• <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 ?

    基于自適應(yīng)遺傳算法的SVM參數(shù)優(yōu)化

    2016-11-17 08:56:25周新志雷印杰
    關(guān)鍵詞:懲罰遺傳算法準(zhǔn)確率

    孟 滔,周新志,雷印杰

    (四川大學(xué) 電子信息學(xué)院,成都 610065)

    ?

    基于自適應(yīng)遺傳算法的SVM參數(shù)優(yōu)化

    孟 滔,周新志,雷印杰

    (四川大學(xué) 電子信息學(xué)院,成都 610065)

    針對(duì)基于遺傳算法支持向量機(jī)(SVM)訓(xùn)練時(shí)間較長(zhǎng)以及分類精度較網(wǎng)格搜索法有所降低等問(wèn)題,通過(guò)重新定義遺傳算法參數(shù)的尋優(yōu)范圍,提出一種自適應(yīng)遺傳算法;該算法根據(jù)網(wǎng)格搜索法得到遺傳算法參數(shù)的最佳尋優(yōu)范圍,然后遺傳算法在這個(gè)范圍內(nèi)進(jìn)行參數(shù)的精確尋優(yōu),最后得到分類的結(jié)果;這樣不僅可以有效縮短訓(xùn)練時(shí)間,而且擁有更高的分類正確率;通過(guò)UCI中的10組經(jīng)典數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果可知,自適應(yīng)遺傳算法較之網(wǎng)格搜索法、 常規(guī)遺傳算法、粒子群算法在訓(xùn)練時(shí)間上有較大的提升,并且擁有較高的分類準(zhǔn)確率。

    支持向量機(jī);參數(shù)優(yōu)化;遺傳算法;網(wǎng)格搜索法

    0 引言

    支持向量機(jī)(SVM)是Corters和Vapnik等人[1]于1995年提出的一種新的機(jī)器學(xué)習(xí)方法,其根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則,最大程度地提高了其泛化能力[2],在解決小樣本、非線性和高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì),并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問(wèn)題中。但是支持向量機(jī)只是一個(gè)二分類器,實(shí)際應(yīng)用中的問(wèn)題大多數(shù)是多分類問(wèn)題,如何將其推廣到多分類,同時(shí)提高分類準(zhǔn)確度與分類計(jì)算速度一直是機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)。

    SVM進(jìn)行多分類時(shí),主要包括兩個(gè)階段,訓(xùn)練階段即參數(shù)尋優(yōu)階段以及利用分類模型進(jìn)行分類階段。參數(shù)尋優(yōu)主要包括核函數(shù)參數(shù)和分類模型參數(shù)的尋優(yōu),實(shí)際使用中核函數(shù)選用使用最廣泛的徑向基核函數(shù),分類模型常選用C-支持向量分類機(jī)(C-SVC)支持向量機(jī),其中核參數(shù)g和懲罰參數(shù)C是決定徑向基核函數(shù)和C-SVC的關(guān)鍵。g表示樣本映射特征空間的復(fù)雜程度,C是對(duì)錯(cuò)分樣本比例和算法復(fù)雜度的折衷,這兩個(gè)參數(shù)是可以人為調(diào)節(jié)的,取值不同,對(duì)應(yīng)的分類器性質(zhì)以及推廣識(shí)別率也將有很大差別[3]。這兩個(gè)階段中分類階段耗時(shí)很少一般在毫秒級(jí),而參數(shù)尋優(yōu)階段耗費(fèi)的時(shí)間卻遠(yuǎn)遠(yuǎn)大于其分類時(shí)間,一般是分類階段的上萬(wàn)倍以上。故找到最佳核參數(shù)g和懲罰參數(shù)C,是提高分類準(zhǔn)確度有效途徑。而快速找到這組參數(shù)則是提高參數(shù)尋優(yōu)速度的有效途徑。針對(duì)SVM的這兩個(gè)參數(shù),國(guó)內(nèi)外部分學(xué)者從多個(gè)方面提出了解決方法。例如XL Liu等人[4]提出基于網(wǎng)格搜索最佳核參數(shù)g和懲罰參數(shù)C,該方法通過(guò)遍歷網(wǎng)格中所有的點(diǎn)來(lái)尋找最優(yōu)解,由于尋找的點(diǎn)多,故得到的分類準(zhǔn)確率高,但分類的時(shí)間較長(zhǎng)。Chen P W等人[5]提出使用遺傳算法優(yōu)化核參數(shù)g和懲罰參數(shù)C,該方法屬于啟發(fā)式算法,不必遍歷網(wǎng)格內(nèi)所有的參數(shù)點(diǎn),也能找到全局最優(yōu)解。然而在實(shí)際應(yīng)用中,存在SVM模型參數(shù)尋優(yōu)范圍不確定的問(wèn)題,參數(shù)的尋優(yōu)范圍設(shè)置過(guò)大時(shí),訓(xùn)練的時(shí)間過(guò)長(zhǎng),參數(shù)的尋優(yōu)范圍設(shè)置過(guò)小時(shí),分類的準(zhǔn)確率難以得到保證。Eberhart R等人[6]提出使用粒子群算法來(lái)對(duì)這兩個(gè)參數(shù)進(jìn)行尋優(yōu),雖然分類的準(zhǔn)確率較遺傳算法有所提升,但由于復(fù)雜度提升了反而訓(xùn)練時(shí)間比遺傳算法長(zhǎng)。

