• <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
    国产精品一二三区在线看| 日本-黄色视频高清免费观看| 蜜臀久久99精品久久宅男| 亚洲精品色激情综合| 中文字幕av电影在线播放| 高清欧美精品videossex| 热re99久久精品国产66热6| 欧美日韩亚洲高清精品| 色视频www国产| 麻豆乱淫一区二区| 国产片特级美女逼逼视频| 最近中文字幕高清免费大全6| 女人精品久久久久毛片| h日本视频在线播放| 国产伦精品一区二区三区四那| 久久午夜福利片| 日本与韩国留学比较| 欧美区成人在线视频| 亚洲欧美成人精品一区二区| 久久久欧美国产精品| 亚洲,欧美,日韩| 乱码一卡2卡4卡精品| videos熟女内射| 日韩一区二区视频免费看| 精品少妇黑人巨大在线播放| videossex国产| 国产精品嫩草影院av在线观看| 一级黄片播放器| 免费黄网站久久成人精品| 精品99又大又爽又粗少妇毛片| 免费看av在线观看网站| 女的被弄到高潮叫床怎么办| 国产高清三级在线| h视频一区二区三区| 久久av网站| 三级经典国产精品| 中文在线观看免费www的网站| 日本猛色少妇xxxxx猛交久久| 2018国产大陆天天弄谢| 久久影院123| 亚洲va在线va天堂va国产| 韩国av在线不卡| 91精品国产九色| 久久精品国产亚洲av天美| 精品人妻一区二区三区麻豆| 久久精品国产鲁丝片午夜精品| 精品视频人人做人人爽| 中文资源天堂在线| h日本视频在线播放| 中文字幕人妻丝袜制服| 美女大奶头黄色视频| 观看av在线不卡| 国产男人的电影天堂91| 成人影院久久| 亚洲高清免费不卡视频| 日韩 亚洲 欧美在线| 香蕉精品网在线| 男女无遮挡免费网站观看| 日本欧美视频一区| 高清黄色对白视频在线免费看 | 久久久久国产精品人妻一区二区| 亚洲国产精品999| 欧美亚洲 丝袜 人妻 在线| 91久久精品国产一区二区三区| 国产美女午夜福利| a级片在线免费高清观看视频| 日日啪夜夜撸| 久久6这里有精品| 另类精品久久| 夫妻性生交免费视频一级片| 各种免费的搞黄视频| 国语对白做爰xxxⅹ性视频网站| 久久久久久久久久久丰满| 赤兔流量卡办理| 波野结衣二区三区在线| 亚洲欧洲国产日韩| 多毛熟女@视频| 乱系列少妇在线播放| 人妻 亚洲 视频| 亚洲精品自拍成人| 国产精品女同一区二区软件| 精品99又大又爽又粗少妇毛片| 成人亚洲精品一区在线观看| 又粗又硬又长又爽又黄的视频| 国产片特级美女逼逼视频| 亚洲丝袜综合中文字幕| 国产一区二区三区av在线| 校园人妻丝袜中文字幕| 亚洲精品一区蜜桃| 欧美精品人与动牲交sv欧美| 亚洲av电影在线观看一区二区三区| 啦啦啦啦在线视频资源| 熟女av电影| 欧美日本中文国产一区发布| 嫩草影院入口| 偷拍熟女少妇极品色| av在线播放精品| 嫩草影院新地址| 99久久综合免费| 美女cb高潮喷水在线观看| 97精品久久久久久久久久精品| 插阴视频在线观看视频| 亚洲欧洲日产国产| 99九九线精品视频在线观看视频| 一区二区三区免费毛片| 国产精品蜜桃在线观看| 少妇精品久久久久久久| 色5月婷婷丁香| 99国产精品免费福利视频| 亚洲中文av在线| 国产av精品麻豆| 这个男人来自地球电影免费观看 | 久久久a久久爽久久v久久| 国产精品不卡视频一区二区| 欧美三级亚洲精品| 亚洲精品国产av成人精品| 欧美3d第一页| 免费人成在线观看视频色| 熟女电影av网| 国内揄拍国产精品人妻在线| 