• <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RSC模型和噪聲去除的半監(jiān)督訓(xùn)練方法*

    2013-05-08 13:39:52袁興梅謝雪蓮
    計算機工程與科學 2013年9期
    關(guān)鍵詞:分類器標簽噪聲

    袁興梅,謝雪蓮

    (南京工程學院信息化建設(shè)與管理辦公室,江蘇 南京211167)

    1 引言

    目前,許多應(yīng)用中分類器的設(shè)計都是通過帶有類別標簽的樣本訓(xùn)練得到的。但是,隨著訓(xùn)練樣本數(shù)目的逐漸增多以及復(fù)雜度的加大,人工對樣本進行標記費時又費力,在訓(xùn)練之前很難獲得完全標記的樣本集;相反,獲得沒有標簽的樣本集則比較容易。介于這兩種情況之間,利用已經(jīng)標記的樣本集和沒有被標記的樣本集一起學習的“半監(jiān)督學習”成為了一種新穎而又具有很強實用價值的方法。半監(jiān)督學習方法[1]結(jié)合了有監(jiān)督與無監(jiān)督學習方法的優(yōu)點,適用于已知數(shù)據(jù)量少且具有大量未知數(shù)據(jù)的分類問題。在已知數(shù)據(jù)的幫助下,半監(jiān)督分類方法能夠比較好地描述未知數(shù)據(jù)的分布。

    半監(jiān)督學習近年來引起了眾多學者的關(guān)注,將這種方法成功地應(yīng)用到了集成學習、數(shù)據(jù)分類、特征選擇等領(lǐng)域[2~5]。張博鋒等人[6]在文本分類應(yīng)用上提出基于自訓(xùn)練EM算法的半監(jiān)督文本分類方法,通過引入中間結(jié)果的自訓(xùn)練機制,在迭代時將中間分類器最有把握對類別進行預(yù)測的未標記樣本轉(zhuǎn)移至標記樣本集,來提高半監(jiān)督分類的訓(xùn)練精度。Wang等人[7]在 Houle提出的RSC模型[8]基礎(chǔ)上提出了SFRSC半監(jiān)督特征選擇方法,在半監(jiān)督無標簽樣本學習中,充分考慮標簽擴展過程中重疊區(qū)域樣本的類別標記。在半監(jiān)督分類研究方面,Self-training算法[9]的學習過程 用有標 簽的樣本來訓(xùn)練初始分類器,然后用初始分類器分類無標簽樣本,求出與標簽樣本最近的k個無標簽數(shù)據(jù),把它們從無標簽樣本集移入有標簽樣本集中。然后,再用新的有標簽樣本重新訓(xùn)練分類器,并再次分類無標簽樣本數(shù)據(jù)。郝建柏等人[10]提出無標簽樣本的類別不從有標簽樣本處直接學習獲得,而是從k個近鄰數(shù)據(jù)學習獲得模糊的類別標簽,最后通過去模糊化,實現(xiàn)對無標簽樣本的分類。

    雖然上述多種算法有效地對半監(jiān)督學習方法進行了改進,將其廣泛地應(yīng)用在各種領(lǐng)域,但是,在半監(jiān)督學習中,無標簽樣本類別的擴展在訓(xùn)練過程中起著至關(guān)重要的作用,以上方法在半監(jiān)督訓(xùn)練過程中都沒有主動考慮噪聲數(shù)據(jù)樣本在半監(jiān)督訓(xùn)練中的影響,容易引起標簽擴展過程中的錯誤,并造成錯誤分類擴散,最終導(dǎo)致分類器產(chǎn)生錯誤的分類邊界。如何選取有利于學習模型訓(xùn)練的樣本以及如何進行噪聲處理,這是半監(jiān)督學習方法所需要解決的問題[11]。針對這個問題,本文在RSC標簽擴展模型基礎(chǔ)上,借鑒文獻[9]在標簽擴展過程中對重疊區(qū)域的處理方法,同時在標簽擴展中加入對噪聲數(shù)據(jù)的處理,提出了一種新的半監(jiān)督訓(xùn)練算法RSCNR(semi-supervised training approach based on RSC model and Noise Removing)。通過噪聲樣本的去除可以避免在噪聲樣本基礎(chǔ)上進一步的標簽擴展,防止因噪聲的存在得到錯誤的分類邊界。

    2 基于RSC的標簽擴展方法

    2.1 未標記樣本的擴展

    首先作如下定義,樣本集S中有t個樣本用Pi(i=1,…,t)表示,它們可以分為c類。用Pi,j表示樣本集中的第i個樣本屬于第j類。

    由于在給定的樣本中,有標簽的樣本只占很少的比例,我們可以將原始的有標簽的樣本作為“核心樣本”,對這些核心樣本使用公式(1)來擴展未標記的樣本,通過公式(1)找出集合S中與pi關(guān)系最密切的k個樣本。

    公式(1)中,Q(p,k)={π(p,i)|1≤i≤k,1≤k≤|S|},對于集合S中的某個樣本p,假定存在唯一的一個次序π(p)=(p1,p2,…,p|s|),當i<j時,表示pi與pj相比,元素p與pi的關(guān)系更加緊密。這個序列中第i個元素表示為π(p,i)。DR()是用于衡量集合內(nèi)元素相關(guān)程度的量,用自相關(guān)值與外相關(guān)值之差表示。公式(3)用于計算集合A內(nèi)元素自相關(guān)性值,公式(4)用于計算集合A與集合A 外元素的外相關(guān)性,公式中V=Q(v,|A|),v∈A;W=Q(w,|A|),w ?A。公式(3)和公式(4)中的R用公式(5)進行計算,R(A,B)表示樣本集S中的子集A與子集B之間的關(guān)系。