    本文優(yōu)化了現(xiàn)有遺傳算法對(duì)核參數(shù)g和懲罰參數(shù)C的尋優(yōu)范圍,首先在大范圍中快速找到最佳參數(shù)組的粗值,然后通過(guò)縮小和放大這個(gè)參數(shù)組的粗值,得到遺傳算法參數(shù)的最小尋優(yōu)范圍,這樣不僅可以快速得到最佳的參數(shù)組,而且對(duì)不同的數(shù)據(jù)集不必每次都重新設(shè)定遺傳算法參數(shù)的尋優(yōu)范圍。并且由于通過(guò)網(wǎng)格搜索法得到的是最佳參數(shù)的最小值范圍,所以得到的懲罰參數(shù)C值較小,具有較好的泛化能力。實(shí)驗(yàn)表明該算法比網(wǎng)格搜索法、常規(guī)遺傳算法、粒子群算法具有更好的訓(xùn)練速度,并且分類精度較常規(guī)遺傳算法有所提升。

    1 支持向量機(jī)SVM

    支持向量機(jī)是由尋找線性可分情況下的最優(yōu)分類平面發(fā)展而來(lái)的[7],主要思想是建立一個(gè)分類超平面作為決策面,使得正例和反例之間的隔離邊緣被最大化。其中分類超平面就是求函數(shù):

    (1)

    s.t yi(w·xi+b)≥1,?i=1,2,...,n的最小值。其中w是超平面的法向量,b是超平面的常數(shù)項(xiàng),xi為訓(xùn)練樣本,yi為樣本的類別。

    支持向量機(jī)進(jìn)行多分類時(shí),數(shù)據(jù)集往往是非線性且不可分的,需要在約束條件中引入松弛因子,在目標(biāo)函數(shù)中加入懲罰參數(shù)C以及引入核函數(shù)將樣本映射到一個(gè)新的空間,使其在新的空間里可以實(shí)現(xiàn)線性可分來(lái)解決這一問(wèn)題。其中,懲罰參數(shù)C用于控制模型復(fù)雜度和逼近誤差的折中。若C過(guò)大,就會(huì)引起過(guò)學(xué)習(xí),影響分類器的泛化能力。

    目前實(shí)際工程中廣泛使用的核函數(shù)主要有線性核函數(shù)(Linear),多項(xiàng)式核函數(shù)(Poly),徑向基核函數(shù)(Radial Basis Function,RBF),兩層感知器核函數(shù)(Sigmoid)四類[8]。其中徑向基核函數(shù)是目前應(yīng)用最廣泛的核函數(shù),文中也將采用此核函數(shù)。其形式如下:

    (2)

    其中,g為核函數(shù)中的重要參數(shù),影響著SVM分類算法的復(fù)雜程度。

    2 自適應(yīng)遺傳算法尋優(yōu)方法

    遺傳算法是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法,經(jīng)過(guò)數(shù)代選擇、遺傳、變異,最后得到最適應(yīng)環(huán)境的種群[9]。將遺傳算法引入到SVM參數(shù)尋優(yōu)當(dāng)中,較之傳統(tǒng)的網(wǎng)格搜索法具有更高的分類速度,且當(dāng)參數(shù)的尋優(yōu)范圍設(shè)置恰當(dāng)時(shí),其分類準(zhǔn)確度也比較高。

    2.1 傳統(tǒng)遺傳算法

    傳統(tǒng)的遺傳算法對(duì)參數(shù)的尋優(yōu)范圍往往是基于學(xué)者的自身經(jīng)驗(yàn)進(jìn)行設(shè)定的。收斂速度慢且容易出現(xiàn)種群早熟現(xiàn)象或陷入局部極值點(diǎn),不能保證收斂到全局最優(yōu)解。在最大進(jìn)化代數(shù)和總?cè)簲?shù)相同的情況下,尋優(yōu)的范圍越小得到的結(jié)果越好,且尋優(yōu)的時(shí)間也越短。而當(dāng)尋優(yōu)的范圍足夠小但最佳的參數(shù)不在這個(gè)范圍時(shí),得到的結(jié)果卻不是最佳的。故如何確定這個(gè)范圍是提高遺傳算法尋優(yōu)的關(guān)鍵問(wèn)題。并且針對(duì)不同的數(shù)據(jù)集,尋優(yōu)范圍如果是固定在一個(gè)范圍,得到的結(jié)果不一定是最佳的。故能自適應(yīng)的設(shè)置參數(shù)尋優(yōu)的范圍是解決此問(wèn)題的關(guān)鍵。

    2.2 自適應(yīng)遺傳算法

    通過(guò)網(wǎng)格搜索法對(duì)wine數(shù)據(jù)(來(lái)自UCI)進(jìn)行預(yù)測(cè),可以得到圖1。由圖1可知,懲罰參數(shù)C和核函數(shù)參數(shù)g只有在一定的范圍內(nèi)對(duì)應(yīng)的訓(xùn)練集分類準(zhǔn)確率很高,但是絕大部分的范圍內(nèi),分類準(zhǔn)確率都比較低。如能先定位出比較好的參數(shù)尋優(yōu)區(qū)間,再進(jìn)行精確搜索,就能夠減少不必要的計(jì)算,提高尋優(yōu)的速度。針對(duì)以上問(wèn)題,提出一種自適應(yīng)遺傳算法。首先,網(wǎng)格搜索法在較大范圍內(nèi)采用較大步距進(jìn)行粗搜,選擇使分類準(zhǔn)確率最高的一組C和g。如果參數(shù)選擇過(guò)程中有多組的C和g對(duì)應(yīng)于最高的驗(yàn)證分類準(zhǔn)確率,則選擇能夠達(dá)到最高驗(yàn)證分類準(zhǔn)確率中參數(shù)C最小的這組C和g做為粗搜的基準(zhǔn)值。因?yàn)镃過(guò)大時(shí)會(huì)導(dǎo)致過(guò)學(xué)習(xí)狀態(tài)發(fā)生,即訓(xùn)練集分類準(zhǔn)確率很高而測(cè)試集分類準(zhǔn)確率很低,故選擇C最小的那組參數(shù)做為最佳的選擇對(duì)象,這樣就解決了參數(shù)尋優(yōu)范圍的問(wèn)題。圖2就是利用該方法后同樣通過(guò)網(wǎng)格搜索法得到的結(jié)果,可以看到參數(shù)的尋優(yōu)范圍大大縮小了。

