• <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 ?

    一種高維數(shù)據(jù)的因果推斷算法

    2015-04-17 07:30:14
    廣東工業(yè)大學學報 2015年1期
    關鍵詞:互信息網絡圖高維

    張 浩

    (廣東工業(yè)大學應用數(shù)學學院,廣東廣州510520)

    如何有效地分析數(shù)據(jù)之中的因果關系,進行因果推斷一直是數(shù)據(jù)分析研究領域的一個很重要的問題.雖然近年來很多學者提出了很多相關的研究成果[1-8],但如何在高維數(shù)據(jù)間推斷其中的因果關系仍然沒有一個有效的方法.

    因果推斷方法可以被分為兩大類:貝葉斯網絡結構學習算法[9-10]和基于加噪聲模型的因果推斷算法[11-13].其中,貝葉斯網絡結構學習算法主要有兩種方法.第一種是基于打分-搜索的貝葉斯網絡結構學習方法,第二種是基于依賴分析的學習算法.然而,由于一個因果網絡可能存在很多馬爾科夫等價類.如果用評分函數(shù)去評價是同樣的分數(shù),從依賴關系來看,馬爾科夫等價類間滿足同樣的條件獨立性,因而沒辦法區(qū)分出哪個結構才是數(shù)據(jù)間真正的結構.在基于加噪聲模型的算法方面,Shohei等人提出了一種基于線性ANM的算法[11],可以從數(shù)據(jù)集中構建出具體的因果網絡圖.然而這種算法只適用于線性加噪聲模型,無法解決非線性問題.針對非線性問題,Hoyer等人提出了一種在基于非線性加噪聲模型的適用于連續(xù)數(shù)據(jù)的算法(ANM)[12],Jonas Peters等人提出了一種基于非線性ANM的算法去解決離散數(shù)據(jù)的問題[13].然而,這兩種非線性加噪聲模型算法都只適用很低維的數(shù)據(jù)集,一旦數(shù)據(jù)集的維度較大(n>8),準確度就會降到很低.近來,Janzing D等人提出了一種基于信息熵的因果推斷算法IGCI[14],這種算法可以適用于有無噪聲的情況,但類似地,IGCI也無法處理高維數(shù)據(jù),只要維數(shù)超過2,方法就失效.因而,目前還沒有能適用于高維數(shù)據(jù)集有效的因果推斷算法.

    為了克服在高維數(shù)據(jù)中無法進行有效的因果推斷的缺點,本文提出了一種基于條件獨立性測試和互信息的因果網絡結構學習算法.該算法首先利用條件獨立性測試和互信息,求出每一個節(jié)點的父子節(jié)點,然后利用ANM算法,對目標節(jié)點與其每一個父子節(jié)點進行方向識別,然后得到每一個節(jié)點和其父子節(jié)點之間具體的因果關系,數(shù)據(jù)集中的所有變量都迭代完后得到數(shù)據(jù)集的一個完整因果網絡圖.數(shù)值實驗表明,該算法在高維數(shù)據(jù)下,精確度和時間花費都要優(yōu)于IGCI和基于加噪模型的因果網絡結構學習算法.

    1 預備知識

    1.1 因果網絡

    因果網絡是表示變量間概率依賴關系的有向無環(huán)圖(DAG),它可表示為一個三元組G=(N,E,P).其中,N={x1,x2,...,xn}表示DAG中的所有節(jié)點的集合,每個節(jié)點代表一個變量(屬性).E={e(xi,xj)|xi,xj∈N}表示DAG中每兩個節(jié)點間的有向邊的集合.其中,e(xi,xj)表示xi,xj間存在依賴關系xi→xj.P={P(xi|xj)|xi,xj∈N}是一組條件概率的集合,其中P(xi|xj)表示xi的父節(jié)點集xj對xi的影響.因果網絡實質上就是一個聯(lián)合概率分布P(x1,x2,…,xn)所有條件獨立性的圖形化表示.

    1.2 d-分離準則

    d-分離準則是描述因果網絡圖的一個重要圖性質.設X、Y、Z是因果無向圖G中任意3個互不相交的節(jié)點的集合,稱Z在圖G中d-分離節(jié)點集X和Y,記為X⊥Y|Z,如果對任意的從X的節(jié)點到Y的一個節(jié)點的路P均被Z阻斷,也就是路徑P上存在一個結點w滿足下列其中一個條件:

    (1)w在P上有—個碰撞箭頭,即→w←(此時稱w為碰撞點),且w及其后代結點都不在Z中.

    (2)w在P上無碰撞箭頭,即→w→或←w←或←w→,且w∈Z.

