• <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
    午夜福利18| 99国产精品免费福利视频| 一区二区日韩欧美中文字幕| 国产成人精品久久二区二区91| 在线观看日韩欧美| 看免费av毛片| 老熟妇仑乱视频hdxx| 一a级毛片在线观看| 国产av精品麻豆| 久99久视频精品免费| 91大片在线观看| 国产精品国产高清国产av| 国产高清视频在线播放一区| 久久久水蜜桃国产精品网| 亚洲五月天丁香| 热99re8久久精品国产| 天堂影院成人在线观看| 一边摸一边抽搐一进一出视频| 97碰自拍视频| 淫秽高清视频在线观看| 久久香蕉激情| 真人做人爱边吃奶动态| 成人av一区二区三区在线看| 国产成年人精品一区二区| 啪啪无遮挡十八禁网站| 国产亚洲欧美精品永久| 欧美日韩精品网址| 国产av一区二区精品久久| а√天堂www在线а√下载| 99久久精品国产亚洲精品| 脱女人内裤的视频| 午夜精品国产一区二区电影| 久久久国产精品麻豆| 麻豆国产av国片精品| 最近最新中文字幕大全电影3 | 色老头精品视频在线观看| 91成人精品电影| 成人免费观看视频高清| 日本撒尿小便嘘嘘汇集6| 日日爽夜夜爽网站| 97碰自拍视频| 制服丝袜大香蕉在线| 很黄的视频免费| 久久 成人 亚洲| 久久久久久人人人人人| 国产一区二区激情短视频| 成人手机av| 伦理电影免费视频| 在线观看www视频免费| 国产蜜桃级精品一区二区三区| 国产成人精品无人区| 精品欧美一区二区三区在线| 女人爽到高潮嗷嗷叫在线视频| www.自偷自拍.com| 国产精品爽爽va在线观看网站 | 欧美中文日本在线观看视频| 又黄又爽又免费观看的视频| 啦啦啦免费观看视频1| 99国产综合亚洲精品| 久久这里只有精品19| 国产成人免费无遮挡视频| 久久久久久免费高清国产稀缺| 1024香蕉在线观看| 高清毛片免费观看视频网站| 亚洲欧美日韩高清在线视频| 精品国产超薄肉色丝袜足j| 一进一出好大好爽视频| 久久性视频一级片| 国产99久久九九免费精品| 身体一侧抽搐| 成人亚洲精品一区在线观看| 97超级碰碰碰精品色视频在线观看| 一区二区三区国产精品乱码| 91成人精品电影| 精品国产乱码久久久久久男人| 国产区一区二久久| 91九色精品人成在线观看| 日本五十路高清| 丝袜美腿诱惑在线| 校园春色视频在线观看| 国产精品亚洲一级av第二区| 国产一区二区三区综合在线观看| aaaaa片日本免费| 精品不卡国产一区二区三区| 亚洲精品国产区一区二| 日韩中文字幕欧美一区二区| 久久国产乱子伦精品免费另类| 亚洲精品美女久久久久99蜜臀| 午夜亚洲福利在线播放| 国产成人影院久久av| 亚洲男人的天堂狠狠| 制服人妻中文乱码| 国产成人精品久久二区二区免费| 色哟哟哟哟哟哟| 最好的美女福利视频网| 黄片小视频在线播放| 亚洲九九香蕉| 黄色片一级片一级黄色片| 午夜免费鲁丝| 一边摸一边抽搐一进一出视频| 久久欧美精品欧美久久欧美| 一区二区日韩欧美中文字幕| 久久人妻熟女aⅴ| 国产精品秋霞免费鲁丝片| √禁漫天堂资源中文www| 国产成+人综合+亚洲专区| 中文字幕精品免费在线观看视频| 亚洲 国产 在线| 变态另类丝袜制服| 亚洲色图 男人天堂 中文字幕| av天堂久久9| av电影中文网址| 精品国产超薄肉色丝袜足j| 午夜免费成人在线视频| 亚洲,欧美精品.