• <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 ?

    非平衡集成遷移學(xué)習(xí)模型及其在橋梁結(jié)構(gòu)健康監(jiān)測中的應(yīng)用

    2013-11-26 01:18:48于重重吳子珺譚勵涂序彥田蕊
    智能系統(tǒng)學(xué)報 2013年1期
    關(guān)鍵詞:監(jiān)測數(shù)據(jù)測點聚類

    于重重,吳子珺,譚勵,涂序彥,田蕊

    (1.北京工商大學(xué)計算機與信息工程學(xué)院,北京100048;2.北京科技大學(xué) 計算機與通信工程學(xué)院,北京100083)

    隨著智能監(jiān)測方法與評估技術(shù)的不斷發(fā)展,橋梁結(jié)構(gòu)健康監(jiān)測及狀態(tài)評估的研究逐漸成為熱點.為了對橋梁的安全和維護提供有力保障,通常需要連續(xù)監(jiān)測橋梁靜應(yīng)變、沉降等數(shù)據(jù),同時必須保證監(jiān)測數(shù)據(jù)的真實可靠.但通常存在一些干擾因素,如傳感器損壞、異常受力、天氣條件惡劣等,會造成監(jiān)測數(shù)據(jù)的間斷性異?;蛉睋p,從而無法對所獲得的監(jiān)測數(shù)據(jù)進行有效的數(shù)據(jù)分析[1-2].因此,利用相似的輔助測點數(shù)據(jù),實現(xiàn)對有效數(shù)據(jù)量少的目標測點的建模與分析,是解決上述問題的重要思路.

    遷移學(xué)習(xí)是一種強調(diào)在相似但不完全相同的領(lǐng)域、任務(wù)和分布之間實現(xiàn)知識轉(zhuǎn)化的學(xué)習(xí)方式.本文針對橋梁監(jiān)測數(shù)據(jù)的間斷性異?;蛉睋p的特點,將遷移學(xué)習(xí)引入到橋梁結(jié)構(gòu)健康監(jiān)測領(lǐng)域,通過建模分析,解決目標測點實測有效數(shù)據(jù)過少時的數(shù)據(jù)分類和預(yù)測問題.文中提出了一個改進的遷移模型,首先通過對原始監(jiān)測數(shù)據(jù)進行預(yù)處理,得到能夠表征數(shù)據(jù)變化規(guī)律的訓(xùn)練數(shù)據(jù)集,然后再利用相似性度量函數(shù),完成對具有相似數(shù)據(jù)變化規(guī)律的測點聚類,最后運用非平衡集成遷移學(xué)習(xí)算法(the unbalanced integrated transfer learning algorithm,UBITLA)[3]建立橋梁結(jié)構(gòu)健康監(jiān)測的分類模型,利用過往監(jiān)測數(shù)據(jù)模型的遷移對新數(shù)據(jù)進行預(yù)測,以達到對監(jiān)測數(shù)據(jù)的類別劃分和評定橋梁結(jié)構(gòu)損傷級別的目的.

    1 遷移學(xué)習(xí)的基本理論

    遷移學(xué)習(xí)作為機器學(xué)習(xí)和人工智能領(lǐng)域研究的新方向,近年越來越受到關(guān)注.遷移學(xué)習(xí)強調(diào)的是區(qū)域、任務(wù)、分布相似但不相同的知識的傳遞[4-5],其突破了傳統(tǒng)數(shù)據(jù)挖掘的兩大假設(shè):一是訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)必須同概率分布;二是兩者必須同特征空間.然而,隨著對遷移學(xué)習(xí)的研究,不同學(xué)者對遷移學(xué)習(xí)中存在的一些缺陷,提出了很多解決問題的算法,并得到了有效的應(yīng)用.如運用基于EM的跨語言文本分類算法用以解決跨特征空間的遷移學(xué)習(xí)問題[6],基于樸素貝葉斯分類器的支持跨領(lǐng)域文本分類的分類器實現(xiàn)了不同領(lǐng)域文本之間知識的遷移問題[7],基于TrAdboost算法解決對稱的二分類問題等[8-9].這些成功的應(yīng)用推動了遷移學(xué)習(xí)在處理新任務(wù)中標記數(shù)據(jù)量小的問題中的迅猛發(fā)展.

    在橋梁結(jié)構(gòu)健康監(jiān)測領(lǐng)域,監(jiān)測數(shù)據(jù)存在以下特點:

    1)不同類別的樣本分布極度不平衡,差異大;

    2)輔助數(shù)據(jù)中存在大量的與目標數(shù)據(jù)集不相似的冗余信息;

    3)橋梁實際監(jiān)測的表征結(jié)構(gòu)健康的正數(shù)據(jù)和表征結(jié)構(gòu)損傷的負數(shù)據(jù)分布極度不平衡,負樣本數(shù)量遠遠小于正樣本,但負樣本對于橋梁健康監(jiān)測影響很大.因此,對于橋梁結(jié)構(gòu)的損傷判定可以將其看作是一個非對稱的二分類問題.

    本文將遷移學(xué)習(xí)引入到橋梁結(jié)構(gòu)健康監(jiān)測領(lǐng)域,利用已有監(jiān)測點數(shù)據(jù),基于非平衡集成遷移學(xué)習(xí)算法(UBITLA),提出了一種改進的遷移學(xué)習(xí)模型,該方法能夠有效地解決橋梁結(jié)構(gòu)健康監(jiān)測中存在的實際問題.