    通過公式(1),可計算出與pi關(guān)系最密切的k個樣本,這k個樣本組成了集合A,使集合A中的樣本具有相同的標簽,由此集合A中之前未被標記樣本的標簽就可以被確定,同時這些新被標記的樣本又可以作為新的“核心樣本”。然后,再對這些新的“核心樣本”進行擴展,如此循環(huán)往復(fù),不斷地將未標記的樣本擴展。但是,最后仍然可能存在一些無法被標記的樣本,對于此類樣本,本文將其作為噪聲樣本去除。

    2.2 重疊區(qū)域的處理

    在對未標記樣本打標簽過程中,如果某個樣本v已經(jīng)被標記為A類,但是在擴展過程中又被標記為B類。使用公式(6),根據(jù)v對這兩個集合的影響力來判斷其應(yīng)該屬于A還是B。

    IR1(v|A,B)表示將v劃入A 集合且B 集合減去v元素后,v對A 的重要性程度。若IR1(v|A,B)比IR1(v|B,A)大,則說明v對集合A 的重要性程度大于其對B集合的重要性,此時v應(yīng)該屬于集合A。若兩者相等,可以隨機選擇。

    3 基于噪聲去除的半監(jiān)督訓(xùn)練算法RSCNR

    基于RSC模型的標簽擴展方法,在學習過程中不斷擴大標簽數(shù)據(jù)集,但是傳統(tǒng)方法缺少控制錯誤標簽擴展的機制。在未標記的訓(xùn)練樣本標簽擴展中,一旦出現(xiàn)樣本被錯誤標記,RSC模型無法避免和控制以錯誤標簽為核心的繼續(xù)擴展。而噪聲處理在一般算法中作為預(yù)處理部分對待,絕大多數(shù)的半監(jiān)督學習對噪聲考慮很少。如果在標簽擴展過程中將噪聲樣本打上標簽加入有標簽的樣本集,然后再在此基礎(chǔ)上繼續(xù)擴展,必定會使錯誤擴展,最終導(dǎo)致分類器產(chǎn)生錯誤的分類邊界。

    本文提出的RSCNR算法相比其他半監(jiān)督訓(xùn)練方法的創(chuàng)新之處在于對未標記樣本打標簽的過程中,不斷地判斷該樣本是否為噪聲樣本。根據(jù)本文所提算法對樣本的判別,若某無標簽樣本被識別為噪聲樣本,則將該樣本去除,避免將該噪聲樣本打上標記,作為新的“核心樣本”做進一步擴展訓(xùn)練。RSCNR算法的提出,一方面大大降低了產(chǎn)生錯誤分類邊界的可能性,提高算法的訓(xùn)練精度和分類精度;另一方面,通過對噪聲樣本的去除,也可以提高算法的訓(xùn)練效率。

    3.1 標簽擴展過程中噪聲數(shù)據(jù)的判別

    噪聲的判別是通過其與周圍樣本的不一致程度以及孤立程度這兩個因素來決定的。本文在區(qū)分某一樣本是否為噪聲時,引入了一個衡量該樣本與集合內(nèi)其他樣本不一致程度的正則化量Reg(x)。

    公式(7)中,con(x,y)表示樣本x被標記為y類的概率,Lk(x)表示使用公式(1)對樣本x進行擴展后與該樣本x關(guān)系最密切的k個樣本,Q表示樣本類別屬性的集合。Reg(x)值越大表示對x估計的標簽y與當前標簽集L越不一致,是噪聲的可能性越大。

    通過對樣本區(qū)分度量Reg項是否超過閾值來判定該樣本是否屬于一個噪聲樣本。Reg項值越大,該樣本為噪聲的可能性越大。

    本文在RSC標簽擴展的過程中判斷每個待標記的樣本是否為噪聲樣本,通過噪聲樣本的去除可以避免在噪聲樣本基礎(chǔ)上進一步的標簽擴展,防止因噪聲的存在得到錯誤的分類邊界。

    3.2 基于噪聲去除的半監(jiān)督分類器算法描述

    extendedL:當前迭代時根據(jù)某個樣本擴展得到的有標簽的數(shù)據(jù)集;

    newBornL:新生成的下一次待擴展的樣本;

    toExtendL:每次迭代中待擴展的樣本;

    currentUL:當前無標簽的樣本;

    初始化過程:extendedL、newBornL初始化為空,toExtendL=L

    repeat

    for every p∈toExtendLdo

    1.1對樣本p進行無標簽樣本的擴展,找出與樣本p關(guān)系最密切的樣本集extendedL;

    1.2依次判斷新擴展出來的k個樣本是否為噪聲樣本;

    1.3對集合extendedL中已有標記的樣本進行重疊區(qū)域的處理;

    1.4得到新生成的下一次待擴展的樣本newBornL;