在线观看国产h片| 久久6这里有精品| av国产久精品久网站免费入址| av不卡在线播放| 久久 成人 亚洲| 夫妻午夜视频| 夫妻午夜视频| 国产精品三级大全| 国产亚洲最大av| 成人影院久久| 国精品久久久久久国模美| 国产精品熟女久久久久浪| 一本一本综合久久| 国产91av在线免费观看| 另类亚洲欧美激情| 亚洲精品日本国产第一区| 午夜精品国产一区二区电影| 日韩成人伦理影院| 永久免费av网站大全| 日韩制服骚丝袜av| 亚洲精品国产成人久久av| 欧美日韩国产mv在线观看视频| 国产一级毛片在线| 亚洲美女搞黄在线观看| 亚洲电影在线观看av| 日韩av在线免费看完整版不卡| 亚洲精品日韩av片在线观看| 亚洲av福利一区| 久久午夜福利片| 一级av片app| 成人午夜精彩视频在线观看| 夜夜看夜夜爽夜夜摸| 欧美bdsm另类| 亚洲情色 制服丝袜| 国产成人aa在线观看| 少妇精品久久久久久久| 三级经典国产精品| 亚洲欧美精品专区久久| 久久久精品94久久精品| 男人爽女人下面视频在线观看| 乱码一卡2卡4卡精品| 国产男女超爽视频在线观看| 国产亚洲午夜精品一区二区久久| 久久久久久人妻| 国产免费福利视频在线观看| 嫩草影院新地址| videos熟女内射| 亚洲国产精品一区二区三区在线| 我要看日韩黄色一级片| 一个人免费看片子| 国产熟女午夜一区二区三区 | 春色校园在线视频观看| 午夜福利,免费看| 国产精品秋霞免费鲁丝片| 男人爽女人下面视频在线观看| 少妇被粗大的猛进出69影院 | 国产成人freesex在线| 亚洲av.av天堂| 亚洲人与动物交配视频| 久久久久久久久久人人人人人人| 欧美性感艳星| 一个人免费看片子| 日韩中字成人| 男人爽女人下面视频在线观看| 国产成人一区二区在线| 各种免费的搞黄视频| 免费在线观看成人毛片| 精品熟女少妇av免费看| av在线播放精品| 一个人免费看片子| 3wmmmm亚洲av在线观看| 下体分泌物呈黄色| 国产高清不卡午夜福利| 欧美日韩视频高清一区二区三区二| 九九爱精品视频在线观看| 中文天堂在线官网| 午夜91福利影院| 久久精品熟女亚洲av麻豆精品| 国产真实伦视频高清在线观看| 丰满少妇做爰视频| 精品少妇黑人巨大在线播放| 中文精品一卡2卡3卡4更新| 国产69精品久久久久777片| 最近中文字幕2019免费版| 免费av中文字幕在线| 精品99又大又爽又粗少妇毛片| 午夜福利网站1000一区二区三区| 日本av手机在线免费观看| av在线老鸭窝| 国产极品粉嫩免费观看在线 | 国产老妇伦熟女老妇高清| 国产伦在线观看视频一区| 国产一区二区在线观看av| 欧美xxxx性猛交bbbb| 亚洲欧美日韩东京热| 国产精品福利在线免费观看| 啦啦啦在线观看免费高清www| 免费观看的影片在线观看| 成人午夜精彩视频在线观看| 七月丁香在线播放| 欧美日韩亚洲高清精品| 亚洲精品乱码久久久久久按摩| 91精品伊人久久大香线蕉| 青春草视频在线免费观看| 精华霜和精华液先用哪个| 在线 av 中文字幕| 久久久国产精品麻豆| 国国产精品蜜臀av免费| 少妇精品久久久久久久| 91aial.com中文字幕在线观看| 99久久精品国产国产毛片| 高清视频免费观看一区二区| 黑人高潮一二区| 美女视频免费永久观看网站| 一级毛片黄色毛片免费观看视频| 综合色丁香网| 人人妻人人看人人澡| 蜜臀久久99精品久久宅男| 精品久久久久久电影网| 自拍偷自拍亚洲精品老妇| 欧美三级亚洲精品| 中文精品一卡2卡3卡4更新| 成年人午夜在线观看视频| 