看.| 国产黄a三级三级三级人| 如何舔出高潮| 91午夜精品亚洲一区二区三区| 欧美成人a在线观看| 成人鲁丝片一二三区免费| 国产精品久久久久久久电影| 日韩大片免费观看网站 | 欧美性猛交╳xxx乱大交人| 久久久久性生活片| 不卡视频在线观看欧美| 欧美日韩在线观看h| 好男人在线观看高清免费视频| 亚洲天堂国产精品一区在线| 日本免费在线观看一区| 亚洲内射少妇av| a级毛色黄片| 亚洲,欧美,日韩| 久久精品久久久久久噜噜老黄 | 啦啦啦啦在线视频资源| 欧美一级a爱片免费观看看| 日韩人妻高清精品专区| 免费观看性生交大片5| 一卡2卡三卡四卡精品乱码亚洲| 亚洲人成网站在线观看播放| 男女那种视频在线观看| 尤物成人国产欧美一区二区三区| 日本免费在线观看一区| 国产精品,欧美在线| 日韩亚洲欧美综合| 青春草视频在线免费观看| 亚洲欧美精品专区久久| 两个人视频免费观看高清| 久久久国产成人精品二区| 日韩一区二区视频免费看| 桃色一区二区三区在线观看| 国产一级毛片在线| av在线亚洲专区| 午夜福利高清视频| 乱人视频在线观看| 亚洲国产成人一精品久久久| 国产精品1区2区在线观看.| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 深夜a级毛片| 18禁在线无遮挡免费观看视频| 国产av一区在线观看免费| 精品熟女少妇av免费看| 亚洲18禁久久av| 最近2019中文字幕mv第一页| 99久久成人亚洲精品观看| 亚洲性久久影院| 22中文网久久字幕| 色哟哟·www| 国产精品一区www在线观看| 亚洲精品亚洲一区二区| 青青草视频在线视频观看| 久久这里有精品视频免费| 成人一区二区视频在线观看| 国产白丝娇喘喷水9色精品| 国产av在哪里看| 校园人妻丝袜中文字幕| 深爱激情五月婷婷| 免费看日本二区| 国产精品一区二区在线观看99 | 日本黄大片高清| 97超视频在线观看视频| 男人和女人高潮做爰伦理| 内地一区二区视频在线| 国产精品久久久久久久电影| 18+在线观看网站| 久久草成人影院| 国产白丝娇喘喷水9色精品| 欧美一区二区国产精品久久精品| 欧美另类亚洲清纯唯美| 国产爱豆传媒在线观看| 一本久久精品| 不卡视频在线观看欧美| 变态另类丝袜制服| 女人被狂操c到高潮| 在线观看av片永久免费下载| 国产精品久久久久久av不卡| 成人午夜精彩视频在线观看| 最近最新中文字幕免费大全7| 国产单亲对白刺激| 久久热精品热| 亚洲va在线va天堂va国产| 国产伦一二天堂av在线观看| 国产成年人精品一区二区| 亚洲图色成人| 亚洲欧美成人综合另类久久久 | av免费在线看不卡| 久久久久久久久中文| av视频在线观看入口| 一级黄色大片毛片| 亚洲人与动物交配视频| 少妇丰满av| 久久人妻av系列| 91久久精品国产一区二区三区| 久久鲁丝午夜福利片| 久久久久九九精品影院| 日日啪夜夜撸| 国产精品久久电影中文字幕| 爱豆传媒免费全集在线观看| 国产午夜精品一二区理论片| 亚洲国产精品成人综合色| 日本-黄色视频高清免费观看| 少妇熟女欧美另类| 日韩制服骚丝袜av| 成人午夜精彩视频在线观看| 一二三四中文在线观看免费高清| 国产午夜福利久久久久久| 日韩一区二区三区影片| 亚洲怡红院男人天堂| 久久精品熟女亚洲av麻豆精品 | 禁无遮挡网站| 自拍偷自拍亚洲精品老妇| 