| 丝袜美腿诱惑在线| 欧美色欧美亚洲另类二区 | 黄网站色视频无遮挡免费观看| 精品人妻1区二区| 亚洲视频免费观看视频| 亚洲精品粉嫩美女一区| 欧美日韩乱码在线| 在线观看免费午夜福利视频| 亚洲av成人av| 亚洲精品国产区一区二| 国产精品亚洲美女久久久| 一区二区三区高清视频在线| 久久天堂一区二区三区四区| 亚洲人成77777在线视频| 免费看十八禁软件| 久久久久久亚洲精品国产蜜桃av| 黄色a级毛片大全视频| 一二三四在线观看免费中文在| 亚洲国产精品sss在线观看| 国产精品日韩av在线免费观看 | 在线观看舔阴道视频| 国产欧美日韩一区二区三区在线| 人人妻人人爽人人添夜夜欢视频| 日本 欧美在线| 少妇的丰满在线观看| 欧美日本视频| 老汉色∧v一级毛片| 亚洲视频免费观看视频| 大型av网站在线播放| 日本vs欧美在线观看视频| 国产1区2区3区精品| 一区二区三区激情视频| 一区福利在线观看| 俄罗斯特黄特色一大片| 给我免费播放毛片高清在线观看| 国产精品永久免费网站| 欧美绝顶高潮抽搐喷水| 成人av一区二区三区在线看| 国产蜜桃级精品一区二区三区| 久久精品人人爽人人爽视色| 丝袜人妻中文字幕| 国产亚洲欧美精品永久| 咕卡用的链子| 每晚都被弄得嗷嗷叫到高潮| 午夜免费观看网址| 亚洲欧美一区二区三区黑人| 97超级碰碰碰精品色视频在线观看| 国产精品一区二区免费欧美| 少妇 在线观看| 黑人巨大精品欧美一区二区蜜桃| 88av欧美| 免费搜索国产男女视频| 亚洲一区高清亚洲精品| 91精品国产国语对白视频| 一边摸一边做爽爽视频免费| 99re在线观看精品视频| or卡值多少钱| 一级作爱视频免费观看| 天堂影院成人在线观看| 亚洲午夜精品一区,二区,三区| 久久欧美精品欧美久久欧美| 十八禁网站免费在线| 久久亚洲真实| 亚洲国产中文字幕在线视频| 亚洲自偷自拍图片 自拍| 日韩欧美国产一区二区入口| АⅤ资源中文在线天堂| 又大又爽又粗| 亚洲欧美精品综合久久99| 国产亚洲精品av在线| 麻豆久久精品国产亚洲av| 精品人妻在线不人妻| 国产高清有码在线观看视频 | 亚洲成人久久性| 久久精品aⅴ一区二区三区四区| 叶爱在线成人免费视频播放| 久久这里只有精品19| 国产精品野战在线观看| 欧美成人午夜精品| 一进一出好大好爽视频| 琪琪午夜伦伦电影理论片6080| 夜夜爽天天搞| 午夜福利成人在线免费观看| 咕卡用的链子| 午夜免费成人在线视频| 老汉色av国产亚洲站长工具| 日韩高清综合在线| 国产高清videossex| www日本在线高清视频| 国产av在哪里看| 欧美黄色片欧美黄色片| 69av精品久久久久久| 人成视频在线观看免费观看| 日本一区二区免费在线视频| 精品欧美国产一区二区三| 精品欧美一区二区三区在线| 香蕉久久夜色| 最好的美女福利视频网| 久久久久久久午夜电影| 在线观看免费日韩欧美大片| svipshipincom国产片| 国产精品国产高清国产av| 精品久久久久久,| 色综合站精品国产| 亚洲一卡2卡3卡4卡5卡精品中文| 天堂影院成人在线观看| 777久久人妻少妇嫩草av网站| 97人妻精品一区二区三区麻豆 | 久久精品aⅴ一区二区三区四区| 亚洲欧美一区二区三区黑人| 免费不卡黄色视频| 精品卡一卡二卡四卡免费| 好男人电影高清在线观看| 90打野战视频偷拍视频| 一级作爱视频免费观看| 亚洲在线自拍视频| 久久精品91蜜桃| 国产精品,欧美在线| 色精品久久人妻99蜜桃| 成人18禁在线播放| 在线观看免费视频日本深夜| 亚洲片人在线观看| 高清毛片免费观看视频网站| 国产高清videossex| 亚洲五月色婷婷综合| 少妇被粗大的猛进出69影院| 高清黄色对白视频在线免费看| 少妇的丰满在线观看| 国产精品亚洲美女久久久| 国产野战对白在线观看| 国产精品爽爽va在线观看网站 | 电影成人av| 黄色a级毛片大全视频| 亚洲专区中文字幕在线| 琪琪午夜伦伦电影理论片6080| 制服诱惑二区| 久久影院123| 国产精品99久久99久久久不卡| 美女免费视频网站| 午夜亚洲福利在线播放| 欧美中文日本在线观看视频| 美国免费a级毛片| 久久人人精品亚洲av| 搡老妇女老女人老熟妇| 成人国语在线视频| 9191精品国产免费久久| 欧美一区二区精品小视频在线| 国产精品一区二区三区四区久久 | 90打野战视频偷拍视频| 别揉我奶头~嗯~啊~动态视频| 国产精品一区二区免费欧美| 一级a爱视频在线免费观看| 亚洲片人在线观看| 日韩av在线大香蕉| 国产精品永久免费网站| 又紧又爽又黄一区二区| 丰满的人妻完整版| 久久性视频一级片| 国产高清videossex| 亚洲va日本ⅴa欧美va伊人久久| 一a级毛片在线观看| av网站免费在线观看视频| 可以免费在线观看a视频的电影网站| 一本综合久久免费| 国产男靠女视频免费网站| 亚洲欧美一区二区三区黑人| 国产精品亚洲av一区麻豆| 又黄又粗又硬又大视频| 免费看a级黄色片| 国产成人精品在线电影| 97超级碰碰碰精品色视频在线观看| 亚洲中文日韩欧美视频| 女人被躁到高潮嗷嗷叫费观| 亚洲精品粉嫩美女一区| 欧美乱妇无乱码| 国产成人av激情在线播放| 精品国产超薄肉色丝袜足j| 亚洲精品美女久久av网站| 欧美色视频一区免费| 亚洲在线自拍视频| 成人av一区二区三区在线看| 亚洲av成人av| 久久久国产成人免费| 欧美一级a爱片免费观看看 | 最新在线观看一区二区三区| 精品国产国语对白av| av天堂在线播放| 天天添夜夜摸| 亚洲成国产人片在线观看| 亚洲午夜理论影院| 亚洲国产精品999在线| 老鸭窝网址在线观看| 国产精品 欧美亚洲| 国语自产精品视频在线第100页| 精品国产美女av久久久久小说| 免费看十八禁软件| 亚洲欧洲精品一区二区精品久久久| 国产精品98久久久久久宅男小说| 搡老岳熟女国产| 电影成人av| 级片在线观看| 在线观看66精品国产| 亚洲中文av在线| 极品人妻少妇av视频| 天天一区二区日本电影三级 | 日本在线视频免费播放| 成人特级黄色片久久久久久久| 午夜福利,免费看| 久久久国产成人免费| 亚洲国产欧美网| 国产精品香港三级国产av潘金莲| 久久精品成人免费网站| 中文字幕久久专区| 黑人巨大精品欧美一区二区蜜桃| 午夜亚洲福利在线播放| 国产高清videossex| 黄色 视频免费看| 免费高清在线观看日韩| 99久久综合精品五月天人人| 免费无遮挡裸体视频| 欧美老熟妇乱子伦牲交| 在线观看免费午夜福利视频| 两性午夜刺激爽爽歪歪视频在线观看 | 91av网站免费观看| 亚洲情色 制服丝袜| 伊人久久大香线蕉亚洲五| 精品久久久久久久毛片微露脸| 高清在线国产一区| 大型黄色视频在线免费观看| 香蕉丝袜av| 国产成人av激情在线播放| 91成人精品电影| av超薄肉色丝袜交足视频| 热re99久久国产66热| 午夜福利一区二区在线看| 日韩有码中文字幕| 中文字幕精品免费在线观看视频| 免费av毛片视频| 禁无遮挡网站| 国产成人啪精品午夜网站| 女人爽到高潮嗷嗷叫在线视频| 日韩精品免费视频一区二区三区| 日日干狠狠操夜夜爽| 国产成人av教育| 成人欧美大片| 亚洲三区欧美一区| 免费av毛片视频| a在线观看视频网站| 黄色丝袜av网址大全| 国产精品99久久99久久久不卡| 成人三级黄色视频| 成在线人永久免费视频| 久久精品国产99精品国产亚洲性色 | 精品熟女少妇八av免费久了| 久久国产亚洲av麻豆专区| 丰满的人妻完整版| 