日日啪夜夜爽| 欧美激情极品国产一区二区三区 | 视频中文字幕在线观看| 欧美 日韩 精品 国产| 久久毛片免费看一区二区三区| 91aial.com中文字幕在线观看| 综合色丁香网| 国产黄色视频一区二区在线观看| 丝袜在线中文字幕| 看免费成人av毛片| 免费观看在线日韩| 亚洲一级一片aⅴ在线观看| 大香蕉97超碰在线| av专区在线播放| 亚洲精品乱码久久久久久按摩| 亚洲av福利一区| 热99国产精品久久久久久7| 国产美女午夜福利| 三上悠亚av全集在线观看 | 黄色怎么调成土黄色| 嘟嘟电影网在线观看| 国产欧美亚洲国产| 成人国产麻豆网| 午夜福利影视在线免费观看| 国产淫语在线视频| 亚洲一区二区三区欧美精品| 亚洲精品国产色婷婷电影| 丰满饥渴人妻一区二区三| 免费大片黄手机在线观看| 国产伦精品一区二区三区视频9| 亚洲国产最新在线播放| 一级爰片在线观看| 精品人妻偷拍中文字幕| 色视频在线一区二区三区| 久久99蜜桃精品久久| 国产欧美亚洲国产| 精品一区二区免费观看| 性色avwww在线观看| 日本欧美视频一区| 大陆偷拍与自拍| 七月丁香在线播放| 亚洲精品日本国产第一区| 午夜视频国产福利| 街头女战士在线观看网站| 中文字幕av电影在线播放| 丁香六月天网| 边亲边吃奶的免费视频| 91久久精品国产一区二区三区| 热re99久久精品国产66热6| 五月开心婷婷网| 一本—道久久a久久精品蜜桃钙片| 亚洲国产精品成人久久小说| 熟女av电影| 久久精品久久久久久噜噜老黄| 美女cb高潮喷水在线观看| 欧美变态另类bdsm刘玥| 免费高清在线观看视频在线观看| 国内精品宾馆在线| 国产有黄有色有爽视频| 久久国产亚洲av麻豆专区| 久久av网站| 男女边吃奶边做爰视频| 欧美一级a爱片免费观看看| 亚洲国产精品专区欧美| 在线亚洲精品国产二区图片欧美 | 国产一区二区在线观看av| 美女视频免费永久观看网站| 欧美亚洲 丝袜 人妻 在线| a 毛片基地| 成年美女黄网站色视频大全免费 | 亚洲国产精品国产精品| 亚洲国产av新网站| 亚洲人成网站在线播| 日本av免费视频播放| 亚洲精品成人av观看孕妇| 国产精品一区二区性色av| 人妻人人澡人人爽人人| 免费大片黄手机在线观看| 9色porny在线观看| 久久亚洲国产成人精品v| 日韩av免费高清视频| 日本91视频免费播放| 国产伦精品一区二区三区视频9| 如何舔出高潮| 哪个播放器可以免费观看大片| a级毛色黄片| 亚洲激情五月婷婷啪啪| 丝袜脚勾引网站| 制服丝袜香蕉在线| 亚洲精品日本国产第一区| 肉色欧美久久久久久久蜜桃| 精品久久久精品久久久| 国产有黄有色有爽视频| 我要看黄色一级片免费的| 黑丝袜美女国产一区| 午夜福利视频精品| .国产精品久久| 少妇猛男粗大的猛烈进出视频| 伊人久久精品亚洲午夜| 精品一区在线观看国产| 老熟女久久久| 国产淫语在线视频| 国产日韩欧美亚洲二区| 国产精品女同一区二区软件| 热re99久久精品国产66热6| 熟女电影av网| 天堂8中文在线网| 亚洲三级黄色毛片| 亚洲伊人久久精品综合| 色视频www国产| 九九在线视频观看精品| 男女边吃奶边做爰视频| 中文在线观看免费www的网站| 亚洲熟女精品中文字幕| 丝袜脚勾引网站| 日韩,欧美,国产一区二区三区| 大码成人一级视频| 国产视频内射| 国产女主播在线喷水免费视频网站| 久久6这里有精品| 国产毛片在线视频| 亚洲欧洲日产国产| 又黄又爽又刺激的免费视频.