    1.3 條件獨立性測試

    傳統(tǒng)的貝葉斯結構學習算法主要是基于條件獨立性測試,雖然這些算法無法區(qū)分馬爾科夫等價類,從而無法發(fā)現(xiàn)數(shù)據(jù)間所蘊含的具體的因果關系,但在一定程度上,識別出了網絡結構數(shù)據(jù)間的相關性,這對因果網絡結構學習提供了很大的幫助.d-分離準則為圖論和統(tǒng)計學間架設了一座橋梁,設X、Y、Z是因果無向圖G中任意3個互不相交的節(jié)點的集合,如果Zd-分離節(jié)點集X和Y,那么在給定Z的情況下,X和Y統(tǒng)計獨立.

    1.4 互信息理論

    互信息是信息論中的一個重要概率,描述了某個變量取值對另外一個變量的取值能力.兩個變量間的互信息越大,表明它們之間的關系緊密,反則越小.當且僅當X和Y互相獨立的時候,它們之間的互信息I(X;Y)=0.

    2 因果推斷算法

    2.1 算法的基本框架

    算法主要分為兩部分,如圖1所示,算法的第一部分主要是利用條件獨立性測試找出每一個目標節(jié)點的父子節(jié)點集,也就是一個以目標節(jié)點為中心的無向圖.算法的第二部分是在已找出目標節(jié)點父子節(jié)點集的情況下,利用ANM算法對目標節(jié)點和每一個父子節(jié)點進行方向判別,得到一個目標節(jié)點與其父子節(jié)點間的具體因果關系.然后將該節(jié)點與其父子節(jié)點的因果結構更新到整個數(shù)據(jù)集的因果網絡,直到每個節(jié)點和其父子節(jié)點集PC(y)的因果圖都被更新完.最終得到一個完整地表現(xiàn)出數(shù)據(jù)間因果關系的因果網絡圖,從而推斷出了數(shù)據(jù)間具體的因果關系.算法的兩部分具體如下描述.

    圖1 算法的基本框架Fig.1 Algorithm framework

    2.2 第一部分:搜索目標節(jié)點的父子節(jié)點集

    如上述所說,這部分目的是找出每一個節(jié)點的父子節(jié)點.對于任意一個變量集X={x1,x2,...,xn},在X中選出一個變量y作為目標節(jié)點,然后PC(y)表示y的候選的父子節(jié)點集.在算法開始時候,令PC(y)=X.

    步驟1:對PC(y)中的每一個節(jié)點{x1,x2,...,xn}和X進行獨立性測試,如果xi和y獨立,表明xi不是y的父子節(jié)點,將xi從PC(y)中移除.

    步驟2:對PC(y)中的每對節(jié)點(xi,xj|xi,xj∈PC(y))進行條件獨立性測試:Ind(y;xi|xj),如果xi和y在給定xj情況下條件獨立,則表明xi不是y的父子節(jié)點.在經過獨立性測試和條件獨立性測試后,PC(y)維數(shù)已經降低很多,但依然有很多非父子節(jié)點沒被移除.

    步驟3:應用進一步的條件獨立性測試:Ind(y;xi|S),S為PC(y)xi的任意一個子集合,刪掉非父子節(jié)點.

    步驟4:由于條件獨立性測試在給定條件集太大的情況下精確度會降低,從而可能導致非父子節(jié)點被錯誤地當做了父子節(jié)點,所以此時算法采取基于一個互信息的策略,對一部分錯誤加入到PC(y)的節(jié)點進行修剪.由于變量間依賴性可以用互信息描述,假設xi是y的父子節(jié)點,那xi和y之間的互信息不會太低,所以可以設定一個閾值p,計算PC(y)中每一個變量與y之間的互信息,如果它們之間的互信息小于p,則認為該變量不是y的父子節(jié)點,然后從PC(y)中刪掉.

    2.3 第二部分:對目標節(jié)點和其父子節(jié)點集PC(y)中每個節(jié)點進行方向識別

    在這部分,采用ANM算法對每個目標節(jié)點和其父子節(jié)點集間的邊的方向進行判定.雖然ANM算法沒辦法解決超過8維的因果網絡結構學習問題,但由于在算法第一部分已經得到了目標節(jié)點y的父子節(jié)點集合PC(y),然后利用ANM對PC(y)中的每一個變量和y間進行方向判別,這等同于在兩點間應用ANM,從而保證了它的有效性.

