• <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
    国产午夜精品一二区理论片| 国产伦精品一区二区三区视频9| 亚洲激情五月婷婷啪啪| 天堂中文最新版在线下载 | 免费看日本二区| 午夜精品在线福利| 69av精品久久久久久| 综合色av麻豆| 久久久久久久午夜电影| 亚洲国产欧美在线一区| 国产精品爽爽va在线观看网站| 国产一区二区在线av高清观看| 级片在线观看| av黄色大香蕉| 久久久久久久亚洲中文字幕| 国内精品久久久久精免费| 大又大粗又爽又黄少妇毛片口| 国产在线男女| 少妇高潮的动态图| 身体一侧抽搐| 国产精品福利在线免费观看| 国产蜜桃级精品一区二区三区| 麻豆国产97在线/欧美| 免费大片18禁| 亚洲婷婷狠狠爱综合网| 在现免费观看毛片| av在线老鸭窝| 欧美一区二区精品小视频在线| 国产亚洲91精品色在线| 欧美xxxx性猛交bbbb| 亚洲三级黄色毛片| 日韩人妻高清精品专区| 99九九线精品视频在线观看视频| 国产精品一二三区在线看| 亚洲精华国产精华液的使用体验 | 免费在线观看成人毛片| 日韩在线高清观看一区二区三区| 欧美日韩在线观看h| 一级二级三级毛片免费看| 日韩一区二区三区影片| 欧美+日韩+精品| 2021天堂中文幕一二区在线观| a级毛片a级免费在线| 人妻少妇偷人精品九色| 免费一级毛片在线播放高清视频| 精品一区二区三区人妻视频| 97在线视频观看| 人妻少妇偷人精品九色| 国产伦理片在线播放av一区 | 欧美色视频一区免费| 亚洲人成网站高清观看| 在线观看av片永久免费下载| 久久久久久大精品| 麻豆av噜噜一区二区三区| 日韩在线高清观看一区二区三区| 哪个播放器可以免费观看大片| 在线观看美女被高潮喷水网站| 欧美丝袜亚洲另类| 国产伦在线观看视频一区| 国产精品福利在线免费观看| 亚洲欧美日韩卡通动漫| 欧美成人精品欧美一级黄| 精品少妇黑人巨大在线播放 | 校园人妻丝袜中文字幕| 别揉我奶头 嗯啊视频| 国产精品.久久久| 亚洲美女视频黄频| 99久国产av精品国产电影| 成人美女网站在线观看视频| 天天躁夜夜躁狠狠久久av| 黑人高潮一二区| 日韩强制内射视频| 亚洲欧美精品综合久久99| 91狼人影院| 国产三级中文精品| 丰满的人妻完整版| 亚洲精品国产av成人精品| 三级毛片av免费| 国产大屁股一区二区在线视频| 日本成人三级电影网站| 国产精品国产三级国产av玫瑰| 春色校园在线视频观看| 久久久精品大字幕| 日产精品乱码卡一卡2卡三| 听说在线观看完整版免费高清| 非洲黑人性xxxx精品又粗又长| 亚洲国产日韩欧美精品在线观看| 欧美bdsm另类| 国产亚洲av嫩草精品影院| 国产高清三级在线| 亚洲一区二区三区色噜噜| 变态另类丝袜制服| 久久精品国产99精品国产亚洲性色| 97超碰精品成人国产| 只有这里有精品99| 少妇裸体淫交视频免费看高清| 国产一级毛片在线| 国产精品一区二区三区四区免费观看| 99热只有精品国产| 精品无人区乱码1区二区| 日日摸夜夜添夜夜添av毛片| 一区二区三区高清视频在线| 精品少妇黑人巨大在线播放 | 国产男人的电影天堂91| 黄片wwwwww| 久久精品国产清高在天天线| 免费不卡的大黄色大毛片视频在线观看 | 波多野结衣高清作品| av在线播放精品| 国产成人aa在线观看| 尤物成人国产欧美一区二区三区| 亚洲无线观看免费| 亚洲欧美精品自产自拍| 国内揄拍国产精品人妻在线| 中文字幕熟女人妻在线| 国产成人影院久久av| 午夜激情福利司机影院| 日本熟妇午夜| 