    2 改進的遷移學(xué)習(xí)模型在橋梁結(jié)構(gòu)健康監(jiān)測中的應(yīng)用

    2.1 改進的遷移學(xué)習(xí)模型描述

    本文提出的遷移學(xué)習(xí)模型總體思路如下:1)將橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)中監(jiān)測到的原始數(shù)據(jù)進行預(yù)處理,其中包括信息篩選、去冗余、去噪聲以及去除重復(fù)數(shù)據(jù);2)對預(yù)處理后的監(jiān)測數(shù)據(jù),根據(jù)測點間的相似度,對具有相似變化規(guī)律的測點進行聚類;3)對聚類結(jié)果使用非平衡集成遷移學(xué)習(xí)算法,建立針對目標測點的數(shù)據(jù)分類模型,對目標數(shù)據(jù)集中的無標簽數(shù)據(jù)進行預(yù)測分類,以實現(xiàn)對監(jiān)測數(shù)據(jù)進行類別劃分,評定橋梁各級損傷情況的目的.總體流程圖如圖1所示.

    圖1 改進的遷移學(xué)習(xí)模型Fig.1 Improved transfer learning model

    2.2 基于相似測點的SOM聚類

    相似度函數(shù)是聚類的前提條件,這是由于分類是將相似的模式樣本聚為一類.因為數(shù)據(jù)存在不同的類型,所以有不同的方法計算相似度,如歐氏距離、切比雪夫距離、曼哈頓距離、明氏距離、加權(quán)的明氏距離、馬氏距離、夾角余弦函數(shù)等[10].在自組織映射(self-organizing map,SOM)算法中經(jīng)常使用相似度函數(shù)作為分類的基礎(chǔ).SOM算法是一個由全連接的神經(jīng)元陣列組成的無導(dǎo)師的自組織、自學(xué)習(xí)網(wǎng)絡(luò),是神經(jīng)網(wǎng)絡(luò)用于解決聚類問題的典型應(yīng)用[11-12].

    由于橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)所獲得的監(jiān)測數(shù)據(jù)受突發(fā)應(yīng)力與異常負載等影響,經(jīng)常會出現(xiàn)個別監(jiān)測點數(shù)據(jù)存在異常,如果使用上述方法難以有效克服個別維度的干擾,且易受到高維特性的干擾,若存在2個數(shù)據(jù)的個別維度上的值差異過大或過小,這會影響整體度量效果,使數(shù)據(jù)間的相似信息被這少數(shù)維度的過大差異所淹沒[13-14].因此為減小這些異常數(shù)據(jù)對整體數(shù)據(jù)的影響,對傳統(tǒng)的距離度量函數(shù)進行修改,從根本上解決傳統(tǒng)的相似度度量函數(shù)在高維數(shù)據(jù)空間中存在的不足,有效地緩解大差異個別維度對相似度的影響,具體如下.

    定義1 設(shè)有d維數(shù)據(jù)向量X=(x1,x2,…,xd)及 Y=(y1,y2,…,yd),則相似度度量函數(shù)(similarity measurement points clustering,SMPC)如式 (1)所示:

    改進后的相似度度量函數(shù)通過引入指數(shù)e,實現(xiàn)了在xi與yi大差異的情況下,分子數(shù)值變小的需求.通過對比計算發(fā)現(xiàn),改進后的相似度度量函數(shù)SMPC對比于傳統(tǒng)的相似性度量函數(shù),具有如下性質(zhì):

    1)新函數(shù)充分考慮了2個數(shù)據(jù)向量間的所有維度,使大差異維度的貢獻率降低;

    2)新函數(shù)的最大值為1,代表X和Y在所有維度上的值都相等,此時X和Y在d維空間上是完全重合的,相似度最大.若最小值為0,則代表X和Y在每個維度上的差異均接近于無窮大,此時X和Y相似度最小.

    通過基于SMPC相似度度量函數(shù)的SOM網(wǎng)絡(luò),完成對橋梁監(jiān)測點的聚類,其具體訓(xùn)練步驟如下:

    1)初始化SOM網(wǎng)絡(luò)結(jié)構(gòu),對神經(jīng)元權(quán)值向量隨機賦初值;

    2)隨機選擇輸入樣本;

    3)計算各神經(jīng)元之間的相似度,選擇具有最大相似度的神經(jīng)元作為獲勝神經(jīng)元;

    4)使用單調(diào)遞減函數(shù)對獲勝神經(jīng)元及其鄰域范圍內(nèi)的神經(jīng)元的權(quán)值進行調(diào)整;

    5)對算法的收斂性進行判斷,若不滿足收斂條件則重復(fù)上述步驟3)直至算法達到收斂.

    2.3 UBITLA 算法

    針對橋梁結(jié)構(gòu)健康監(jiān)測系統(tǒng)表征橋梁結(jié)構(gòu)健康與否的正、負數(shù)據(jù)分布極度不均衡,若對其施行相同的權(quán)值調(diào)整策略會由于稀缺類樣本權(quán)值的迅速減小而導(dǎo)致訓(xùn)練的失敗問題,因此模型采用非平衡樣本分類的集成遷移學(xué)習(xí)算法UBITLA進行處理.算法在TrAdaboost算法的基礎(chǔ)上,通過改變稀缺類樣本權(quán)值的調(diào)整策略,使其不會迅速變小,從而保證這部分樣本對模型建立的貢獻率;另外該算法還引入冗余數(shù)據(jù)動態(tài)剔除策略,適時剔除輔助訓(xùn)練數(shù)據(jù)集中的冗余數(shù)據(jù),以確保訓(xùn)練數(shù)據(jù)的高質(zhì).UBITLA算法流程如圖2所示.