    3 數(shù)值實驗

    數(shù)值實驗是在Matlab2010b中完成,本文提出的算法被記為CIHD.實驗中的條件獨立性測試使用算法KCI-test[14],計算互信息用Kraskov Mutual Information Estimator[16].在實驗開始階段,分兩階段生成實驗數(shù)據(jù).(1)生成因果網絡圖;(2)按照該圖生成數(shù)據(jù).在因果網絡圖生成階段,分別生成15、25、50、80、150個節(jié)點的因果網絡圖,用來測試該算法在不同的高維數(shù)據(jù)下的實驗效果.在數(shù)據(jù)生成階段,每個節(jié)點的數(shù)據(jù)由因果網絡圖中節(jié)點的拓撲序列依照函數(shù)y=w1sin(x1)+w2sin(x2)+ε生成.其中w1、w2為每個函數(shù)的權值,隨機取值于0.3與0.7之間,x1、x2為y的父親節(jié)點,ε為權值為5%且均勻分布的添加噪聲.為了有效地評價該算法的性能,引入了3個評價參數(shù)Precision、Recall和F-value,定義如下:

    從上面的定義可以看出,參數(shù)Precision用來衡量因果網絡圖中節(jié)點間本來不存在的邊被錯誤添加的程度,而參數(shù)Recall用來衡量節(jié)點間存在的邊沒有被發(fā)現(xiàn)的程度.參數(shù)F-value是前兩個評價參數(shù)的有機結合,因而可以用來評價因果網絡結構學習算法的總體優(yōu)劣.

    實驗分別用15、25、50、80、150維的數(shù)據(jù)集對算法CIHD和基于非線性加噪模型的算法(ANM)以及IGCI進行對比,結果見圖2.

    圖2 在不同維數(shù)下3種算法的評分參數(shù)Fig.2 Different dimension of sample

    從圖2的實驗結果可以看出,在數(shù)據(jù)集維度都較高的情況下,ANM算法和IGCI算法的學習準確度都很低,而CIHD算法在高維增加的情況下3個評價參數(shù)依然保持著較高的分數(shù),說明在高維數(shù)據(jù)中,CIHD要大大優(yōu)于另外兩種算法.

    4 結論

    本文提出了一種可以適應于高維數(shù)據(jù)的因果網絡結構學習算法,首先通過基于條件獨立性測試和互信息的方法對數(shù)據(jù)集進行初步結構學習,然后再利用ANM算法對數(shù)據(jù)集中每兩點間的邊進行方向識別,從而得到一個具體的因果網絡結構.通過仿真表明,在維數(shù)增加時,該算法大大優(yōu)于其他因果推斷算法.

    [1]Pearl J.Causality:models,reasoning and inference[M].Cambridge:MIT Press,2000.

    [2]Spirtes P,Glymour C,Scheines R.Causation,prediction,and search[M].Cambridge:MIT Press,2000.

    [3]Uhler C,Raskutti G,Bühlmann P,et al.Geometry of the faithfulness assumption in causal inference[J].The Annals of Statistics,2013,41(2):436-463.

    [4]Cai R,Zhang Z,Hao Z.BASSUM:A Bayesian semi-supervised method for classification feature selection[J].Pattern Recognition,2011,44(4):811-820.

    [5]Shimizu S,Hoyer P O,Hyv?rinen A.Estimation of linear non-Gaussian acyclic models for latent factors[J].Neurocomputing,2009,72(7):2024-2027.

    [6]Hoyer P O,Shimizu S,Kerminen A J,et al.Estimation of causal effects using linear non-Gaussian causal models with hidden variables[J].International Journal of Approximate Reasoning,2008,49(2):362-378.

    [7]Janzing D,Scholkopf B.Causal inference using the algorithmic Markov condition[J].IEEE Transactions on Information Theory,2010,56(10):5168-5194.

    [8]陳錫樞.基于貝葉斯網絡下的遺傳算法[J].廣東工業(yè)大學學報,2007,24(1):19-21.Chen X S.The genetic algorithm based on bayesian Net[J].Journal of Guangdong University of Tehnology,2007,24(1):19-21.

    [9]Tsamardinos I,Brown L E,Aliferis C F.The max-min hillclimbing Bayesian network structure learning algorithm[J].Machine learning,2006,65(1):31-78.

    [10]Shimizu S,Hoyer P O,Hyv?rinen A,et al.A linear non-Gaussian acyclic model for causal discovery[J].The Journal of Machine Learning Research,2006,7:2003-2030.

    [11]Hoyer P O,Janzing D,Mooij J M,et al.Nonlinear causal discovery with additive noise models[C]∥Advances in Neural Information Processing Systems.Vancouver,Canada:MIT Press,2009:689-696.