精品一区二区免费观看| 国产成人aa在线观看| 色5月婷婷丁香| 亚洲成人中文字幕在线播放| 亚洲婷婷狠狠爱综合网| 免费av观看视频| 精品人妻视频免费看| 卡戴珊不雅视频在线播放| 国内久久婷婷六月综合欲色啪| 欧美日韩一区二区视频在线观看视频在线 | 真实男女啪啪啪动态图| 神马国产精品三级电影在线观看| 久久韩国三级中文字幕| 日韩一区二区视频免费看| 日日啪夜夜撸| 在线观看午夜福利视频| 丝袜喷水一区| 人人妻人人澡人人爽人人夜夜 | 中文字幕av在线有码专区| 欧美人与善性xxx| 国产午夜福利久久久久久| av在线蜜桃| 国产成人精品婷婷| 欧美zozozo另类| 在线免费十八禁| 亚洲国产精品久久男人天堂| 国产亚洲精品av在线| 国产乱人视频| av免费在线看不卡| 亚洲欧美日韩卡通动漫| 99久国产av精品国产电影| 久久精品久久久久久久性| 联通29元200g的流量卡| 女同久久另类99精品国产91| 成人国产麻豆网| 久久综合国产亚洲精品| 成人性生交大片免费视频hd| 国产又黄又爽又无遮挡在线| 久久久久国产网址| 亚洲真实伦在线观看| 有码 亚洲区| 99久国产av精品国产电影| 精品人妻一区二区三区麻豆| 久久久久久久久久久免费av| 黄片wwwwww| 乱人视频在线观看| 99久国产av精品国产电影| 国产久久久一区二区三区| 国产精品人妻久久久久久| 久久国产乱子免费精品| 99在线视频只有这里精品首页| 麻豆成人av视频| 搡女人真爽免费视频火全软件| 欧美色视频一区免费| 国产成人一区二区在线| 国产精品人妻久久久影院| 国产视频内射| 高清午夜精品一区二区三区 | 色5月婷婷丁香| 精品一区二区免费观看| 国产亚洲欧美98| 成人亚洲欧美一区二区av| 国产精品,欧美在线| 国产成人a∨麻豆精品| 久久久久久久亚洲中文字幕| 免费看a级黄色片| 一区二区三区免费毛片| 亚洲性久久影院| 亚洲av男天堂| 青春草国产在线视频 | 国产精品女同一区二区软件| 天堂网av新在线| 欧美日本亚洲视频在线播放| 给我免费播放毛片高清在线观看| www.av在线官网国产| 国产精品一区二区三区四区久久| 亚洲久久久久久中文字幕| 寂寞人妻少妇视频99o| 深爱激情五月婷婷| av黄色大香蕉| 国产午夜精品久久久久久一区二区三区| 成人无遮挡网站| 精品久久久久久久人妻蜜臀av| 国产一区二区在线观看日韩| 国产人妻一区二区三区在| 两性午夜刺激爽爽歪歪视频在线观看| 国产亚洲91精品色在线| 亚洲图色成人| 村上凉子中文字幕在线| 一本久久中文字幕| 九草在线视频观看| 国产一区二区三区在线臀色熟女| 国产综合懂色| 此物有八面人人有两片| 一本久久中文字幕| 99久久九九国产精品国产免费| 一边亲一边摸免费视频| 直男gayav资源| 国产精品综合久久久久久久免费| 欧美性猛交╳xxx乱大交人| 国产亚洲欧美98| 美女脱内裤让男人舔精品视频 | 亚洲在线观看片| 91aial.com中文字幕在线观看| 99久久精品国产国产毛片| 久久久久免费精品人妻一区二区| 国产av不卡久久| 久久草成人影院| 高清午夜精品一区二区三区 | 国产熟女欧美一区二区| 69av精品久久久久久| 成人欧美大片| 久久久久久伊人网av| 久久99热6这里只有精品| 夜夜看夜夜爽夜夜摸| 国产黄色小视频在线观看| 久久久精品大字幕| 久久亚洲精品不卡| 久久精品夜色国产| 国产亚洲精品久久久久久毛片| 18禁在线播放成人免费| 亚洲三级黄色毛片| 国产精品一及| 成熟少妇高潮喷水视频| 久久人人精品亚洲av| 99久国产av精品国产电影| 