• <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
    国产综合懂色| 成人精品一区二区免费| 少妇熟女aⅴ在线视频| 国产老妇女一区| 日产精品乱码卡一卡2卡三| avwww免费| 成人特级av手机在线观看| 观看美女的网站| 一边摸一边抽搐一进一小说| 国产中年淑女户外野战色| 久久久久久久久久久丰满| 91在线观看av| av在线蜜桃| 国产一区二区三区av在线 | 色av中文字幕| 久久久欧美国产精品| 你懂的网址亚洲精品在线观看 | 国产白丝娇喘喷水9色精品| 亚洲成人精品中文字幕电影| 男女边吃奶边做爰视频| 午夜福利视频1000在线观看| 99热这里只有是精品在线观看| 久久久久九九精品影院| 一级毛片我不卡| 桃色一区二区三区在线观看| 日韩欧美在线乱码| 久久热精品热| 国产国拍精品亚洲av在线观看| 卡戴珊不雅视频在线播放| 少妇人妻精品综合一区二区 | 一本一本综合久久| 又爽又黄a免费视频| 国产午夜精品论理片| 在线观看免费视频日本深夜| 夜夜看夜夜爽夜夜摸| 看十八女毛片水多多多| av在线亚洲专区| 午夜视频国产福利| 精品国内亚洲2022精品成人| 午夜精品一区二区三区免费看| 黄色欧美视频在线观看| 日本一本二区三区精品| 蜜桃久久精品国产亚洲av| 成年女人毛片免费观看观看9| 国产日本99.免费观看| 99热这里只有是精品在线观看| 国产91av在线免费观看| 欧美绝顶高潮抽搐喷水| 午夜影院日韩av| 免费高清视频大片| 精品久久久久久久末码| 亚洲图色成人| 国产精品1区2区在线观看.| 日本与韩国留学比较| 长腿黑丝高跟| 国产精品嫩草影院av在线观看| 免费黄网站久久成人精品| 欧美最黄视频在线播放免费| 国内精品美女久久久久久| 亚洲中文字幕一区二区三区有码在线看| avwww免费| 亚洲av一区综合| 乱系列少妇在线播放| 久久人妻av系列| 黄色日韩在线| 国产精品久久久久久精品电影| 日韩成人av中文字幕在线观看 | 春色校园在线视频观看| 床上黄色一级片| 97热精品久久久久久| 精品日产1卡2卡| 午夜日韩欧美国产| 男人舔奶头视频| 国产欧美日韩精品亚洲av| 欧美xxxx黑人xx丫x性爽| 91精品国产九色| 国产精品野战在线观看| 欧美最新免费一区二区三区| 午夜a级毛片| 激情 狠狠 欧美| 亚洲欧美日韩高清专用| 亚洲久久久久久中文字幕| 欧美一级a爱片免费观看看| 网址你懂的国产日韩在线| 日本色播在线视频| 91在线精品国自产拍蜜月| 久久人人爽人人片av| 亚洲av中文字字幕乱码综合| 国内少妇人妻偷人精品xxx网站| 日本 av在线| 欧美日韩乱码在线| 晚上一个人看的免费电影| 日韩在线高清观看一区二区三区| 自拍偷自拍亚洲精品老妇| 床上黄色一级片| 精品欧美国产一区二区三| 青春草视频在线免费观看| 一进一出抽搐gif免费好疼| 亚洲无线在线观看| 欧美极品一区二区三区四区| 成人特级黄色片久久久久久久| 国产男人的电影天堂91| 别揉我奶头~嗯~啊~动态视频| 麻豆一二三区av精品| 中文字幕av成人在线电影| 亚洲最大成人av| 国产亚洲欧美98| 天天一区二区日本电影三级| 日本 av在线| 少妇猛男粗大的猛烈进出视频 | 成年av动漫网址| 久久久久久久久久成人| 精品久久久久久久久亚洲| 超碰av人人做人人爽久久| aaaaa片日本免费| 免费人成在线观看视频色| av.