• <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 ?

    基于判別信息極限學(xué)習(xí)機(jī)的高光譜遙感圖像分類(lèi)

    2017-03-06 00:41:18楊伊閆德勤張海英楚永賀
    軟件導(dǎo)刊 2017年1期
    關(guān)鍵詞:極限學(xué)習(xí)機(jī)模式識(shí)別

    楊伊+閆德勤+張海英+楚永賀

    摘要摘要:極限學(xué)習(xí)機(jī)(ELM)以其高效、快速和良好的泛化性能在模式識(shí)別領(lǐng)域得到廣泛應(yīng)用,然而在高光譜遙感圖像分類(lèi)中,極限學(xué)習(xí)機(jī)算法不能較好地利用數(shù)據(jù)蘊(yùn)含的判別信息,限制了ELM的分類(lèi)性能。為此,提出一種基于判別信息極限學(xué)習(xí)機(jī)(IELM),IELM繼承了極限學(xué)習(xí)機(jī)的優(yōu)勢(shì),并在一定程度上解決了極限學(xué)習(xí)機(jī)在有限高光譜遙感圖像數(shù)據(jù)樣本中學(xué)習(xí)不充分的問(wèn)題。高光譜遙感圖像分類(lèi)實(shí)驗(yàn)結(jié)果表明,該算法具有較好的分類(lèi)效果。

    關(guān)鍵詞關(guān)鍵詞:極限學(xué)習(xí)機(jī);模式識(shí)別;高光譜遙感圖像;判別信息

    DOIDOI:10.11907/rjdk.162600

    中圖分類(lèi)號(hào):TP317.4文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào)文章編號(hào):16727800(2017)001016105

    對(duì)于連續(xù)狹窄的光譜帶,高光譜成像傳感器能夠捕獲詳細(xì)和豐富的光譜信息。近年來(lái),隨著圖像處理技術(shù)的發(fā)展,高光譜圖像得到廣泛應(yīng)用,在高光譜圖像應(yīng)用中最重要的任務(wù)是對(duì)圖像進(jìn)行分類(lèi)。然而,在高光譜遙感圖像分類(lèi)問(wèn)題中存在一些挑戰(zhàn)。例如有限訓(xùn)練樣本之間的不平衡和高維度,高光譜遙感圖像幾何形狀復(fù)雜,高光譜遙感圖像分類(lèi)計(jì)算復(fù)雜度高。為使高光譜遙感圖像分類(lèi)取得良好效果,近年來(lái),機(jī)器學(xué)習(xí)方法在高光譜圖像分類(lèi)中得到廣泛應(yīng)用,例如人工神經(jīng)網(wǎng)絡(luò)(Artificial neural networks,ANNs)[1]、支持向量機(jī)(Support vector machine,SVM)[2]、多項(xiàng)邏輯回歸(Multinomial logistic regression,MLR)[3]、主動(dòng)學(xué)習(xí)(Active learning,AL)[4]等,其它方法如利用稀疏表示[5]以及譜聚類(lèi)[6]對(duì)高光譜進(jìn)行分離也得到廣泛應(yīng)用。然而,由于高光譜遙感圖像具有髙維度以及復(fù)雜性,通過(guò)機(jī)器學(xué)習(xí)算法尋找最優(yōu)的參數(shù)來(lái)進(jìn)行分類(lèi)通常非常困難,并且耗時(shí),實(shí)現(xiàn)高光譜遙感圖像高效快速分類(lèi)已成為遙感圖像領(lǐng)域的重要問(wèn)題。

    近年來(lái),Huang等[7]基于單隱層前饋神經(jīng)網(wǎng)絡(luò)(Single-hidden layer feedforward networks,SLFNs)結(jié)構(gòu)提出了極限學(xué)習(xí)機(jī)(Extreme learning machine,ELM)。ELM隨機(jī)產(chǎn)生隱層節(jié)點(diǎn)的輸入權(quán)值和偏置值,所有參數(shù)中僅有輸出權(quán)值經(jīng)過(guò)分析確定。ELM將傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的求解過(guò)程轉(zhuǎn)化為一個(gè)線性模型,ELM隨機(jī)選擇輸入權(quán)值和分析確定SLFNs的輸出權(quán)值,避免了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法收斂速度慢及陷入局部極小解的可能,具有更好的泛化能力和更快的學(xué)習(xí)速度。文獻(xiàn)[7]指出ELM通過(guò)隨機(jī)產(chǎn)生隱層節(jié)點(diǎn)的輸入權(quán)值和偏置值分析確定輸出權(quán)值,保持了SLFNs的通用逼近能力,同時(shí)能夠得到一個(gè)全局最優(yōu)解。由于ELM良好的泛化能力,使得ELM應(yīng)用在不同的領(lǐng)域中。在高光譜遙感圖像領(lǐng)域,Pal等[8]將ELM應(yīng)用到土地覆蓋分類(lèi)中,與BP[9]神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)相比,ELM取得了更好的分類(lèi)效果,并且ELM算法的計(jì)算復(fù)雜度遠(yuǎn)遠(yuǎn)小于BP和支持向量機(jī)。Bazi等[10]利用差分進(jìn)化方法優(yōu)化核ELM算法的參數(shù),提高了高光譜遙感圖像的分類(lèi)效果。為了提高ELM算法在高光譜遙感圖像分類(lèi)中的穩(wěn)定性,Samat等[11]基于Bagging 和 AdaBoost算法提出了集成的極限學(xué)習(xí)機(jī)算法(Ensemble extreme learning machine,E2LM)。

