• <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
    日韩视频在线欧美| 性色av一级| av一本久久久久| 亚州av有码| 亚洲天堂av无毛| 99国产精品免费福利视频| 国产色婷婷99| 国产色爽女视频免费观看| 18禁裸乳无遮挡免费网站照片| 超碰av人人做人人爽久久| 色哟哟·www| 五月伊人婷婷丁香| 成人黄色视频免费在线看| 熟妇人妻不卡中文字幕| 性色avwww在线观看| 亚洲av.av天堂| 夜夜骑夜夜射夜夜干| 少妇人妻 视频| 欧美日韩视频精品一区| 少妇高潮的动态图| 中文字幕精品免费在线观看视频 | 精品视频人人做人人爽| 大又大粗又爽又黄少妇毛片口| 国产久久久一区二区三区| 国产久久久一区二区三区| 在线 av 中文字幕| 日韩亚洲欧美综合| av在线播放精品| 91精品伊人久久大香线蕉| 成人特级av手机在线观看| 中国三级夫妇交换| 亚洲美女黄色视频免费看| 一个人看的www免费观看视频| 久久人人爽人人片av| 日韩欧美精品免费久久| 国国产精品蜜臀av免费| 精华霜和精华液先用哪个| 91午夜精品亚洲一区二区三区| 欧美激情国产日韩精品一区| 91精品伊人久久大香线蕉| 中国国产av一级| 寂寞人妻少妇视频99o| 一级毛片黄色毛片免费观看视频| 人体艺术视频欧美日本| 伦精品一区二区三区| 亚洲丝袜综合中文字幕| 亚洲av综合色区一区| 久久精品人妻少妇| 午夜福利网站1000一区二区三区| 天堂中文最新版在线下载| 国产高潮美女av| 婷婷色麻豆天堂久久| 久久精品人妻少妇| 一区二区三区精品91| 男女啪啪激烈高潮av片| 成人毛片60女人毛片免费| 两个人的视频大全免费| 精品国产露脸久久av麻豆| 亚洲在久久综合| 99久久精品一区二区三区| 国产成人a区在线观看| 中国三级夫妇交换| 国产精品精品国产色婷婷| 国模一区二区三区四区视频| av女优亚洲男人天堂| 亚洲不卡免费看| 久热这里只有精品99| 女性生殖器流出的白浆| 日韩av不卡免费在线播放| 国产91av在线免费观看| av在线老鸭窝| 麻豆成人av视频| 日本免费在线观看一区| 亚洲欧美精品专区久久| 日韩大片免费观看网站| 欧美日韩视频高清一区二区三区二| 亚洲精品国产av成人精品| 青春草国产在线视频| 国产成人a区在线观看| 久久久久国产网址| 欧美精品一区二区大全| 国内揄拍国产精品人妻在线| 亚洲国产欧美人成| 欧美成人一区二区免费高清观看| 国产乱来视频区| 在线观看一区二区三区激情| 日韩欧美一区视频在线观看 | 天堂中文最新版在线下载| 精品国产一区二区三区久久久樱花 | 又粗又硬又长又爽又黄的视频| 2022亚洲国产成人精品| 亚洲久久久国产精品| 亚洲精华国产精华液的使用体验| 日韩在线高清观看一区二区三区| 久久久久久久亚洲中文字幕| 国产高清三级在线| 一级爰片在线观看| 欧美 日韩 精品 国产| 国产黄色视频一区二区在线观看| 91精品伊人久久大香线蕉| 色视频在线一区二区三区| 成人特级av手机在线观看| 精品久久久久久久久av| 日韩三级伦理在线观看| 爱豆传媒免费全集在线观看| 一级片'在线观看视频| 美女xxoo啪啪120秒动态图| 欧美少妇被猛烈插入视频| 夫妻午夜视频| 久久99热这里只频精品6学生| 成年人午夜在线观看视频| 国产老妇伦熟女老妇高清| 亚洲国产最新在线播放| 日韩欧美精品免费久久| 最近手机中文字幕大全| 精品一区二区三区视频在线| 国产精品一区www在线观看| 