国产成人一区二区三区免费视频网站| 精品福利观看| av在线天堂中文字幕| 亚洲 欧美一区二区三区| 在线观看免费视频网站a站| 国产精品美女特级片免费视频播放器 | 国产伦一二天堂av在线观看| www.999成人在线观看| 婷婷丁香在线五月| 此物有八面人人有两片| 欧美成人一区二区免费高清观看 | 久久人人精品亚洲av| 两性夫妻黄色片| 久久久久国产精品人妻aⅴ院| 久久久久久久午夜电影| 九色国产91popny在线| av在线播放免费不卡| 欧美色欧美亚洲另类二区 | 一区二区三区精品91| 精品国产国语对白av| 欧美黄色片欧美黄色片| 桃色一区二区三区在线观看| 日本黄色视频三级网站网址| 中文字幕另类日韩欧美亚洲嫩草| 夜夜躁狠狠躁天天躁| 在线观看免费视频网站a站| 欧美黄色淫秽网站| 不卡一级毛片| 国产精品久久视频播放| 久久国产亚洲av麻豆专区| 亚洲激情在线av| 热99re8久久精品国产| 久久 成人 亚洲| 九色亚洲精品在线播放| 亚洲精品粉嫩美女一区| 亚洲成a人片在线一区二区| 很黄的视频免费| 欧美日韩瑟瑟在线播放| 亚洲av成人av| 日本三级黄在线观看| 91成人精品电影| 欧美乱妇无乱码| 中文字幕精品免费在线观看视频| 久久精品影院6| 成人18禁高潮啪啪吃奶动态图| 欧美av亚洲av综合av国产av| 性色av乱码一区二区三区2| 精品国内亚洲2022精品成人| 在线观看一区二区三区| 色精品久久人妻99蜜桃| 淫妇啪啪啪对白视频| 精品国产一区二区三区四区第35| av福利片在线| 中文字幕精品免费在线观看视频| 亚洲成av片中文字幕在线观看| 99riav亚洲国产免费| 国产亚洲精品综合一区在线观看 | 久9热在线精品视频| 免费一级毛片在线播放高清视频 | 自线自在国产av| 99国产精品免费福利视频| √禁漫天堂资源中文www| 一级黄色大片毛片| 免费观看人在逋| xxx96com| 男女下面进入的视频免费午夜 | 国产视频一区二区在线看| 国产精品久久久久久亚洲av鲁大| 亚洲五月天丁香| 啦啦啦观看免费观看视频高清 | 一个人免费在线观看的高清视频| 可以在线观看的亚洲视频| 久久午夜综合久久蜜桃| 97人妻精品一区二区三区麻豆 | 男人舔女人的私密视频| 色播亚洲综合网| 成熟少妇高潮喷水视频| 亚洲国产欧美网| 成人特级黄色片久久久久久久| 男女之事视频高清在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 麻豆久久精品国产亚洲av| 色综合站精品国产| 精品久久久久久久久久免费视频| 美女免费视频网站| 亚洲成av人片免费观看| 欧美不卡视频在线免费观看 | 三级毛片av免费| 丰满人妻熟妇乱又伦精品不卡| 亚洲最大成人中文| 国产野战对白在线观看| 国产麻豆69| 精品一区二区三区视频在线观看免费| 啪啪无遮挡十八禁网站| 熟妇人妻久久中文字幕3abv| 亚洲人成77777在线视频| 丁香六月欧美| 88av欧美| 伦理电影免费视频| 国产一区在线观看成人免费| av福利片在线| 丝袜在线中文字幕| 国产亚洲av嫩草精品影院| 非洲黑人性xxxx精品又粗又长| 亚洲一区二区三区色噜噜| 久久性视频一级片| 午夜激情av网站| 满18在线观看网站| 精品第一国产精品| 久久精品aⅴ一区二区三区四区| 老司机午夜福利在线观看视频| 免费在线观看视频国产中文字幕亚洲| 亚洲九九香蕉| 亚洲av片天天在线观看| 91成人精品电影| 热99re8久久精品国产| 12—13女人毛片做爰片一| 日韩有码中文字幕| 亚洲一区二区三区不卡视频| 琪琪午夜伦伦电影理论片6080| 