    [12]Peters J,Janzing D,Scholkopf B.Causal inference on discrete data using additive noise models[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(12):2436-2450.

    [13]Janzing D,Mooij J,Zhang K,et al.Information-geometric approach to inferring causal directions[J].Artificial Intelligence,2012,56(10):5168-5194.

    [14]Zhang K,Peters J,Janzing D,et al.Kernel-based conditional independence test and application in causal discovery[EB/OL].(2012-02-14)[2013-10-24].http:∥arxiv.org/ftp/arxiv/papers/1202/1202.3775.pdf.

    [15]Kraskov A,St?gbauer H,Grassberger P.Estimating mutual information[J].Physical Review E,2004,69(6):066138-066154.

    猜你喜歡
    互信息網絡圖高維
    網絡圖中的45°角
    網絡圖在汽修業(yè)中應用
    活力(2019年21期)2019-04-01 12:17:00
    一種改進的GP-CLIQUE自適應高維子空間聚類算法
    測控技術(2018年4期)2018-11-25 09:46:48
    基于加權自學習散列的高維數(shù)據(jù)最近鄰查詢算法
    電信科學(2017年6期)2017-07-01 15:44:37
    基于互信息的貝葉斯網絡結構學習
    聯(lián)合互信息水下目標特征選擇算法
    一般非齊次非線性擴散方程的等價變換和高維不變子空間
    改進的互信息最小化非線性盲源分離算法
    電測與儀表(2015年9期)2015-04-09 11:59:22
    基于增量式互信息的圖像快速匹配方法
    高維Kramers系統(tǒng)離出點的分布問題
    嫩草影院入口| 成人18禁高潮啪啪吃奶动态图| 中国国产av一级| 亚洲精品国产av成人精品| 国产精品蜜桃在线观看| 国产一区二区激情短视频 | 秋霞伦理黄片| 少妇的逼水好多| 亚洲精品美女久久av网站| videosex国产| av.在线天堂| 大话2 男鬼变身卡| 一级,二级,三级黄色视频| 日韩伦理黄色片| 亚洲国产av新网站| 最新的欧美精品一区二区| 亚洲综合色网址| 午夜福利影视在线免费观看| 亚洲国产毛片av蜜桃av| 男女免费视频国产| 在线观看三级黄色| a 毛片基地| 久久精品国产鲁丝片午夜精品| 深夜精品福利| 国产免费福利视频在线观看| 亚洲精品久久久久久婷婷小说| 大香蕉久久成人网| 亚洲一级一片aⅴ在线观看| 亚洲成人手机| 国产色爽女视频免费观看| 亚洲av电影在线进入| 制服诱惑二区| 最近中文字幕高清免费大全6| 国产黄色视频一区二区在线观看| 18+在线观看网站| 伊人亚洲综合成人网| 中文精品一卡2卡3卡4更新| 美女内射精品一级片tv| 激情视频va一区二区三区| 久久久久久人人人人人| 久久久久久久亚洲中文字幕| 久久精品熟女亚洲av麻豆精品| 国产探花极品一区二区| 成人手机av| 欧美性感艳星| 亚洲精品国产av蜜桃| 亚洲国产日韩一区二区| av片东京热男人的天堂| 国产老妇伦熟女老妇高清| 国产成人精品一,二区| 99国产综合亚洲精品| 日本wwww免费看| 久久青草综合色| 中文乱码字字幕精品一区二区三区| 水蜜桃什么品种好| 