• <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 ?

    一種新的過采樣算法DB_SMOTE

    2014-07-07 01:49:26劉余霞劉三民劉濤王忠群
    計算機(jī)工程與應(yīng)用 2014年6期
    關(guān)鍵詞:集上分類器距離

    劉余霞,劉三民,劉濤,王忠群

    1.安徽工程大學(xué)建筑工程學(xué)院,安徽蕪湖 241000

    2.安徽工程大學(xué)計算機(jī)與信息學(xué)院,安徽蕪湖 241000

    3.南京航空航天大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院,南京 210016

    4.安徽工程大學(xué)管理工程學(xué)院,安徽蕪湖 241000

    ◎數(shù)據(jù)庫、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)◎

    一種新的過采樣算法DB_SMOTE

    劉余霞1,劉三民2,3,劉濤2,王忠群4

    1.安徽工程大學(xué)建筑工程學(xué)院,安徽蕪湖 241000

    2.安徽工程大學(xué)計算機(jī)與信息學(xué)院,安徽蕪湖 241000

    3.南京航空航天大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院,南京 210016

    4.安徽工程大學(xué)管理工程學(xué)院,安徽蕪湖 241000

    針對非平衡數(shù)據(jù)集中類分布信息不對稱現(xiàn)象,提出一種新的過采樣算法DB_SMOTE(Distance-based Synthetic Minority Over-sampling Technique),通過合成少數(shù)類新樣本解決樣本不足問題。算法基于樣本與類中心距離,結(jié)合類聚集程度提取種子樣本。根據(jù)SMOTE(Synthetic Minority Over-sampling Technique)算法思想,在種子樣本上實(shí)現(xiàn)少數(shù)類新樣本合成。根據(jù)種子樣本與少數(shù)類中心距離構(gòu)造新樣本分布函數(shù)?;诖瞬蓸铀惴ú⒃诙鄠€數(shù)據(jù)集上進(jìn)行分類實(shí)驗(yàn),結(jié)果表明DB_SMOTE算法是可行的。

    非平衡數(shù)據(jù)學(xué)習(xí);過采樣;數(shù)據(jù)分類

    1 引言

    非平衡數(shù)據(jù)學(xué)習(xí)(Imbalanced Data Learning,IDL)是指學(xué)習(xí)的數(shù)據(jù)集類別分布不均勻,其中某類樣本數(shù)量在整個數(shù)據(jù)集內(nèi)占據(jù)絕對優(yōu)勢。這一現(xiàn)象廣泛存在各種領(lǐng)域,如醫(yī)療診斷、故障檢測、金融欺詐等[1]。而傳統(tǒng)機(jī)器學(xué)習(xí)算法均是基于樣本分布均勻基礎(chǔ)之上建立的,直接遷移到非平衡數(shù)據(jù)學(xué)習(xí)環(huán)境是不可取的。

    非平衡數(shù)據(jù)學(xué)習(xí)的關(guān)鍵問題是如何彌補(bǔ)少數(shù)類樣本在分布信息方面不足的問題,常用方法包括數(shù)據(jù)采樣、代價敏感學(xué)習(xí)、集成學(xué)習(xí)、主動學(xué)習(xí)等[1]。基于數(shù)據(jù)層面的采樣方法簡單、直觀,倍受研究人員青睞。數(shù)據(jù)采樣主要包括過采樣和欠采樣兩種途徑。在過采樣研究中,由Chawla等[2]提出的SMOTE算法成為經(jīng)典,現(xiàn)有很多算法均是基于此原型提出。SMOTE算法是通過尋找樣本的近鄰集,從近鄰集中隨機(jī)選擇樣本與之形成線,并在線上合成新樣本點(diǎn)。為避免SMOTE算法樣本覆蓋問題,文獻(xiàn)[3]提出Borderline-SMOTE算法,它尋找少數(shù)類當(dāng)中“危險”樣本,基于此類樣本合成新樣本。在此基礎(chǔ)上,文獻(xiàn)[4]根據(jù)樣本的“危險”程度,構(gòu)造出合成新樣本的分布函數(shù),來決定依據(jù)各“危險”樣本合成新樣本的個數(shù)。文獻(xiàn)[5]實(shí)現(xiàn)了基于聚類的抽樣算法CBO(Cluster-based Over-sampling),它適合于類分布中含有多個不連接的聚集點(diǎn)情況。文獻(xiàn)[6]通過保留多數(shù)類邊界附近樣本,實(shí)現(xiàn)欠采樣策略,其中難題是鄰域半徑難以確定。結(jié)合抽樣技術(shù),Chawla等提出SMOTEBoost算法,它在每次迭代中引入合成樣本,保證各子分類器更多地獲取少數(shù)類樣本信息,使集成分類器獲得更優(yōu)性能[7]。RUSBoost算法應(yīng)用隨機(jī)欠采樣從多數(shù)類中隨機(jī)移出樣本形成多個子分類器進(jìn)行集成,該算法簡單易實(shí)現(xiàn)[8]。李雄飛等[9]提出分類算法PCBoost,它用隨機(jī)采樣方式的數(shù)據(jù)合成方法,平衡樣本分布信息,同時具備及時“擾動修正”和刪除錯分合成樣本的功能。文獻(xiàn)[10]結(jié)合遷移技術(shù)和集成學(xué)習(xí)解決了樣本非平衡問題,在學(xué)習(xí)過程中通過樣本權(quán)重的動態(tài)調(diào)整和冗余樣本的淘汰策略保證分類器的性能。文獻(xiàn)[11]在特征空間合成新樣本,引入核的方法實(shí)現(xiàn)空間轉(zhuǎn)換,保證合成樣本的質(zhì)量,有效提高了SVM的分類效果。文獻(xiàn)[12]針對SMOTE采樣算法的不足,將支持度概念和輪盤選擇技術(shù),并結(jié)合異類近鄰的分布信息實(shí)現(xiàn)對少數(shù)樣本合成。為解決集成學(xué)習(xí)對少數(shù)類樣本分類準(zhǔn)確率不高問題,把Bagging集成學(xué)習(xí)和SMOTE過采樣方法相結(jié)合,提高了少數(shù)類分類準(zhǔn)確率[13]。