    1.5 toExtendL=newBornL,進行下一次迭代。

    互聯(lián)網(wǎng)金融的安全交易有賴于互聯(lián)網(wǎng)信息技術(shù)的安全體系,只有構(gòu)筑出健全的互聯(lián)網(wǎng)安全體系,才能為互聯(lián)網(wǎng)金融的安全運行提供保障。這就對互聯(lián)網(wǎng)的硬件、軟件提出了新的要求。在互聯(lián)網(wǎng)領(lǐng)域,應(yīng)該加大安全網(wǎng)絡(luò)的研發(fā)力度,增加計算機網(wǎng)絡(luò)防御能力。此外,在針對互聯(lián)網(wǎng)金融的交易安全上,應(yīng)該使用更強的安全技術(shù)對信息加密。對金融交易信息進行保護,是互聯(lián)網(wǎng)金融交易得以成功進行的基礎(chǔ)。

    end

    until|currentUL|≤0

    step2:半監(jiān)督訓(xùn)練結(jié)束后,仍可能存在一些無法被擴展標記的樣本,將其作為噪聲樣本去除后,使用最近鄰分類器對測試樣本進行分類。

    4 實驗與結(jié)果分析

    本文為了驗證加入噪聲去除過程的算法效果,將基于RSC標簽擴展的半監(jiān)督學習算法與RSCNR算法進行比較,進行了兩組實驗。第一組實驗采用人工合成的正態(tài)分布數(shù)據(jù)來檢驗算法的可行性;第二組實驗使用國際通用的UCI數(shù)據(jù)集[12]中的bupa、heart和glass進行樣本訓(xùn)練和測試實驗,用于驗證該算法處理實際數(shù)據(jù)的能力。兩組實驗均采用最近鄰分類器,用分類的正確率對本文提出的RSCNR算法與基于RSC標簽擴展的半監(jiān)督學習算法進行比較。實驗中判定樣本是否為噪聲的閾值Noise=0.45,該值是在多次實驗中得到的比較合理的經(jīng)驗值。若Reg項值大于Noise,則將該樣本判定為噪聲樣本。

    4.1 人工合成數(shù)據(jù)實驗

    該實驗的訓(xùn)練樣本是兩類呈正態(tài)分布的樣本,每類包含若干有類別標簽的數(shù)據(jù),其余為無標簽的樣本數(shù)據(jù)。所使用的數(shù)據(jù)集如圖1和圖2所示,圖中“▲”為正類樣本,“*”為負類樣本,其余為無類別標簽的樣本。圖1為兩類呈正態(tài)分布的人工數(shù)據(jù),圖2為在原始正態(tài)分布數(shù)據(jù)基礎(chǔ)上加入噪聲數(shù)據(jù)后的數(shù)據(jù)。測試樣本數(shù)據(jù)為兩類呈同樣正態(tài)分布的數(shù)據(jù),每類各包含500個數(shù)據(jù)樣本。

    Figure 1 Normal distribution artificial data set圖1 正態(tài)分布人工數(shù)據(jù)集

    Figure 2 Artificial data set added noise data圖2 加入噪聲數(shù)據(jù)后的人工數(shù)據(jù)集

    對于加入噪聲數(shù)據(jù)后的人工數(shù)據(jù)集,分別采用RSC標簽擴展的方法和帶有去噪功能的RSCNR方法來對訓(xùn)練樣本中的未標記樣本進行標簽擴展操作。圖3為采用RSC標簽擴展方法得到的訓(xùn)練集,圖4為使用RSCNR方法得到的訓(xùn)練樣本集。

    由標簽擴展結(jié)果圖比較分析得出:帶有噪聲去除功能的算法在分類器訓(xùn)練過程中能夠有效去除偽邊界樣本,同時避免了真邊界樣本的丟失。

    最后使用最近鄰分類法,用測試樣本對其進行測試。使用RSC標簽擴展訓(xùn)練法得到的測試精度為451/500,使用RSCNR半監(jiān)督訓(xùn)練方法得到的測試精度為484/500,可以得出RSCNR算法能更加準確地對無標簽樣本進行標記,訓(xùn)練出分類邊界,得到更好的分類性能。

    Figure 3 Training data set after RSC label extension圖3 RSC標簽擴展得到的訓(xùn)練數(shù)據(jù)集

    Figure 4 Training data set after RSCNR algorithm圖4 RSCNR算法得到的訓(xùn)練數(shù)據(jù)集

    4.2 UCI數(shù)據(jù)集實驗

    為了驗證算法處理實際數(shù)據(jù)的能力,本文從UCI數(shù)據(jù)集選擇了bupa、heart和glass三個數(shù)據(jù)集進行實驗。在這三個數(shù)據(jù)集的實驗中,從總樣本集中隨機選取一半數(shù)據(jù)用作有訓(xùn)練集,剩下的一半數(shù)據(jù)用作測試數(shù)據(jù)集。然后從訓(xùn)練集中隨機選取1/5的樣本用作標簽數(shù)據(jù)集,其余為無標簽樣本。本文在實驗中使用的數(shù)據(jù)集信息如表1所示。

    Table 1 bupa,heart and glass data表1 bupa、heart和glass數(shù)據(jù)信息

    表1是bupa、heart和glass數(shù)據(jù)集在運用基于RSC標簽擴展方法的半監(jiān)督訓(xùn)練以及本文所提出的RSCNR半監(jiān)督方法的訓(xùn)練基礎(chǔ)上,使用最近鄰分類器對測試樣本進行分類測試的結(jié)果。每個數(shù)據(jù)集實驗重復(fù)10輪,以測試數(shù)據(jù)被正確分類的個數(shù)與總測試樣本的個數(shù)比為實驗結(jié)果,實驗結(jié)果取10輪實驗的平均值。