在线天堂| 久久婷婷人人爽人人干人人爱| 岛国在线免费视频观看| 在线播放国产精品三级| 国产成人精品久久久久久| 美女黄网站色视频| 亚洲国产精品成人久久小说 | 麻豆一二三区av精品| ponron亚洲| 国产av不卡久久| 亚洲国产色片| 91在线观看av| 男女下面进入的视频免费午夜| 久久久精品欧美日韩精品| 十八禁网站免费在线| 亚洲最大成人中文| 九九在线视频观看精品| 日韩一本色道免费dvd| 一卡2卡三卡四卡精品乱码亚洲| 日韩亚洲欧美综合| 久久午夜福利片| 午夜福利在线观看吧| 简卡轻食公司| 性欧美人与动物交配| 亚洲第一电影网av| 精品一区二区三区av网在线观看| 99久久精品一区二区三区| 内射极品少妇av片p| 国产视频一区二区在线看| 国产高清视频在线播放一区| 少妇被粗大猛烈的视频| 乱人视频在线观看| 99久国产av精品| 一个人看视频在线观看www免费| 欧美日本亚洲视频在线播放| 欧美在线一区亚洲| av在线老鸭窝| 日本-黄色视频高清免费观看| 亚洲乱码一区二区免费版| 日韩强制内射视频| aaaaa片日本免费| 欧美+日韩+精品| 亚洲自拍偷在线| 床上黄色一级片| 熟女人妻精品中文字幕| 尾随美女入室| 精品人妻视频免费看| 一个人免费在线观看电影| 国产v大片淫在线免费观看| 麻豆成人午夜福利视频| 国产亚洲精品av在线| 日产精品乱码卡一卡2卡三| 国产精品女同一区二区软件| 啦啦啦啦在线视频资源| 在线播放无遮挡| 日本与韩国留学比较| 国产黄色小视频在线观看| 午夜激情欧美在线| 不卡视频在线观看欧美| 国产蜜桃级精品一区二区三区| 亚洲va在线va天堂va国产| 成人美女网站在线观看视频| 悠悠久久av| 麻豆国产97在线/欧美| 久久久久性生活片| 亚洲色图av天堂| 99热网站在线观看| 最近2019中文字幕mv第一页| 联通29元200g的流量卡| 国产精品野战在线观看| 亚洲av免费高清在线观看| 久久精品国产99精品国产亚洲性色| 国产大屁股一区二区在线视频| 国产探花在线观看一区二区| 一个人看视频在线观看www免费| 高清午夜精品一区二区三区 | 一夜夜www| 麻豆国产av国片精品| 午夜福利成人在线免费观看| 久久久久久久久大av| 久久精品国产清高在天天线| 久久久久久国产a免费观看| 在线观看美女被高潮喷水网站| 国产亚洲av嫩草精品影院| 久久久久性生活片| 午夜激情欧美在线| 国产乱人偷精品视频| 中文字幕av在线有码专区| 两性午夜刺激爽爽歪歪视频在线观看| 深夜a级毛片| 欧美成人a在线观看| 国产大屁股一区二区在线视频| 国产高潮美女av| 色吧在线观看| 一本一本综合久久| 直男gayav资源| 日韩欧美国产在线观看| 在线播放国产精品三级| 亚洲美女搞黄在线观看 | 中文字幕人妻熟人妻熟丝袜美| 国产av麻豆久久久久久久| 亚洲成av人片在线播放无| 熟女电影av网| 国产不卡一卡二| 国产亚洲91精品色在线| 一区二区三区免费毛片| 欧美丝袜亚洲另类| 国产大屁股一区二区在线视频| 成人永久免费在线观看视频| 免费看a级黄色片| 岛国在线免费视频观看| 成人一区二区视频在线观看| 午夜福利18| 欧美zozozo另类| 亚洲欧美精品综合久久99| 一个人看的www免费观看视频| 日本与韩国留学比较| 免费人成视频x8x8入口观看| av在线老鸭窝| 亚洲成人精品中文字幕电影| 中国国产av一级| 偷拍熟女少妇极品色| 日本黄色视频三级网站网址| 神马国产精品三级电影在线观看| 精华霜和精华液先用哪个| 一级毛片久久久久久久久女| 欧美性猛交黑人性爽| 国产麻豆成人av免费视频| 