| 国产一区二区在线观看日韩| 国产中年淑女户外野战色| 欧美xxⅹ黑人| 成人国产av品久久久| 成人午夜精彩视频在线观看| 人人妻人人澡人人看| 人妻系列 视频| 边亲边吃奶的免费视频| 校园人妻丝袜中文字幕| 国产一区有黄有色的免费视频| 免费人妻精品一区二区三区视频| 一区二区三区四区激情视频| 久久99热6这里只有精品| 熟女电影av网| 人人澡人人妻人| 赤兔流量卡办理| 亚洲自偷自拍三级| 中文字幕亚洲精品专区| 日本-黄色视频高清免费观看| 中文天堂在线官网| 日韩免费高清中文字幕av| 人妻制服诱惑在线中文字幕| 偷拍熟女少妇极品色| 97超碰精品成人国产| 国产男女内射视频| 涩涩av久久男人的天堂| 欧美日韩精品成人综合77777| 精品人妻熟女av久视频| 色网站视频免费| 六月丁香七月| 看免费成人av毛片| 一级毛片久久久久久久久女| 国产欧美日韩精品一区二区| 日日撸夜夜添| 久久精品国产亚洲av天美| 3wmmmm亚洲av在线观看| 国产精品国产三级国产专区5o| 男女边摸边吃奶| 精品人妻熟女av久视频| 成人毛片60女人毛片免费| 国产在视频线精品| 老司机影院毛片| 国产成人免费无遮挡视频| 欧美激情国产日韩精品一区| 中国国产av一级| 人人妻人人看人人澡| 亚洲欧洲日产国产| 精品一品国产午夜福利视频| 国产欧美另类精品又又久久亚洲欧美| av黄色大香蕉| 这个男人来自地球电影免费观看 | 91aial.com中文字幕在线观看| 男人和女人高潮做爰伦理| 亚洲av二区三区四区| 黄色毛片三级朝国网站 | 国产精品三级大全| 国产欧美日韩一区二区三区在线 | 免费看av在线观看网站| 成人毛片a级毛片在线播放| 久久午夜福利片| 精品少妇黑人巨大在线播放| 国产精品欧美亚洲77777| 亚洲国产毛片av蜜桃av| 又大又黄又爽视频免费| 久久99热6这里只有精品| 久久久久久久久久久久大奶| 亚洲国产最新在线播放| 人人妻人人爽人人添夜夜欢视频 | 久久精品国产亚洲网站| 国产精品一区二区性色av| 亚洲成人手机| 日日摸夜夜添夜夜添av毛片| 国产欧美另类精品又又久久亚洲欧美| 国产一级毛片在线| 亚洲美女视频黄频| 在线观看一区二区三区激情| 欧美另类一区| 不卡视频在线观看欧美| 国产免费一区二区三区四区乱码| 大话2 男鬼变身卡| 韩国av在线不卡| 亚洲精品日韩av片在线观看| 精品亚洲乱码少妇综合久久| 亚洲自偷自拍三级| 国产又色又爽无遮挡免| 日韩成人av中文字幕在线观看| 女性生殖器流出的白浆| 国产亚洲精品久久久com| 日韩av不卡免费在线播放| 久久人人爽人人片av| 国产 一区精品| 亚洲精品乱码久久久v下载方式| 欧美性感艳星| 午夜福利,免费看| 国精品久久久久久国模美| 久久国产精品大桥未久av | 在线观看免费日韩欧美大片 | 波野结衣二区三区在线| 女性被躁到高潮视频| 天天操日日干夜夜撸| 一级黄片播放器| 国产熟女午夜一区二区三区 | 中文字幕人妻丝袜制服| 狂野欧美白嫩少妇大欣赏| 日本av免费视频播放| 丝瓜视频免费看黄片| 日韩中文字幕视频在线看片| 国产又色又爽无遮挡免| 啦啦啦视频在线资源免费观看| 欧美区成人在线视频| 久久久久精品性色| 如日韩欧美国产精品一区二区三区 | 国产高清有码在线观看视频| 在线天堂最新版资源| 下体分泌物呈黄色| 午夜av观看不卡| 久久久久久久久久久丰满| 国产亚洲91精品色在线| 亚洲性久久影院| 亚洲婷婷狠狠爱综合网| 91久久精品电影网| 丝袜在线中文字幕| 一本—道久久a久久精品蜜桃钙片| 国产伦精品一区二区三区四那| 欧美日韩视频高清一区二区三区二| 