    Table 2 Experimental results between RSC label extension method and RSCNR algorithm表2 RSC標簽擴展方法與RSCNR算法在bupa、heart、glass數(shù)據(jù)集的實驗結(jié)果

    由表2可見,與單純的標簽擴展訓(xùn)練得到的分類器相比,加入噪聲處理的半監(jiān)督分類處理RSCNR算法的半監(jiān)督分類精度更高,分類的性能更加顯著。

    綜上所述,使用人工合成數(shù)據(jù)實驗以及國際通用的UCI數(shù)據(jù)集實驗分析可以得出,本文所提出的算法通過樣本訓(xùn)練過程中噪聲的去除,在避免真實邊界樣本丟失的前提下有效去除偽邊界樣本,得到更加準確的分類邊界。通過測試樣本對所訓(xùn)練分類邊界測試得出,RSCNR算法具有較高的分類精度和泛化能力。

    5 結(jié)束語

    針對傳統(tǒng)半監(jiān)督訓(xùn)練方法對噪聲數(shù)據(jù)不進行處理、容易影響分類器分類效果的問題,本文在RSC標簽擴展模型用有標簽數(shù)據(jù)為核心樣本來擴展無標簽數(shù)據(jù)的方法的基礎(chǔ)上,提出在標簽擴展的過程中加入噪聲判別去除噪聲樣本。實驗結(jié)果表明,本文所提方法通過在訓(xùn)練過程中噪聲的去除,可以更加準確地對無標簽樣本進行訓(xùn)練,得到更加準確的分類邊界,提高分類器的性能。但是,半監(jiān)督分類中需要研究的問題有很多,如何把集成學習、主動學習融入到半監(jiān)督學習中,以及如何將有監(jiān)督學習算法用于半監(jiān)督學習,都是今后的研究方向和需要解決的問題。

    [1] Zhu Xiao-jin.Semi-supervised learning literature survey[R].Computer Sciences Techincal Report 1530,Madison:University of Wisconsin-Madison,2005.

    [2] Zhou Zhi-hua,Chen Ke-jia,Yuan Jiang.Exploiting unlabeled data in content-based image retrieval[C]∥Proc of the 15th European Conference on Machine Learning,2004:525-536.

    [3] Tang Jin-hui,Hua Xian-sheng,Qi Guo-jun,et al.Structuresensitive manifold ranking for video concept detection[C]∥Proc of the 15th International Conference on Multimedia,2007:852-861.

    [4] He Jing-rui,Li Ming-jing,Zhang Hong-jiang,et al.Manifoldranking based image retrieval[C]∥Proc of the 12th Annual ACM International Conference on Multimedia,2004:9-16.

    [5] Zhou Zhi-hua.When semi-supervised learning meets ensemble learning[C]∥Proc of Mutiple Classifier Systems(MCS’09),2009:529-538.

    [6] Zhang Bo-feng,Bai bing,Su Jin-shu.Semi-supervised text classification based on self-training EM algorithm[J].Journal of National University of Defense Technology,2007,29(6):65-69.(in Chinese)

    [7] Wang Bo,Jia Yan,Yang Shu-qiang.Forward semi-supervised feature selection based on relevant set correlation[C]∥Proc of International Conference on Computer Science and Software Engineering,2008:210-213.

    [8] Houle M E.The relevant-set correlation model for data clustering[J].Statistical Analysis and Data Mining,2008,1(3):157-176.

    [9] Rosenberg C,Hebert M,Schneiderman H.Semi-supervised selftraining of object detection models[J].Application of Computer Vision,2005,1(5):29-36.

    [10] Hao Jian-bai,Chen Xian-fu,Huang Shuang-fu,et al.Semisupervised classification algorithm using fuzzy nearest neighborhood label propagation[J].Micro Electronics and Computer,2010,27(2):30-33.(in Chinese)

    [11] Liang Ji-ye,Gao Jia-wei,Chang Yu.Semi-supervised learning research progress[J].Journal of Shanxi University:Natural Science,2009,32(4):528-534.(in Chinese)

    [12] Blake C,Keogh E,Merz C J.UCI repository of machine learning database[EB/OL].[1998-01-25].http://www.ics.uci.edu/~mlearn/MLRepository.html.

    附中文參考文獻:

    [6] 張博鋒,白冰,蘇金樹.基于自訓(xùn)練EM算法的半監(jiān)督文本分類[J].國防科技大學學報,2007,29(6):65-69.

    [10] 郝建柏,陳賢富,黃雙福,等.一種基于模糊近鄰標簽傳遞的半監(jiān)督分類算法[J].微電子學與計算機,2010,27(2):30-33.

    [11] 梁吉業(yè),高嘉偉,常瑜.半監(jiān)督學習研究進展[J].山西大學學報:自然科學版,2009,32(4):528-534.