国产成人欧美| 天天影视国产精品| 人人妻人人澡人人爽人人夜夜| 香蕉国产在线看| 久久影院123| 欧美 亚洲 国产 日韩一| 亚洲av综合色区一区| 欧美97在线视频| 免费看不卡的av| 亚洲欧美精品自产自拍| 欧美另类一区| 久热久热在线精品观看| 久久久久久久久久人人人人人人| 亚洲综合色网址| 美女国产高潮福利片在线看| 久久精品aⅴ一区二区三区四区 | 男女高潮啪啪啪动态图| 热re99久久精品国产66热6| 久久狼人影院| 精品国产一区二区三区久久久樱花| 亚洲欧美精品自产自拍| 婷婷色麻豆天堂久久| 哪个播放器可以免费观看大片| 国产成人精品婷婷| 天堂8中文在线网| 18禁在线无遮挡免费观看视频| 熟女人妻精品中文字幕| 欧美变态另类bdsm刘玥| 制服诱惑二区| 性色avwww在线观看| 国产高清三级在线| 2022亚洲国产成人精品| 91在线精品国自产拍蜜月| 大香蕉97超碰在线| 9191精品国产免费久久| a 毛片基地| 极品少妇高潮喷水抽搐| 国产精品.久久久| 久久精品久久久久久噜噜老黄| 国产精品女同一区二区软件| 久久99热6这里只有精品| 亚洲精品一二三| 婷婷色麻豆天堂久久| av天堂久久9| 麻豆乱淫一区二区| 国产精品人妻久久久久久| 亚洲精品久久久久久婷婷小说| 久久久久人妻精品一区果冻| 一级黄片播放器| 少妇的逼水好多| 2022亚洲国产成人精品| 亚洲av电影在线观看一区二区三区| 亚洲五月色婷婷综合| 80岁老熟妇乱子伦牲交| 国产成人午夜福利电影在线观看| 亚洲成av片中文字幕在线观看 | 男人舔女人的私密视频| 午夜福利视频在线观看免费| 在线观看免费视频网站a站| 国产精品 国内视频| 9色porny在线观看| 男女午夜视频在线观看 | 激情视频va一区二区三区| 免费看光身美女| 国产极品粉嫩免费观看在线| 高清欧美精品videossex| 伊人久久国产一区二区| 免费大片黄手机在线观看| 精品人妻熟女毛片av久久网站| 色94色欧美一区二区| 亚洲欧美一区二区三区黑人 | 26uuu在线亚洲综合色| 国产成人a∨麻豆精品| 18禁观看日本| 国产永久视频网站| 亚洲国产精品一区三区| 十八禁高潮呻吟视频| 日本-黄色视频高清免费观看| 免费久久久久久久精品成人欧美视频 | 最后的刺客免费高清国语| 国产一区有黄有色的免费视频| 久久久亚洲精品成人影院| 国产精品女同一区二区软件| av在线老鸭窝| 欧美精品一区二区免费开放| 咕卡用的链子| 久久精品熟女亚洲av麻豆精品| 一区二区三区精品91| 看免费av毛片| 国产又爽黄色视频| 国产精品成人在线| 国产精品久久久久成人av| 欧美变态另类bdsm刘玥| 亚洲欧美成人综合另类久久久| 国产在视频线精品| 免费看不卡的av| 免费在线观看黄色视频的| 国产亚洲精品久久久com| 国产又色又爽无遮挡免| 美女国产视频在线观看| 在线免费观看不下载黄p国产| 不卡视频在线观看欧美| 亚洲精品乱久久久久久| 黄网站色视频无遮挡免费观看| 国产一区二区激情短视频 | 五月天丁香电影| 日韩成人伦理影院| 免费观看a级毛片全部| 国产亚洲最大av| 国产激情久久老熟女| 国精品久久久久久国模美| 国产精品国产三级国产专区5o| 丁香六月天网| 高清视频免费观看一区二区| 伊人亚洲综合成人网| 人人妻人人添人人爽欧美一区卜| 欧美精品高潮呻吟av久久| 亚洲av中文av极速乱| 亚洲精品av麻豆狂野| 免费黄频网站在线观看国产| 香蕉国产在线看| 精品久久久精品久久久| 十八禁网站网址无遮挡| 亚洲内射少妇av| 美女视频免费永久观看网站| 午夜福利网站1000一区二区三区| 91精品国产国语对白视频| 久久国产精品男人的天堂亚洲 | 久久人人97超碰香蕉20202| 久久99一区二区三区| 天堂8中文在线网| 亚洲少妇的诱惑av| 久久99蜜桃精品久久| 亚洲婷婷狠狠爱综合网| 伦精品一区二区三区| 精品一区二区免费观看| 啦啦啦啦在线视频资源| 久久99一区二区三区| 久久久久久久精品精品| h视频一区二区三区| 成人黄色视频免费在线看| 最近手机中文字幕大全| 免费看光身美女| 成人国语在线视频| 亚洲国产精品成人久久小说| av有码第一页| 成人漫画全彩无遮挡| 亚洲av在线观看美女高潮| 国产av精品麻豆| 成人影院久久| 免费少妇av软件| 日本与韩国留学比较| 午夜福利视频精品| 久久亚洲国产成人精品v| av免费在线看不卡| 韩国高清视频一区二区三区| 亚洲一码二码三码区别大吗| 99久久综合免费| 又黄又爽又刺激的免费视频.