• <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 ?

    支持向量機在水資源質量分類評價中的應用

    2016-12-12 10:15:16孫文兵
    邵陽學院學報(自然科學版) 2016年2期
    關鍵詞:控制參數(shù)適應度網格

    孫文兵

    (邵陽學院 理學與信息科學系,湖南 邵陽,422000)

    ?

    支持向量機在水資源質量分類評價中的應用

    孫文兵

    (邵陽學院 理學與信息科學系,湖南 邵陽,422000)

    建立了一種支持向量機(SVM)的水資源質量分類評價模型,采用“一對一”的多類別分類算法,核函數(shù)取徑向基函數(shù),分別用網格搜索法、遺傳算法和粒子群算法對SVM模型的控制參數(shù)進行尋優(yōu).農村水質分類評價實驗表明:網格搜索方法能得到較高的分類準確率而且泛化能力較強,計算時間短等優(yōu)點,該模型的實際應用可以推廣.

    支持向量機;水質分類評價;網格搜索; 參數(shù)尋優(yōu)

    隨著經濟快速發(fā)展,水資源污染嚴重威脅到人們的生產和生活,對水資源進行正確的分類評價成為評估水質污染程度的一項重要工作.常見的評價方法有綜合評價法、灰色聚類法、經濟分析法、神經網絡法等[1-3].每種方法有各自特點和不足,傳統(tǒng)方法雖然能反映水質的部分情況但難以描述評價因子與水質等級之間的復雜的非線性關系,通用性較差;神經網絡有較強的處理非線性關系的能力,但是存在一些先天的缺陷,比如,網絡結構難以確定,泛化能力差.

    支持向量機(Support Vector Machine,SVM)是基于統(tǒng)計學理論,以結構風險最小化原理為基礎的一種新型機器學習方法.SVM方法廣泛應用于統(tǒng)計分類、回歸預測等[4-5]問題,可以較好逼近非線性復雜系統(tǒng),能夠有效解決過學習、維數(shù)災難以及局部最小等問題,具有良好的泛化能力和分類性能.本文根據測試水樣物質成分的含量,嘗試利用SVM方法構建水質分類模型,對農村地表水進行分類評價.

    1 支持向量機分類原理

    SVM是針對模式識別中的線性可分和線性不可分兩類問題構造最優(yōu)超平面,實現(xiàn)分類求解.對于線性不可分的樣本,引入某種特定的非線性映射方法把樣本映射到一個高維特征空間轉化為線性可分問題.最優(yōu)分類超平面正是通過這樣一個高維特征空間構造出來,從而實現(xiàn)分類.

    假設訓練樣本{xi,yi},i=1,2,…,l,xi∈Rm;yi∈{+1,-1},其中m為輸入維數(shù),即評價因子,l為樣本數(shù)目、k為輸出,即評價級別.

    (1)

    其中ξi,i=1,2,···,l,C為懲罰因子,控制對錯分樣本的懲罰程度.在線性可分的情況下可取ξi=1,C=0.

    根據Lagrange函數(shù),得到原優(yōu)化問題的wolf對偶問題:

    (2)

    求解對偶問題得到最優(yōu)的α,最優(yōu)超平面僅依賴于不為零的α對應的訓練樣本,稱之為支持向量,進一步得到分類函數(shù):

    (3)

    得到分類函數(shù)為:

    (5)

    根據不同的核函數(shù)可以得到不同的SVM,由于徑向基核函數(shù)在支持向量機水質分類模型中有一定的優(yōu)勢[6],本文采用徑向基核函數(shù):

    K(x,xi)=exp(-γ‖x-xi‖2),γ>0為核參數(shù).

    2 支持向量機水資源質量分類預測模型

    2.1 控制參數(shù)尋優(yōu)

    懲罰因子C和核參數(shù)γ是兩個控制參數(shù),而這兩個控制參數(shù)是影響 SVM 性能的關鍵因素[8].因此,核函數(shù)參數(shù)和懲罰因子C 的選擇對 SVM 的性能至關重要,只有選擇合適的控制參數(shù),SVM 的優(yōu)越性才能更好地發(fā)揮出來.因此,本文分別利用網格搜索法、遺傳算法(GA)和粒子群算法(PSO)對 SVM 模型的參數(shù)進行尋優(yōu)選擇.

    2.2 SVM分類預測步驟

    第一步 選定包含所有類別特征參數(shù)的訓練樣本集和測試樣本集;

    第二步 選取合適的核函數(shù)K(xi,xj),用參數(shù)尋優(yōu)方法確定最佳參數(shù)C,γ,訓練SVM分類器;

    第三步 待檢驗樣本輸入訓練好的SVM分類器,得到分類函數(shù)的輸出值,對測試集進行預測驗證.