    上述文獻(xiàn)所涉及的數(shù)據(jù)合成大多是基于K-近鄰思想,計算量較大,易受噪聲問題影響。本文通過用樣本距離結(jié)合類的聚集程度(類平均距離),提出一種新的非平衡數(shù)據(jù)集學(xué)習(xí)算法DB_SMOTE。算法依據(jù)是假設(shè)凡位于類邊緣的樣本更有助于形成分類邊界,通過直接比較樣本與類中心距離和聚集程度相比得到種子樣本,并在種子樣本和類中心的連線上合成新樣本,實(shí)現(xiàn)過采樣策略。

    2 非平衡數(shù)據(jù)集學(xué)習(xí)算法DB_SMOTE

    為便于討論,本文主要關(guān)注只有兩類樣本的非平衡數(shù)據(jù)學(xué)習(xí)問題,且規(guī)定少數(shù)類樣本為正類樣本,多數(shù)類樣本為負(fù)類樣本。算法DB_SMOTE主要包括三個階段:首先是尋找少數(shù)類種子樣本;其次是構(gòu)建合成樣本的分布函數(shù);最后是結(jié)合平衡因子和分布函數(shù)實(shí)現(xiàn)過采樣。

    2.1 少數(shù)類樣本數(shù)據(jù)合成

    為便于敘述,首先給出下列相關(guān)定義。

    設(shè)某類樣本集合S={di,i=1,2,…,n},其中di表示m維向量,維數(shù)大小代表樣本特征個數(shù)。

    定義1類中心(class center)是指某類樣本在數(shù)據(jù)空間的平均中心點(diǎn)。類中心點(diǎn)cc是與樣本維數(shù)相同的向量,計算方法如公式(1)所示:

    定義2類平均距離(class average distance)是指某類中各樣本到類中心距離和的平均值,是一標(biāo)量。該距離cd能夠反映出類的聚集程度,值越小類聚集程度越緊,反之較松散。計算如下式所示:

    其中函數(shù)D(,)表示歐氏距離計算方法。

    基于過采樣策略的新樣本生成關(guān)鍵是找出種子樣本,在此基礎(chǔ)上迭代生成新樣本。在樣本分類過程中,位于類邊緣的樣本是最易出現(xiàn)分類錯誤的,因此其所擁有的分類信息是最多的。在本文結(jié)合類平均距離很容易定義出所需要的種子樣本。

    定義3種子樣本(seed sample)指樣本到類中心距離大于類平均距離的樣本。計算如公式(3)所示:

    由種子樣本構(gòu)成的樣本集稱為侯選集(candidate set)。為避免在合成樣本中引入過多的噪聲,本文結(jié)合現(xiàn)有文獻(xiàn)進(jìn)行改進(jìn):指定類中心作為參照點(diǎn),由侯選集內(nèi)樣本與參照點(diǎn)形成線段,在線段內(nèi)合成新樣本,保證合成樣本位于類的內(nèi)側(cè)。根據(jù)SMOTE算法思想,本文算法合成新樣本(synthetic new sample)生成公式如式(4)所示:

    其中si屬于侯選集內(nèi)樣本,r是取值于[0,1]之間的隨機(jī)數(shù)。

    由前文所述可知,侯選集內(nèi)的樣本與類中心的距離越遠(yuǎn),其所帶有效信息相對較多。因此基于此類樣本合成新樣本個數(shù)應(yīng)該越多,越有利于提高分類模型的精度。據(jù)此算法利用距離信息,構(gòu)造出合成樣本分布函數(shù)。

    若侯選集cs={csi,i=1,2,…,k},根據(jù)歐氏距離計算方法易得出每個樣本到中心的距離D(csi,cc),表示侯選集中第i個樣本與類中心cc間距離,累加可得距離和s。在此基礎(chǔ)上可以得出分布函數(shù)P,具體如公式(5)所示:

    把樣本分布概率值乘以樣本合成總數(shù)即可得到基于每個侯選樣本合成新樣本的個數(shù)。

    2.2 算法實(shí)現(xiàn)

    在上述合成策略的基礎(chǔ)上,可得出具體的學(xué)習(xí)算法DB_SMOTE。

    設(shè)樣本集合DS={(di,ci),i=1,2,…,n},其中di表示樣本向量,ci表示樣本所屬類別。在本文中以二類問題作為研究對象,ci取值設(shè)定為0和1。

    算法:DB_SMOTE(DS,L,σ)

    輸入:數(shù)據(jù)集DS,學(xué)習(xí)器L,平衡因子σ

    步驟:

    (1)調(diào)用分層抽樣對數(shù)據(jù)集DS進(jìn)行處理,形成訓(xùn)練集(tr)和測試集(ts)。

    (2)對訓(xùn)練集tr進(jìn)行統(tǒng)計得到少數(shù)類樣本集min和多數(shù)類樣本集maj。

    (3)根據(jù)公式(1)和公式(2)求出少數(shù)類樣本中心cc和類平均距離cd。

    (4)計算合成樣本總數(shù)num=(|maj|-|min|)*σ。

    (5)由公式(3)可得到侯選集cs,在此基礎(chǔ)上根據(jù)公式(5)得到概率分布函數(shù)。

    (6)fori=1,|cs|

    (7)forj=1,Int(pi*num)