直男gayav资源| 国产av不卡久久| 亚洲无线观看免费| 一本久久精品| 国产三级在线视频| 国产亚洲av片在线观看秒播厂 | 亚洲五月天丁香| 麻豆久久精品国产亚洲av| 久久精品国产亚洲网站| 国产女主播在线喷水免费视频网站 | 久久精品国产99精品国产亚洲性色| 午夜福利高清视频| 2021少妇久久久久久久久久久| 欧美日韩综合久久久久久| 丰满少妇做爰视频| 精品酒店卫生间| 六月丁香七月| 国产老妇女一区| 午夜免费激情av| 日本-黄色视频高清免费观看| 日本欧美国产在线视频| 插逼视频在线观看| 亚洲最大成人手机在线| 最近中文字幕2019免费版| 亚洲婷婷狠狠爱综合网| 精品不卡国产一区二区三区| 国产在视频线精品| 国产午夜福利久久久久久| 国产片特级美女逼逼视频| 久久热精品热| 麻豆精品久久久久久蜜桃| 黄片无遮挡物在线观看| 中文字幕亚洲精品专区| 久久婷婷人人爽人人干人人爱| 日韩欧美国产在线观看| 爱豆传媒免费全集在线观看| 午夜精品一区二区三区免费看| 床上黄色一级片| 精品国内亚洲2022精品成人| 男女国产视频网站| 亚洲成av人片在线播放无| 一区二区三区四区激情视频| 国产高清不卡午夜福利| 日韩高清综合在线| 亚洲av日韩在线播放| 三级毛片av免费| av播播在线观看一区| 少妇熟女欧美另类| 日本色播在线视频| 欧美色视频一区免费| 尤物成人国产欧美一区二区三区| 三级国产精品欧美在线观看| av国产免费在线观看| 免费在线观看成人毛片| 日韩av在线免费看完整版不卡| 99久国产av精品| 搡女人真爽免费视频火全软件| 日本一本二区三区精品| 九九热线精品视视频播放| 欧美人与善性xxx| 少妇猛男粗大的猛烈进出视频 | 欧美极品一区二区三区四区| 日日撸夜夜添| 国产高清三级在线| 久久久久久国产a免费观看| 成人午夜精彩视频在线观看| 亚洲av一区综合| 看免费成人av毛片| 一边摸一边抽搐一进一小说| 中文天堂在线官网| 国产v大片淫在线免费观看| 七月丁香在线播放| 精品久久久久久久人妻蜜臀av| 搡老妇女老女人老熟妇| 小说图片视频综合网站| 久久鲁丝午夜福利片| 91久久精品国产一区二区成人| 国语自产精品视频在线第100页| 国内精品宾馆在线| 日本与韩国留学比较| 国产精品永久免费网站| 国产成人福利小说| 国产成人一区二区在线| 一边摸一边抽搐一进一小说| 日本免费一区二区三区高清不卡| 国产一级毛片在线| 国产精品,欧美在线| 欧美变态另类bdsm刘玥| 日本爱情动作片www.在线观看| 夫妻性生交免费视频一级片| 精品久久久久久久末码| 午夜福利在线观看免费完整高清在| 亚洲精品影视一区二区三区av| 国产精品国产高清国产av| 天天躁夜夜躁狠狠久久av| 男人的好看免费观看在线视频| 1000部很黄的大片| 久久精品国产99精品国产亚洲性色| 日韩欧美三级三区| 久久久久免费精品人妻一区二区| 99久久无色码亚洲精品果冻| 寂寞人妻少妇视频99o| 免费看av在线观看网站| 国产精品,欧美在线| 少妇的逼水好多| 少妇猛男粗大的猛烈进出视频 | 人妻系列 视频| 国内揄拍国产精品人妻在线| videos熟女内射| 亚洲国产欧美人成| 中文资源天堂在线| 亚洲五月天丁香| 久久久久久九九精品二区国产| 99热6这里只有精品| 五月伊人婷婷丁香| 一级爰片在线观看| 国产精品精品国产色婷婷| 插逼视频在线观看|