    3 SVM分類模型在農村水資源評價中的應用實例

    3.1 水質標準和評價指標的選取

    采用《國家地表水環(huán)境質量標準》(GB3838-2002)作為水質評價的標準,水質評價參數(shù)指標有很多,本文選擇對水體質量影響較大的5項指標:溶解氧、化學需氧量、高猛酸鹽指數(shù)、總磷和總氮,根據各種參數(shù)指標將水質分成五個等級,見表1.

    表1 地表水環(huán)境質量標準Table 1 Standards of surface water environmental quality

    3.2 數(shù)據采集以及標準化

    本文以邵陽市某農村生活生產用水的調查數(shù)據為例,主要檢測以上五項參數(shù)指標值,選取池塘、水庫、居民自建水井等10處樣本進行檢測,數(shù)據見表2,用SVM分類算法對10件樣品進行分類評價.訓練數(shù)據根據地表水環(huán)境質量標準數(shù)據(表1)采用等隔均勻內插方式生成,分類級別輸出,取0~1.5,1.5~2.5,2.5~3.5,3.5~4.5,4.5~5分別對應水質評價的1,2,3,4,5級,總共生成250個訓練樣本.取1-200號樣本訓練SVM模型,201-250號樣本作為測試數(shù)據,檢驗SVM分類的準確性,最后用訓練好的SVM分類算法對10件采集的樣本進行分類預測.

    由于數(shù)據綱量的差異,為了提高訓練速度和預測精度,對250組訓練測試數(shù)據和10組采樣數(shù)據分別用如下公式進行歸一化處理,使得歸一化后的數(shù)據分布在[0,1]之間.

    (6)

    3.3 三種參數(shù)優(yōu)化模型的分類評價結果及分析

    3.3.1 模型參數(shù)尋優(yōu)

    SVM分類參數(shù)尋優(yōu),目前并沒有統(tǒng)一的模式,本文根據前人的研究經驗嘗試利用網格搜索法、遺傳算法和粒子群算法對SVM模型的參數(shù)進行優(yōu)選.

    (1)網格搜索(Grid Search),先采用K-CV(取K=3)方法在一個大范圍內粗略尋找較優(yōu)的參數(shù)結果為c=0.143587 Best g=36.7583(g即為參數(shù)γ),再通過觀察粗略尋優(yōu)結果在參數(shù)附近較小范圍內再次精細尋優(yōu),結果為Best c=1.41421 Best g=5.65685.利用Libsvm-mat-2.89軟件包的函數(shù)SVMcgForClass實現(xiàn)這一過程,精細尋優(yōu)結果見圖1,測試集的分類準確率為98%(49/50),對真實數(shù)據的預測結果見表2.

    SVC參數(shù)選擇結果圖(3D視圖)[GridSearchMethod]

    Best c=1.4142 g=5.6569 CVAccuracy=98.5%

    圖1 網格搜索參數(shù)精細尋優(yōu)結果圖Fig.1 Fine optimization results of grid search parameters

    (2) 遺傳算法(GA)尋優(yōu),GA是一種基于生物遺傳和進化機制的自適應概率優(yōu)化技術,本文將訓練集在CV(交叉驗證)意義下的準確率作為遺傳算法的適應度函數(shù),利用Libsvm-mat -2.89軟件包的函數(shù)gaSVMcgForClass來實現(xiàn)這一過程,遺傳算法中的參數(shù)設置采用函數(shù)gaSVMcgForClass的默認參數(shù)便可,得到最佳參數(shù)為Best c=75.2239 Best g=90.3403,適應度曲線隨進化代數(shù)的變化關系如圖2,測試集的分類準確率為98%(49/50),對真實數(shù)據的預測結果見表2.

    適應度曲線Accuracy[GAmethod]

    (終止代數(shù)=200,種群數(shù)量pop=20)

    Best c=75.2239 g=90.3403 CVAccuracy=99%

    圖2 GA尋優(yōu)的適應度曲線Fig.2 Fitness curve of GA optimization

    (3)粒子群算法(PSO)尋優(yōu),PSO是一種基于群體智能的優(yōu)化算法,粒子通過搜索空間中每一個可能解,以更新自己,并對模型推廣能力的估計值作出評價,使得泛化誤差最小化,對訓練集進行CV意義下的準確率作為PSO的適應度函數(shù).利用Libsvm-mat -2.89軟件包的函數(shù)psoSVMcgForClass來實現(xiàn)這一參數(shù)尋優(yōu)過程,粒子群算法中的參數(shù)設置采用函數(shù)psoSVMcgForClass的默認參數(shù),得到最佳參數(shù)為c=5.50832 Best g=1000,適應度曲線隨進化代數(shù)的變化關系如圖3,測試集的分類準確率為98%(49/50),對真實數(shù)據的預測結果見表2.