    (8)產(chǎn)生隨機(jī)數(shù)r

    (9)根據(jù)公式(4)合成新樣本sns

    (10)tr=tr∪sns

    (11)得到分類模型L(tr),并在ts測試。

    算法中Int()函數(shù)表示取整。平衡因子σ決定合成樣本總數(shù),根據(jù)需要可自由設(shè)定。在本文中,平衡因子σ取值為1,保證過采樣后的訓(xùn)練集是平衡的。

    3 實(shí)驗(yàn)分析

    為驗(yàn)證文中所提算法的可行性,實(shí)驗(yàn)時同另外三種方法(未采樣、SMOTE、Borderline_SMOTE)在九個數(shù)據(jù)集上針對分類器的F-value和G-mean進(jìn)行對比分析。

    3.1 數(shù)據(jù)集

    實(shí)驗(yàn)中九個實(shí)驗(yàn)數(shù)據(jù)集源自UCI公開數(shù)據(jù)集。每個數(shù)據(jù)集的樣本總數(shù)、少數(shù)類樣本和多數(shù)類樣本等詳細(xì)信息如表1所示。其中數(shù)據(jù)集yeast_I(CYT和EXC)、yeast_II(NUC和VAC)和yeast_III(MIT和POX)均來自UCI中yeast數(shù)據(jù)集,它們分別由原數(shù)據(jù)集中的樣本構(gòu)成。原數(shù)據(jù)集wine中包含三類樣本,本文實(shí)驗(yàn)過程中把前兩類合并成一類。

    表1 數(shù)據(jù)集

    由文獻(xiàn)[9,14]可知,數(shù)據(jù)集中兩類樣本數(shù)比例超過1∶2,即可認(rèn)為數(shù)據(jù)集是不平衡的。

    3.2 評價度量

    由于數(shù)據(jù)集的非平衡性,按照傳統(tǒng)方法用準(zhǔn)確率來衡量分類器的性能是不合適的。為客觀、公正地評價分類器的性能,滿足實(shí)際需求(人們常常更關(guān)注的是少數(shù)類的分類情況),應(yīng)尋求新的度量參數(shù)。

    文中分類器性能評價參數(shù)是基于表2所示的混淆矩陣定義所得到。

    表2 混淆矩陣

    由表2很容易得出分類模型的準(zhǔn)確率(accuracy)、精度(precision)、召回率(recall)等概念。

    而F-value是精度和召回率的調(diào)和均值,其值接近兩數(shù)的較小者。在非平衡數(shù)據(jù)學(xué)習(xí)中用F-value能全面反映分類器性能,因?yàn)橹挥挟?dāng)精度和召回率均較大時,F(xiàn)-value才會變大,滿足實(shí)際需求。計算方法如公式(7)所示:

    在公式(7)中參數(shù)β通常取值1,用以調(diào)節(jié)兩個參數(shù)的重要程度。

    若要同時衡量分類器對兩類樣本分類平均性能,可以用G-mean參數(shù)度量,它是兩類召回率的幾何平均值。

    綜上,本文在進(jìn)行算法對比時,主要關(guān)注少數(shù)類的F-value值和分類器的G-mean值。

    3.3 實(shí)驗(yàn)數(shù)據(jù)分析

    本文的仿真實(shí)驗(yàn)均是基于Weka平臺在Eclipse環(huán)境中實(shí)現(xiàn),記錄了學(xué)習(xí)器(決策樹)在四種實(shí)驗(yàn)方案下的實(shí)驗(yàn)數(shù)據(jù),即未采樣方案、SMOTE采樣、Borderline_SMOTE采樣和本文的采樣方案。其中學(xué)習(xí)器決策樹是用Weka平臺內(nèi)的J48算法,采用默認(rèn)參數(shù)設(shè)置。由于每個算法中具有隨機(jī)因子,所以每種算法在各數(shù)據(jù)集上運(yùn)行五次,取其平均值作為結(jié)果比較。同原文獻(xiàn)相似,算法SMOTE和Borderline_SMOTE中的K-近鄰參數(shù)均取值為5。

    為便于對比算法的優(yōu)勢,圖1和圖2分別表示四種學(xué)習(xí)策略在九個數(shù)據(jù)集上的F-value和G-mean變化趨勢曲線,其中橫坐標(biāo)表示每種具體的實(shí)驗(yàn)方案。圖中九個數(shù)據(jù)集上的曲線表明,本文提出的DB_SMOTE算法是可行的。分類器的F-value值和G-mean值均得到顯著提升,說明通過對少數(shù)類樣本的合成能夠彌補(bǔ)信息不足問題,且其分類器指標(biāo)值均大于未采樣和SMOTE采樣方案,表明本文的算法在樣本合成精度方面優(yōu)于其他算法。圖1主要反映分類器在少數(shù)類樣本上的F-value值,各個數(shù)據(jù)集通過DB_SMOTE過采樣后,其F-value值均得到改善。對于三個嚴(yán)重不平衡數(shù)據(jù)集yeast,四種實(shí)驗(yàn)方案的F-value值變化較大,只有本文的實(shí)驗(yàn)方案F-value值均得到提高,說明在數(shù)據(jù)嚴(yán)重不平衡的環(huán)境下,其他采樣算法并不能充分地彌補(bǔ)少數(shù)類樣本分布信息。從九個數(shù)據(jù)集上的實(shí)驗(yàn)數(shù)據(jù)變化情況分析看,SMOTE、Borderline_SMOTE過采樣算法并不是很穩(wěn)定,它們在某些數(shù)據(jù)集上的F-value值比未采樣方案還要低。從圖2的G-mean值曲線也能得到相似的結(jié)論,九個數(shù)據(jù)集通過DB_SMOTE過采樣后,其G-mean值相比未采樣情況均能得到提升。由前文所述可知,G-mean是用來反映分類器針對兩類樣本綜合分類情況。由圖2可知,DB-SMOTE采樣方案能夠彌補(bǔ)少數(shù)類樣本信息,同時又不影響多數(shù)類樣本信息的表示,相比其他方案來說比較穩(wěn)定。結(jié)合圖表和上述分析可知,不合適的采樣策略并不能明顯提高分類器的相關(guān)性能,同時也說明了DB_SMOTE算法具有更好的適應(yīng)性。