    猜你喜歡
    分類器標簽噪聲
    噪聲可退化且依賴于狀態(tài)和分布的平均場博弈
    無懼標簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    不害怕撕掉標簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    控制噪聲有妙法
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    標簽化傷害了誰
    基于多進制查詢樹的多標簽識別方法
    計算機工程(2015年8期)2015-07-03 12:20:27
    一種基于白噪聲響應(yīng)的隨機載荷譜識別方法
    亚洲性夜色夜夜综合| 超碰成人久久| av片东京热男人的天堂| 国产成人一区二区三区免费视频网站| x7x7x7水蜜桃| 很黄的视频免费| 国内精品久久久久久久电影| 黄片大片在线免费观看| 久久性视频一级片| 一级作爱视频免费观看| 国产精品美女特级片免费视频播放器 | 国内精品久久久久精免费| 日日摸夜夜添夜夜添小说| 亚洲av片天天在线观看| 不卡av一区二区三区| 黄色成人免费大全| 国产视频一区二区在线看| 麻豆久久精品国产亚洲av| 欧美一区二区精品小视频在线| 欧美日本亚洲视频在线播放| 国产一区二区激情短视频| 在线观看免费日韩欧美大片| xxx96com| 亚洲一区二区三区色噜噜| 免费av毛片视频| 久久精品国产亚洲av高清一级| 欧美人与性动交α欧美精品济南到| 亚洲第一电影网av| 激情在线观看视频在线高清| av在线播放免费不卡| 免费看美女性在线毛片视频| 少妇的丰满在线观看| 亚洲午夜理论影院| 色在线成人网| 国产亚洲精品久久久久5区| 久久久精品国产亚洲av高清涩受| 丝袜美足系列| 自线自在国产av| 久久精品影院6| 大陆偷拍与自拍| 亚洲自拍偷在线| 波多野结衣巨乳人妻| 成人18禁在线播放| 国产国语露脸激情在线看| 可以在线观看的亚洲视频| 视频在线观看一区二区三区| 久久精品成人免费网站| 成年人黄色毛片网站| 午夜老司机福利片| 成人三级做爰电影| 久久热在线av| 在线国产一区二区在线| 成人国产综合亚洲| 亚洲精品国产区一区二| 午夜影院日韩av| 午夜免费观看网址| 久久久久久国产a免费观看| 男女之事视频高清在线观看| 亚洲五月婷婷丁香| 色精品久久人妻99蜜桃| 国产精品久久视频播放| 久久这里只有精品19| 欧美中文综合在线视频| 久久午夜综合久久蜜桃| 一级毛片精品| 中文字幕精品免费在线观看视频| 欧美日韩精品网址| 国产高清视频在线播放一区| 亚洲国产精品sss在线观看| 欧美在线黄色| 亚洲伊人色综图| 国产男靠女视频免费网站| 久久精品aⅴ一区二区三区四区| 国产免费av片在线观看野外av| 一夜夜www| 电影成人av| av片东京热男人的天堂| 国产精品国产高清国产av| 国产又爽黄色视频| 免费高清在线观看日韩| 欧美成狂野欧美在线观看| 黄片播放在线免费| 亚洲国产欧美日韩在线播放| 久久久久久大精品| 国产精品亚洲av一区麻豆| 女人爽到高潮嗷嗷叫在线视频| 午夜免费成人在线视频| 日日干狠狠操夜夜爽| 中文字幕色久视频| 欧美日韩精品网址| 久久精品国产亚洲av香蕉五月| 亚洲国产精品成人综合色| 精品日产1卡2卡| 激情在线观看视频在线高清| 国产av一区二区精品久久| 亚洲人成77777在线视频| 99国产精品一区二区蜜桃av| 极品教师在线免费播放| 一夜夜www| 精品欧美国产一区二区三| 色综合欧美亚洲国产小说| 可以在线观看毛片的网站| 国产高清videossex| or卡值多少钱| 大陆偷拍与自拍| а√天堂www在线а√下载| 最近最新免费中文字幕在线| 久久久国产成人免费| 操美女的视频在线观看| 欧美成人免费av一区二区三区| 成人18禁在线播放| 啦啦啦观看免费观看视频高清 | 国产在线观看jvid| av网站免费在线观看视频| svipshipincom国产片| 国产精品98久久久久久宅男小说| 日本精品一区二区三区蜜桃| 人人妻人人澡人人看| 中文字幕av电影在线播放| 国产欧美日韩一区二区三区在线| 叶爱在线成人免费视频播放| 亚洲男人的天堂狠狠| 国语自产精品视频在线第100页| 两个人免费观看高清视频| 丝袜人妻中文字幕| 亚洲av电影不卡..在线观看| 国产1区2区3区精品| 搞女人的毛片| 好男人电影高清在线观看| 人人妻,人人澡人人爽秒播| 丰满的人妻完整版| 久久中文字幕人妻熟女| 香蕉国产在线看| 熟女少妇亚洲综合色aaa.