    圖1 網(wǎng)格搜索法尋優(yōu)結(jié)果

    圖2 優(yōu)化后網(wǎng)格搜索法尋優(yōu)結(jié)果

    解決了參數(shù)尋優(yōu)的范圍,但如何保證最佳的參數(shù)在這個(gè)區(qū)間內(nèi)。為此首先來(lái)分析參數(shù)C和徑向基核參數(shù)g在SVM中存在的相互影響關(guān)系[10]。當(dāng)C值過(guò)小時(shí),SVM預(yù)測(cè)精度較低,易出現(xiàn)欠學(xué)習(xí)狀態(tài);隨著C值增大,預(yù)測(cè)精度逐漸提高,但當(dāng)C超過(guò)一定值時(shí)又會(huì)出現(xiàn)過(guò)學(xué)習(xí)狀態(tài);若此時(shí)g值亦隨之增大,則可平衡C值產(chǎn)生的影響。同理g值過(guò)大時(shí),也會(huì)出現(xiàn)過(guò)學(xué)習(xí)或欠學(xué)習(xí)狀態(tài)。因此,參數(shù)C和g共同作用時(shí),理論上存在一個(gè)有效區(qū)域,在該區(qū)域中存在一對(duì)預(yù)測(cè)結(jié)果最佳的參數(shù)組合。通過(guò)上述可知,這組參數(shù)存在著相互制約的關(guān)系,即可以認(rèn)為這組參數(shù)不會(huì)太大,通過(guò)UCI上10組經(jīng)典測(cè)試得到了驗(yàn)證,一般都小于100。為了更加有效的找到這組參數(shù),將C和g參數(shù)的粗尋優(yōu)范圍設(shè)置的足夠大,這樣就保證了最佳參數(shù)在粗尋優(yōu)的區(qū)間內(nèi)。

    2.3 基于自適應(yīng)遺傳算法的SVM參數(shù)優(yōu)化的具體算法實(shí)現(xiàn)

    自適應(yīng)遺傳算法的步驟如下:

    圖3 自適應(yīng)遺傳算法過(guò)程圖

    1) 載入需要進(jìn)行測(cè)試的數(shù)據(jù)集包括數(shù)據(jù)的特征屬性和分類類別;

    2) 隨機(jī)生成指定數(shù)據(jù)集的訓(xùn)練數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù);

    3) 對(duì)訓(xùn)練和預(yù)測(cè)數(shù)據(jù)按照式(3)進(jìn)行歸一化處理。

    (3)

    其中:xmin表示此列特征維中最小值;xmax表示此列特征維中最大值;y表示x被歸一化后結(jié)果。

    4)設(shè)定網(wǎng)格搜索的變量(C,g)的范圍以及搜索的步距。其中C的初始范圍設(shè)置為[2-5,25],g的初始范圍設(shè)置為[2-10,210]。傳統(tǒng)的網(wǎng)格搜索法的步距一般設(shè)置為0.1,而本文方法中采用步距為2,為傳統(tǒng)步距的20倍,大大提升了搜索的時(shí)間。

    5) 利用網(wǎng)格搜索法,初步求出變量(C,g)的值即bestc,bestg。此值作為遺傳算法參數(shù)C和g的基準(zhǔn)值。

    6) 設(shè)定遺傳算法的參量,其中C的范圍設(shè)定為[0.5*bestc,2*bestc],g的范圍設(shè)定為[0.5*bestg,2*bestg]。傳統(tǒng)的遺傳算法C和g的尋優(yōu)范圍都設(shè)定為[0,100]。

    7) 利用遺傳算法求取預(yù)測(cè)數(shù)據(jù)的分類準(zhǔn)確率。

    3 仿真結(jié)果分析

    實(shí)驗(yàn)使用的計(jì)算機(jī)平臺(tái)為windows 7(64位)系統(tǒng),處理器為Core(TM)i5,內(nèi)存為8 GB。使用的軟件仿真平臺(tái)為matlab2010b,采用臺(tái)灣大學(xué)林智仁(Chih-Jen Lin)博士等

    開(kāi)發(fā)設(shè)計(jì)的LIBSVM工具包進(jìn)行測(cè)試。核函數(shù)采用用于最廣泛的徑向基核函數(shù)(Radial Basis Function,RBF)。分別采用網(wǎng)格搜索法,傳統(tǒng)遺傳算法,粒子群算法,自適應(yīng)遺傳算法進(jìn)行對(duì)UCI上典型的10組數(shù)據(jù)(見(jiàn)表1所示)進(jìn)行測(cè)試。測(cè)試結(jié)果見(jiàn)表2和表3所示。