    圖1 F_value變化曲線圖

    圖2 G-mean變化曲線圖

    4 結(jié)束語

    針對非平衡數(shù)據(jù)學(xué)習(xí)問題,文中通過改變傳統(tǒng)求K-近鄰的方法,結(jié)合樣本距離和類聚集特點(diǎn)提出了DB_SMOTE算法。算法的關(guān)鍵是提取到種子樣本和構(gòu)建合成樣本分布函數(shù)。從實(shí)驗(yàn)數(shù)據(jù)分析可知,該算法能夠解決非平衡數(shù)據(jù)學(xué)習(xí)問題。目前非平衡數(shù)據(jù)學(xué)習(xí)問題,主要考慮的是靜態(tài)數(shù)據(jù)環(huán)境,如何解決在數(shù)據(jù)流環(huán)境下的非平衡數(shù)據(jù)學(xué)習(xí)將是研究問題之一。同時,噪聲問題的處理也是非平衡數(shù)據(jù)學(xué)習(xí)問題難點(diǎn)。

    [1]He Haibo,Garcia E A.Learning from imbalanced data[J]. IEEE Transactions on Knowledge and Data Engineering,2009,21(9):1263-1284.

    [2]Chawla N V,Bowyer K W,Hall L O,et al.SMOTE:Synthetic Minority Over-sampling Technique[J].Journal of Artificial Intelligence Research,2002,16:321-357.

    [3]Han H,Wan W Y,Mao B H.Borderline-SMOTE:a new over-sampling method in imbalanced data sets learning[C]// LNCS 3644:ICIC 2005,Part I,2005:878-887.

    [4]He H,Bai Y,Garcia E A,et al.ADASYN:adaptive synthetic sampling approach for imbalanced learning[C]//Proc of the International Joint Conference on Neural Networks,2008:1322-1328.

    [5]Jo T,Japkowicz N.Class imbalances versus small disjuncts[J].ACM SIGKDD Explorations Newsletter,2004,6(1):40-49.

    [6]程險峰,李軍,李雄飛.一種基于欠采樣的非平衡數(shù)據(jù)分類算法[J].計算機(jī)工程,2011,37(13):147-149.

    [7]Chawla N V,Lazarevic A,Hall L O,et al.SMOTEBoost:improving prediction of the minority class in boosting[C]// Proc of the 7th European Conf Principles and Practice of Knowledge Discovery in Databases,Cavtat-Dubrovnik,Croatia,2003:107-119.

    [8]Seiffert C,Kboshgoftaar T M,Hulse J V,et al.RUSBoost:improving classification performance when training data is skewed[C]//Proc of the 19th IEEE International Conference on Pattern Recognition,Tampa,F(xiàn)L,USA,2008:1-4.

    [9]李雄飛,李軍,董元方,等.一種新的非平衡數(shù)據(jù)學(xué)習(xí)方法PCBoost[J].計算機(jī)學(xué)報,2012,35(2):202-209.

    [10]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(7):1358-1364.

    [11]曾志強(qiáng),吳群,廖備水.一種基于核SMOTE的非平衡數(shù)據(jù)集分類方法[J].電子學(xué)報,2009(11):2489-2496.

    [12]王超學(xué),潘正茂,董麗麗,等.基于改進(jìn)SMOTE的非平衡數(shù)據(jù)集分類研究[J].計算機(jī)工程與應(yīng)用,2013,49(2):184-187.

    [13]李明方,張化祥.針對不平衡數(shù)據(jù)的Bagging改進(jìn)算法[J].計算機(jī)工程與應(yīng)用,2013,49(2):40-42.

    [14]Orriols-Puig A,Bernado-Mansilla E.Evolutionary rulebased systems for imbalanced data sets[J].Soft Computing,2009,13(3):213-225.

    LIU Yuxia1,LIU Sanmin2,3,LIU Tao2,WANG Zhongqun4

    1.College of Civil Engineering and Architecture,Anhui Polytechnic University,Wuhu,Anhui 241000,China
    2.College of Computer and Information,Anhui Polytechnic University,Wuhu,Anhui 241000,China
    3.College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China
    4.College of Management and Engineering,Anhui Polytechnic University,Wuhu,Anhui 241000,China

    In order to solve the asymmetry of class distribution information in imbalanced data,DB_SMOTE(Distance-based Synthetic Minority Over-sampling Technique)algorithm is presented by minority new sample synthetic.According to the distance between sample and the centre of class,seed sample is gained by combining class aggregation.Based on SMOTE(Synthetic Minority Over-sampling Technique),new sample is synthesized.Based upon the distance between seed sample and the centre of minority class,new sample distribution function is formed.Classification experiment results show DB_SMOTE is feasible.

    imbalanced data learning;oversampling;data classification

    A

    TP391

    10.3778/j.issn.1002-8331.1308-0099

    LIU Yuxia,LIU Sanmin,LIU Tao,et al.New oversampling algorithm DB_SMOTE.Computer Engineering and Applications,2014,50(6):92-95.