可以在线观看毛片的网站| 午夜福利高清视频| 麻豆国产97在线/欧美| 国产人妻一区二区三区在| 可以在线观看毛片的网站| 男女啪啪激烈高潮av片| 丰满乱子伦码专区| 国产黄色视频一区二区在线观看 | 男女做爰动态图高潮gif福利片| 久久天躁狠狠躁夜夜2o2o| 国产 一区 欧美 日韩| 国产亚洲精品久久久久久毛片| 精品日产1卡2卡| 精品国内亚洲2022精品成人| 不卡视频在线观看欧美| 日产精品乱码卡一卡2卡三| 国产一区二区在线av高清观看| 男人的好看免费观看在线视频| 一卡2卡三卡四卡精品乱码亚洲| 天天一区二区日本电影三级| 欧美bdsm另类| 亚洲婷婷狠狠爱综合网| 日韩欧美国产在线观看| 97人妻精品一区二区三区麻豆| 亚洲av第一区精品v没综合| 极品教师在线视频| 人妻制服诱惑在线中文字幕| 男人舔女人下体高潮全视频| 国模一区二区三区四区视频| 国产精品一区二区免费欧美| 最好的美女福利视频网| 亚洲欧美日韩卡通动漫| 久久精品国产99精品国产亚洲性色| 熟妇人妻久久中文字幕3abv| 神马国产精品三级电影在线观看| 国产国拍精品亚洲av在线观看| 简卡轻食公司| 97超碰精品成人国产| 国产午夜精品久久久久久一区二区三区 | 国产色爽女视频免费观看| 国产女主播在线喷水免费视频网站 | 亚洲国产欧洲综合997久久,| 午夜爱爱视频在线播放| 中文资源天堂在线| 国产高清激情床上av| 免费在线观看成人毛片| 男人舔奶头视频| 好男人在线观看高清免费视频| 精品福利观看| 久久韩国三级中文字幕| 久久久久国产精品人妻aⅴ院| 国产一区二区三区在线臀色熟女| 成人欧美大片| 床上黄色一级片| 久久人妻av系列| 久久亚洲精品不卡| 亚洲美女搞黄在线观看 | 国产色爽女视频免费观看| 男人舔女人下体高潮全视频| 亚洲av电影不卡..在线观看| 国产精品综合久久久久久久免费| 69人妻影院| 久久精品国产鲁丝片午夜精品| 国产精品乱码一区二三区的特点| 精品熟女少妇av免费看| 色综合亚洲欧美另类图片| 欧美日韩乱码在线| 中文字幕免费在线视频6| 久久久久国产精品人妻aⅴ院| 精品乱码久久久久久99久播| 午夜激情欧美在线| 大香蕉久久网| АⅤ资源中文在线天堂| 日本黄色片子视频| 九九在线视频观看精品| 我要看日韩黄色一级片| 直男gayav资源| 波多野结衣高清无吗| 99久久无色码亚洲精品果冻| 尤物成人国产欧美一区二区三区| ponron亚洲| 色播亚洲综合网| 国产精品野战在线观看| 男人舔女人下体高潮全视频| 国产淫片久久久久久久久| 久久久久国产网址| 久久精品影院6| 色av中文字幕| 国产爱豆传媒在线观看| 69av精品久久久久久| 国产av麻豆久久久久久久| 一级a爱片免费观看的视频| 免费观看的影片在线观看| 亚洲成av人片在线播放无| 国产精品av视频在线免费观看| 美女cb高潮喷水在线观看| 国产成人一区二区在线| 国产欧美日韩精品亚洲av| 欧美丝袜亚洲另类| 久久欧美精品欧美久久欧美| 99热6这里只有精品| 日韩一本色道免费dvd| av女优亚洲男人天堂| 婷婷精品国产亚洲av| 久久韩国三级中文字幕| 欧美最新免费一区二区三区| 国产成人影院久久av| av天堂中文字幕网| 男人的好看免费观看在线视频| 成人亚洲欧美一区二区av| 亚洲高清免费不卡视频| 国产亚洲精品久久久久久毛片| 日本a在线网址| 国产精品野战在线观看| 精品久久国产蜜桃| 日韩大尺度精品在线看网址| 亚洲熟妇熟女久久| 成人精品一区二区免费| 国产一区亚洲一区在线观看| 