| 一本综合久久免费| 亚洲精品国产区一区二| 91成人精品电影| 在线永久观看黄色视频| 宅男免费午夜| 黄色视频,在线免费观看| 一区二区三区精品91| 老司机午夜福利在线观看视频| 黄色a级毛片大全视频| 成人国产综合亚洲| 天天躁夜夜躁狠狠躁躁| 久久精品国产亚洲av香蕉五月| 大陆偷拍与自拍| 男人操女人黄网站| 欧美国产日韩亚洲一区| 超碰成人久久| 精品久久久久久,| 一个人观看的视频www高清免费观看 | av天堂久久9| 在线观看www视频免费| 久久精品影院6| 日韩一卡2卡3卡4卡2021年| 中文字幕精品免费在线观看视频| 在线免费观看的www视频| 别揉我奶头~嗯~啊~动态视频| 黑人操中国人逼视频| 在线视频色国产色| 大香蕉久久成人网| 9191精品国产免费久久| 久久婷婷人人爽人人干人人爱 | 日韩精品青青久久久久久| 亚洲av日韩精品久久久久久密| 电影成人av| 人人妻人人澡人人看| 午夜久久久久精精品| 日日爽夜夜爽网站| 美国免费a级毛片| 丝袜在线中文字幕| 亚洲激情在线av| 亚洲avbb在线观看| 国产麻豆成人av免费视频| 亚洲欧洲精品一区二区精品久久久| 欧美国产精品va在线观看不卡| 午夜福利高清视频| 免费在线观看完整版高清| 亚洲五月天丁香| 国产精品久久电影中文字幕| 一级a爱视频在线免费观看| 波多野结衣av一区二区av| 久久久久久久久久久久大奶| 精品欧美一区二区三区在线| aaaaa片日本免费| 久久伊人香网站| 在线观看舔阴道视频| 亚洲 欧美 日韩 在线 免费| 女同久久另类99精品国产91| 亚洲av成人不卡在线观看播放网| 黄色 视频免费看| 免费av毛片视频| cao死你这个sao货| 欧美一级毛片孕妇| 国产精品精品国产色婷婷| 欧美日韩一级在线毛片| 最新美女视频免费是黄的| 亚洲精品一卡2卡三卡4卡5卡| 99re在线观看精品视频| 欧美日韩亚洲综合一区二区三区_| 中亚洲国语对白在线视频| 欧洲精品卡2卡3卡4卡5卡区| www.自偷自拍.com| 视频在线观看一区二区三区| 最新美女视频免费是黄的| 黄网站色视频无遮挡免费观看| 乱人伦中国视频| 日韩欧美一区视频在线观看| videosex国产| 久99久视频精品免费| 中文字幕最新亚洲高清| 97人妻天天添夜夜摸| 美女免费视频网站| 精品免费久久久久久久清纯| 女人精品久久久久毛片| 亚洲av成人一区二区三| 日韩免费av在线播放| 国产精品二区激情视频| 久久久久国内视频| 欧美中文综合在线视频| 少妇 在线观看| 在线观看免费视频网站a站| 99国产综合亚洲精品| 国产极品粉嫩免费观看在线| 美女扒开内裤让男人捅视频| 国产亚洲精品综合一区在线观看 | 中文字幕人妻熟女乱码| 日韩大尺度精品在线看网址 | 给我免费播放毛片高清在线观看| 国产精品一区二区在线不卡| 777久久人妻少妇嫩草av网站| 啦啦啦免费观看视频1| 一夜夜www| 精品欧美一区二区三区在线| 超碰成人久久| 国产真人三级小视频在线观看| 久久人妻熟女aⅴ| 黑人欧美特级aaaaaa片| 美女免费视频网站| 国内精品久久久久久久电影| 侵犯人妻中文字幕一二三四区| 国产亚洲欧美在线一区二区| 日韩欧美国产在线观看| 免费少妇av软件| 69精品国产乱码久久久| 黄色成人免费大全| 国产精品爽爽va在线观看网站 | 免费在线观看日本一区| av视频免费观看在线观看| 美女 人体艺术 gogo| 少妇熟女aⅴ在线视频| 国产xxxxx性猛交| 免费搜索国产男女视频| 美女扒开内裤让男人捅视频| 两性午夜刺激爽爽歪歪视频在线观看 | 国产成人精品无人区| 老司机午夜福利在线观看视频| 成人永久免费在线观看视频| 女人高潮潮喷娇喘18禁视频| 黑丝袜美女国产一区| 日本vs欧美在线观看视频| 成人欧美大片| 久久人人97超碰香蕉20202| 成人免费观看视频高清| 国产国语露脸激情在线看| 久久久久久久久中文| 国产精品影院久久| 久久中文字幕一级| 国产区一区二久久| 不卡av一区二区三区| 久久亚洲精品不卡| 中出人妻视频一区二区| 女人高潮潮喷娇喘18禁视频| 女警被强在线播放| 999精品在线视频| 最近最新中文字幕大全免费视频| 美国免费a级毛片| 长腿黑丝高跟| 欧美久久黑人一区二区| 日韩欧美一区视频在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 女人被躁到高潮嗷嗷叫费观| 成年人黄色毛片网站| 亚洲av五月六月丁香网| 亚洲欧美一区二区三区黑人| 韩国av一区二区三区四区| 国产一区在线观看成人免费| 满18在线观看网站| 操美女的视频在线观看| 91在线观看av| 欧美+亚洲+日韩+国产| 淫秽高清视频在线观看| 