    雖然針對(duì)高光譜遙感圖像分類(lèi)問(wèn)題,研究人員在ELM算法的基礎(chǔ)上提出了改進(jìn),然而 ELM及其改進(jìn)算法并未充分考慮數(shù)據(jù)樣本間的幾何特征和數(shù)據(jù)蘊(yùn)含的判別信息。知道樣本之間具有某些相似的屬性和分布特征,樣本之間的相似屬性和分布特征能夠彌補(bǔ)ELM學(xué)習(xí)不夠充分的問(wèn)題,進(jìn)而可以提高ELM的泛化能力,因而數(shù)據(jù)樣本的幾何特征和數(shù)據(jù)蘊(yùn)含的判別信息對(duì)ELM的分類(lèi)性能具有重要作用。

    基于以上分析,本文提出一種基于判別信息極端學(xué)習(xí)機(jī)(Discriminative information regularized extreme learning machine,IELM),對(duì)于分類(lèi)問(wèn)題,IELM同時(shí)考慮到數(shù)據(jù)樣本的幾何特征和數(shù)據(jù)蘊(yùn)含的判別信息,通過(guò)最大化異類(lèi)離散度和最小化同類(lèi)離散度,優(yōu)化極端學(xué)習(xí)機(jī)的輸出權(quán)值,從而在一定程度上提高ELM的分類(lèi)性能和泛化能力。IELM方法的優(yōu)勢(shì)在于:①繼承了ELM的優(yōu)點(diǎn),在一定程度上避免了ELM學(xué)習(xí)不充分的問(wèn)題;②將異類(lèi)離散度和同類(lèi)離散度引入到ELM中,充分利用數(shù)據(jù)樣本的判別信息;③利用MMC[12]方法有效解決最大化異類(lèi)離散度和最小化同類(lèi)離散度矩陣奇異問(wèn)題。

    為評(píng)價(jià)和驗(yàn)證本文提出的基于判別信息極端學(xué)習(xí)機(jī)的高光譜遙感圖像分類(lèi)方法,實(shí)驗(yàn)使用Indian Pines,Salinas scene兩個(gè)高光譜遙感圖像數(shù)據(jù),將本文所提出的方法與ELM、支持向量機(jī)(Support vector machine,SVM)、最近鄰分類(lèi)器協(xié)作表示(Collaborative representation nearest neighbor classifier,CRNN)[13]進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果表明本文提出的算法能夠取得較好的分類(lèi)效果。

    實(shí)驗(yàn)環(huán)境為惠普工作站處理器:Intel(R)Xeon(R) CPU E5-1603 0 @2.80 GHz,安裝內(nèi)存:8.00GB ,系統(tǒng)類(lèi)型:64位操作系統(tǒng),版本:win7,語(yǔ)言開(kāi)發(fā)環(huán)境采用 Matlab 2010b。

    第一組實(shí)驗(yàn)數(shù)據(jù)為Indian Pines遙感圖像數(shù)據(jù),Indian Pines數(shù)據(jù)是AVIRIS傳感器在薩利納斯山谷收集的數(shù)據(jù),該圖像包含200個(gè)波段,圖像大小為145×145,地表真實(shí)分類(lèi)如圖1所示,Indian Pines數(shù)據(jù)集屬性設(shè)置如表1所示。

    第二組實(shí)驗(yàn)數(shù)據(jù)為Salinas scene遙感圖像數(shù)據(jù),Salinas scene數(shù)據(jù)是AVIRIS傳感器在薩利納斯山谷收集的數(shù)據(jù),該圖像包含204個(gè)波段,圖像大小為512×217,地表真實(shí)分類(lèi)如圖2所示, Salinas scene數(shù)據(jù)集屬性設(shè)置如表2所示。

    實(shí)驗(yàn)中,對(duì)于Indian Pines和Salinas scene圖像數(shù)據(jù),隨機(jī)選取1%的數(shù)據(jù)樣本作為訓(xùn)練集,剩下部分為測(cè)試集,使用總體精度(OA),Kappa系數(shù),平均準(zhǔn)確率(AA)衡量不同算法的性能。