99久国产av精品| 国产精品一区二区性色av| 嫩草影院入口| 国产精品电影一区二区三区| av天堂在线播放| 久久午夜福利片| av在线亚洲专区| 久久精品夜夜夜夜夜久久蜜豆| 亚洲欧美中文字幕日韩二区| 色综合色国产| 国产一区二区激情短视频| 日本三级黄在线观看| 神马国产精品三级电影在线观看| 高清毛片免费观看视频网站| 大香蕉久久网| 搡老妇女老女人老熟妇| 午夜日韩欧美国产| av免费在线看不卡| 久久精品国产99精品国产亚洲性色| 身体一侧抽搐| 在线看三级毛片| 夜夜看夜夜爽夜夜摸| 最近中文字幕高清免费大全6| 青春草视频在线免费观看| 在线观看一区二区三区| 久久久久性生活片| 亚洲中文字幕一区二区三区有码在线看| 淫妇啪啪啪对白视频| 精品福利观看| 亚洲性夜色夜夜综合| 亚洲欧美日韩高清在线视频| 国产蜜桃级精品一区二区三区| 乱系列少妇在线播放| 久久亚洲国产成人精品v| 美女免费视频网站| 高清毛片免费观看视频网站| 国产精品亚洲美女久久久| 国产男人的电影天堂91| 内地一区二区视频在线| 午夜福利18| 久久久色成人| av.在线天堂| 美女内射精品一级片tv| 97超碰精品成人国产| 99热网站在线观看| 女人被狂操c到高潮| 日产精品乱码卡一卡2卡三| 人妻少妇偷人精品九色| 国产一级毛片七仙女欲春2| 最后的刺客免费高清国语| 国语自产精品视频在线第100页| av视频在线观看入口| 搞女人的毛片| 欧美一区二区亚洲| 天堂网av新在线| 国产精品一及| 高清毛片免费看| 亚洲经典国产精华液单| 激情 狠狠 欧美| 天堂网av新在线| 亚洲欧美日韩无卡精品| 久99久视频精品免费| 熟女电影av网| 男女视频在线观看网站免费| 亚洲性久久影院| 精品久久国产蜜桃| 亚洲人成网站高清观看| 菩萨蛮人人尽说江南好唐韦庄 | av福利片在线观看| 免费观看人在逋| 久久久久久久久中文| 亚洲熟妇中文字幕五十中出| 免费黄网站久久成人精品| 亚洲美女黄片视频| 成人av在线播放网站| 你懂的网址亚洲精品在线观看 | av国产免费在线观看| 高清毛片免费看| 亚洲av免费在线观看| 可以在线观看毛片的网站| 黄色视频,在线免费观看| 又黄又爽又免费观看的视频| 美女cb高潮喷水在线观看| 国产精品综合久久久久久久免费| 干丝袜人妻中文字幕| 久久国产乱子免费精品| 中文在线观看免费www的网站| 国产欧美日韩精品亚洲av| 亚洲精华国产精华液的使用体验 | 亚洲人成网站在线播| 久久精品国产清高在天天线| 国产在线男女| 亚洲av第一区精品v没综合| 一级黄色大片毛片| 国产精品美女特级片免费视频播放器| 色综合站精品国产| 亚洲人成网站在线观看播放| 欧美一区二区亚洲| av福利片在线观看| 熟女人妻精品中文字幕| 一级a爱片免费观看的视频| 精品久久久久久久久久久久久| 国产精品人妻久久久影院| 真人做人爱边吃奶动态| 亚洲欧美日韩卡通动漫| 寂寞人妻少妇视频99o| 久久久久性生活片| 国内揄拍国产精品人妻在线| 亚洲在线自拍视频| 亚洲精品色激情综合| 国产 一区 欧美 日韩| 亚洲美女黄片视频| 国产淫片久久久久久久久| 国产精品不卡视频一区二区| 最近视频中文字幕2019在线8| 欧美国产日韩亚洲一区| 男人舔奶头视频| 国产成人aa在线观看| 亚洲成人久久性| 国产精品嫩草影院av在线观看| 国产视频一区二区在线看| 18禁在线无遮挡免费观看视频 | 我要搜黄色片| 国产亚洲精品综合一区在线观看| 国产一区二区激情短视频| 欧美潮喷喷水| 九色成人免费人妻av| 