    圖2 UBITLA算法Fig.2 UBITLA algorithm

    UBITLA算法的主體思想為:將遷移輔助數(shù)據(jù)集A與目標數(shù)據(jù)集O按比例抽取部分數(shù)據(jù)后混合成訓(xùn)練數(shù)據(jù)集C,并通過初始化樣本權(quán)重與歸一化樣本完成對原始樣本的預(yù)處理;然后在每次的訓(xùn)練結(jié)果中選擇誤差最小的弱分類器ht,經(jīng)T輪迭代后得到弱分類序列h1,h2,…,ht;最終將多個弱分類器疊加起來得到一個強分類器.

    3 實驗結(jié)果與分析

    3.1 實驗樣本數(shù)據(jù)

    實驗采用已有2年監(jiān)測歷史的杭州灣大橋作為研究對象,選用某天6:00—20:00共20個測點所測得的相鄰時段的數(shù)據(jù)差值作為實驗數(shù)據(jù),其中包含了早、中、晚3個高峰時段,以及上、下午低峰時段的數(shù)據(jù)變化情況,并分別從各數(shù)據(jù)類型中抽取一定數(shù)目的數(shù)據(jù)按比例組成初始數(shù)據(jù)集S1和初始目標數(shù)據(jù)集S2,其具體組成如表1所示.

    表1 實驗數(shù)據(jù)組成描述Table 1 Description of the experimental data

    其中,正負樣本比例為5∶1;輸入數(shù)據(jù)為以1 h為監(jiān)測周期,采集當日從6:00—20:00共14 h的靜應(yīng)變數(shù)據(jù),并組成具有14維的屬性向量(其包含監(jiān)測數(shù)據(jù)在1 d內(nèi)的變化情況).在訓(xùn)練過程中從S1內(nèi)隨機抽取1/2的數(shù)據(jù),經(jīng)數(shù)據(jù)預(yù)處理后作為源數(shù)據(jù)集Y1,同樣從S2內(nèi)分別隨機抽取1/2的數(shù)據(jù),經(jīng)數(shù)據(jù)預(yù)處理后作為目標數(shù)據(jù)集G1與測試數(shù)據(jù)集T1,并通過由源數(shù)據(jù)集Y1與目標數(shù)據(jù)集G1所組成的訓(xùn)練數(shù)據(jù)完成對遷移學(xué)習(xí)模型的訓(xùn)練,實現(xiàn)對目標數(shù)據(jù)集T1中無標簽數(shù)據(jù)的預(yù)測分類,這樣就可以通過監(jiān)測數(shù)據(jù)的類別來評定橋梁的級別損傷.

    3.2 結(jié)果與分析

    3.2.1 不同距離函數(shù)

    通過對訓(xùn)練數(shù)據(jù)采用不同的相似度距離函數(shù)的SOM網(wǎng)絡(luò)完成對監(jiān)測點的聚類,其聚類結(jié)果如表2所示,其中 D(2)(x,y)為歐式距離的相似性度量函數(shù).

    表2 杭州灣大橋沉降數(shù)據(jù)監(jiān)測點聚類Table 2 Hangzhou Bay Bridge settlement data monitoring points clustering

    然后將上述2種不同的聚類結(jié)果,應(yīng)用UBITLA遷移學(xué)習(xí)算法建立針對目標數(shù)據(jù)的分類模型,完成對目標數(shù)據(jù)中無標簽數(shù)據(jù)的預(yù)測分類.采用歐式距離作為相似度距離函數(shù)與采用SMPC相似度距離函數(shù)的SOM網(wǎng)絡(luò)聚類結(jié)果,對遷移學(xué)習(xí)模型分類精度的影響如圖3所示.

    圖3 2種不同的距離函數(shù)對遷移學(xué)習(xí)模型分類精度的影響Fig.3 Effects of two different distance functions on migration learning model classification accuracy

    從上述的結(jié)果來看,2種度量函數(shù)的總體聚類效果基本相近,但是對于個別測點,如杭州灣大橋的20號測點,在采用歐式距離作為相似度距離函數(shù)的SOM網(wǎng)絡(luò)的聚類結(jié)果中將其分入了類別2中,而在采用SMPC相似度距離函數(shù)的SOM網(wǎng)絡(luò)的聚類結(jié)果中將該測點分入了類別1中.通過對該測點和所在類別特點的進一步分析發(fā)現(xiàn),該測點只是在某2個維度上的數(shù)據(jù)波動較大而在其余的12個維度的波動均比較小.由于傳統(tǒng)的距離函數(shù)將所獲得的14維數(shù)據(jù)向量都均等看待,放大了個別維度中異常數(shù)據(jù)所造成的影響,因此影響了整個聚類結(jié)果的合理性;但是本文提出的SMPC距離函數(shù)克服了傳統(tǒng)度量函數(shù)的這一缺陷,使得聚類結(jié)果更接近實際.因此,采用SMPC距離函數(shù)所獲得的遷移學(xué)習(xí)模型分類精度高于傳統(tǒng)的歐式距離函數(shù).

    3.2.2 輔助數(shù)據(jù)集的加入

    選擇杭州灣大橋測點20作為目標分類測點,分別選擇同類輔助測點5和異類輔助測點8作為輔助訓(xùn)練測點,代入UBITLA算法進行訓(xùn)練.輔助數(shù)據(jù)集對遷移學(xué)習(xí)模型分類精度的影響如圖4和5所示.