    國家自然科學(xué)基金(No.61300170,No.71371012);教育部人文社科基金(No.13YJA630098);安徽省自然科學(xué)基金重點(diǎn)資助項(xiàng)目(No.KJ2013A040);高校省級優(yōu)秀青年人才基金重點(diǎn)項(xiàng)目(No.2013SQRL034ZD);校青年基金(No.2013YQ31,No.2012YQ32)。

    劉余霞(1980—),女,碩士研究生,研究方向:信號處理、模式識別。E-mail:guiyuxia@163.com

    2013-08-09

    2013-11-08

    1002-8331(2014)06-0092-04

    猜你喜歡
    集上分類器距離
    Cookie-Cutter集上的Gibbs測度
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    算距離
    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
    復(fù)扇形指標(biāo)集上的分布混沌
    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(jī)的TSK分類器
    每次失敗都會距離成功更近一步
    山東青年(2016年3期)2016-02-28 14:25:55
    愛的距離
    母子健康(2015年1期)2015-02-28 11:21:33
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    午夜久久久久精精品| 亚洲国产高清在线一区二区三| 亚洲在线自拍视频| 欧美+日韩+精品| 亚洲最大成人中文| 午夜久久久久精精品| 网址你懂的国产日韩在线| 国产视频一区二区在线看| 日本黄大片高清| 国产欧美日韩一区二区三| 国产av不卡久久| 免费大片18禁| 嫁个100分男人电影在线观看| 欧美极品一区二区三区四区| 欧美极品一区二区三区四区| 久久久久性生活片| 性色avwww在线观看| 舔av片在线| 亚洲美女视频黄频| 久久欧美精品欧美久久欧美| 国产视频一区二区在线看| 亚洲精品亚洲一区二区| 精品人妻1区二区| 不卡一级毛片| 三级男女做爰猛烈吃奶摸视频| 国产伦一二天堂av在线观看| 午夜日韩欧美国产| 在线播放国产精品三级| 丰满人妻熟妇乱又伦精品不卡| 内地一区二区视频在线| 久久久久性生活片| 美女 人体艺术 gogo| 国模一区二区三区四区视频| 欧美xxxx黑人xx丫x性爽| 午夜精品在线福利| 男插女下体视频免费在线播放| av视频在线观看入口| 老汉色av国产亚洲站长工具| 97人妻精品一区二区三区麻豆| 欧美一区二区精品小视频在线| 成人av一区二区三区在线看| 国产野战对白在线观看| 亚洲美女黄片视频| 三级国产精品欧美在线观看| 激情在线观看视频在线高清| 窝窝影院91人妻| 尤物成人国产欧美一区二区三区| 国产aⅴ精品一区二区三区波| 国产中年淑女户外野战色| 给我免费播放毛片高清在线观看| www日本黄色视频网| 国内少妇人妻偷人精品xxx网站| 国产午夜福利久久久久久| 国语自产精品视频在线第100页| 无限看片的www在线观看| 亚洲国产欧美网| 国产av麻豆久久久久久久| 两个人看的免费小视频| svipshipincom国产片| 蜜桃久久精品国产亚洲av| 91麻豆av在线| 老司机福利观看| 欧美国产日韩亚洲一区| 亚洲最大成人中文| 老汉色∧v一级毛片| 日韩欧美国产一区二区入口| 波多野结衣高清作品| 中亚洲国语对白在线视频| 国产精品久久电影中文字幕| 又黄又粗又硬又大视频| 午夜福利欧美成人| 国内毛片毛片毛片毛片毛片| 操出白浆在线播放| 精品午夜福利视频在线观看一区| 国产亚洲精品一区二区www| 午夜两性在线视频| 他把我摸到了高潮在线观看| 亚洲av熟女| www国产在线视频色| 日韩大尺度精品在线看网址| 麻豆成人av在线观看| 最好的美女福利视频网| 99在线人妻在线中文字幕| 老鸭窝网址在线观看| 国产成人aa在线观看| 国产av一区在线观看免费| 在线观看舔阴道视频| 亚洲 欧美 日韩 在线 免费| 亚洲av二区三区四区| 国产午夜福利久久久久久| 夜夜看夜夜爽夜夜摸| 精品久久久久久,| 天堂动漫精品| 国产精品 国内视频| 18禁黄网站禁片午夜丰满| 成人鲁丝片一二三区免费| 久久国产精品人妻蜜桃| 日本成人三级电影网站| 亚洲精品日韩av片在线观看 | 天天躁日日操中文字幕| 法律面前人人平等表现在哪些方面| 欧美不卡视频在线免费观看| 亚洲国产精品999在线| 免费观看人在逋| 俄罗斯特黄特色一大片| 精品欧美国产一区二区三| 天堂网av新在线| 岛国在线观看网站| 婷婷精品国产亚洲av在线| 