淫妇啪啪啪对白视频| 99热只有精品国产| 男女那种视频在线观看| 免费电影在线观看免费观看| 国产乱人偷精品视频| 久久久久久久久大av| 级片在线观看| 久久精品国产自在天天线| 性欧美人与动物交配| 成人三级黄色视频| 国产91av在线免费观看| 日韩欧美三级三区| 欧美日韩国产亚洲二区| 亚洲va在线va天堂va国产| 久久欧美精品欧美久久欧美| 别揉我奶头 嗯啊视频| 国产精品三级大全| 白带黄色成豆腐渣| 国产人妻一区二区三区在| 五月伊人婷婷丁香| 青春草视频在线免费观看| 一夜夜www| 欧美三级亚洲精品| 久久久国产成人精品二区| 亚洲一级一片aⅴ在线观看| 亚洲欧美成人精品一区二区| 午夜老司机福利剧场| 日韩精品青青久久久久久| 欧美另类亚洲清纯唯美| 色哟哟·www| 伦理电影大哥的女人| 欧美色视频一区免费| 搡老岳熟女国产| 久久久精品大字幕| 狠狠狠狠99中文字幕| 国产精品一区二区性色av| 蜜桃亚洲精品一区二区三区| 国产成年人精品一区二区| 久久亚洲国产成人精品v| 一级毛片我不卡| av中文乱码字幕在线| 天堂影院成人在线观看| 国产一区二区三区在线臀色熟女| 欧美日韩综合久久久久久| 免费在线观看成人毛片| 99久久中文字幕三级久久日本| 中国美白少妇内射xxxbb| 18禁裸乳无遮挡免费网站照片| 神马国产精品三级电影在线观看| 亚洲国产精品国产精品| 最近视频中文字幕2019在线8| 在线观看免费视频日本深夜| 免费在线观看成人毛片| 美女黄网站色视频| 精品少妇黑人巨大在线播放 | 亚洲五月天丁香| 日韩一本色道免费dvd| 亚洲图色成人| or卡值多少钱| 中文亚洲av片在线观看爽| 啦啦啦啦在线视频资源| 国产精品一区二区三区四区久久| 特级一级黄色大片| 亚洲国产色片| 草草在线视频免费看| 99久久精品一区二区三区| 丝袜美腿在线中文| 国产三级中文精品| 国产aⅴ精品一区二区三区波| 美女xxoo啪啪120秒动态图| 亚洲第一区二区三区不卡| 成人二区视频| 欧美极品一区二区三区四区| 成年女人永久免费观看视频| av天堂中文字幕网| 色视频www国产| 亚洲av免费在线观看| 少妇熟女aⅴ在线视频| 能在线免费观看的黄片| 菩萨蛮人人尽说江南好唐韦庄 | 一级av片app| 国产亚洲91精品色在线| 精品福利观看| 日本撒尿小便嘘嘘汇集6| 91麻豆精品激情在线观看国产| 欧美+日韩+精品| 国产淫片久久久久久久久| 亚洲美女视频黄频| 搡老熟女国产l中国老女人| 男人和女人高潮做爰伦理| 久久精品久久久久久噜噜老黄 | 免费观看精品视频网站| 久久韩国三级中文字幕| av中文乱码字幕在线| 天堂网av新在线| 免费搜索国产男女视频| 日韩精品青青久久久久久| 久久久a久久爽久久v久久| 日韩成人av中文字幕在线观看 | 午夜福利成人在线免费观看| 亚洲精品国产成人久久av| 日本黄色视频三级网站网址| 人妻久久中文字幕网| 露出奶头的视频| 永久网站在线| 欧洲精品卡2卡3卡4卡5卡区| 久久久精品欧美日韩精品| 国内精品美女久久久久久| 亚洲不卡免费看| 美女xxoo啪啪120秒动态图| 成人av一区二区三区在线看| 精品99又大又爽又粗少妇毛片| 中文字幕熟女人妻在线| 国内精品美女久久久久久| 别揉我奶头 嗯啊视频| 欧美日韩乱码在线| 大型黄色视频在线免费观看| av在线老鸭窝| 久久韩国三级中文字幕| 午夜福利18| 免费一级毛片在线播放高清视频| 亚洲五月天丁香| 国产 一区精品| 人人妻人人看人人澡| 亚洲最大成人手机在线|