精品国内亚洲2022精品成人| 欧美激情 高清一区二区三区| 欧美黄色淫秽网站| 日本五十路高清| 香蕉国产在线看| 国产精品99久久99久久久不卡| 俄罗斯特黄特色一大片| 亚洲av成人一区二区三| 国产色视频综合| 啦啦啦观看免费观看视频高清 | 久久影院123| 亚洲av成人不卡在线观看播放网| 久久精品国产亚洲av高清一级| 成人18禁在线播放| 亚洲电影在线观看av| 国产黄a三级三级三级人| 午夜精品久久久久久毛片777| 久久久久久久久中文| 黑人欧美特级aaaaaa片| 午夜视频精品福利| 亚洲性夜色夜夜综合| 午夜福利成人在线免费观看| 亚洲中文字幕日韩| 欧美激情极品国产一区二区三区| aaaaa片日本免费| 成人国产综合亚洲| 在线免费观看的www视频| 可以在线观看的亚洲视频| 亚洲专区字幕在线| 国产蜜桃级精品一区二区三区| 欧美成狂野欧美在线观看| 色婷婷久久久亚洲欧美| 日本a在线网址| 久久久久久久久中文| 国产午夜福利久久久久久| 淫妇啪啪啪对白视频| 日韩欧美一区视频在线观看| 欧美中文日本在线观看视频| 午夜影院日韩av| bbb黄色大片| 亚洲精品国产区一区二| 成年人黄色毛片网站| 少妇 在线观看| 高清黄色对白视频在线免费看| 亚洲国产欧美网| 在线天堂中文资源库| 久久国产精品人妻蜜桃| 午夜福利,免费看| 丰满人妻熟妇乱又伦精品不卡| 国产一区在线观看成人免费| 精品日产1卡2卡| 精品久久久久久,| 国产麻豆69| 纯流量卡能插随身wifi吗| 成人手机av| 亚洲精品一卡2卡三卡4卡5卡| 亚洲av熟女| 国产成+人综合+亚洲专区| 久久久国产精品麻豆| 国产99久久九九免费精品| 88av欧美| 国内久久婷婷六月综合欲色啪| 欧美+亚洲+日韩+国产| 电影成人av| 制服人妻中文乱码| 亚洲全国av大片| 两个人视频免费观看高清| 最新美女视频免费是黄的| 两个人免费观看高清视频| 亚洲av电影不卡..在线观看| avwww免费| 精品日产1卡2卡| 丁香欧美五月| 欧美成人免费av一区二区三区| 日韩成人在线观看一区二区三区| 欧美中文日本在线观看视频| 午夜影院日韩av| e午夜精品久久久久久久| 乱人伦中国视频| 国产精品秋霞免费鲁丝片| 少妇粗大呻吟视频| av福利片在线| 午夜精品国产一区二区电影| 可以在线观看的亚洲视频| 一区二区三区高清视频在线| 人人妻人人澡人人看| 午夜福利高清视频| 国产成人一区二区三区免费视频网站| 婷婷精品国产亚洲av在线| 热99re8久久精品国产| 一区二区三区高清视频在线| 无人区码免费观看不卡| 神马国产精品三级电影在线观看 | 不卡一级毛片| 又大又爽又粗| 一区二区三区激情视频| 国产色视频综合| 亚洲电影在线观看av| 一区二区三区精品91| 夜夜看夜夜爽夜夜摸| 十八禁人妻一区二区| 国产亚洲精品久久久久久毛片| 在线观看午夜福利视频| 国产99白浆流出| tocl精华| 成人国产一区最新在线观看| 日本撒尿小便嘘嘘汇集6| 婷婷精品国产亚洲av在线| 欧美色欧美亚洲另类二区 | √禁漫天堂资源中文www| 男人舔女人下体高潮全视频| 黄色丝袜av网址大全| 国产欧美日韩一区二区三| 伦理电影免费视频| 午夜免费观看网址| 精品国产乱子伦一区二区三区| 亚洲av美国av| 免费久久久久久久精品成人欧美视频| 国产精品野战在线观看| 法律面前人人平等表现在哪些方面| 亚洲一区二区三区不卡视频| 久久精品aⅴ一区二区三区四区| 一个人观看的视频www高清免费观看 | 精品国产乱码久久久久久男人| 黄色a级毛片大全视频| 国产一区在线观看成人免费| 操出白浆在线播放| 又紧又爽又黄一区二区| 两个人视频免费观看高清| 丝袜美足系列| 人人妻人人爽人人添夜夜欢视频| 亚洲男人的天堂狠狠| 人人妻人人澡欧美一区二区 | 国产精品1区2区在线观看.| 国产精品九九99| 久久 成人 亚洲| 91麻豆精品激情在线观看国产| 成人三级做爰电影| 亚洲国产毛片av蜜桃av| 很黄的视频免费| 亚洲全国av大片| 可以在线观看的亚洲视频| 女人被躁到高潮嗷嗷叫费观| 亚洲色图 男人天堂 中文字幕| 久久香蕉精品热| 18禁裸乳无遮挡免费网站照片 | 国产高清videossex| 久久婷婷人人爽人人干人人爱 | 少妇被粗大的猛进出69影院| 人妻久久中文字幕网| 国产精品久久久av美女十八| 最新在线观看一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 91精品三级在线观看| 亚洲精品国产一区二区精华液| 国产成人系列免费观看| 亚洲免费av在线视频| 一区二区三区高清视频在线| 99riav亚洲国产免费| 国产精品免费视频内射| 