高潮久久久久久久久久久不卡| 侵犯人妻中文字幕一二三四区| 母亲3免费完整高清在线观看| 亚洲国产精品合色在线| 免费少妇av软件| 国产精品亚洲av一区麻豆| 999精品在线视频| 美女高潮喷水抽搐中文字幕| 麻豆国产av国片精品| 国语自产精品视频在线第100页| 天天添夜夜摸| av在线播放免费不卡| 国产男靠女视频免费网站| 国产精品秋霞免费鲁丝片| 成人av一区二区三区在线看| 极品教师在线免费播放| 日日摸夜夜添夜夜添小说| 美女高潮喷水抽搐中文字幕| 成人18禁在线播放| 中文亚洲av片在线观看爽| 高清毛片免费观看视频网站| 国产精品99久久99久久久不卡| 欧美日韩中文字幕国产精品一区二区三区 | 精品国产乱码久久久久久男人| 久久精品国产综合久久久| 久久精品人人爽人人爽视色| 国产高清videossex| 久久中文看片网| 久久国产精品人妻蜜桃| 亚洲视频免费观看视频| 亚洲一区高清亚洲精品| 人人妻,人人澡人人爽秒播| 日韩大码丰满熟妇| 亚洲色图av天堂| 亚洲九九香蕉| av电影中文网址| 在线天堂中文资源库| 日韩大尺度精品在线看网址 | 非洲黑人性xxxx精品又粗又长| 国产精品国产高清国产av| 久久精品国产亚洲av高清一级| 日日摸夜夜添夜夜添小说| 19禁男女啪啪无遮挡网站| 夜夜夜夜夜久久久久| 国产野战对白在线观看| 麻豆国产av国片精品| 国产高清视频在线播放一区| 18美女黄网站色大片免费观看| 中文亚洲av片在线观看爽| 91国产中文字幕| 欧美亚洲日本最大视频资源| 夜夜爽天天搞| 侵犯人妻中文字幕一二三四区| 1024视频免费在线观看| 国产精品98久久久久久宅男小说| 91av网站免费观看| 不卡av一区二区三区| 人成视频在线观看免费观看| 欧美日韩精品网址| 亚洲九九香蕉| 岛国在线观看网站| 国产成人精品无人区| 亚洲色图综合在线观看| 一二三四社区在线视频社区8| 免费一级毛片在线播放高清视频 | 日本vs欧美在线观看视频| 最好的美女福利视频网| 国产精品亚洲av一区麻豆| 天天躁夜夜躁狠狠躁躁| 亚洲av熟女| 757午夜福利合集在线观看| 十八禁网站免费在线| 国产99久久九九免费精品| 巨乳人妻的诱惑在线观看| 精品欧美国产一区二区三| 国产熟女xx| 99国产精品免费福利视频| 高潮久久久久久久久久久不卡| 婷婷六月久久综合丁香| 国产片内射在线| 国产xxxxx性猛交| 国产成人啪精品午夜网站| 美女免费视频网站| 成熟少妇高潮喷水视频| 12—13女人毛片做爰片一| 精品熟女少妇八av免费久了| 国产精品免费视频内射| 香蕉国产在线看| 精品国产亚洲在线| 国产成人精品在线电影| 波多野结衣巨乳人妻| 中文字幕另类日韩欧美亚洲嫩草| 激情在线观看视频在线高清| 91麻豆精品激情在线观看国产| 国产麻豆成人av免费视频| 午夜免费成人在线视频| 在线av久久热| 亚洲精品在线观看二区| tocl精华| 人人妻人人澡欧美一区二区 | 中文字幕最新亚洲高清| 久久久久亚洲av毛片大全| 亚洲免费av在线视频| 国产一区在线观看成人免费| 国产区一区二久久| 亚洲国产精品sss在线观看| 99在线视频只有这里精品首页| 女人被躁到高潮嗷嗷叫费观| 国产色视频综合| 悠悠久久av| 91精品三级在线观看| 啦啦啦观看免费观看视频高清 | 一边摸一边抽搐一进一出视频| 国产精品日韩av在线免费观看 | 国产高清视频在线播放一区| 美女 人体艺术 gogo| 搡老岳熟女国产| 中文字幕色久视频| 黄色女人牲交| 久久人人爽av亚洲精品天堂| 一级黄色大片毛片| 国产国语露脸激情在线看| 国产真人三级小视频在线观看| www.精华液|