    圖4 同類輔助數(shù)據(jù)集的加入對遷移學(xué)習(xí)模型分類精度的影響Fig.4 Effects of similar auxiliary data sets on migration learning model classification accuracy

    圖5 異類輔助數(shù)據(jù)集的加入對遷移學(xué)習(xí)模型分類精度的影響Fig.5 Effects of heterogeneous auxiliary data sets on migration learning model classification accuracy

    實驗結(jié)果表明,同類輔助數(shù)據(jù)集的加入可以有效地幫助目標數(shù)據(jù)的學(xué)習(xí),隨著目標數(shù)據(jù)集比例的增加,遷移學(xué)習(xí)模型分類精度不斷提高;異類輔助數(shù)據(jù)集的添加,有時會對目標數(shù)據(jù)的學(xué)習(xí)起到促進作用,但是隨著目標數(shù)據(jù)集所占比例的增加會出現(xiàn)相反的情況,這可能是由于異類輔助數(shù)據(jù)集數(shù)據(jù)與目標數(shù)據(jù)差異性較大,對遷移學(xué)習(xí)模型分類精度造成了一定的消極影響,導(dǎo)致分類精度下降.總之,引入同類輔助數(shù)據(jù)集能夠有效地在輔助數(shù)據(jù)與目標數(shù)據(jù)間進行知識遷移,提高對目標數(shù)據(jù)的學(xué)習(xí)效率和遷移學(xué)習(xí)模型分類的準確性.

    4 結(jié)束語

    本文圍繞遷移學(xué)習(xí)的基本理論和在數(shù)據(jù)分類問題中的應(yīng)用,針對橋梁健康監(jiān)測中監(jiān)測數(shù)據(jù)存在的問題,提出了一個改進的遷移學(xué)習(xí)模型,并且介紹了模型總體思路和關(guān)鍵技術(shù).通過對現(xiàn)役橋梁的監(jiān)測數(shù)據(jù)的實驗,證明了該模型的有效性.隨著技術(shù)的創(chuàng)新、方法的完善,遷移學(xué)習(xí)在不久的將來會應(yīng)用在不同的領(lǐng)域上,期待其有更好的創(chuàng)新.

    [1]劉永前.大型橋梁結(jié)構(gòu)健康監(jiān)測技術(shù)研究與應(yīng)用[D].北京:北京交通大學(xué),2007:1-12.LIU Yongqian.Research and application on structural health monitoring of long-span bridge[D].Beijing:Beijing Jiaotong University,2007:1-12.

    [2]李鵬飛,吳太成.橋梁健康監(jiān)測技術(shù)研究綜述[J].建筑監(jiān)督檢測與造價,2010,7(7):28-31,40.LI Pengfei,WU Taicheng.A review of health monitoring techniques of bridge[J].Supervision Test and Cost of Construction,2010,7(7):28-31,40.

    [3]于重重,田蕊,譚勵,等.非平衡樣本分類的集成遷移學(xué)習(xí)算法[J].電子學(xué)報,2012,40(7):1358-1363.YU Chongchong,TIAN Rui,TAN Li,et al.Integrated transfer learning algorithmic for unbalanced samples classification[J].Acta Electronica Sinica,2012,40(7):1358-1363.

    [4]許至杰.遷移學(xué)習(xí)理論與算法研究[D].上海:華東師范大學(xué),2012:4-10.XU Zhijie.Research about the theories and algorithms of transfer learning[D].Shanghai:East China Normal University,2012:4-10.

    [5]戴文淵.基于實例和特征的遷移學(xué)習(xí)算法研究[D].上海:上海交通大學(xué),2008:14-21.DAI Wenyuan.Instance-based and feature-based transfer learning[D].Shanghai:Shanghai Jiao Tong University,2008:14-21.

    [6]UNKELBACH J,YI S,SCHMIDHUBER J.An EM based training algorithm for recurrent neural networks[J].Proceedings of the 19th International Conference on Artificial NeuralNetworks. Berlin/Heidelberg:Springer-Verlag,2009:964-974.

    [7]DAI Wenyuan,XUE Guirong,YANG Qiang,et al.Transferring naive Bayes classifiers for text classification[C]//Proceedings of the 22nd National Conference on Artificial Intelligence.Vancouver,Canada,2007:540-545.

    [8]RAINA R,BATTLE A,LEE H,et al.Self-taught learn-ing:transfer learning from unlabeled data[C]//The Twenty-fourth International Conference on Machine Learning.Corvallis,USA,2007:759-766.

    [9]劉偉,張化祥.數(shù)據(jù)集動態(tài)重構(gòu)的集成遷移學(xué)習(xí)[J].計算機工程與應(yīng)用,2010,46(12):126-128.LIU Wei,ZHANG Huaxiang.Ensemble transfer learning algorithm based on dynamic dataset regroup[J].Computer Engineering and Applications,2010,46(12):126-128.

    [10]邵昌昇,樓巍,嚴利民.高維數(shù)據(jù)中的相似性度量算法的改進[J].計算機技術(shù)與發(fā)展,2011,2(2):7-10.SHAO Changsheng,LOU Wei,YAN Limin.Optimization of algorithm of similarity measurement in high-dimensional data[J].Computer Technology and Development,2011,2(2):7-10.

    [11]杜俊衛(wèi),李愛軍.一種基于聚類的文本遷移學(xué)習(xí)算法[J].計算機系統(tǒng)應(yīng)用,2010,19(12):238-241.DU Junwei,LI Aijun.Transfer learning algorithm for text classification based on clustering[J].Computer Systems & Applications,2010,19(12):238-241.

    [12]戴群,陳松燦,王喆.一個基于自組織特征映射網(wǎng)絡(luò)的混合神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[J].軟件學(xué)報,2009,20(5):1329-1336.DAI Qun,CHEN Songcan,WANG Zhe.Hybrid neural network architecture based on self-organizing feature maps[J].Journal of Software,2009,20(5):1329-1336.