| 久久99蜜桃精品久久| 中文字幕精品免费在线观看视频 | 久久久久久久精品精品| 午夜视频国产福利| 一本—道久久a久久精品蜜桃钙片| 一边摸一边做爽爽视频免费| 最近最新中文字幕大全免费视频 | 中文字幕亚洲精品专区| 亚洲综合色网址| 亚洲精品国产av成人精品| 乱码一卡2卡4卡精品| 精品人妻熟女毛片av久久网站| 高清黄色对白视频在线免费看| 中文字幕人妻熟女乱码| 国产视频首页在线观看| 国产成人a∨麻豆精品| 另类精品久久| 亚洲精华国产精华液的使用体验| 久久久久久久久久久久大奶| 2018国产大陆天天弄谢| av不卡在线播放| 男女无遮挡免费网站观看| 久久久亚洲精品成人影院| 黑人欧美特级aaaaaa片| 亚洲精品久久成人aⅴ小说| 免费在线观看黄色视频的| 狂野欧美激情性bbbbbb| 亚洲欧美精品自产自拍| 亚洲成人手机| 欧美激情极品国产一区二区三区 | 国产xxxxx性猛交| 美女主播在线视频| 青春草国产在线视频| 免费观看在线日韩| 99久久综合免费| 国产成人一区二区在线| 国产精品欧美亚洲77777| 国产深夜福利视频在线观看| 美女主播在线视频| 免费看av在线观看网站| 汤姆久久久久久久影院中文字幕| 精品一区二区三区视频在线| 全区人妻精品视频| 王馨瑶露胸无遮挡在线观看| 成年人免费黄色播放视频| 夫妻午夜视频| 国产色婷婷99| 亚洲国产av影院在线观看| 水蜜桃什么品种好| 国产女主播在线喷水免费视频网站| 亚洲,一卡二卡三卡| 日韩欧美一区视频在线观看| 大码成人一级视频| 一个人免费看片子| 最新中文字幕久久久久| 在线观看www视频免费| 在线看a的网站| 毛片一级片免费看久久久久| 精品酒店卫生间| 成人影院久久| 久久久欧美国产精品| 一本色道久久久久久精品综合| 中文字幕制服av| 国产黄色免费在线视频| 国产黄色视频一区二区在线观看| 欧美精品一区二区大全| 欧美人与性动交α欧美软件 | 国内精品宾馆在线| 亚洲国产日韩一区二区| 日韩成人av中文字幕在线观看| 精品人妻在线不人妻| 亚洲av男天堂| 丝瓜视频免费看黄片| 国产精品偷伦视频观看了| 国产 精品1| 中文字幕人妻丝袜制服| 欧美日韩国产mv在线观看视频| 在线精品无人区一区二区三| 免费av中文字幕在线| 国产一区有黄有色的免费视频| 草草在线视频免费看| 黄色 视频免费看| 国产免费福利视频在线观看| 免费大片18禁| 丝瓜视频免费看黄片| 99精国产麻豆久久婷婷| 久久精品国产自在天天线| 男男h啪啪无遮挡| 女人被躁到高潮嗷嗷叫费观| 国产在线视频一区二区| av播播在线观看一区| 亚洲精品国产色婷婷电影| 亚洲五月色婷婷综合| 久久久久精品人妻al黑| 免费高清在线观看视频在线观看| 有码 亚洲区| 欧美日韩av久久| 亚洲精品一二三| 国产熟女午夜一区二区三区| 日日摸夜夜添夜夜爱| 亚洲精品国产av蜜桃| 天堂中文最新版在线下载| 激情五月婷婷亚洲| 国产成人aa在线观看| 免费看光身美女| 久久久久视频综合| 欧美成人午夜精品| 免费av不卡在线播放| 精品午夜福利在线看| 麻豆精品久久久久久蜜桃| 色网站视频免费| 黑人猛操日本美女一级片| 国产亚洲一区二区精品| 国产在线免费精品| 免费观看a级毛片全部| 女性生殖器流出的白浆| 99香蕉大伊视频| 成人无遮挡网站| 精品国产一区二区三区四区第35| 丝袜人妻中文字幕| 日日摸夜夜添夜夜爱| 久久精品熟女亚洲av麻豆精品| 伊人亚洲综合成人网| 