    表1 10組經(jīng)典數(shù)據(jù)集

    從時(shí)間效率方面,從表2可以明顯看出,傳統(tǒng)的網(wǎng)格搜索法耗時(shí)最長(zhǎng),因?yàn)樗潜闅v大范圍的所有點(diǎn)進(jìn)行尋優(yōu),且在該范圍內(nèi)大多數(shù)點(diǎn)都不是最佳的點(diǎn),故其尋優(yōu)時(shí)間最長(zhǎng)。而傳統(tǒng)的遺傳算法由于是固定參數(shù)的搜索范圍,往往范圍過(guò)大,導(dǎo)致故其搜索的時(shí)間也較長(zhǎng)。本文提出的自適應(yīng)遺傳算法耗時(shí)最少,因?yàn)槠鋮?shù)的尋優(yōu)范圍大大縮小了,特別是在數(shù)據(jù)集越加復(fù)雜時(shí),訓(xùn)練的速度更加明顯。

    從分類精度方面,從表3可以看出,網(wǎng)格搜索法在數(shù)據(jù)集較簡(jiǎn)單的情況下得到的分類準(zhǔn)確率往往較高,而當(dāng)數(shù)據(jù)集越加復(fù)雜時(shí)自適應(yīng)遺傳算法的分類準(zhǔn)確率較高,且往往比常規(guī)遺傳算法高,因?yàn)槌R?guī)遺傳算法是基于經(jīng)驗(yàn)設(shè)置的參數(shù)尋優(yōu)范圍,在相同的情況下搜索的不夠精細(xì),往往搜索到的C值過(guò)大,即容易導(dǎo)致過(guò)學(xué)習(xí)狀態(tài)的發(fā)生,而采用本文提出的自適應(yīng)遺傳算法因?yàn)閺木W(wǎng)格搜索法得到的參數(shù)范圍的值較小,可以有效的減小尋優(yōu)得到的參數(shù)C,從而改善這種情況,即對(duì)分類的準(zhǔn)確率有所提升。

    表2 預(yù)測(cè)結(jié)果對(duì)比

    表3 預(yù)測(cè)結(jié)果對(duì)比

    4 結(jié)論

    針對(duì)常規(guī)遺傳算法存在SVM模型參數(shù)搜索范圍不確定,導(dǎo)致參數(shù)搜索時(shí)間過(guò)長(zhǎng),分類準(zhǔn)確率較網(wǎng)格搜索法有所降低等問(wèn)題,基于核參數(shù)g和懲罰參數(shù)C之間的相互關(guān)系,通過(guò)網(wǎng)格搜索法確定最佳參數(shù)的最小尋優(yōu)范圍,有效地幫助常規(guī)遺傳算法避免陷入局部最優(yōu)解,為遺傳算法的參數(shù)范圍設(shè)置,提供了有效的方法,保證了搜索的效率,并改善了基于常規(guī)遺傳算法得到的懲罰參數(shù)C過(guò)大,導(dǎo)致的分類準(zhǔn)確率較低的問(wèn)題。最后通過(guò)網(wǎng)格搜索法、常規(guī)遺傳算法、粒子群算法以及自適應(yīng)遺傳算法對(duì)比實(shí)驗(yàn)。表明該算法具有更快的尋優(yōu)速度,能較好的解決常規(guī)遺傳算法參數(shù)設(shè)置不確定性導(dǎo)致的尋優(yōu)較慢以及分類精度較網(wǎng)格搜索法有所降低等問(wèn)題。

    [1] Cortes C,Vapnic V.Support-vector networks [J].Machine Learning.1995,20(3): 273-297.

    [2] Vapnik V,Levin E,Cun Y L.Measuring The VC-dimension of a learning machines[J]. Neural Computation,1994,6(5):851-876.

    [3] 王 鵬,朱小燕.基于RBF核的SVM的模型選擇及其應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2003,39(24):72-73.

    [4] Liu Xianglou, Jia Dongxu, Li Hui.Research on Kernel parameter optimization of support vector machine in speaker recognition[J]. Science Technology And Engineering,2010, 10(7):1669-1673.

    [5] Chen P W, Wang J Y,Lee H. Model selection of SVMs using GA approach[A].Proc of 2004 IEEE Int Joint Conf on Neural Networks[C].Piscataway,USA,2004:2035-2040.

    [6] Eberhart R,Kenney J. A new optimizer using particle swarm theory[A].Proc of the sixth Internation Symposium on Micro Machine and Human Science[C].Piscataway, USA,1995:39-43.

    [7] Cevikalp H.New clustering algorithms for the support vector machine based hierarchical classification[J].Pattern Recognition Letters, 2010,31:1285.

    [8] 楊志民,劉廣利.不確定性支持向量機(jī)-算法及應(yīng)用[M].北京:科技出版社,2012.

    [9] 朱慶生,程 柯.一種基于累積適應(yīng)度遺傳算法的SVM多分類決策樹(shù)[J].計(jì)算機(jī)應(yīng)用研究,2016,33(1):64-67.

    [10] Keerthiss,Lin C J.Asymptotic behaviors of support vector machines with Gaussian kernel[J].Neural Computation,2003,15(7): 1667-1689.