    適應度曲線Accuracy[PSOmethod]

    (參數(shù)c1=1.5,c2=1.7,終止代數(shù)=200,種群數(shù)量pop=20)

    Best c=5.5083 g=1000 CVAccuracy=99%

    圖3 PSO尋優(yōu)的適應度曲線Fig.3 Fitness curve of PSO optimization

    3.3.2 分類結果以及模型評價

    利用三種參數(shù)尋優(yōu)方法尋找最佳控制參數(shù),并用所得的SVM分類模型對10個樣本數(shù)據進行分類預測,結果如表2.

    表2 農村水質評價指標實測值以及分類結果Table 2 The classification results and measured values of rural water quality evaluation index

    從試驗結果可以看出,三種方法對SVM分類模型控制參數(shù)尋優(yōu)得到驗證集的分類準確率很高均為98%,50個驗證樣本中只有一個分類出現(xiàn)失誤,其余49個分類正確,然而兩個控制參數(shù)中的懲罰因子C的值一般不宜過大,因為C值過大會導致過學習狀態(tài)發(fā)生,即 C 越大,訓練樣本數(shù)據的擬合程度越高,但泛化能力反而降低.三種尋優(yōu)方法中網格搜索法和粒子群算法找到的C值較小,網格搜索法得到的C值僅為1.41421,而且網格搜索法計算時間最短,粒子群方法計算時間最長.因此,SVM分類模型對農村水質分類預測采用網格搜索方法對參數(shù)尋優(yōu)結果是最理想的.

    4 結語

    本文采用SVM多分類算法對農村地表水質量分級進行預測評價,在只能獲得水質物質含量的前提下可以比較客觀準確的對水質進行分類評價.利用三種方法對SVM模型的控制參數(shù)進行尋優(yōu)比較,發(fā)現(xiàn)網格搜索法能得到較高的分類準確率高而且泛化能力較強,計算時間短等優(yōu)點,實際應用中可以推廣.

    [1]王高駿,王曉昌,劉言正,等.基于熵權-集對分析的多級生態(tài)塘功效綜合評價[J].環(huán)境 工程學報,2016,10(4):2093-2098.

    [2]王學超,劉海瀅.基于矢量量化神經網絡模型的水環(huán)境質量評價研究[J].水利發(fā)展研究,2015,10:21-24.

    [3]譚洪濤,黃 勝,朱琳.基于灰色聚類法的安昌江綿陽段水環(huán)境質量評價[J].西南科技大 學學報,2014,29(3):33-39.

    [4]武雪玲,沈少青,牛瑞卿.GIS支持下應用PSO-SVM 模型預測滑坡易發(fā)性[J].武漢大學學報(信息科學版).2016,41(5):665-671.

    [5]李小琳,孫 玥,劉 洋. 基于SVM修正的模糊時間序列模型在滬指預測中的應用[J]. 中國科學技術大學學報,2016,46( 3) :238-246.

    [6]劉坤,劉賢趙,孫 瑾,等.基于支持向量機的水環(huán)境質量綜合評價[J].中國環(huán)境監(jiān)測,2007,23(3):81-84.

    [7]MATLAB中文論壇編著.MATLAB神經網絡30個案例分析[M].北京:北京航空航天大學出版社.2010.

    [8]Vapnik V N.統(tǒng)計學習理論的本質[M].北京:清華大學出版社,2000.

    Application of support vector machine in classification and evaluation of water resources quality

    SUN Wenbing

    (Department of Science and Information Science ,Shaoyang University,Shaoyang 422000,China)

    A water quality classification and evaluation model based on support vector machine (SVM) was established.Multi class classification algorithm was designed by using "one against one" method and taking radial basis function (RBF) as kernel function.Grid search method,genetic algorithm(GA) and particle swarm optimization (PSO)algorithm were used to optimize the control parameters of SVM.The rural water quality classification evaluation experiment show that Grid search method can achieve higher classification accuracy and better generalization ability,and the computation time is shortest.The practical application of the SVM model can be popularized.

    support vector machine (SVM); classification and evaluation of water quality; grid search; parameter optimization

    1672-7010(2016)02-0011-05

    2015-12-09

    邵陽市科技計劃項目(2015NC43)