久久久久久久久大av| 精品久久久久久久毛片微露脸| 在线观看午夜福利视频| av黄色大香蕉| 欧美不卡视频在线免费观看| 亚洲精品日韩av片在线观看 | 18美女黄网站色大片免费观看| 亚洲欧美日韩高清专用| 亚洲第一电影网av| 亚洲国产精品合色在线| 亚洲av二区三区四区| 大型黄色视频在线免费观看| 免费av毛片视频| 在线观看美女被高潮喷水网站 | 嫩草影视91久久| 久久精品夜夜夜夜夜久久蜜豆| 国产一区二区亚洲精品在线观看| 亚洲av成人av| 91久久精品国产一区二区成人 | 美女被艹到高潮喷水动态| 99久久九九国产精品国产免费| 神马国产精品三级电影在线观看| 九色成人免费人妻av| 日韩欧美精品免费久久 | 精品久久久久久久末码| 老司机福利观看| 丁香六月欧美| 欧美av亚洲av综合av国产av| 少妇裸体淫交视频免费看高清| 亚洲人成电影免费在线| 内射极品少妇av片p| 在线观看av片永久免费下载| 日本精品一区二区三区蜜桃| 99国产综合亚洲精品| 亚洲欧美日韩高清专用| 亚洲精品456在线播放app | 禁无遮挡网站| av黄色大香蕉| 午夜福利高清视频| 久久香蕉国产精品| 性欧美人与动物交配| 成人精品一区二区免费| 日本免费一区二区三区高清不卡| 久久久国产精品麻豆| 又爽又黄无遮挡网站| 国产精品久久电影中文字幕| 亚洲av中文字字幕乱码综合| 国产爱豆传媒在线观看| 亚洲av美国av| 国产视频内射| 国产成+人综合+亚洲专区| 精品人妻偷拍中文字幕| 久久香蕉国产精品| а√天堂www在线а√下载| 欧美成狂野欧美在线观看| 国产精品久久电影中文字幕| 少妇高潮的动态图| 少妇人妻一区二区三区视频| 国产一区二区三区在线臀色熟女| 岛国在线免费视频观看| 欧美+亚洲+日韩+国产| 欧美乱码精品一区二区三区| 久久久久久久久中文| 免费一级毛片在线播放高清视频| av专区在线播放| 手机成人av网站| 不卡一级毛片| 日韩欧美精品v在线| www.999成人在线观看| 观看美女的网站| 午夜精品在线福利| 精品久久久久久久久久久久久| 韩国av一区二区三区四区| 成人特级黄色片久久久久久久| 美女免费视频网站| 最新中文字幕久久久久| 丁香欧美五月| 日本与韩国留学比较| av中文乱码字幕在线| 亚洲精品色激情综合| 淫秽高清视频在线观看| 免费高清视频大片| 嫩草影院精品99| 精品熟女少妇八av免费久了| 欧美黄色淫秽网站| 亚洲人成网站在线播| xxx96com| 欧美绝顶高潮抽搐喷水| av天堂中文字幕网| aaaaa片日本免费| 国产精品影院久久| 国产淫片久久久久久久久 | 国内毛片毛片毛片毛片毛片| 99久久精品国产亚洲精品| 国产亚洲精品一区二区www| 精品电影一区二区在线| 欧美成人性av电影在线观看| 午夜久久久久精精品| 亚洲精品在线美女| 亚洲欧美一区二区三区黑人| 日韩欧美国产在线观看| 伊人久久大香线蕉亚洲五| 91在线精品国自产拍蜜月 | 国产成人福利小说| 亚洲七黄色美女视频| 国产综合懂色| 免费在线观看影片大全网站| 国产精品爽爽va在线观看网站| 色视频www国产| 国内精品一区二区在线观看| 床上黄色一级片| 99久久精品国产亚洲精品| 老司机在亚洲福利影院| 久久精品综合一区二区三区| 国产精品永久免费网站| 亚洲欧美日韩无卡精品| 亚洲欧美日韩高清专用| 国产毛片a区久久久久| 波多野结衣高清作品| 久久精品国产99精品国产亚洲性色| 麻豆成人av在线观看| 亚洲av免费在线观看| 日本撒尿小便嘘嘘汇集6| 国产乱人伦免费视频| www.999成人在线观看| 老司机午夜十八禁免费视频| av福利片在线观看| 久久久精品欧美日韩精品| svipshipincom国产片| 好男人电影高清在线观看| 丝袜美腿在线中文| 色综合婷婷激情| 日韩欧美在线二视频| 日本免费一区二区三区高清不卡| 久久6这里有精品| 欧美日韩一级在线毛片| 夜夜爽天天搞| 亚洲av电影在线进入| 亚洲狠狠婷婷综合久久图片| 国产黄a三级三级三级人| 淫秽高清视频在线观看| 禁无遮挡网站| 91在线观看av| 亚洲av免费在线观看| 熟女人妻精品中文字幕| 国产乱人伦免费视频| 亚洲av日韩精品久久久久久密| 校园春色视频在线观看| 亚洲成人精品中文字幕电影| 最近在线观看免费完整版| 日韩国内少妇激情av| 97超视频在线观看视频| 校园春色视频在线观看| 男女午夜视频在线观看| 一进一出抽搐动态| 国产黄片美女视频| 搡老妇女老女人老熟妇| 免费人成在线观看视频色| 国产一区二区在线观看日韩 | 夜夜躁狠狠躁天天躁| 国产一区在线观看成人免费| x7x7x7水蜜桃| 亚洲成人久久性| 国产精品 国内视频| 少妇的逼水好多| 99久久精品热视频| 亚洲av不卡在线观看| 国产高潮美女av| 色播亚洲综合网| 91在线观看av| 欧美日韩中文字幕国产精品一区二区三区| 