    A Parameters Optimization Method for an SVM Based on Adaptive Genetic Algorithm

    Meng Tao,Zhou Xinzhi,Lei Yinjie

    (College of Electronics and Information Engineering,Sichuan University,Chengdu 610065,China)

    Aiming at that training needs a long time and classification accuracy worse than grid algorithm which reduced the benefits of support vector machine (SVM) based on genetic algorithm.This paper redefined the optimal range of the parameters of genetic algorithm,and proposed an adaptive genetic algorithm.According to the grid search method to get the best optimization genetic algorithm parameter range, and then the genetic algorithm in this range for accurate optimization of parameters, get the final classification results. It can not only shorten the time effectively, and it has higher classification accuracy.Experimental results on the UCI 10 classical dataset verify that adaptive genetic algorithm is better than the grid search method、traditional genetic algorithm、particle swarm optimization (PSO) algorithm in the aspect of training time,and has higher classification accuracy.

    support vector machine;parameter optimization;genetic algorithm; grid search method

    2016-03-30;

    2016-04-18。

    國(guó)家“973計(jì)劃”資助項(xiàng)目(2013CB328903);國(guó)家自然科學(xué)基金資助項(xiàng)目(61403265)

    孟 滔(1987-),男,四川成都人,碩士研究生,主要從事智能控制方向的研究。

    周新志(1966-),男,四川德陽(yáng)人,教授,碩士研究生導(dǎo)師,主要從事智能控制方向的研究。

    1671-4598(2016)09-0215-03

    10.16526/j.cnki.11-4762/tp.2016.09.060

    TP181

    A

    猜你喜歡
    懲罰遺傳算法準(zhǔn)確率
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    神的懲罰
    小讀者(2020年2期)2020-03-12 10:34:06
    Jokes笑話
    高速公路車牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    懲罰
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    基于遺傳算法和LS-SVM的財(cái)務(wù)危機(jī)預(yù)測(cè)
    成人欧美大片| 精品福利观看| 国产亚洲精品久久久com| 国产欧美日韩一区二区三| 国产精品亚洲一级av第二区| 国产高清三级在线| 午夜精品在线福利| 国产精品爽爽va在线观看网站| 久久精品综合一区二区三区| 少妇人妻一区二区三区视频| 国产精品98久久久久久宅男小说| 久久午夜综合久久蜜桃| 一夜夜www| 嫩草影视91久久| 国产伦一二天堂av在线观看| 狂野欧美激情性xxxx| 十八禁人妻一区二区| 九九热线精品视视频播放| 中文字幕人成人乱码亚洲影| 小说图片视频综合网站| 人妻丰满熟妇av一区二区三区| 女警被强在线播放| 亚洲欧美一区二区三区黑人| 中文字幕人成人乱码亚洲影| 亚洲电影在线观看av| 小蜜桃在线观看免费完整版高清| www国产在线视频色| 性色avwww在线观看| 色综合站精品国产| av国产免费在线观看| 久久国产精品影院| 91九色精品人成在线观看| 国产高清videossex| 热99re8久久精品国产| 欧美黑人巨大hd| 中文字幕人妻丝袜一区二区| 亚洲国产看品久久| 国产视频一区二区在线看| 人人妻人人看人人澡| 色尼玛亚洲综合影院| 欧美日韩一级在线毛片| 91在线精品国自产拍蜜月 | 中文资源天堂在线| 一本精品99久久精品77| xxxwww97欧美| 男人和女人高潮做爰伦理| 51午夜福利影视在线观看| 中文字幕人妻丝袜一区二区| 亚洲九九香蕉| 一个人免费在线观看的高清视频| 久久天堂一区二区三区四区| 男人舔奶头视频| 国产极品精品免费视频能看的| 久久久久国产精品人妻aⅴ院| 国产av麻豆久久久久久久| svipshipincom国产片| 久久这里只有精品19| 免费看十八禁软件| 亚洲国产欧美人成| 日韩欧美一区二区三区在线观看| av在线蜜桃| 手机成人av网站| 日韩欧美在线乱码| 久久热在线av| svipshipincom国产片| 亚洲av电影不卡..