    孫文兵(1978-),男,湖南隆回人,碩士,講師,從事智能算法及應用研究

    O234;X824

    A

    猜你喜歡
    控制參數(shù)適應度網格
    用全等三角形破解網格題
    改進的自適應復制、交叉和突變遺傳算法
    計算機仿真(2022年8期)2022-09-28 09:53:02
    高超聲速飛行器滑??刂茀?shù)整定方法設計*
    飛控與探測(2022年6期)2022-03-20 02:16:14
    Birkhoff系統(tǒng)穩(wěn)定性的動力學控制1)
    力學學報(2020年4期)2020-08-11 02:32:12
    反射的橢圓隨機偏微分方程的網格逼近
    重疊網格裝配中的一種改進ADT搜索方法
    基于PI與準PR調節(jié)的并網逆變器控制參數(shù)設計
    黑龍江電力(2017年1期)2017-05-17 04:25:08
    基于曲面展開的自由曲面網格劃分
    基于空調導風板成型工藝的Kriging模型適應度研究
    中國塑料(2016年11期)2016-04-16 05:26:02
    少數(shù)民族大學生文化適應度調查
    成人国语在线视频| 制服人妻中文乱码| 欧美人与性动交α欧美软件| 熟妇人妻不卡中文字幕| 看免费成人av毛片| 国产极品天堂在线| xxx大片免费视频| 9191精品国产免费久久| 18禁观看日本| 精品少妇黑人巨大在线播放| 亚洲熟女精品中文字幕| 免费观看性生交大片5| 欧美成人午夜精品| 尾随美女入室| 亚洲美女黄色视频免费看| 狂野欧美激情性xxxx| 免费观看性生交大片5| 麻豆乱淫一区二区| 午夜免费观看性视频| 叶爱在线成人免费视频播放| 国产精品亚洲av一区麻豆 | 欧美黑人欧美精品刺激| 午夜日本视频在线| xxx大片免费视频| 丝袜美足系列| 新久久久久国产一级毛片| 亚洲第一青青草原| 午夜av观看不卡| 亚洲国产精品一区三区| 另类精品久久| 啦啦啦 在线观看视频| 91国产中文字幕| 久久午夜综合久久蜜桃| 黄色视频在线播放观看不卡| avwww免费| 久久99一区二区三区| 一本色道久久久久久精品综合| 9191精品国产免费久久| 男人舔女人的私密视频| 成人免费观看视频高清| 日韩制服骚丝袜av| 又黄又粗又硬又大视频| 日本91视频免费播放| 国产男女超爽视频在线观看| 一本—道久久a久久精品蜜桃钙片| 久久精品国产综合久久久| 免费黄网站久久成人精品| 国产一区二区激情短视频 | 日韩人妻精品一区2区三区| 美女扒开内裤让男人捅视频| 日韩中文字幕欧美一区二区 | 精品福利永久在线观看| 精品久久蜜臀av无| 最近2019中文字幕mv第一页| 亚洲精品一二三| 这个男人来自地球电影免费观看 | 久久精品人人爽人人爽视色| 精品一区二区三区四区五区乱码 | 曰老女人黄片| 欧美变态另类bdsm刘玥| 亚洲美女黄色视频免费看| 精品一区二区三区av网在线观看 | 欧美国产精品va在线观看不卡| 亚洲专区中文字幕在线 | 婷婷色综合www| 精品人妻一区二区三区麻豆| 亚洲av日韩在线播放| 久久久久国产一级毛片高清牌| 亚洲自偷自拍图片 自拍| 亚洲成人免费av在线播放| 美女脱内裤让男人舔精品视频| 精品久久久久久电影网| 无限看片的www在线观看| 丝袜喷水一区| 国产女主播在线喷水免费视频网站| 777米奇影视久久| av不卡在线播放| 一级爰片在线观看| 色精品久久人妻99蜜桃| 久久久久久久精品精品| 丝瓜视频免费看黄片| 午夜福利在线免费观看网站| 午夜激情久久久久久久| 国产 精品1| av视频免费观看在线观看| 美女大奶头黄色视频| 国产精品 欧美亚洲| 在线免费观看不下载黄p国产| 精品一品国产午夜福利视频| 国产精品成人在线| 嫩草影院入口| 