男女国产视频网站| 国产精品久久久久久精品古装| 国产精品一区二区在线观看99| 又粗又硬又长又爽又黄的视频| 啦啦啦啦在线视频资源| 国产有黄有色有爽视频| 搡老乐熟女国产| 中文字幕免费在线视频6| 国产 一区精品| 免费在线观看完整版高清| 搡老乐熟女国产| 午夜免费男女啪啪视频观看| 欧美精品av麻豆av| 亚洲欧美成人精品一区二区| 黑人猛操日本美女一级片| 秋霞伦理黄片| 亚洲欧洲精品一区二区精品久久久 | 日韩伦理黄色片| 女的被弄到高潮叫床怎么办| 日韩不卡一区二区三区视频在线| 国产乱人偷精品视频| 久久精品久久久久久噜噜老黄| 18禁动态无遮挡网站| 国产一区二区在线观看日韩| 九九爱精品视频在线观看| 观看av在线不卡| 婷婷色av中文字幕| 欧美日韩精品成人综合77777| 国产无遮挡羞羞视频在线观看| 成人手机av| 欧美3d第一页| 日韩中字成人| 丝瓜视频免费看黄片| 亚洲美女视频黄频| 日日啪夜夜爽| av又黄又爽大尺度在线免费看| 久久久a久久爽久久v久久| av免费在线看不卡| 精品国产一区二区三区四区第35| 国国产精品蜜臀av免费| 中国美白少妇内射xxxbb| 成人18禁高潮啪啪吃奶动态图| 中国美白少妇内射xxxbb| 亚洲情色 制服丝袜| 色5月婷婷丁香| 中国国产av一级| 国产毛片在线视频| 免费观看性生交大片5| 黄色一级大片看看| 大片免费播放器 马上看| 老司机影院毛片| 国产免费一区二区三区四区乱码| 国产av码专区亚洲av| 欧美人与性动交α欧美软件 | 侵犯人妻中文字幕一二三四区| 全区人妻精品视频| 亚洲成人手机| 中文字幕av电影在线播放| 欧美日韩亚洲高清精品| 天堂中文最新版在线下载| 天美传媒精品一区二区| 免费人成在线观看视频色| 这个男人来自地球电影免费观看 | 美女中出高潮动态图| 久久久久久久久久久久大奶| 青青草视频在线视频观看| 国产av一区二区精品久久| 久久精品久久久久久噜噜老黄| 亚洲欧美一区二区三区国产| 色网站视频免费| xxxhd国产人妻xxx| 国产又色又爽无遮挡免| 国产成人免费观看mmmm| 蜜桃国产av成人99| 满18在线观看网站| 美女福利国产在线| 高清视频免费观看一区二区| 久久韩国三级中文字幕| 精品熟女少妇av免费看| 97精品久久久久久久久久精品| 国产黄色免费在线视频| 欧美日韩亚洲高清精品| av免费在线看不卡| 久久这里有精品视频免费| 制服人妻中文乱码| 少妇高潮的动态图| 一本久久精品| 男女边摸边吃奶| 在线观看www视频免费| 美女主播在线视频| 日本91视频免费播放| 啦啦啦在线观看免费高清www| 日韩欧美一区视频在线观看| 观看美女的网站| 成人免费观看视频高清| 日本欧美国产在线视频| 久久久久久久久久久久大奶| 成人二区视频| 桃花免费在线播放| 久久国产精品男人的天堂亚洲 | 黄色一级大片看看| 日韩免费高清中文字幕av| 亚洲精品aⅴ在线观看| 最近的中文字幕免费完整| 只有这里有精品99| 丝瓜视频免费看黄片| 爱豆传媒免费全集在线观看| 国产又色又爽无遮挡免| 一二三四中文在线观看免费高清| 中文字幕人妻丝袜制服| 亚洲五月色婷婷综合| 免费观看a级毛片全部| 久久精品国产鲁丝片午夜精品| 亚洲av福利一区| 国产不卡av网站在线观看| xxxhd国产人妻xxx| 中文字幕另类日韩欧美亚洲嫩草| 国产精品一区www在线观看| 久久99蜜桃精品久久| 九九爱精品视频在线观看| 久久久久视频综合| 国产精品不卡视频一区二区| 亚洲成人手机| 男的添女的下面高潮视频| 妹子高潮喷水视频| av片东京热男人的天堂| 少妇的逼水好多| av在线播放精品| 国产av码专区亚洲av| 午夜激情av网站| 欧美日韩视频精品一区| 国产亚洲精品第一综合不卡 | 国产一区二区激情短视频 | 又黄又爽又刺激的免费视频.| √禁漫天堂资源中文www| 国产极品粉嫩免费观看在线| 国产成人a∨麻豆精品| 18+在线观看网站| 国产成人免费观看mmmm| 欧美3d第一页| 国产精品.