在线播放国产精品三级| 啦啦啦免费观看视频1| av女优亚洲男人天堂| 黄色日韩在线| 搡老妇女老女人老熟妇| 小蜜桃在线观看免费完整版高清| 国产成年人精品一区二区| 亚洲人成网站在线播| 91字幕亚洲| 中国美女看黄片| 国产熟女xx| 97超视频在线观看视频| 亚洲第一欧美日韩一区二区三区| 国产男靠女视频免费网站| 真人一进一出gif抽搐免费| 亚洲最大成人中文| 免费大片18禁| 午夜视频国产福利| 亚洲熟妇中文字幕五十中出| 真实男女啪啪啪动态图| 丰满的人妻完整版| 99久国产av精品| 精品人妻偷拍中文字幕| 久久久久九九精品影院| 亚洲国产精品合色在线| 国产一区二区三区在线臀色熟女| 窝窝影院91人妻| 色吧在线观看| 日韩欧美在线二视频| 亚洲自拍偷在线| 国产欧美日韩一区二区精品| 三级男女做爰猛烈吃奶摸视频| 亚洲av电影在线进入| 国产色爽女视频免费观看| 午夜福利欧美成人| 欧美3d第一页| 久久久久久九九精品二区国产| 99riav亚洲国产免费| 亚洲va日本ⅴa欧美va伊人久久| 国产三级黄色录像| 久久久精品大字幕| 国产主播在线观看一区二区| 精品午夜福利视频在线观看一区| 亚洲国产精品sss在线观看| 无人区码免费观看不卡| 伊人久久大香线蕉亚洲五| 久久久色成人| 国内精品美女久久久久久| 欧美xxxx黑人xx丫x性爽| 免费看光身美女| 国产精品精品国产色婷婷| 国产精品野战在线观看| 国产av不卡久久| 两个人看的免费小视频| 久久久久久久久久黄片| 日韩欧美国产在线观看| 国产欧美日韩一区二区三| 精品99又大又爽又粗少妇毛片 | 在线观看66精品国产| 成人午夜高清在线视频| 欧美日韩瑟瑟在线播放| 精品免费久久久久久久清纯| 久久精品亚洲精品国产色婷小说| 超碰av人人做人人爽久久 | 久久精品国产清高在天天线| 精品久久久久久久久久久久久| 一a级毛片在线观看| www国产在线视频色| 国产av在哪里看| 黄色片一级片一级黄色片| 国产视频一区二区在线看| 日韩欧美免费精品| 老司机深夜福利视频在线观看| 精品久久久久久久毛片微露脸| 国产精品电影一区二区三区| 久久久久久久久久黄片| 国产成人a区在线观看| 亚洲,欧美精品.| 日韩欧美国产在线观看| 国产免费av片在线观看野外av| 精品久久久久久成人av| 国产高清激情床上av| 成年免费大片在线观看| 2021天堂中文幕一二区在线观| 午夜激情欧美在线| 嫩草影视91久久| 狂野欧美白嫩少妇大欣赏| 成年女人看的毛片在线观看| 国产欧美日韩一区二区精品| 91久久精品电影网| 三级毛片av免费| 欧美+亚洲+日韩+国产| 亚洲国产色片| 免费在线观看影片大全网站| 亚洲成av人片免费观看| 1000部很黄的大片| 成年人黄色毛片网站| 全区人妻精品视频| 精品欧美国产一区二区三| 欧美日韩黄片免| 一本一本综合久久| 国内精品美女久久久久久| tocl精华| 悠悠久久av| 午夜精品久久久久久毛片777| 身体一侧抽搐| av女优亚洲男人天堂| 1000部很黄的大片| 欧美色视频一区免费| 精品国产超薄肉色丝袜足j| 亚洲五月婷婷丁香| 亚洲中文字幕一区二区三区有码在线看| 给我免费播放毛片高清在线观看| 亚洲成人久久性| 国产真实乱freesex| 99久久精品热视频| 色综合站精品国产| 日韩精品青青久久久久久| 高清日韩中文字幕在线| 亚洲人成电影免费在线| 国产色爽女视频免费观看| 免费av不卡在线播放| 亚洲乱码一区二区免费版| 亚洲七黄色美女视频| av黄色大香蕉| 老司机午夜福利在线观看视频| 又黄又爽又免费观看的视频| 久久久久久久久大av| 精品熟女少妇八av免费久了| 中文字幕av在线有码专区| 啦啦啦免费观看视频1| 亚洲精品久久国产高清桃花| 啦啦啦韩国在线观看视频| 精品人妻1区二区| 舔av片在线| 97超级碰碰碰精品色视频在线观看| 国产伦在线观看视频一区| 国产精品爽爽va在线观看网站| 欧美高清成人免费视频www| 99国产综合亚洲精品| 又黄又粗又硬又大视频| 欧美在线一区亚洲| 熟女电影av网| 好男人在线观看高清免费视频| 一进一出抽搐gif免费好疼| 别揉我奶头~嗯~啊~动态视频| 精品人妻偷拍中文字幕| 日本黄色片子视频| avwww免费| 国内久久婷婷六月综合欲色啪| 国产精品久久久久久精品电影| 天堂影院成人在线观看| 一二三四社区在线视频社区8| 怎么达到女性高潮| 欧美一区二区国产精品久久精品| 在线播放无遮挡| 国产黄色小视频在线观看| 国产毛片a区久久久久| 色精品久久人妻99蜜桃| 精品不卡国产一区二区三区| 99在线视频只有这里精品首页| 我的老师免费观看完整版| 久99久视频精品免费| 国产精品久久久久久亚洲av鲁大| 亚洲第一欧美日韩一区二区三区| 久久99热这里只有精品18| 九色国产91popny在线| 亚洲熟妇熟女久久| 午夜日韩欧美国产| 一夜夜www| 国产乱人伦免费视频| 