丰满迷人的少妇在线观看| 亚洲国产欧美人成| 日韩制服骚丝袜av| 在线观看国产h片| 国产av国产精品国产| 免费观看的影片在线观看| 下体分泌物呈黄色| 草草在线视频免费看| 亚洲国产精品专区欧美| 99热国产这里只有精品6| 日本色播在线视频| 丰满乱子伦码专区| 好男人视频免费观看在线| 三级国产精品片| 亚洲美女搞黄在线观看| 香蕉精品网在线| 老熟女久久久| 高清毛片免费看| 亚洲美女搞黄在线观看| 国产成人a区在线观看| 国产又色又爽无遮挡免| 亚洲三级黄色毛片| 91在线精品国自产拍蜜月| 在线观看免费高清a一片| 简卡轻食公司| 中文字幕亚洲精品专区| 最近最新中文字幕大全电影3| 99久久精品一区二区三区| 久久毛片免费看一区二区三区| a级毛色黄片| 国产免费又黄又爽又色| 99视频精品全部免费 在线| 日韩中字成人| 青青草视频在线视频观看| 国产中年淑女户外野战色| 日本欧美视频一区| 熟女电影av网| 亚洲伊人久久精品综合| 国精品久久久久久国模美| 国产视频内射| 18+在线观看网站| 纵有疾风起免费观看全集完整版| 国产精品一及| 亚洲婷婷狠狠爱综合网| 蜜桃久久精品国产亚洲av| 人妻制服诱惑在线中文字幕| 街头女战士在线观看网站| 一级片'在线观看视频| 国内精品宾馆在线| 少妇精品久久久久久久| 久久国产精品大桥未久av | 亚洲成人av在线免费| 视频区图区小说| 精品少妇久久久久久888优播| 麻豆乱淫一区二区| 人体艺术视频欧美日本| 久久精品国产自在天天线| 少妇裸体淫交视频免费看高清| 少妇 在线观看| 赤兔流量卡办理| 纵有疾风起免费观看全集完整版| av又黄又爽大尺度在线免费看| 能在线免费看毛片的网站| 99久久人妻综合| 国产精品.久久久| 免费播放大片免费观看视频在线观看| 久久久久久久精品精品| 国产精品久久久久久精品古装| 18+在线观看网站| 亚洲一区二区三区欧美精品| 激情五月婷婷亚洲| 亚洲人与动物交配视频| 午夜视频国产福利| 男的添女的下面高潮视频| 亚洲内射少妇av| 五月天丁香电影| 夜夜爽夜夜爽视频| 大话2 男鬼变身卡| 一级片'在线观看视频| 成年人午夜在线观看视频| 联通29元200g的流量卡| 人妻夜夜爽99麻豆av| 中文精品一卡2卡3卡4更新| 日韩免费高清中文字幕av| 国产亚洲av片在线观看秒播厂| 欧美区成人在线视频| 亚洲综合色惰| 午夜福利影视在线免费观看| 又爽又黄a免费视频| 九九在线视频观看精品| 亚洲av.av天堂| 最近手机中文字幕大全| 亚洲第一av免费看| av福利片在线观看| 精品久久久久久电影网| 亚洲高清免费不卡视频| 国产欧美日韩一区二区三区在线 | 中国三级夫妇交换| 我要看黄色一级片免费的| 亚洲人成网站高清观看| 黑丝袜美女国产一区| 精华霜和精华液先用哪个| 麻豆国产97在线/欧美| av卡一久久| 51国产日韩欧美| 免费黄频网站在线观看国产| 日本黄色日本黄色录像| 中文字幕av成人在线电影| 免费不卡的大黄色大毛片视频在线观看| 成人无遮挡网站| 国产大屁股一区二区在线视频| 午夜日本视频在线| 亚洲欧美清纯卡通| 一个人看视频在线观看www免费| 亚洲国产欧美在线一区| 国产精品伦人一区二区| 久久精品人妻少妇| 午夜福利影视在线免费观看| 网址你懂的国产日韩在线| 久久久精品94久久精品| 国产免费又黄又爽又色| 久久久久久久久大av| a 毛片基地| 亚洲色图av天堂| 国产高清国产精品国产三级 | 99热网站在线观看| 中文字幕免费在线视频6| 国内少妇人妻偷人精品xxx网站| 大片免费播放器 马上看| 蜜桃在线观看..