    [13]王戒躁,鐘繼衛(wèi),王波.大跨橋梁健康監(jiān)測系統(tǒng)設(shè)計構(gòu)成及其進展[J].橋梁建設(shè),2009(增刊2):11-16.WANG Jiezao,ZHONG Jiwei,WANG Bo.Designed components and development of health monitoring systems for long span bridges[J].Bridge Construction,2009(S2):11-16.

    [14]于重重,楊揚,涂序彥,等.DBSCAN算法在橋梁健康監(jiān)測預(yù)測模型中的應(yīng)用[J].計算機工程與應(yīng)用,2008,44(12):224-227.YU Chongchong,YANG Yang,TU Xuyan,et al.Application of DBSCAN algorithm in bridge-health monitoring prediction model[J].Computer Engineering and Applications,2008,44(12):224-227.

    猜你喜歡
    監(jiān)測數(shù)據(jù)測點聚類
    液壓支架整機靜強度試驗及等效應(yīng)力分析
    基于CATIA的汽車測點批量開發(fā)的研究與應(yīng)用
    GSM-R接口監(jiān)測數(shù)據(jù)精確地理化方法及應(yīng)用
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    基于改進的遺傳算法的模糊聚類算法
    GPS異常監(jiān)測數(shù)據(jù)的關(guān)聯(lián)負選擇分步識別算法
    基于小波函數(shù)對GNSS監(jiān)測數(shù)據(jù)降噪的應(yīng)用研究
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    拱壩結(jié)構(gòu)損傷的多測點R/S分析
    變電站監(jiān)測數(shù)據(jù)采集系統(tǒng)
    電測與儀表(2014年3期)2014-04-04 09:08:32
    亚洲电影在线观看av| 内地一区二区视频在线| 啦啦啦视频在线资源免费观看| 色94色欧美一区二区| 99热这里只有精品一区| 好男人视频免费观看在线| 我的女老师完整版在线观看| 欧美精品人与动牲交sv欧美| videos熟女内射| 国产精品久久久久成人av| 青青草视频在线视频观看| 欧美日韩精品成人综合77777| 久久人妻熟女aⅴ| 久久狼人影院| 国产日韩欧美视频二区| √禁漫天堂资源中文www| 日产精品乱码卡一卡2卡三| 全区人妻精品视频| 精品久久久噜噜| 久久久久国产精品人妻一区二区| 日本爱情动作片www.在线观看| 久久久久精品久久久久真实原创| 欧美最新免费一区二区三区| 国产欧美日韩一区二区三区在线 | 少妇丰满av| 成人亚洲欧美一区二区av| 国产精品一区二区在线观看99| 午夜免费男女啪啪视频观看| 特大巨黑吊av在线直播| 日韩免费高清中文字幕av| 91久久精品国产一区二区三区| 国产精品秋霞免费鲁丝片| 国产女主播在线喷水免费视频网站| 少妇的逼水好多| 男人添女人高潮全过程视频| 中文字幕亚洲精品专区| 最近手机中文字幕大全| 国产精品一区二区在线不卡| 亚洲欧美清纯卡通| 国产精品三级大全| 国产成人91sexporn| av网站免费在线观看视频| 色94色欧美一区二区| 日本欧美视频一区| 亚洲精品国产av蜜桃| 亚洲精品日本国产第一区| 一级毛片我不卡| 97在线视频观看| 亚洲一级一片aⅴ在线观看| 国产精品福利在线免费观看| 亚洲成人av在线免费| 赤兔流量卡办理| 狠狠精品人妻久久久久久综合| 51国产日韩欧美| 在线观看美女被高潮喷水网站| 国产成人免费观看mmmm| 亚洲精品日韩在线中文字幕| 免费av不卡在线播放| 不卡视频在线观看欧美| 少妇被粗大的猛进出69影院 | 三上悠亚av全集在线观看 | .国产精品久久| 国产淫语在线视频| 精品99又大又爽又粗少妇毛片| 亚洲国产色片| 国内精品宾馆在线| 亚洲精品国产色婷婷电影| 色婷婷av一区二区三区视频| 国产精品福利在线免费观看| 亚洲电影在线观看av| 免费大片黄手机在线观看| 99久久人妻综合| 性色av一级| 能在线免费看毛片的网站| 日本爱情动作片www.