久久久久九九精品影院| 国产乱人视频| www国产在线视频色| 久久亚洲精品不卡| 亚洲成人久久性| av女优亚洲男人天堂| 午夜福利在线在线| 蜜桃久久精品国产亚洲av| 岛国视频午夜一区免费看| 精品久久久久久久人妻蜜臀av| 日韩欧美免费精品| 在线a可以看的网站| 好男人在线观看高清免费视频| 久久精品人妻少妇| 精品午夜福利视频在线观看一区| 国产欧美日韩一区二区三| 免费观看精品视频网站| 国内毛片毛片毛片毛片毛片| 免费av不卡在线播放| 亚洲欧美日韩高清专用| 免费看a级黄色片| 精品99又大又爽又粗少妇毛片 | 一个人看的www免费观看视频| 男插女下体视频免费在线播放| 久久久久久九九精品二区国产| 国产97色在线日韩免费| 精品国产三级普通话版| 一级毛片女人18水好多| 日韩欧美免费精品| 亚洲专区国产一区二区| 亚洲成人久久爱视频| 少妇人妻一区二区三区视频| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 亚洲18禁久久av| 18+在线观看网站| 成人午夜高清在线视频| 精品国产超薄肉色丝袜足j| 美女 人体艺术 gogo| 国产真人三级小视频在线观看| 观看免费一级毛片| 精品久久久久久久毛片微露脸| 成人国产综合亚洲| 日韩亚洲欧美综合| 国产真实伦视频高清在线观看 | 国产成人aa在线观看| 久久国产乱子伦精品免费另类| 欧美国产日韩亚洲一区| 天堂√8在线中文| 亚洲一区二区三区不卡视频| 精品久久久久久久末码| 日韩免费av在线播放| 日本撒尿小便嘘嘘汇集6| av欧美777| 免费在线观看日本一区| 免费看美女性在线毛片视频| 九九在线视频观看精品| 免费在线观看亚洲国产| 久久99热这里只有精品18| 美女被艹到高潮喷水动态| 69人妻影院| 动漫黄色视频在线观看| av片东京热男人的天堂| 久久精品夜夜夜夜夜久久蜜豆| 日韩大尺度精品在线看网址| 国产精品女同一区二区软件 | 成人永久免费在线观看视频| 性色avwww在线观看| 亚洲av成人不卡在线观看播放网| 特大巨黑吊av在线直播| 国产av不卡久久| 免费看光身美女| 亚洲成av人片免费观看| 亚洲自拍偷在线| 国产色爽女视频免费观看| 嫩草影院精品99| 在线观看66精品国产| 非洲黑人性xxxx精品又粗又长| 国内揄拍国产精品人妻在线| av专区在线播放| 欧美zozozo另类| 身体一侧抽搐| 99久久综合精品五月天人人| 中文字幕人妻丝袜一区二区| 一个人看视频在线观看www免费 | 男女午夜视频在线观看| 精品人妻一区二区三区麻豆 | 国产aⅴ精品一区二区三区波| 九九热线精品视视频播放| 黄色日韩在线| 黄色片一级片一级黄色片| 国产高清激情床上av| 99久久精品一区二区三区| 国产精品久久久久久人妻精品电影| 国产午夜福利久久久久久| 性欧美人与动物交配| 亚洲av免费在线观看| 亚洲一区二区三区不卡视频| 亚洲成av人片免费观看| 搡老岳熟女国产| 啦啦啦观看免费观看视频高清| 亚洲av第一区精品v没综合| 身体一侧抽搐| 老司机福利观看| 九色成人免费人妻av| 欧美激情久久久久久爽电影| 久99久视频精品免费| av欧美777| 一级毛片高清免费大全| 亚洲精华国产精华精| 午夜福利在线在线| 精品久久久久久久久久久久久| 中文字幕熟女人妻在线| 久久香蕉精品热| 国产69精品久久久久777片| 亚洲精品色激情综合| 一个人看视频在线观看www免费 | 精品电影一区二区在线| 日韩欧美在线二视频| a级毛片a级免费在线| 婷婷精品国产亚洲av| bbb黄色大片| www.色视频.com| 精品久久久久久久人妻蜜臀av| 国产精品久久久久久人妻精品电影| 精品人妻偷拍中文字幕| 在线播放国产精品三级| 深爱激情五月婷婷| 亚洲一区二区三区色噜噜| 亚洲av不卡在线观看| 琪琪午夜伦伦电影理论片6080| 久久国产精品影院| 欧美丝袜亚洲另类 | 在线视频色国产色| 啦啦啦观看免费观看视频高清| 欧美zozozo另类| 此物有八面人人有两片| 国产aⅴ精品一区二区三区波| 日本免费a在线| 1000部很黄的大片| 亚洲国产精品久久男人天堂| 亚洲狠狠婷婷综合久久图片| 精品国产超薄肉色丝袜足j| 亚洲av不卡在线观看| 欧美日韩中文字幕国产精品一区二区三区| 三级男女做爰猛烈吃奶摸视频| 国产97色在线日韩免费| 长腿黑丝高跟| 国产毛片a区久久久久| 在线免费观看不下载黄p国产 | 国产真实伦视频高清在线观看 | 国产成人啪精品午夜网站| 90打野战视频偷拍视频| 久久精品91蜜桃| www国产在线视频色| 国产一区二区激情短视频| 欧美区成人在线视频| 国产精品久久久久久久久免 | 51午夜福利影视在线观看| 久久久久久九九精品二区国产| 尤物成人国产欧美一区二区三区| 少妇裸体淫交视频免费看高清| 精品一区二区三区人妻视频| 亚洲不卡免费看| 欧美一区二区亚洲|