在线观看一区二区三区激情| 久久久久久久久久久久大奶| 亚洲国产精品一区三区| 啦啦啦啦在线视频资源| 大香蕉久久网| 久久久久国产一级毛片高清牌| 国产精品嫩草影院av在线观看| 国产成人系列免费观看| 亚洲精品aⅴ在线观看| 成人三级做爰电影| 一区二区三区激情视频| 午夜福利在线免费观看网站| 男女边吃奶边做爰视频| 国产乱来视频区| 国产精品香港三级国产av潘金莲 | 精品少妇久久久久久888优播| 王馨瑶露胸无遮挡在线观看| 狠狠精品人妻久久久久久综合| 精品一品国产午夜福利视频| 国产成人一区二区在线| 天天操日日干夜夜撸| 国产97色在线日韩免费| 啦啦啦在线免费观看视频4| 超碰97精品在线观看| 久久精品熟女亚洲av麻豆精品| 久久精品国产亚洲av高清一级| 亚洲精品aⅴ在线观看| 日韩不卡一区二区三区视频在线| xxx大片免费视频| 天堂8中文在线网| 国产亚洲av高清不卡| 精品人妻在线不人妻| 99国产综合亚洲精品| 波多野结衣一区麻豆| 久久久精品94久久精品| 老司机影院成人| 99久久人妻综合| 亚洲久久久国产精品| 天天添夜夜摸| 亚洲激情五月婷婷啪啪| 日韩大片免费观看网站| 一本—道久久a久久精品蜜桃钙片| 青青草视频在线视频观看| 欧美人与性动交α欧美软件| 天堂俺去俺来也www色官网| 十八禁高潮呻吟视频| 亚洲男人天堂网一区| 国产成人精品久久久久久| 久久久久久久久久久久大奶| 欧美精品一区二区免费开放| 亚洲免费av在线视频| 人人澡人人妻人| 亚洲精品国产av蜜桃| 精品国产露脸久久av麻豆| 自拍欧美九色日韩亚洲蝌蚪91| 99热全是精品| 夫妻性生交免费视频一级片| 久久久久精品国产欧美久久久 | 国产成人av激情在线播放| 天天躁夜夜躁狠狠躁躁| 日韩av在线免费看完整版不卡| 校园人妻丝袜中文字幕| 国产一区有黄有色的免费视频| 久久久久久久久久久久大奶| 亚洲国产欧美网| 久久精品熟女亚洲av麻豆精品| 中文欧美无线码| 91精品伊人久久大香线蕉| 亚洲第一av免费看| 十八禁人妻一区二区| 啦啦啦视频在线资源免费观看| 午夜影院在线不卡| 波多野结衣一区麻豆| 亚洲综合精品二区| 不卡视频在线观看欧美| 久久久国产一区二区| 妹子高潮喷水视频| 夫妻性生交免费视频一级片| 欧美少妇被猛烈插入视频| 飞空精品影院首页| 日韩人妻精品一区2区三区| 亚洲 欧美一区二区三区| 亚洲欧美色中文字幕在线| 又大又爽又粗| 老司机深夜福利视频在线观看 | h视频一区二区三区| 久久国产精品男人的天堂亚洲| 天天躁狠狠躁夜夜躁狠狠躁| 久久性视频一级片| 欧美国产精品va在线观看不卡| 久久av网站| 少妇人妻久久综合中文| 丰满饥渴人妻一区二区三| 亚洲人成77777在线视频| 免费久久久久久久精品成人欧美视频| 97精品久久久久久久久久精品| 80岁老熟妇乱子伦牲交| 少妇人妻久久综合中文| 国产精品久久久久久精品古装| 成人亚洲欧美一区二区av| 免费久久久久久久精品成人欧美视频| 日日啪夜夜爽| 亚洲精品久久久久久婷婷小说| 毛片一级片免费看久久久久| 丝袜喷水一区| 纵有疾风起免费观看全集完整版| 欧美日韩视频精品一区| 国产成人av激情在线播放| 免费看av在线观看网站| 日本黄色日本黄色录像| 99热网站在线观看| 日本av手机在线免费观看| 国产亚洲一区二区精品| videosex国产| svipshipincom国产片| 国产无遮挡羞羞视频在线观看| 19禁男女啪啪无遮挡网站| xxx大片免费视频| 欧美亚洲日本最大视频资源| av网站免费在线观看视频| 国产高清国产精品国产三级| 丰满饥渴人妻一区二区三| 国产av精品麻豆| 亚洲av电影在线观看一区二区三区| 亚洲国产精品国产精品| 午夜日本视频在线| 在线 av 中文字幕| 老司机影院毛片| 国产成人啪精品午夜网站| 国产精品蜜桃在线观看| 