在线观看| 国产亚洲午夜精品一区二区久久| 观看av在线不卡| 制服丝袜香蕉在线| 国产有黄有色有爽视频| 亚洲,欧美,日韩| 青春草视频在线免费观看| 内地一区二区视频在线| 久久精品国产亚洲网站| 最近手机中文字幕大全| 精品一区在线观看国产| 欧美日韩精品成人综合77777| 汤姆久久久久久久影院中文字幕| 精品少妇黑人巨大在线播放| 在线观看一区二区三区激情| 婷婷色av中文字幕| 国产精品国产三级国产专区5o| 婷婷色综合www| 男男h啪啪无遮挡| 日韩强制内射视频| 一区二区av电影网| 深夜a级毛片| 亚洲精品久久久久久婷婷小说| 国产熟女欧美一区二区| 国产欧美亚洲国产| 五月开心婷婷网| 亚洲精华国产精华液的使用体验| 99热这里只有是精品50| 中文字幕制服av| 免费看av在线观看网站| 99久久人妻综合| 日韩一区二区三区影片| 久久国内精品自在自线图片| 亚洲成人手机| 青青草视频在线视频观看| av国产精品久久久久影院| 欧美少妇被猛烈插入视频| 亚洲av.av天堂| 欧美日韩在线观看h| 高清黄色对白视频在线免费看 | 777米奇影视久久| 日韩制服骚丝袜av| 国产一区二区在线观看日韩| 只有这里有精品99| 久久99精品国语久久久| 国产一区二区三区av在线| 天天躁夜夜躁狠狠久久av| 欧美xxⅹ黑人| 日韩av在线免费看完整版不卡| 日韩欧美 国产精品| 国产免费福利视频在线观看| 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| 黑丝袜美女国产一区| 汤姆久久久久久久影院中文字幕| av专区在线播放| 在线播放无遮挡| 久久久久国产网址| 看十八女毛片水多多多| 成人免费观看视频高清| 高清午夜精品一区二区三区| 男的添女的下面高潮视频| 亚洲精品视频女| 3wmmmm亚洲av在线观看| 桃花免费在线播放| 色吧在线观看| 亚洲自偷自拍三级| 亚洲欧洲日产国产| 亚洲内射少妇av| 国产精品三级大全| 夫妻午夜视频| a级毛片免费高清观看在线播放| 亚洲精品乱久久久久久| 亚洲自偷自拍三级| 亚洲精品国产色婷婷电影| 亚洲av电影在线观看一区二区三区| 我要看日韩黄色一级片| 亚洲精品久久午夜乱码| 色视频在线一区二区三区| av在线播放精品| 啦啦啦视频在线资源免费观看| 国产综合精华液| av国产精品久久久久影院| 亚洲欧美日韩卡通动漫| 亚洲色图综合在线观看| 国产成人免费无遮挡视频| 久久6这里有精品| 精品少妇内射三级| 精品卡一卡二卡四卡免费| 在线观看免费高清a一片| 91精品伊人久久大香线蕉| 免费观看无遮挡的男女| 男男h啪啪无遮挡| 日韩亚洲欧美综合| 久久精品夜色国产| 中文乱码字字幕精品一区二区三区| 少妇裸体淫交视频免费看高清| 2018国产大陆天天弄谢| xxx大片免费视频| 一级毛片 在线播放| 亚洲av男天堂| 亚洲国产av新网站| 啦啦啦在线观看免费高清www| 99久久中文字幕三级久久日本| 国产精品国产三级国产av玫瑰| 亚洲精品乱久久久久久| 青春草亚洲视频在线观看| 午夜福利影视在线免费观看| 秋霞在线观看毛片| 两个人免费观看高清视频 | 少妇裸体淫交视频免费看高清| 51国产日韩欧美| 日韩视频在线欧美| 久久女婷五月综合色啪小说| a级毛片在线看网站| 国产精品人妻久久久影院| 国产免费视频播放在线视频| 久久99热6这里只有精品| 少妇精品久久久久久久| 少妇高潮的动态图| 街头女战士在线观看网站| 狂野欧美激情性xxxx在线观看| 日韩免费高清中文字幕av| 特大巨黑吊av在线直播| 秋霞伦理黄片| 中文资源天堂在线| 亚洲性久久影院| 国产色爽女视频免费观看| 亚州av有码| 青春草亚洲视频在线观看| 一区二区av电影网| 精品一区在线观看国产| 在线 av 中文字幕| 亚洲av免费高清在线观看| 亚洲欧美中文字幕日韩二区| 国产深夜福利视频在线观看| 男人狂女人下面高潮的视频| 在线观看人妻少妇| 伦理电影大哥的女人| kizo精华| av.在线天堂| 亚洲天堂av无毛| 国产精品秋霞免费鲁丝片| 国产视频首页在线观看| 成人午夜精彩视频在线观看| 一级av片app| 国产综合精华液| 国产成人91sexporn| 久久精品久久久久久噜噜老黄| 青春草国产在线视频| 国产亚洲一区二区精品| a 毛片基地| 三级国产精品片| 亚洲精品456在线播放app| 久久久久久久大尺度免费视频| 亚洲精品456在线播放app| av在线app专区| 久热这里只有精品99| 人人妻人人看人人澡| 欧美人与善性xxx| av有码第一页| 婷婷色麻豆天堂久久| 人人妻人人澡人人看| 精品久久国产蜜桃| 欧美另类一区| 噜噜噜噜噜久久久久久91| 我要看日韩黄色一级片| av卡一久久| av卡一久久| a级毛色黄片| 内地一区二区视频在线| 久久久久久久久久久丰满| 美女中出高潮动态图| 亚洲精品一二三| 色94色欧美一区二区| 国产男女超爽视频在线观看| 中文资源天堂在线| 久久韩国三级中文字幕| 91精品伊人久久大香线蕉| 午夜福利影视在线免费观看| 熟女人妻精品中文字幕| 成人二区视频| 极品少妇高潮喷水抽搐| 日日摸夜夜添夜夜添av毛片| 女人久久www免费人成看片| 午夜福利网站1000一区二区三区| av网站免费在线观看视频| 婷婷色综合大香蕉| 视频区图区小说| 久久午夜综合久久蜜桃| 高清欧美精品videossex| 久久99热6这里只有精品| 欧美日韩亚洲高清精品| 九九爱精品视频在线观看| 