一夜夜www| 成人亚洲精品av一区二区| 日韩中文字幕欧美一区二区| or卡值多少钱| 黄色毛片三级朝国网站| 午夜福利欧美成人| 一级,二级,三级黄色视频| 真人做人爱边吃奶动态| 美女高潮喷水抽搐中文字幕| 天堂影院成人在线观看| 一a级毛片在线观看| 操出白浆在线播放| 亚洲成人免费电影在线观看| 又大又爽又粗| 亚洲人成网站在线播放欧美日韩| 国产高清有码在线观看视频 | 精品人妻在线不人妻| 国产精品亚洲av一区麻豆| 亚洲 国产 在线| 国产欧美日韩综合在线一区二区| 欧美亚洲日本最大视频资源| 欧美色视频一区免费| 成人av一区二区三区在线看| 大香蕉久久成人网| 伦理电影免费视频| 国产免费av片在线观看野外av| 正在播放国产对白刺激| 免费av毛片视频| 欧美一级毛片孕妇| 午夜免费成人在线视频| 夜夜爽天天搞| 亚洲av成人av| 亚洲情色 制服丝袜| av中文乱码字幕在线| 欧美人与性动交α欧美精品济南到| 一边摸一边做爽爽视频免费| 色精品久久人妻99蜜桃| 亚洲av五月六月丁香网| 大型av网站在线播放| 国产精品乱码一区二三区的特点 | 亚洲精品国产一区二区精华液| 日韩成人在线观看一区二区三区| 久久这里只有精品19| 欧美一区二区精品小视频在线| 一区二区三区精品91| 国产精品免费视频内射| 日韩视频一区二区在线观看| 成年人黄色毛片网站| 999精品在线视频| 国产精品美女特级片免费视频播放器 | 可以在线观看毛片的网站| 亚洲男人天堂网一区| 成人18禁高潮啪啪吃奶动态图| 久久精品aⅴ一区二区三区四区| 亚洲第一欧美日韩一区二区三区| 婷婷精品国产亚洲av在线| 国产伦一二天堂av在线观看| 90打野战视频偷拍视频| 日日夜夜操网爽| 天堂√8在线中文| 黑人欧美特级aaaaaa片| 深夜精品福利| 九色国产91popny在线| 免费av毛片视频| 欧美中文综合在线视频| 国产xxxxx性猛交| www国产在线视频色| 日韩成人在线观看一区二区三区| 两人在一起打扑克的视频| 免费一级毛片在线播放高清视频 | 精品欧美一区二区三区在线| 久久亚洲精品不卡| 多毛熟女@视频| 亚洲第一青青草原| 国内精品久久久久精免费| 亚洲av成人av| 看黄色毛片网站| 亚洲熟妇熟女久久| 国产成人免费无遮挡视频| 亚洲av日韩精品久久久久久密| 精品国产国语对白av| 国产伦人伦偷精品视频| 成年版毛片免费区| 国产精品 国内视频| 一级黄色大片毛片| 黄片大片在线免费观看| 国产午夜福利久久久久久| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲熟女毛片儿| 日韩高清综合在线| 老司机靠b影院| 免费在线观看黄色视频的| 国产男靠女视频免费网站| 狂野欧美激情性xxxx| avwww免费| 亚洲情色 制服丝袜| 国产一区二区三区综合在线观看| 麻豆一二三区av精品| 日韩欧美免费精品| 又黄又爽又免费观看的视频| 久久亚洲真实| 久久香蕉精品热| 香蕉国产在线看| 亚洲国产欧美日韩在线播放| 99香蕉大伊视频| 99久久久亚洲精品蜜臀av| 桃色一区二区三区在线观看| 亚洲国产毛片av蜜桃av| 亚洲男人的天堂狠狠| 黄片小视频在线播放| 亚洲色图综合在线观看| 午夜福利免费观看在线| 亚洲一区二区三区不卡视频| 亚洲九九香蕉| 香蕉久久夜色| 亚洲九九香蕉| 欧美国产精品va在线观看不卡| 亚洲国产精品成人综合色| 亚洲色图av天堂| 成人手机av| 亚洲第一av免费看| 可以在线观看毛片的网站| 啪啪无遮挡十八禁网站| 黑人巨大精品欧美一区二区蜜桃| 亚洲精品国产色婷婷电影| 极品教师在线免费播放| 激情视频va一区二区三区| 在线av久久热| 国产欧美日韩精品亚洲av| 757午夜福利合集在线观看| 99香蕉大伊视频| 久久精品aⅴ一区二区三区四区| 国产成人精品久久二区二区免费| 露出奶头的视频| 国产成+人综合+亚洲专区| 国产主播在线观看一区二区| 精品国产乱码久久久久久男人| 午夜日韩欧美国产| 免费看美女性在线毛片视频| 黑人操中国人逼视频| 精品免费久久久久久久清纯| 麻豆成人av在线观看| 大香蕉久久成人网| 一区二区三区高清视频在线| 亚洲成a人片在线一区二区| 亚洲国产毛片av蜜桃av| √禁漫天堂资源中文www| 88av欧美| 91精品国产国语对白视频| 精品久久久久久久毛片微露脸| 亚洲最大成人中文| 国产成人影院久久av| 老司机靠b影院| 大码成人一级视频| 成人免费观看视频高清| 亚洲熟女毛片儿| 欧美黄色淫秽网站| 日韩三级视频一区二区三区| 一级a爱视频在线免费观看| 日本一区二区免费在线视频| 亚洲第一av免费看| 久久热在线av|