| 亚州av有码| 欧美极品一区二区三区四区| 久久久亚洲精品成人影院| 丰满少妇做爰视频| 三级经典国产精品| 18禁在线播放成人免费| 久久毛片免费看一区二区三区| 色吧在线观看| 国产一级毛片在线| 日韩av不卡免费在线播放| 国语对白做爰xxxⅹ性视频网站| 国产精品99久久久久久久久| 欧美国产精品一级二级三级 | 欧美日韩一区二区视频在线观看视频在线| 国产免费视频播放在线视频| 亚洲欧美成人精品一区二区| 亚洲欧洲日产国产| 亚洲三级黄色毛片| 国产一区亚洲一区在线观看| 亚洲国产精品国产精品| 亚洲熟女精品中文字幕| 青春草国产在线视频| 男女免费视频国产| 国语对白做爰xxxⅹ性视频网站| 内射极品少妇av片p| 大片电影免费在线观看免费| 国产色爽女视频免费观看| 国产一区二区在线观看日韩| 三级国产精品片| 在线看a的网站| 久久国产亚洲av麻豆专区| 日韩在线高清观看一区二区三区| 免费av中文字幕在线| 国产色爽女视频免费观看| 久久精品久久久久久噜噜老黄| 少妇人妻精品综合一区二区| 国产女主播在线喷水免费视频网站| 午夜福利视频精品| 国产在线免费精品| 欧美一区二区亚洲| 久热这里只有精品99| 日韩三级伦理在线观看| 精品亚洲成国产av| 七月丁香在线播放| 涩涩av久久男人的天堂| 色婷婷av一区二区三区视频| 亚洲av在线观看美女高潮| 深夜a级毛片| 97精品久久久久久久久久精品| 国产精品久久久久久久电影| 插阴视频在线观看视频| 波野结衣二区三区在线| 亚洲aⅴ乱码一区二区在线播放| 中国美白少妇内射xxxbb| 日韩av免费高清视频| 在线观看人妻少妇| 色吧在线观看| 丝袜喷水一区| 各种免费的搞黄视频| 99久久人妻综合| 美女主播在线视频| 一级av片app| 国产亚洲5aaaaa淫片| 国产精品嫩草影院av在线观看| 久久久久久久久久久免费av| 毛片一级片免费看久久久久| 一个人看的www免费观看视频| 免费观看性生交大片5| 欧美日本视频| 色哟哟·www| 最近最新中文字幕大全电影3| 欧美三级亚洲精品| 久久人人爽av亚洲精品天堂 | 欧美精品人与动牲交sv欧美| 国产亚洲最大av| 国产探花极品一区二区| 少妇人妻久久综合中文| 婷婷色综合www| 亚洲在久久综合| 国国产精品蜜臀av免费| 九九爱精品视频在线观看| 九九在线视频观看精品| 亚洲av福利一区| 极品教师在线视频| 美女主播在线视频| 国产爽快片一区二区三区| 亚洲天堂av无毛| 日本黄色片子视频| 久久99精品国语久久久| 麻豆精品久久久久久蜜桃| 亚洲第一区二区三区不卡| 一本色道久久久久久精品综合| 日韩欧美精品免费久久| 丝袜喷水一区| 永久免费av网站大全| 亚洲国产欧美在线一区| 日韩亚洲欧美综合| av在线老鸭窝| 亚洲经典国产精华液单| 最新中文字幕久久久久| 夜夜骑夜夜射夜夜干| 日韩一区二区视频免费看| 久久99精品国语久久久| 亚洲成人手机| 亚洲无线观看免费| 黄色怎么调成土黄色| 国产伦在线观看视频一区| 国产视频首页在线观看| 在线播放无遮挡| 久久久久人妻精品一区果冻| 99热这里只有是精品50| 精品人妻视频免费看| av卡一久久| 九九爱精品视频在线观看| 熟女电影av网| 又粗又硬又长又爽又黄的视频| 国产精品99久久99久久久不卡 | 欧美精品亚洲一区二区| 中文天堂在线官网| 亚洲国产精品成人久久小说| 日韩av不卡免费在线播放| 婷婷色综合www| 