国产日韩欧美在线精品| 欧美高清成人免费视频www| 亚洲成色77777| 亚洲一区二区三区欧美精品| 欧美bdsm另类| 日韩av免费高清视频| 最近中文字幕高清免费大全6| 国产亚洲精品久久久com| 乱系列少妇在线播放| 麻豆精品久久久久久蜜桃| 丝瓜视频免费看黄片| 亚洲无线观看免费| 在线天堂最新版资源| 欧美精品一区二区免费开放| 国产精品人妻久久久影院| 国精品久久久久久国模美| 熟女人妻精品中文字幕| 高清毛片免费看| 少妇的逼水好多| 夜夜看夜夜爽夜夜摸| 亚洲欧美精品专区久久| 国产成人91sexporn| 一级二级三级毛片免费看| 国语对白做爰xxxⅹ性视频网站| 欧美精品亚洲一区二区| 国产成人精品一,二区| 久久久久国产网址| 亚洲av国产av综合av卡| 各种免费的搞黄视频| 日日爽夜夜爽网站| 美女cb高潮喷水在线观看| 久久99热6这里只有精品| 黄色欧美视频在线观看| 亚洲国产日韩一区二区| 国产永久视频网站| 九九久久精品国产亚洲av麻豆| 中国三级夫妇交换| 国产综合精华液| 女性被躁到高潮视频| 晚上一个人看的免费电影| 欧美变态另类bdsm刘玥| 国产免费一级a男人的天堂| 久久精品久久久久久噜噜老黄| 九色成人免费人妻av| 美女xxoo啪啪120秒动态图| 国产片特级美女逼逼视频| 特大巨黑吊av在线直播| 亚洲欧美成人精品一区二区| 男女免费视频国产| 草草在线视频免费看| 少妇裸体淫交视频免费看高清| 国产精品久久久久久精品电影小说| 免费在线观看成人毛片| 丝瓜视频免费看黄片| 日本黄色日本黄色录像| 插逼视频在线观看| 一区在线观看完整版| av一本久久久久| 日韩亚洲欧美综合| 一级爰片在线观看| 国产av码专区亚洲av| 又大又黄又爽视频免费| 91久久精品国产一区二区三区| 国模一区二区三区四区视频| 三级国产精品片| 亚洲精品一二三| 2022亚洲国产成人精品| 国产男女内射视频| 久久精品久久久久久久性| 日韩,欧美,国产一区二区三区| 69精品国产乱码久久久| 精品久久久精品久久久| 蜜桃久久精品国产亚洲av| 91成人精品电影| 国产精品.久久久| 亚洲精品aⅴ在线观看| 我的女老师完整版在线观看| 久久ye,这里只有精品| 亚洲色图综合在线观看| 亚洲欧美中文字幕日韩二区| 国产精品麻豆人妻色哟哟久久| a级片在线免费高清观看视频| 国产白丝娇喘喷水9色精品| 欧美亚洲 丝袜 人妻 在线| 日韩成人av中文字幕在线观看| 大香蕉97超碰在线| 国产成人精品一,二区| 寂寞人妻少妇视频99o| 中国三级夫妇交换| 99久国产av精品国产电影| 秋霞伦理黄片| 日本免费在线观看一区| 99久久中文字幕三级久久日本| 国语对白做爰xxxⅹ性视频网站| 丁香六月天网| 全区人妻精品视频| 国产精品人妻久久久影院| 欧美日韩av久久| 80岁老熟妇乱子伦牲交| 精品一品国产午夜福利视频| 边亲边吃奶的免费视频| 国产亚洲最大av| 国产日韩欧美视频二区| 国产精品99久久久久久久久| 少妇被粗大猛烈的视频| 六月丁香七月| 又黄又爽又刺激的免费视频.| 亚洲第一区二区三区不卡| 又粗又硬又长又爽又黄的视频| 人妻少妇偷人精品九色| 免费看不卡的av| 亚洲精品日韩av片在线观看| 91在线精品国自产拍蜜月| 麻豆乱淫一区二区| 日韩熟女老妇一区二区性免费视频| 久久久久精品久久久久真实原创| 天美传媒精品一区二区| 亚洲av在线观看美女高潮| av.在线天堂| 黑人猛操日本美女一级片| 免费黄色在线免费观看| 99国产精品免费福利视频| 人人妻人人澡人人看| 精品久久久精品久久久| 精品视频人人做人人爽| 国产黄色免费在线视频| 青青草视频在线视频观看| 熟妇人妻不卡中文字幕| 99精国产麻豆久久婷婷| 女人精品久久久久毛片| 狂野欧美白嫩少妇大欣赏| 中国美白少妇内射xxxbb| 国产欧美日韩综合在线一区二区 | 最近中文字幕高清免费大全6| 国产精品久久久久久久久免| 国产成人freesex在线| 视频区图区小说| 国产精品久久久久成人av| 国产伦精品一区二区三区四那| 男女边摸边吃奶| 一级毛片久久久久久久久女| 午夜精品国产一区二区电影| 国产精品久久久久久久电影| 国国产精品蜜臀av免费| 亚洲成人一二三区av| 一个人看视频在线观看www免费| 免费高清在线观看视频在线观看| 观看美女的网站| 国产91av在线免费观看| 全区人妻精品视频| 国产精品欧美亚洲77777| 亚洲国产欧美日韩在线播放 | 色哟哟·www| 在线免费观看不下载黄p国产| 亚洲精华国产精华液的使用体验| 欧美精品一区二区免费开放| 毛片一级片免费看久久久久| 午夜视频国产福利| 日本av免费视频播放| 一本久久精品| 精品一品国产午夜福利视频| 日韩中字成人| 六月丁香七月| 国产午夜精品一二区理论片| 精品国产一区二区久久| 丝袜脚勾引网站| 亚洲国产日韩一区二区| 久久人人爽人人爽人人片va| 一级黄片播放器| 免费看光身美女| 久久人人爽人人爽人人片va| 亚洲av综合色区一区| 夫妻性生交免费视频一级片| xxx大片免费视频| 