满18在线观看网站| 亚洲婷婷狠狠爱综合网| 亚洲国产日韩一区二区| 亚洲欧洲精品一区二区精品久久久 | 欧美 亚洲 国产 日韩一| a级片在线免费高清观看视频| e午夜精品久久久久久久| 一区二区三区激情视频| 一级片免费观看大全| 午夜免费鲁丝| 麻豆精品久久久久久蜜桃| 老鸭窝网址在线观看| 男女免费视频国产| 女人高潮潮喷娇喘18禁视频| 成年人免费黄色播放视频| 亚洲av欧美aⅴ国产| 国产男人的电影天堂91| 日韩制服丝袜自拍偷拍| 午夜av观看不卡| 欧美国产精品va在线观看不卡| 成年人免费黄色播放视频| 亚洲欧洲日产国产| 国产一区有黄有色的免费视频| 观看av在线不卡| 9热在线视频观看99| 成人亚洲精品一区在线观看| 综合色丁香网| 熟女av电影| 在线观看三级黄色| 在线观看人妻少妇| 日韩精品有码人妻一区| 黄色 视频免费看| 成人毛片60女人毛片免费| 丁香六月欧美| 高清视频免费观看一区二区| svipshipincom国产片| 新久久久久国产一级毛片| 如日韩欧美国产精品一区二区三区| 人妻人人澡人人爽人人| 日韩 欧美 亚洲 中文字幕| 美女脱内裤让男人舔精品视频| 亚洲国产av新网站| 老汉色∧v一级毛片| 亚洲国产精品一区二区三区在线| 人妻人人澡人人爽人人| 波野结衣二区三区在线| 国产日韩一区二区三区精品不卡| h视频一区二区三区| 国产成人免费观看mmmm| 亚洲国产精品国产精品| 婷婷色综合大香蕉| 免费看av在线观看网站| 日韩一本色道免费dvd| 一区二区三区乱码不卡18| 亚洲国产日韩一区二区| 国产成人av激情在线播放| 人妻 亚洲 视频| 亚洲av男天堂| 国产在线一区二区三区精| 成人手机av| 老司机深夜福利视频在线观看 | 精品少妇久久久久久888优播| 久久久久视频综合| 在线 av 中文字幕| av在线app专区| 天天躁狠狠躁夜夜躁狠狠躁| 国产女主播在线喷水免费视频网站| 久久久国产一区二区| 嫩草影院入口| 欧美 日韩 精品 国产| 一级毛片黄色毛片免费观看视频| 制服人妻中文乱码| 啦啦啦啦在线视频资源| 久久久精品免费免费高清| 久久精品亚洲av国产电影网| 成人漫画全彩无遮挡| 成年av动漫网址| 亚洲在久久综合| 亚洲熟女精品中文字幕| 日日爽夜夜爽网站| 日韩视频在线欧美| 如日韩欧美国产精品一区二区三区| 在线观看免费高清a一片| 国产xxxxx性猛交| 只有这里有精品99| 久久韩国三级中文字幕| 日本91视频免费播放| 伊人亚洲综合成人网| 天美传媒精品一区二区| 三上悠亚av全集在线观看| 欧美黄色片欧美黄色片| 日韩精品有码人妻一区| 久久久久精品性色| 亚洲久久久国产精品| 日韩不卡一区二区三区视频在线| 热99国产精品久久久久久7| 日本黄色日本黄色录像| bbb黄色大片| 我要看黄色一级片免费的| 国产精品国产av在线观看| 99热国产这里只有精品6| 女性被躁到高潮视频| 国产伦理片在线播放av一区| 国产精品成人在线| 好男人视频免费观看在线| 一级爰片在线观看| 观看av在线不卡| 亚洲精品日本国产第一区| 日韩欧美一区视频在线观看| 国产 一区精品| 日韩成人av中文字幕在线观看| 亚洲专区中文字幕在线 | 在线精品无人区一区二区三| 日韩一卡2卡3卡4卡2021年| 中文字幕亚洲精品专区| 日本一区二区免费在线视频| 三上悠亚av全集在线观看| 亚洲天堂av无毛| 热re99久久精品国产66热6| 亚洲精品日韩在线中文字幕| 麻豆精品久久久久久蜜桃| 亚洲一区二区三区欧美精品| 久久人人爽人人片av| 日韩av在线免费看完整版不卡| 9热在线视频观看99| 国产成人精品久久二区二区91 | 国产免费现黄频在线看| 大片免费播放器 马上看| 日韩熟女老妇一区二区性免费视频| 一区二区三区四区激情视频| 美女高潮到喷水免费观看| 亚洲精品久久午夜乱码| 啦啦啦 