亚洲av在线观看美女高潮| 在线观看av片永久免费下载| xxx大片免费视频| 啦啦啦视频在线资源免费观看| 干丝袜人妻中文字幕| 人妻制服诱惑在线中文字幕| 亚洲国产av新网站| 久久久久精品性色| 久久久精品免费免费高清| 日产精品乱码卡一卡2卡三| 久久综合国产亚洲精品| 观看免费一级毛片| 街头女战士在线观看网站| 99久久精品国产国产毛片| 日本黄色日本黄色录像| 国产亚洲午夜精品一区二区久久| av线在线观看网站| 亚洲av国产av综合av卡| 国产在视频线精品| 久久久a久久爽久久v久久| 亚洲精品视频女| 久久午夜福利片| 赤兔流量卡办理| 五月伊人婷婷丁香| 日本一二三区视频观看| 国产色婷婷99| 国产黄频视频在线观看| 欧美日韩国产mv在线观看视频 | 国产精品偷伦视频观看了| 欧美日韩国产mv在线观看视频 | 亚洲av免费高清在线观看| 大话2 男鬼变身卡| 51国产日韩欧美| 亚洲av国产av综合av卡| 99热6这里只有精品| 免费观看在线日韩| 久久 成人 亚洲| 少妇的逼水好多| 国产一区二区在线观看日韩| 亚洲婷婷狠狠爱综合网| 精品亚洲成a人片在线观看 | 青青草视频在线视频观看| 欧美成人午夜免费资源| 在线看a的网站| 天美传媒精品一区二区| 美女中出高潮动态图| 国产男女内射视频| 中国美白少妇内射xxxbb| 日韩成人av中文字幕在线观看| 成人高潮视频无遮挡免费网站| 久久韩国三级中文字幕| 免费观看在线日韩| 狂野欧美激情性bbbbbb| 身体一侧抽搐| 亚洲欧美日韩卡通动漫| 午夜免费男女啪啪视频观看| 免费播放大片免费观看视频在线观看| 欧美xxxx黑人xx丫x性爽| 亚洲av在线观看美女高潮| 亚洲成人av在线免费| 欧美一区二区亚洲| 乱码一卡2卡4卡精品| 日本与韩国留学比较| 丰满少妇做爰视频| a级一级毛片免费在线观看| 日日撸夜夜添| 国产久久久一区二区三区| 高清日韩中文字幕在线| 成人一区二区视频在线观看| 18禁在线播放成人免费| h日本视频在线播放| 一区二区三区乱码不卡18| 国产免费福利视频在线观看| 免费在线观看成人毛片| 精品久久久久久久久亚洲| 亚洲国产精品国产精品| 九色成人免费人妻av| 中文在线观看免费www的网站| 久久精品久久久久久噜噜老黄| 国产精品一区www在线观看| 欧美激情极品国产一区二区三区 | 精品人妻偷拍中文字幕| 国产伦理片在线播放av一区| 亚洲成色77777| 亚洲欧洲日产国产| 成年av动漫网址| 国产极品天堂在线| 热99国产精品久久久久久7| 伦理电影大哥的女人| 色哟哟·www| 国产久久久一区二区三区| 亚洲av国产av综合av卡| 国产男人的电影天堂91| 亚洲精品一区蜜桃| 欧美日韩视频精品一区| 久久久久国产精品人妻一区二区| 亚洲电影在线观看av| 天天躁日日操中文字幕| 中国美白少妇内射xxxbb| 色哟哟·www| 亚洲国产精品999| 卡戴珊不雅视频在线播放| 99精国产麻豆久久婷婷| 亚洲人与动物交配视频| 欧美bdsm另类| 日本欧美视频一区| 偷拍熟女少妇极品色| 岛国毛片在线播放| 久久精品久久精品一区二区三区| 欧美日本视频| 2018国产大陆天天弄谢| 晚上一个人看的免费电影| 男女啪啪激烈高潮av片| 国产精品久久久久久av不卡| kizo精华| 各种免费的搞黄视频| 欧美成人精品欧美一级黄| 午夜福利在线在线| 国产精品久久久久成人av| 91精品一卡2卡3卡4卡| 一本色道久久久久久精品综合| 一个人免费看片子| 我要看日韩黄色一级片| 