久久久| www.熟女人妻精品国产 | 欧美人与性动交α欧美精品济南到 | 色94色欧美一区二区| 成人18禁高潮啪啪吃奶动态图| 日韩一区二区视频免费看| 国产成人精品婷婷| 国产又爽黄色视频| 七月丁香在线播放| 国产深夜福利视频在线观看| 蜜臀久久99精品久久宅男| 9热在线视频观看99| 久久久国产精品麻豆| 在线观看免费高清a一片| 看十八女毛片水多多多| 亚洲,一卡二卡三卡| 国产一区二区激情短视频 | 一级a做视频免费观看| 亚洲国产看品久久| 国产亚洲午夜精品一区二区久久| 夜夜爽夜夜爽视频| 成人国产av品久久久| 尾随美女入室| 搡老乐熟女国产| 国产午夜精品一二区理论片| 欧美少妇被猛烈插入视频| 久热这里只有精品99| xxxhd国产人妻xxx| 中国美白少妇内射xxxbb| 99久久综合免费| 母亲3免费完整高清在线观看 | 亚洲国产毛片av蜜桃av| 久久人人爽av亚洲精品天堂| 国产精品久久久久久久电影| 久久99热6这里只有精品| 日韩制服骚丝袜av| 久久久精品免费免费高清| 啦啦啦视频在线资源免费观看| 欧美最新免费一区二区三区| 97人妻天天添夜夜摸| 免费在线观看黄色视频的| 精品国产一区二区三区四区第35| 久久精品久久精品一区二区三区| 最近中文字幕2019免费版| 亚洲人与动物交配视频| 草草在线视频免费看| 人妻 亚洲 视频| 免费观看无遮挡的男女| 男的添女的下面高潮视频| 纯流量卡能插随身wifi吗| 久久久国产一区二区| 国产在线视频一区二区| 亚洲精品日本国产第一区| 男人操女人黄网站| 亚洲三级黄色毛片| xxxhd国产人妻xxx| 永久免费av网站大全| 亚洲国产成人一精品久久久| 一级a做视频免费观看| 伦理电影大哥的女人| 黄色视频在线播放观看不卡| 搡女人真爽免费视频火全软件| 日韩精品免费视频一区二区三区 | 色5月婷婷丁香| 婷婷色综合www| 一区二区三区精品91| 久久久国产欧美日韩av| 视频中文字幕在线观看| 欧美日韩一区二区视频在线观看视频在线| 激情视频va一区二区三区| 亚洲精品乱久久久久久| 十八禁网站网址无遮挡| 亚洲国产色片| 亚洲av成人精品一二三区| 国产午夜精品一二区理论片| 一级毛片我不卡| av播播在线观看一区| 一级爰片在线观看| 最近中文字幕高清免费大全6| 满18在线观看网站| 久久久久久人妻| av一本久久久久| 夫妻性生交免费视频一级片| 亚洲欧美日韩另类电影网站| 女人精品久久久久毛片| 欧美激情国产日韩精品一区| 久久久久网色| 亚洲av成人精品一二三区| 国产成人午夜福利电影在线观看| 人人澡人人妻人| 黄色配什么色好看| 亚洲综合精品二区| 丝袜脚勾引网站| 99国产综合亚洲精品| 一本大道久久a久久精品| 亚洲av日韩在线播放| 丝袜脚勾引网站| 婷婷色麻豆天堂久久| 超碰97精品在线观看| 亚洲av成人精品一二三区| 亚洲国产毛片av蜜桃av| 欧美少妇被猛烈插入视频| 在线精品无人区一区二区三| 国产免费视频播放在线视频| 中文字幕人妻丝袜制服| 亚洲国产色片| 欧美bdsm另类| 国产成人午夜福利电影在线观看| 高清欧美精品videossex| 少妇被粗大猛烈的视频| 国产成人午夜福利电影在线观看| 高清欧美精品videossex| 99香蕉大伊视频| 久久毛片免费看一区二区三区| 最近手机中文字幕大全| 99香蕉大伊视频| 另类亚洲欧美激情| 欧美人与性动交α欧美软件 | 亚洲成人一二三区av| 色哟哟·www| 美女脱内裤让男人舔精品视频| 国产一级毛片在线| 国产精品免费大片| 黑丝袜美女国产一区| 国产一级毛片在线| 欧美另类一区| 狠狠婷婷综合久久久久久88av| 亚洲国产成人一精品久久久| 国产亚洲最大av| 亚洲欧美一区二区三区黑人 | 大陆偷拍与自拍| 亚洲国产欧美日韩在线播放| 黑人猛操日本美女一级片| 日本免费在线观看一区| 久久久久久久国产电影| 亚洲av电影在线观看一区二区三区| 满18在线观看网站| 国产乱人偷精品视频|