不卡视频在线观看欧美| 中文字幕熟女人妻在线| 国产精品野战在线观看| 免费av毛片视频| 成人鲁丝片一二三区免费| 久久精品91蜜桃| 最近中文字幕高清免费大全6| 99热精品在线国产| 丰满的人妻完整版| 国产精品蜜桃在线观看 | 丝袜美腿在线中文| 最近最新中文字幕大全电影3| 亚洲成人精品中文字幕电影| 国产麻豆成人av免费视频| 波野结衣二区三区在线| 日日摸夜夜添夜夜爱| 精品久久久久久久久久免费视频| ponron亚洲| 久久韩国三级中文字幕| 国产精品乱码一区二三区的特点| 偷拍熟女少妇极品色| 国产免费又黄又爽又色| 我的女老师完整版在线观看| 高清毛片免费看| 欧美亚洲 丝袜 人妻 在线| 国产精品熟女久久久久浪| 成人免费观看视频高清| 在线 av 中文字幕| 日韩熟女老妇一区二区性免费视频| 欧美另类一区| 夜夜爽夜夜爽视频| 各种免费的搞黄视频| 精品99又大又爽又粗少妇毛片| 18在线观看网站| 亚洲精品日本国产第一区| 夫妻性生交免费视频一级片| 91精品伊人久久大香线蕉| 色5月婷婷丁香| 日本猛色少妇xxxxx猛交久久| 国产乱人偷精品视频| 哪个播放器可以免费观看大片| 狂野欧美激情性bbbbbb| 中文天堂在线官网| 在线 av 中文字幕| 日本黄大片高清| 午夜91福利影院| 久久久久国产网址| 人人澡人人妻人| 人妻 亚洲 视频| 少妇丰满av| a级毛色黄片| 高清黄色对白视频在线免费看| 日韩成人av中文字幕在线观看| 两个人免费观看高清视频| 亚州av有码| 亚洲精品乱码久久久v下载方式| 制服诱惑二区| 亚洲欧美一区二区三区国产| 精品熟女少妇av免费看| 午夜福利影视在线免费观看| 插逼视频在线观看| 王馨瑶露胸无遮挡在线观看| 久久女婷五月综合色啪小说| 热re99久久国产66热| 亚洲在久久综合| 中文字幕最新亚洲高清| 考比视频在线观看| a级毛片免费高清观看在线播放| 少妇精品久久久久久久| 精品国产一区二区久久| 狠狠精品人妻久久久久久综合| 黄片无遮挡物在线观看| 亚洲精品第二区| 大话2 男鬼变身卡| 夜夜骑夜夜射夜夜干| 国产精品一区二区在线观看99| 久久精品久久精品一区二区三区| 亚洲在久久综合| 亚洲国产精品一区三区| 人妻一区二区av| 男女国产视频网站| 日韩精品免费视频一区二区三区 | 国产高清国产精品国产三级| 国产精品不卡视频一区二区| av天堂久久9| 国产日韩欧美在线精品| 大香蕉久久成人网| 丰满少妇做爰视频| 黄色一级大片看看| 91精品伊人久久大香线蕉| 欧美日本中文国产一区发布| 亚洲精品久久午夜乱码| 精品人妻熟女毛片av久久网站| 欧美性感艳星| 91精品三级在线观看| 亚洲av电影在线观看一区二区三区| 两个人免费观看高清视频| 少妇的逼好多水| 欧美97在线视频| 99久久中文字幕三级久久日本| 亚洲图色成人| 国产一区二区在线观看av| 亚洲人成网站在线播| 日本色播在线视频| 中文字幕制服av| 婷婷色综合大香蕉| 久久久久久久国产电影| 亚洲天堂av无毛| 婷婷色av中文字幕| 国产午夜精品久久久久久一区二区三区| 少妇熟女欧美另类| 91国产中文字幕| 天堂俺去俺来也www色官网| 亚洲av中文av极速乱| av女优亚洲男人天堂| 高清黄色对白视频在线免费看| 大片免费播放器 马上看| av专区在线播放| 国产成人免费观看mmmm| 免费少妇av软件| 亚洲国产欧美在线一区| 午夜免费观看性视频| 夫妻午夜视频| 91精品一卡2卡3卡4卡| 久久ye,这里只有精品| av视频免费观看在线观看| a级毛片免费高清观看在线播放| 国产av一区二区精品久久| 多毛熟女@视频| 午夜视频国产福利| 9色porny在线观看| 国产欧美亚洲国产| 99久久综合免费| .