在线观看视频| 最近中文字幕高清免费大全6| 一本一本久久a久久精品综合妖精| 国产视频首页在线观看| 午夜福利,免费看| 成人影院久久| 亚洲,欧美,日韩| 久久午夜综合久久蜜桃| 欧美黑人欧美精品刺激| 亚洲 欧美一区二区三区| 不卡视频在线观看欧美| 国产免费视频播放在线视频| 久久国产精品大桥未久av| 王馨瑶露胸无遮挡在线观看| 欧美激情高清一区二区三区 | 亚洲精品视频女| 最近2019中文字幕mv第一页| 欧美亚洲 丝袜 人妻 在线| 青春草国产在线视频| 亚洲精品,欧美精品| 丰满饥渴人妻一区二区三| 欧美日韩成人在线一区二区| 国产精品久久久久久久久免| 午夜老司机福利片| 十八禁高潮呻吟视频| 亚洲免费av在线视频| 久久久国产欧美日韩av| 2018国产大陆天天弄谢| 80岁老熟妇乱子伦牲交| 黑人欧美特级aaaaaa片| 黄色一级大片看看| 国产免费一区二区三区四区乱码| 中文字幕另类日韩欧美亚洲嫩草| 国产老妇伦熟女老妇高清| 在线天堂最新版资源| 国语对白做爰xxxⅹ性视频网站| 丝袜美腿诱惑在线| 亚洲精品日本国产第一区| 人成视频在线观看免费观看| 99热全是精品| 69精品国产乱码久久久| 亚洲美女搞黄在线观看| 亚洲一级一片aⅴ在线观看| 搡老岳熟女国产| 熟女少妇亚洲综合色aaa.| 国产精品香港三级国产av潘金莲 | 亚洲精品第二区| 日韩av在线免费看完整版不卡| 99热全是精品| 别揉我奶头~嗯~啊~动态视频 | 亚洲精品在线美女| 操出白浆在线播放| 亚洲少妇的诱惑av| 日韩中文字幕视频在线看片| 在线观看免费视频网站a站| www.熟女人妻精品国产| 亚洲男人天堂网一区| 免费观看性生交大片5| 国产精品.久久久| netflix在线观看网站| 中文字幕另类日韩欧美亚洲嫩草| 9热在线视频观看99| 亚洲av国产av综合av卡| 飞空精品影院首页| 99热网站在线观看| 日韩精品免费视频一区二区三区| 亚洲国产精品一区三区| av有码第一页| 无限看片的www在线观看| 最近最新中文字幕大全免费视频 | 亚洲视频免费观看视频| av国产精品久久久久影院| 精品酒店卫生间| av国产久精品久网站免费入址| 中文字幕另类日韩欧美亚洲嫩草| 国产精品一区二区精品视频观看| 香蕉国产在线看| 欧美成人精品欧美一级黄| 国产精品秋霞免费鲁丝片| 无遮挡黄片免费观看| 日本猛色少妇xxxxx猛交久久| 热99久久久久精品小说推荐| 亚洲 欧美一区二区三区| 亚洲人成77777在线视频| 国产精品久久久久成人av| 老鸭窝网址在线观看| 丰满饥渴人妻一区二区三| 久久久久国产精品人妻一区二区| 一级,二级,三级黄色视频| 国产精品一二三区在线看| 国产熟女午夜一区二区三区| 97在线人人人人妻| 国产亚洲欧美精品永久| 欧美老熟妇乱子伦牲交| 国产免费视频播放在线视频| 欧美xxⅹ黑人| 亚洲熟女毛片儿| 欧美人与性动交α欧美精品济南到| av线在线观看网站| 成人三级做爰电影| 人妻一区二区av| 亚洲精品av麻豆狂野| 美女脱内裤让男人舔精品视频| 一边摸一边抽搐一进一出视频| 欧美亚洲 丝袜 人妻 在线| 女的被弄到高潮叫床怎么办| 99久久精品国产亚洲精品| 久久狼人影院| 91老司机精品| 99国产综合亚洲精品| 欧美日韩av久久| 亚洲美女黄色视频免费看| 国产深夜福利视频在线观看| 高清av免费在线| 亚洲男人天堂网一区| 嫩草影院入口| 伊人亚洲综合成人网| 国产无遮挡羞羞视频在线观看| 亚洲av成人精品一二三区| 日本欧美视频一区| 久久久久久久久免费视频了| 最近中文字幕2019免费版| 欧美日韩av久久| 欧美日韩视频精品一区| 无遮挡黄片免费观看| 国产片内射在线| 欧美日本中文国产一区发布| 美国免费a级毛片| 国产精品久久久久久人妻精品电影 | www.av在线官网国产| 日韩免费高清中文字幕av| 