在线观看| 国产v大片淫在线免费观看| 国内精品久久久久久久电影| 午夜免费激情av| 久久天躁狠狠躁夜夜2o2o| 亚洲欧美一区二区三区黑人| 淫秽高清视频在线观看| 久久久水蜜桃国产精品网| 欧美午夜高清在线| www日本黄色视频网| 女人高潮潮喷娇喘18禁视频| 老熟妇仑乱视频hdxx| 在线观看免费视频日本深夜| 国产精品一区二区精品视频观看| 日日摸夜夜添夜夜添小说| 91老司机精品| 精品久久久久久久久久免费视频| 成人18禁在线播放| 精品久久久久久成人av| 99热6这里只有精品| 免费人成视频x8x8入口观看| 久久中文看片网| 熟女电影av网| 欧美激情久久久久久爽电影| 亚洲欧美日韩东京热| 亚洲国产日韩欧美精品在线观看 | 精品午夜福利视频在线观看一区| 国产麻豆成人av免费视频| 国产淫片久久久久久久久 | 级片在线观看| www.熟女人妻精品国产| 最近最新中文字幕大全电影3| 国产综合懂色| 伦理电影免费视频| 国产综合懂色| 99re在线观看精品视频| 亚洲精品在线观看二区| 三级国产精品欧美在线观看 | 极品教师在线免费播放| 久久久国产精品麻豆| 欧美一区二区国产精品久久精品| 一个人免费在线观看的高清视频| 久久久水蜜桃国产精品网| 九色成人免费人妻av| 欧美黑人欧美精品刺激| 男女床上黄色一级片免费看| 亚洲熟妇中文字幕五十中出| 国产精品一及| 美女黄网站色视频| 18禁国产床啪视频网站| 一进一出好大好爽视频| 国产伦精品一区二区三区视频9 | 9191精品国产免费久久| 日韩欧美在线乱码| 黑人操中国人逼视频| 国产亚洲精品综合一区在线观看| 久久久久久久久中文| 日日摸夜夜添夜夜添小说| 韩国av一区二区三区四区| 国产熟女xx| 欧美绝顶高潮抽搐喷水| 免费看光身美女| 成年版毛片免费区| 又紧又爽又黄一区二区| 国产精品1区2区在线观看.| 婷婷精品国产亚洲av| 免费av不卡在线播放| 亚洲av五月六月丁香网| 激情在线观看视频在线高清| 国产精品99久久久久久久久| 国产免费男女视频| 激情在线观看视频在线高清| 亚洲午夜精品一区,二区,三区| 欧美不卡视频在线免费观看| 黄色成人免费大全| 成人特级黄色片久久久久久久| 日本黄大片高清| 国产爱豆传媒在线观看| 人人妻,人人澡人人爽秒播| 日本五十路高清| 亚洲成人中文字幕在线播放| 草草在线视频免费看| 欧美黄色片欧美黄色片| 国产av不卡久久| 久久久国产精品麻豆| 国产一区二区在线av高清观看| 久久久久久久午夜电影| 日韩欧美免费精品| 亚洲国产精品成人综合色| 母亲3免费完整高清在线观看| 这个男人来自地球电影免费观看| 欧美色视频一区免费| 非洲黑人性xxxx精品又粗又长| 黄色片一级片一级黄色片| 美女高潮的动态| 亚洲精品456在线播放app | 欧洲精品卡2卡3卡4卡5卡区| 男女那种视频在线观看| 少妇的逼水好多| 在线十欧美十亚洲十日本专区| 亚洲欧美精品综合一区二区三区| 三级国产精品欧美在线观看 | 国产美女午夜福利| 亚洲一区高清亚洲精品| 法律面前人人平等表现在哪些方面| 黄色丝袜av网址大全| 九色国产91popny在线| 亚洲人成网站高清观看| 一级毛片女人18水好多| 99热精品在线国产| netflix在线观看网站| 欧美乱色亚洲激情| 国产黄片美女视频| 黄色 视频免费看| 国产三级中文精品| 成年版毛片免费区| 亚洲午夜精品一区,二区,三区| 亚洲午夜精品一区,二区,三区| 免费看十八禁软件| 久久99热这里只有精品18| 一区福利在线观看| 国产精品av视频在线免费观看| 美女黄网站色视频| 免费看美女性在线毛片视频| а√天堂www在线а√下载| 欧美黑人巨大hd| www.www免费av| 欧洲精品卡2卡3卡4卡5卡区| 国产成+人综合+亚洲专区| 欧美又色又爽又黄视频| 无遮挡黄片免费观看| 国产蜜桃级精品一区二区三区| 中文字幕人妻丝袜一区二区| 淫秽高清视频在线观看| 亚洲七黄色美女视频| a在线观看视频网站| 操出白浆在线播放| www国产在线视频色| av黄色大香蕉| 亚洲中文日韩欧美视频| 国产精品乱码一区二三区的特点| 又紧又爽又黄一区二区| 亚洲专区中文字幕在线| 97人妻精品一区二区三区麻豆| 99久久精品热视频| 天天添夜夜摸| 夜夜爽天天搞| 国产成人一区二区三区免费视频网站| 亚洲一区高清亚洲精品| 日韩欧美国产在线观看| 免费一级毛片在线播放高清视频| 久久久久免费精品人妻一区二区| 国产精品一区二区三区四区免费观看 | 日本三级黄在线观看| 精品国产乱子伦一区二区三区| netflix在线观看网站| 国语自产精品视频在线第100页| 日本黄大片高清| 午夜影院日韩av| 丰满的人妻完整版| 亚洲国产欧美人成| а√天堂www在线а√下载| 久久久久九九精品影院| 精品一区二区三区四区五区乱码| 中出人妻视频一区二区| 国产aⅴ精品一区二区三区波| 成人精品一区二区免费| 欧美日韩瑟瑟在线播放| 日韩中文字幕欧美一区二区| 