国产精品久久| 日韩欧美精品免费久久| 精品熟女少妇av免费看| 国产精品一区www在线观看| 人成视频在线观看免费观看| 九色亚洲精品在线播放| 亚洲av国产av综合av卡| 亚洲精品中文字幕在线视频| 日韩精品有码人妻一区| 在线亚洲精品国产二区图片欧美 | 亚洲四区av| 日韩免费高清中文字幕av| 精品亚洲乱码少妇综合久久| 免费高清在线观看视频在线观看| 校园人妻丝袜中文字幕| 亚洲精品久久成人aⅴ小说 | 桃花免费在线播放| 在线免费观看不下载黄p国产| 国产精品一区二区三区四区免费观看| xxx大片免费视频| a级毛色黄片| 国产免费现黄频在线看| 2018国产大陆天天弄谢| 国产69精品久久久久777片| 免费大片黄手机在线观看| 又粗又硬又长又爽又黄的视频| 精品99又大又爽又粗少妇毛片| 日韩av不卡免费在线播放| av国产久精品久网站免费入址| 国产毛片在线视频| 国产精品人妻久久久影院| 亚洲av不卡在线观看| 大话2 男鬼变身卡| 卡戴珊不雅视频在线播放| 18+在线观看网站| 99久久中文字幕三级久久日本| 免费看av在线观看网站| 亚洲精品aⅴ在线观看| 热re99久久国产66热| 日韩在线高清观看一区二区三区| 各种免费的搞黄视频| 亚洲美女搞黄在线观看| 中国三级夫妇交换| 久久精品熟女亚洲av麻豆精品| av一本久久久久| 国产伦理片在线播放av一区| 免费观看无遮挡的男女| 高清午夜精品一区二区三区| 国产成人aa在线观看| 大香蕉久久成人网| 自线自在国产av| 国产精品国产三级国产av玫瑰| 国产淫语在线视频| 欧美性感艳星| 亚洲av二区三区四区| 午夜福利影视在线免费观看| 日韩人妻高清精品专区| 欧美亚洲日本最大视频资源| 日本vs欧美在线观看视频| tube8黄色片| 2018国产大陆天天弄谢| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 日韩一本色道免费dvd| 国产亚洲一区二区精品| 精品国产一区二区久久| 中文字幕久久专区| 9色porny在线观看| 国产精品一区二区在线观看99| 久久国内精品自在自线图片| 久久久午夜欧美精品| 香蕉精品网在线| 日本wwww免费看| 一个人免费看片子| 国产成人免费观看mmmm| 久久国产精品男人的天堂亚洲 | 国产精品国产三级国产专区5o| 精品久久久噜噜| 老司机亚洲免费影院| 男的添女的下面高潮视频| 国产乱来视频区| 99热国产这里只有精品6| 丁香六月天网| 男女边吃奶边做爰视频| 日日摸夜夜添夜夜添av毛片| 啦啦啦视频在线资源免费观看| 国产有黄有色有爽视频| 51国产日韩欧美| 日本av免费视频播放| 久久精品国产亚洲av天美| 自拍欧美九色日韩亚洲蝌蚪91| kizo精华| 丝袜美足系列| 久久久久久久久久久久大奶| 成人二区视频| 18禁裸乳无遮挡动漫免费视频| 久久久精品免费免费高清| 日韩成人av中文字幕在线观看| 国产高清不卡午夜福利| 亚洲人与动物交配视频| 久久久久精品久久久久真实原创| 免费少妇av软件| 在线观看国产h片| 国产精品.