久久天躁狠狠躁夜夜2o2o | av有码第一页| 久久久久网色| 国产熟女午夜一区二区三区| 搡老岳熟女国产| 成人18禁高潮啪啪吃奶动态图| 日韩熟女老妇一区二区性免费视频| 在现免费观看毛片| 只有这里有精品99| 亚洲国产欧美一区二区综合| 成年人午夜在线观看视频| 成人毛片60女人毛片免费| 久久久久国产一级毛片高清牌| 中文乱码字字幕精品一区二区三区| 在线天堂最新版资源| 亚洲一区中文字幕在线| 男女边摸边吃奶| 日韩 亚洲 欧美在线| 久久精品国产亚洲av高清一级| 久久久久精品性色| 交换朋友夫妻互换小说| 9热在线视频观看99| 天天躁夜夜躁狠狠久久av| 国产精品久久久久久精品电影小说| 波野结衣二区三区在线| 精品卡一卡二卡四卡免费| 大香蕉久久网| 99九九在线精品视频| 欧美日韩一区二区视频在线观看视频在线| 99九九在线精品视频| 欧美人与善性xxx| 国产一区二区 视频在线| 色网站视频免费| 亚洲欧美精品综合一区二区三区| 777久久人妻少妇嫩草av网站| 青草久久国产| av在线app专区| 久久ye,这里只有精品| 亚洲成色77777| 最近2019中文字幕mv第一页| 看非洲黑人一级黄片| 天天影视国产精品| 日本爱情动作片www.在线观看| 欧美xxⅹ黑人| 免费看av在线观看网站| xxx大片免费视频| 99国产精品免费福利视频| 日韩免费高清中文字幕av| 国产黄频视频在线观看| 少妇精品久久久久久久| 久久影院123| 亚洲人成77777在线视频| 在线免费观看不下载黄p国产| 观看av在线不卡| 日韩电影二区| 一区二区三区四区激情视频| 精品福利永久在线观看| 免费黄网站久久成人精品| 国产精品免费大片| 久久精品人人爽人人爽视色| 最近2019中文字幕mv第一页| 日韩一卡2卡3卡4卡2021年| 另类亚洲欧美激情| 一区二区三区乱码不卡18| 青草久久国产| 国产成人系列免费观看| 我的亚洲天堂| 男女免费视频国产| 女的被弄到高潮叫床怎么办| 日韩av免费高清视频| 日韩,欧美,国产一区二区三区| 中文乱码字字幕精品一区二区三区| 哪个播放器可以免费观看大片| 久久狼人影院| 色视频在线一区二区三区| 大话2 男鬼变身卡| 晚上一个人看的免费电影| 最新在线观看一区二区三区 | h视频一区二区三区| 黄色毛片三级朝国网站| 母亲3免费完整高清在线观看| 久久久久久久国产电影| 欧美中文综合在线视频| 日韩熟女老妇一区二区性免费视频| 少妇人妻精品综合一区二区| 国产精品秋霞免费鲁丝片| a级片在线免费高清观看视频| 精品久久久精品久久久| 91aial.com中文字幕在线观看| 国产xxxxx性猛交| 国精品久久久久久国模美| 色精品久久人妻99蜜桃| 高清在线视频一区二区三区| 亚洲av电影在线观看一区二区三区| 香蕉丝袜av| 亚洲精品国产区一区二| 午夜激情久久久久久久| 精品酒店卫生间| 国产亚洲av高清不卡| 十分钟在线观看高清视频www| 午夜福利,免费看| 夜夜骑夜夜射夜夜干| 亚洲一卡2卡3卡4卡5卡精品中文| 日韩一区二区视频免费看| 亚洲 欧美一区二区三区| 麻豆av在线久日| 老熟女久久久| 国产成人av激情在线播放| 亚洲av欧美aⅴ国产| 乱人伦中国视频| 9色porny在线观看| 男女免费视频国产| 亚洲av成人不卡在线观看播放网 | 2018国产大陆天天弄谢| videosex国产| 免费黄色在线免费观看| 中文字幕色久视频| 岛国毛片在线播放| 一边摸一边做爽爽视频免费| 国产一区二区在线观看av| 在线精品无人区一区二区三| 黄色视频在线播放观看不卡| 少妇人妻久久综合中文| 人人妻人人爽人人添夜夜欢视频| 我要看黄色一级片免费的| 又大又黄又爽视频免费| 蜜桃在线观看..| 午夜福利影视在线免费观看| 在线观看免费午夜福利视频| 午夜福利乱码中文字幕| 最近手机中文字幕大全|