国产黄片美女视频| 国产精品久久久久久精品电影小说| 国产黄频视频在线观看| videos熟女内射| 亚洲精品国产色婷婷电影| 五月开心婷婷网| 久久久久网色| 成人黄色视频免费在线看| 观看免费一级毛片| 国产高清国产精品国产三级| h日本视频在线播放| 一本大道久久a久久精品| 亚洲精品日韩在线中文字幕| 国产91av在线免费观看| 国产亚洲91精品色在线| 伦精品一区二区三区| 午夜91福利影院| 久久热精品热| 亚洲精品国产av蜜桃| 精品午夜福利在线看| 久久av网站| videossex国产| 纵有疾风起免费观看全集完整版| 亚洲精品中文字幕在线视频 | 如何舔出高潮| 国产精品国产三级国产av玫瑰| 国产成人午夜福利电影在线观看| 精品少妇内射三级| 国内少妇人妻偷人精品xxx网站| 丝袜在线中文字幕| av又黄又爽大尺度在线免费看| 熟女av电影| 王馨瑶露胸无遮挡在线观看| av网站免费在线观看视频| 国产精品久久久久久久久免| 国产一区亚洲一区在线观看| 国产精品99久久久久久久久| 美女cb高潮喷水在线观看| 国产精品国产三级专区第一集| 老熟女久久久| av一本久久久久| h日本视频在线播放| 国产 精品1| 26uuu在线亚洲综合色| 亚洲三级黄色毛片| av国产精品久久久久影院| 免费观看在线日韩| 欧美3d第一页| 各种免费的搞黄视频| 国产伦在线观看视频一区| 国产在视频线精品| 久久99蜜桃精品久久| 91成人精品电影| 亚洲av电影在线观看一区二区三区| 久久国产精品大桥未久av | 亚洲欧洲国产日韩| 国产伦精品一区二区三区四那| 日日摸夜夜添夜夜爱| 欧美精品一区二区大全| 久久久久久久国产电影| 亚洲欧洲日产国产| h日本视频在线播放| 国产成人aa在线观看| 成人国产麻豆网| 午夜视频国产福利| 好男人视频免费观看在线| 亚洲av中文av极速乱| 天堂俺去俺来也www色官网| 街头女战士在线观看网站| 三级国产精品片| 欧美精品高潮呻吟av久久| 亚洲av成人精品一二三区| 老熟女久久久| 日韩精品有码人妻一区| 蜜桃久久精品国产亚洲av| 国产一区二区在线观看av| 久久精品国产a三级三级三级| 国产欧美日韩综合在线一区二区 | 一级毛片aaaaaa免费看小| 黑人猛操日本美女一级片| 欧美高清成人免费视频www| 亚洲av电影在线观看一区二区三区| a级片在线免费高清观看视频| 亚洲国产精品一区三区| 亚洲在久久综合| 少妇裸体淫交视频免费看高清| 免费看不卡的av| 99九九线精品视频在线观看视频| 久久久久久久久久成人| 一二三四中文在线观看免费高清| 波野结衣二区三区在线| 国产亚洲精品久久久com| 交换朋友夫妻互换小说| 在线免费观看不下载黄p国产| 日本色播在线视频| 自线自在国产av| 精品午夜福利在线看| 欧美日本中文国产一区发布| 简卡轻食公司| 极品人妻少妇av视频| 午夜福利,免费看| 老司机亚洲免费影院| 久久精品久久久久久噜噜老黄| 午夜视频国产福利| 午夜老司机福利剧场| 欧美日韩在线观看h| 美女中出高潮动态图| 精品少妇内射三级| 蜜臀久久99精品久久宅男| 99热这里只有是精品50| 亚洲欧美日韩卡通动漫| 亚洲精品自拍成人| 一个人免费看片子| av国产精品久久久久影院| 男人舔奶头视频| 一个人免费看片子| 亚洲色图综合在线观看| 男女啪啪激烈高潮av片| 91成人精品电影| 亚洲色图综合在线观看| 一级,二级,三级黄色视频| 中文在线观看免费www的网站| 日本av手机在线免费观看| av网站免费在线观看视频|