久久久| 2021少妇久久久久久久久久久| 国产黄色免费在线视频| 丝瓜视频免费看黄片| 国产国拍精品亚洲av在线观看| 亚洲精品一二三| 午夜免费鲁丝| 日本-黄色视频高清免费观看| 欧美日韩av久久| 亚洲熟女精品中文字幕| 国产色爽女视频免费观看| 成人影院久久| 国产高清不卡午夜福利| 97精品久久久久久久久久精品| 五月伊人婷婷丁香| 国产色婷婷99| 久久人人爽av亚洲精品天堂| 全区人妻精品视频| 天堂俺去俺来也www色官网| 亚洲伊人久久精品综合| 99久久精品一区二区三区| 一区二区三区四区激情视频| 寂寞人妻少妇视频99o| 久久精品久久久久久久性| 久久久久久伊人网av| 赤兔流量卡办理| 卡戴珊不雅视频在线播放| 十分钟在线观看高清视频www| 波野结衣二区三区在线| 啦啦啦中文免费视频观看日本| 国产午夜精品一二区理论片| 一级a做视频免费观看| 老熟女久久久| 亚洲精品自拍成人| 热99国产精品久久久久久7| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 久久综合国产亚洲精品| 国产不卡av网站在线观看| 亚洲av电影在线观看一区二区三区| 在线播放无遮挡| 色视频在线一区二区三区| 日韩熟女老妇一区二区性免费视频| 国语对白做爰xxxⅹ性视频网站| 国产女主播在线喷水免费视频网站| 亚洲欧美一区二区三区国产| 亚洲av中文av极速乱| 亚洲五月色婷婷综合| 日韩av不卡免费在线播放| 久久久久国产精品人妻一区二区| 亚洲精品亚洲一区二区| 欧美丝袜亚洲另类| 五月伊人婷婷丁香| 久久久久久久大尺度免费视频| 欧美精品一区二区大全| 久久精品夜色国产| 国产一区二区三区av在线| 晚上一个人看的免费电影| 成人手机av| 自线自在国产av| 桃花免费在线播放| 国产色爽女视频免费观看| 精品久久国产蜜桃| 国产成人午夜福利电影在线观看| 在线观看美女被高潮喷水网站| 看十八女毛片水多多多| 99九九在线精品视频| 中文字幕人妻丝袜制服| 亚洲精品成人av观看孕妇| 只有这里有精品99| 国产亚洲一区二区精品| 精品国产乱码久久久久久小说| 中文字幕免费在线视频6| 日韩大片免费观看网站| 精品一品国产午夜福利视频| 欧美性感艳星| 久久女婷五月综合色啪小说| 99久国产av精品国产电影| 男女免费视频国产| 在线观看www视频免费| 少妇被粗大猛烈的视频| 涩涩av久久男人的天堂| 国国产精品蜜臀av免费| 国产一区二区三区综合在线观看 | 麻豆乱淫一区二区| 国产熟女午夜一区二区三区 | 国产一区二区在线观看av| 夜夜爽夜夜爽视频| av一本久久久久| 99re6热这里在线精品视频| 一区二区三区免费毛片| 母亲3免费完整高清在线观看 | 免费人妻精品一区二区三区视频| 亚洲五月色婷婷综合| 边亲边吃奶的免费视频| 秋霞在线观看毛片| 婷婷色综合大香蕉| 亚洲第一av免费看| 黄片播放在线免费| 国产成人freesex在线| 久久ye,这里只有精品| videosex国产| 一本大道久久a久久精品| 亚洲精品亚洲一区二区| 亚洲精品国产av蜜桃| 日本vs欧美在线观看视频| 国产淫语在线视频| 男女国产视频网站| 国产精品.久久久| 国产老妇伦熟女老妇高清| 免费高清在线观看视频在线观看| 丝袜在线中文字幕| 日本vs欧美在线观看视频| 国产色婷婷99| 免费大片18禁| 99视频精品全部免费 在线| 亚洲精品第二区| 日韩伦理黄色片| videos熟女内射| 亚洲国产av新网站| 欧美变态另类bdsm刘玥| 夫妻午夜视频| 岛国毛片在线播放| 五月天丁香电影| 在线观看免费日韩欧美大片 | 欧美bdsm另类| 国产高清三级在线| 亚洲内射少妇av| 久久久久久久久久成人| 亚洲精品国产av成人精品| 国产精品偷伦视频观看了| 精品99又大又爽又粗少妇毛片| 一级片'在线观看视频| 色5月婷婷丁香| 久久午夜福利片| 成人毛片60女人毛片免费| 丰满饥渴人妻一区二区三|