韩国av在线不卡| 女人久久www免费人成看片| 2018国产大陆天天弄谢| 青春草国产在线视频| 老司机影院毛片| 国产一区亚洲一区在线观看| 最近的中文字幕免费完整| 女人久久www免费人成看片| 18禁裸乳无遮挡动漫免费视频| 大片免费播放器 马上看| 黄色视频在线播放观看不卡| 国产精品久久久久久精品古装| 久久狼人影院| 亚洲伊人久久精品综合| 亚洲精品国产av蜜桃| 久久久久国内视频| 一本大道久久a久久精品| 啦啦啦 在线观看视频| 国产精品 欧美亚洲| 亚洲成人免费av在线播放| 免费看十八禁软件| 一本综合久久免费| 岛国毛片在线播放| 一级毛片电影观看| 涩涩av久久男人的天堂| 十八禁人妻一区二区| 在线十欧美十亚洲十日本专区| 一二三四社区在线视频社区8| 久久久国产一区二区| 天天躁夜夜躁狠狠躁躁| 1024视频免费在线观看| 美女福利国产在线| 亚洲精品一二三| 2018国产大陆天天弄谢| 免费黄频网站在线观看国产| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美激情久久久久久爽电影 | 99九九在线精品视频| 久久亚洲精品不卡| 国产区一区二久久| 欧美日韩黄片免| 国产精品 国内视频| 亚洲成人手机| www.999成人在线观看| 亚洲综合色网址| 好男人电影高清在线观看| 桃红色精品国产亚洲av| 色老头精品视频在线观看| 国产一区二区三区在线臀色熟女 | 亚洲中文av在线| 91字幕亚洲| 如日韩欧美国产精品一区二区三区| 高清欧美精品videossex| 久久久久精品人妻al黑| 色综合欧美亚洲国产小说| 乱人伦中国视频| 久久九九热精品免费| 老司机在亚洲福利影院| 免费观看人在逋| 99久久综合免费| 人妻一区二区av| 高清在线国产一区| 搡老岳熟女国产| 色婷婷av一区二区三区视频| 午夜视频精品福利| 超色免费av| 少妇 在线观看| 狠狠婷婷综合久久久久久88av| 亚洲精品av麻豆狂野| 国产又色又爽无遮挡免| 成人三级做爰电影| 新久久久久国产一级毛片| 99热国产这里只有精品6| 日韩一区二区三区影片| 人成视频在线观看免费观看| 在线 av 中文字幕| 欧美激情高清一区二区三区| 日日摸夜夜添夜夜添小说| 久久av网站| 中文字幕最新亚洲高清| 亚洲国产看品久久| 狂野欧美激情性xxxx| 久久精品国产a三级三级三级| 欧美成狂野欧美在线观看| 日韩一区二区三区影片| 啪啪无遮挡十八禁网站| 国产老妇伦熟女老妇高清| 国产有黄有色有爽视频| 国产亚洲精品一区二区www | 美女福利国产在线| 黄色视频不卡| 精品国产乱子伦一区二区三区 | 亚洲精品国产一区二区精华液| 亚洲第一av免费看| 热99re8久久精品国产| 欧美亚洲日本最大视频资源| 91国产中文字幕| 亚洲精品一卡2卡三卡4卡5卡 | 777米奇影视久久| 精品亚洲乱码少妇综合久久| 黄色片一级片一级黄色片| 激情视频va一区二区三区| 亚洲精品自拍成人| 亚洲国产精品成人久久小说| 中文字幕人妻丝袜制服| 亚洲欧美一区二区三区久久| 老司机影院毛片| 精品久久久精品久久久| 叶爱在线成人免费视频播放| 欧美日韩国产mv在线观看视频| 国产欧美亚洲国产| 一区二区三区四区激情视频| 欧美日本中文国产一区发布| 久久国产精品人妻蜜桃| 人妻 亚洲 视频| www.熟女人妻精品国产| 日韩精品免费视频一区二区三区| 国产亚洲欧美精品永久| 国产日韩欧美在线精品| 成人三级做爰电影| 久久亚洲精品不卡| 欧美少妇被猛烈插入视频| 他把我摸到了高潮在线观看 | 人妻久久中文字幕网| 一区福利在线观看| 丰满人妻熟妇乱又伦精品不卡| 久久毛片免费看一区二区三区| 男女国产视频网站| 亚洲国产精品999| 黄色a级毛片大全视频| 国产精品二区激情视频| 正在播放国产对白刺激| 亚洲精品一二三| 我的亚洲天堂| 国产一区二区三区综合在线观看| 日日夜夜操网爽| 亚洲人成77777在线视频| 精品久久久精品久久久| 天堂中文最新版在线下载| 免费在线观看视频国产中文字幕亚洲 | 亚洲欧美成人综合另类久久久| 97精品久久久久久久久久精品| 天天操日日干夜夜撸| 老司机影院成人| 亚洲美女黄色视频免费看| 男人操女人黄网站| 国产亚洲一区二区精品| 大香蕉久久成人网| 老司机靠b影院| 中文字幕人妻熟女乱码| 亚洲 国产 在线| 久久久久久亚洲精品国产蜜桃av| 韩国精品一区二区三区| 桃花免费在线播放| 国产在线观看jvid| 法律面前人人平等表现在哪些方面 | 欧美精品亚洲一区二区| 久久久久久久久久久久大奶| 亚洲精品第二区| 桃红色精品国产亚洲av| 国产无遮挡羞羞视频在线观看| 欧美日韩视频精品一区| 成人av一区二区三区在线看 | 国产精品国产三级国产专区5o| 69av精品久久久久久 | 超碰成人久久| 欧美精品一区二区大全| 久热爱精品视频在线9| 大香蕉久久成人网| 成人av一区二区三区在线看 | 国产视频一区二区在线看| 免费看十八禁软件| 国产精品久久久久久精品古装|