夫妻性生交免费视频一级片| 国产人妻一区二区三区在| 欧美日韩在线观看h| 97在线人人人人妻| 中文精品一卡2卡3卡4更新| 一级爰片在线观看| 国产精品国产三级国产av玫瑰| 欧美 日韩 精品 国产| 亚洲真实伦在线观看| 最近手机中文字幕大全| 国产探花极品一区二区| 日韩中文字幕视频在线看片 | 成人亚洲精品一区在线观看 | 亚洲精品乱久久久久久| 国产精品久久久久久精品古装| 男的添女的下面高潮视频| 在现免费观看毛片| 国产精品一区二区三区四区免费观看| 亚洲精品久久午夜乱码| 一级毛片aaaaaa免费看小| 国产伦精品一区二区三区视频9| 亚洲欧美日韩另类电影网站 | 亚洲精品日韩av片在线观看| 最近的中文字幕免费完整| 天堂中文最新版在线下载| 在线观看免费高清a一片| 91狼人影院| 久久6这里有精品| 在线看a的网站| 国产精品伦人一区二区| 777米奇影视久久| 日韩视频在线欧美| 成人特级av手机在线观看| 夜夜爽夜夜爽视频| 久久精品国产自在天天线| 人妻系列 视频| 大话2 男鬼变身卡| 黄色怎么调成土黄色| 99热这里只有是精品50| 精品久久久久久电影网| 久久精品国产亚洲av天美| 日韩不卡一区二区三区视频在线| 纯流量卡能插随身wifi吗| 最黄视频免费看| 日韩 亚洲 欧美在线| 边亲边吃奶的免费视频| 在线 av 中文字幕| 1000部很黄的大片| 热99国产精品久久久久久7| 久久久午夜欧美精品| 又爽又黄a免费视频| 中国国产av一级| 在线天堂最新版资源| 欧美丝袜亚洲另类| 99久久精品热视频| 赤兔流量卡办理| 久久午夜福利片| 蜜臀久久99精品久久宅男| 亚洲国产精品国产精品| 亚洲av电影在线观看一区二区三区| 99视频精品全部免费 在线| 亚洲精品日本国产第一区| 男女啪啪激烈高潮av片| 久久人人爽人人片av| 欧美精品人与动牲交sv欧美| 乱系列少妇在线播放| 午夜福利在线观看免费完整高清在| 精品久久久久久久末码| 人妻制服诱惑在线中文字幕| 伦理电影免费视频| 免费少妇av软件| 国产男女内射视频| 久久精品熟女亚洲av麻豆精品| 97超视频在线观看视频| 成人综合一区亚洲| 在线观看国产h片| 夜夜看夜夜爽夜夜摸| 国产一级毛片在线| 一边亲一边摸免费视频| 亚洲经典国产精华液单| 麻豆精品久久久久久蜜桃| 亚州av有码| 免费大片黄手机在线观看| 国产成人aa在线观看| 国产精品秋霞免费鲁丝片| 日韩在线高清观看一区二区三区| 婷婷色综合www| 亚洲成人中文字幕在线播放| 国产欧美日韩精品一区二区| av卡一久久| 久久99精品国语久久久| 日本欧美视频一区| 久久韩国三级中文字幕| 国产精品国产三级专区第一集| 又黄又爽又刺激的免费视频.| av国产精品久久久久影院| 国内少妇人妻偷人精品xxx网站| 亚洲精品一区蜜桃| 在线观看美女被高潮喷水网站| 国产女主播在线喷水免费视频网站| 亚洲美女搞黄在线观看| 亚洲av电影在线观看一区二区三区| 亚洲欧美精品自产自拍| 免费黄网站久久成人精品| 青春草亚洲视频在线观看| 身体一侧抽搐| 亚洲图色成人| 在线观看美女被高潮喷水网站| 日韩欧美 国产精品| 日日啪夜夜爽| 亚洲精品久久午夜乱码| 日韩人妻高清精品专区| 在线观看人妻少妇| 高清不卡的av网站| 汤姆久久久久久久影院中文字幕| 一级爰片在线观看| 男男h啪啪无遮挡| 蜜臀久久99精品久久宅男| 国产免费又黄又爽又色| 美女内射精品一级片tv| 少妇人妻一区二区三区视频| 成人午夜精彩视频在线观看| 春色校园在线视频观看|