日韩人妻高清精品专区| 无遮挡黄片免费观看| 国产欧美日韩一区二区三| 亚洲国产欧美人成| 欧美成人性av电影在线观看| 桃红色精品国产亚洲av| 久久这里只有精品19| 校园春色视频在线观看| 久久久精品大字幕| 国产午夜精品论理片| 一级黄色大片毛片| 国产爱豆传媒在线观看| 97人妻精品一区二区三区麻豆| 香蕉av资源在线| 欧美性猛交黑人性爽| 91久久精品国产一区二区成人 | 男人舔女人下体高潮全视频| 国产真人三级小视频在线观看| 国产私拍福利视频在线观看| 国产亚洲欧美在线一区二区| 69av精品久久久久久| 最近在线观看免费完整版| 久久精品国产99精品国产亚洲性色| 国产伦一二天堂av在线观看| 国产午夜福利久久久久久| 999久久久精品免费观看国产| av中文乱码字幕在线| 色综合亚洲欧美另类图片| 免费看美女性在线毛片视频| 欧美成人一区二区免费高清观看 | 国产视频一区二区在线看| 神马国产精品三级电影在线观看| 婷婷六月久久综合丁香| 亚洲精品粉嫩美女一区| 亚洲av熟女| 亚洲人与动物交配视频| 国产久久久一区二区三区| 天堂av国产一区二区熟女人妻| 又黄又爽又免费观看的视频| 大型黄色视频在线免费观看| av欧美777| 99在线人妻在线中文字幕| 国产成人精品无人区| 成人av在线播放网站| 校园春色视频在线观看| 日日摸夜夜添夜夜添小说| 欧美不卡视频在线免费观看| 老熟妇仑乱视频hdxx| 国产一区在线观看成人免费| 亚洲精品美女久久久久99蜜臀| 亚洲九九香蕉| 久久九九热精品免费| 国产淫片久久久久久久久 | 欧美高清成人免费视频www| av福利片在线观看| 国产男靠女视频免费网站| 丰满人妻一区二区三区视频av | av在线蜜桃| 国产一区二区在线观看日韩 | 免费在线观看日本一区| 国产爱豆传媒在线观看| 精品国产乱码久久久久久男人| 俺也久久电影网| 老司机午夜福利在线观看视频| 男人舔女人下体高潮全视频| 久久精品影院6| 欧美黑人巨大hd| 亚洲成a人片在线一区二区| 日本一本二区三区精品| 搡老熟女国产l中国老女人| 欧美三级亚洲精品| 99re在线观看精品视频| 午夜福利免费观看在线| 桃红色精品国产亚洲av| 亚洲欧美精品综合久久99| 成人欧美大片| 变态另类成人亚洲欧美熟女| 免费看a级黄色片| 亚洲精品美女久久av网站| 欧美xxxx黑人xx丫x性爽| 日本黄色片子视频| 亚洲 欧美一区二区三区| 变态另类成人亚洲欧美熟女| 日韩欧美精品v在线| 成年女人永久免费观看视频| 老汉色av国产亚洲站长工具| 天天躁日日操中文字幕| 国产成人aa在线观看| 国产 一区 欧美 日韩| 国产精品一区二区三区四区免费观看 | 麻豆久久精品国产亚洲av| 婷婷六月久久综合丁香| 少妇裸体淫交视频免费看高清| 操出白浆在线播放| 真实男女啪啪啪动态图| 岛国在线观看网站| 男人舔女人下体高潮全视频| 两个人视频免费观看高清| 99久久精品国产亚洲精品| 精品国产乱子伦一区二区三区| 国产亚洲av高清不卡| 精华霜和精华液先用哪个| 噜噜噜噜噜久久久久久91| 1024手机看黄色片| 观看免费一级毛片| 欧美不卡视频在线免费观看| 午夜福利18| 国产精品日韩av在线免费观看| 亚洲人成电影免费在线| 天堂影院成人在线观看| 国产黄片美女视频| 天天躁狠狠躁夜夜躁狠狠躁| or卡值多少钱| bbb黄色大片| 在线国产一区二区在线| 三级国产精品欧美在线观看 | 亚洲精品456在线播放app | 亚洲av成人精品一区久久| 三级男女做爰猛烈吃奶摸视频| 中文字幕人成人乱码亚洲影| 最近视频中文字幕2019在线8| 麻豆国产av国片精品| 久久热在线av| 99视频精品全部免费 在线 | 无人区码免费观看不卡| 脱女人内裤的视频| 欧美一区二区精品小视频在线| 丰满的人妻完整版| 免费搜索国产男女视频| www国产在线视频色| 国产伦一二天堂av在线观看| 日本五十路高清| 天天添夜夜摸| 精品无人区乱码1区二区| 国产高清三级在线| 一区二区三区激情视频| 国产免费av片在线观看野外av| 99久久无色码亚洲精品果冻| 免费看日本二区| 欧美绝顶高潮抽搐喷水| 日韩欧美精品v在线| 51午夜福利影视在线观看| 久久精品国产99精品国产亚洲性色| 9191精品国产免费久久| 国产野战对白在线观看| 国模一区二区三区四区视频 | 九九久久精品国产亚洲av麻豆 | 亚洲欧美精品综合久久99| 亚洲午夜精品一区,二区,三区| 亚洲av免费在线观看| 欧美另类亚洲清纯唯美| 此物有八面人人有两片| 日韩av在线大香蕉| 香蕉久久夜色| 国产一区二区激情短视频| 国产 一区 欧美 日韩| 成人国产一区最新在线观看| 他把我摸到了高潮在线观看| 国产亚洲精品久久久com| 色综合婷婷激情| 国产三级中文精品| 亚洲av熟女| 丁香六月欧美| 久久精品aⅴ一区二区三区四区| 国产精品美女特级片免费视频播放器 | av天堂在线播放| 18禁裸乳无遮挡免费网站照片| 人人妻人人看人人澡| 亚洲,欧美精品.| 婷婷丁香在线五月| 人妻夜夜爽99麻豆av| 俄罗斯特黄特色一大片| 国产高清三级在线| 欧美日本亚洲视频在线播放| 日本 欧美在线| 国产激情欧美一区二区| 国产又色又爽无遮挡免费看| 亚洲精品久久国产高清桃花| 亚洲欧美日韩高清在线视频| 少妇人妻一区二区三区视频| 午夜福利在线观看吧| 一区二区三区国产精品乱码| 无遮挡黄片免费观看| 久久人人精品亚洲av| 亚洲一区二区三区色噜噜| 国产精品久久久久久人妻精品电影| 麻豆一二三区av精品| 热99在线观看视频| 午夜激情欧美在线| 久久国产精品影院| 黄色视频,在线免费观看| 99热精品在线国产| 97人妻精品一区二区三区麻豆| 99在线视频只有这里精品首页| 又黄又爽又免费观看的视频| 舔av片在线| 国产精品一区二区免费欧美| 人人妻,人人澡人人爽秒播| 国产精华一区二区三区| 搞女人的毛片| 亚洲精品粉嫩美女一区| 国产精品久久电影中文字幕| 欧美色欧美亚洲另类二区| 丰满人妻熟妇乱又伦精品不卡| ponron亚洲| 老鸭窝网址在线观看| 国产激情偷乱视频一区二区| 国产免费av片在线观看野外av| 黄色片一级片一级黄色片| 婷婷亚洲欧美| 男人舔女人下体高潮全视频| 1024手机看黄色片| 网址你懂的国产日韩在线| 90打野战视频偷拍视频| 午夜久久久久精精品| 国产一区二区在线观看日韩 | 美女黄网站色视频| 国产v大片淫在线免费观看| 悠悠久久av| 男女视频在线观看网站免费| 国产亚洲精品av在线| 波多野结衣高清作品| 久久久久国产一级毛片高清牌| 两个人的视频大全免费| 欧美激情在线99| 亚洲国产欧美网| 97超视频在线观看视频| 久久久久国产一级毛片高清牌| 成人av一区二区三区在线看| 日韩av在线大香蕉| 韩国av一区二区三区四区| 亚洲av成人av| 国产精品久久电影中文字幕| 成人国产一区最新在线观看| www.www免费av| 成人国产综合亚洲| 最近视频中文字幕2019在线8| 两个人看的免费小视频| 男女下面进入的视频免费午夜| 夜夜夜夜夜久久久久| 12—13女人毛片做爰片一| 男女视频在线观看网站免费| 亚洲自偷自拍图片 自拍| 国产精品日韩av在线免费观看| 天堂影院成人在线观看| 色噜噜av男人的天堂激情| 夜夜夜夜夜久久久久| 日本黄大片高清| 国模一区二区三区四区视频 | 天堂√8在线中文| 成人18禁在线播放| 99国产极品粉嫩在线观看| 欧美成狂野欧美在线观看| 国产精品98久久久久久宅男小说| 一个人免费在线观看的高清视频| 啦啦啦观看免费观看视频高清| 香蕉av资源在线| 亚洲av电影不卡..在线观看| 亚洲精品在线观看二区| tocl精华| 好男人在线观看高清免费视频| 久久久久国产一级毛片高清牌| 我的老师免费观看完整版| 午夜福利在线观看吧| 国产精品99久久久久久久久| 亚洲18禁久久av| 午夜久久久久精精品| 亚洲精品一区av在线观看| 一级作爱视频免费观看| 国产亚洲av高清不卡| 日本a在线网址| 亚洲无线观看免费| 综合色av麻豆| 国产av麻豆久久久久久久| 宅男免费午夜| 亚洲avbb在线观看| 丁香欧美五月| e午夜精品久久久久久久| 国产爱豆传媒在线观看| 香蕉国产在线看| 亚洲av电影不卡..在线观看| 国产99白浆流出| 最近最新免费中文字幕在线| 国内精品久久久久精免费| 国产又色又爽无遮挡免费看| 久久草成人影院| 波多野结衣高清无吗| 国产成人av教育| 每晚都被弄得嗷嗷叫到高潮| 国产亚洲精品久久久com| 麻豆成人av在线观看| 老鸭窝网址在线观看| 少妇熟女aⅴ在线视频| 露出奶头的视频| 欧美最黄视频在线播放免费| 国产欧美日韩一区二区三| 成人18禁在线播放| 97碰自拍视频| 亚洲av第一区精品v没综合| 91在线观看av| 哪里可以看免费的av片| 真实男女啪啪啪动态图| 黄色女人牲交| 成人18禁在线播放| 国产伦精品一区二区三区视频9 | 免费大片18禁| 中文资源天堂在线| 俄罗斯特黄特色一大片| 国产亚洲精品综合一区在线观看| 国产成年人精品一区二区| 国产高清videossex| 国产精品av视频在线免费观看| 色尼玛亚洲综合影院| 国产成人系列免费观看| 麻豆国产av国片精品| 日韩欧美 国产精品| 禁无遮挡网站| 亚洲熟女毛片儿| av女优亚洲男人天堂 | 免费观看的影片在线观看| 国产亚洲精品久久久久久毛片| 天天添夜夜摸| 亚洲成av人片在线播放无| 99国产综合亚洲精品| 国产伦一二天堂av在线观看| 极品教师在线免费播放| 久久精品国产综合久久久| 极品教师在线免费播放| 国产午夜精品论理片| 最近最新中文字幕大全免费视频| 韩国av一区二区三区四区| 久久久久久久午夜电影| 免费观看精品视频网站| 国产成人福利小说| 国产欧美日韩精品一区二区| a级毛片a级免费在线| 一本综合久久免费| 一个人免费在线观看电影 | 噜噜噜噜噜久久久久久91| 熟妇人妻久久中文字幕3abv| 精品免费久久久久久久清纯| 手机成人av网站| 麻豆av在线久日| 国产亚洲av高清不卡| 久久久久九九精品影院| 亚洲精品在线美女| 操出白浆在线播放| 国产男靠女视频免费网站| 国产视频内射| 欧美av亚洲av综合av国产av| 久久精品国产99精品国产亚洲性色| 啦啦啦免费观看视频1| 国内久久婷婷六月综合欲色啪| 久久精品aⅴ一区二区三区四区| 日本一本二区三区精品| 一个人免费在线观看的高清视频| 又黄又爽又免费观看的视频| 高清毛片免费观看视频网站| 国产乱人视频| 国产麻豆成人av免费视频| 日本黄大片高清| 免费观看的影片在线观看| 国产极品精品免费视频能看的| 这个男人来自地球电影免费观看| 国产精品亚洲一级av第二区| 精品熟女少妇八av免费久了| 嫩草影视91久久| 性欧美人与动物交配| 亚洲成人中文字幕在线播放| 亚洲国产中文字幕在线视频| 香蕉av资源在线| 啦啦啦韩国在线观看视频| 国产精品日韩av在线免费观看| 一级毛片高清免费大全| 中文字幕熟女人妻在线| 特级一级黄色大片| 亚洲精华国产精华精| 国产亚洲精品久久久久久毛片| 亚洲五月婷婷丁香| 久久久久久人人人人人| 日本黄色片子视频|