    (1)總體精度。總體精度(overall accuracy,OA)是對(duì)分類(lèi)結(jié)果質(zhì)量的總體評(píng)價(jià),等于被正確分類(lèi)的像素總和除 以總的像素個(gè)數(shù)。被正確分類(lèi)的像素沿著混淆矩陣的對(duì)角線分布,它顯示了被正確分類(lèi)到真實(shí)分類(lèi)中的像元數(shù)。根據(jù)混淆矩陣可得OA的計(jì)算式為:p=∑ci=1miiN(21)其中,c表示類(lèi)別數(shù)目,mii表示混淆矩陣對(duì)角線上的元素,N=∑ci=1∑cj=1mij表示測(cè)試樣本的總數(shù)。

    (2)Kappa系數(shù)。Kappa系數(shù)采用一種多元離散分析技術(shù),反映分類(lèi)結(jié)果與參考數(shù)據(jù)之間的吻合程度,它考慮了混淆矩陣的所有因子,是一種更為客觀的評(píng)價(jià)指標(biāo),其定義為:k=N∑ci=1mii-∑ci=1(mi+m+i)N2-∑ci=1(mi+m+i)(22)其中,mi+,m+i分別表示混淆矩陣第i行的總和、第i列的總和,c表示類(lèi)別數(shù)目,N為測(cè)試樣本總數(shù),mii表示混淆矩陣對(duì)角線上的元素,Kappa系數(shù)越大分類(lèi)精度越高。

    (3)平均精度。平均精度(average accuracy,AA)定義為每類(lèi)分類(lèi)準(zhǔn)確率相加除以類(lèi)別總數(shù)。AA=∑ci=1accic(23)其中,c表示類(lèi)別數(shù)目,acci表示每類(lèi)的分類(lèi)準(zhǔn)確率。

    4.2實(shí)驗(yàn)結(jié)果及分析

    將IELM與ELM,SVM,CRNN進(jìn)行對(duì)比,SVM采用libsvm工具箱,核函數(shù)采用徑向基核函數(shù)(Radial basis function,RBF),懲罰參數(shù)c=0.02,核函數(shù)參數(shù)g=0.02,IELM與ELM均采用Sigmoid函數(shù)作為激活函數(shù),隱層節(jié)點(diǎn)個(gè)數(shù)設(shè)置為500,懲罰參數(shù)c=20。

    5結(jié)語(yǔ)

    本文提出了一種基于判別信息極端學(xué)習(xí)機(jī)的高光譜遙感圖像分類(lèi)方法,創(chuàng)新之外在于考慮到光譜遙感圖像數(shù)據(jù)的聯(lián)系和差異信息。IELM引入同類(lèi)離散度和異類(lèi)離散度的概念,體現(xiàn)了輸入空間數(shù)據(jù)的判別信息,通過(guò)最大化異類(lèi)離散度和最小化同類(lèi)離散度,優(yōu)化極端學(xué)習(xí)機(jī)的輸出權(quán)值。與NN,SVM, ELM算法的對(duì)比實(shí)驗(yàn)表明,本文所提出方法的分類(lèi)效果優(yōu)于NN,SVM,ELM算法。

    參考文獻(xiàn):

    [1]Q SAMI UL HAQ,L TAO.Neural network based adaboosting approach for hyperspectral data classication[J].International Conference on Computer Science and Network Technology(ICCSNT),2011:241245.

    [2]J A GUALTI,R F CROMP.Support vector machines for hyperspectral remote sensing classification[J].in Proc.SPIE 27th AIPR Workshop:Adv.Comput.Assisted Recognit.Int.Soc.Opt.Photonics,Washington,DC,USA,1999:221232.

    [3]J Li,J BIOUCASDIAS,A.PLAZA.Semisupervised hyperspectral image classification using soft sparse multinomial logistic regression[J].IEEE Geosci.Remote Sens.Lett,2013,10(2):318322.

    [4]W DI,MM CRAWFORD.Active learning via multiview and local proximity coregularization for hyperspectral image classification[J].IEEE Journal of Selected Topics in Signal Processing,2011,5(3):618628.

    [5]J BIOUCASDIAS,M A T.FIGUEIREDO.Alternating direction algorithms for constrained sparse regression:application to hyperspectral unmixing[J].Hyperspectral Image and Signal Processing:Evolution in Remote Sensing (WHISPERS),2010:14.

    [6]Y TARABALKA,J A BENEDIKTSSON,J CHANUSSOT.Spectralspatial classification of hyperspectral imagery based on partitional clustering techniques[J].IEEE Transactions on Geoscience and Remote Sensing,2009,47(8):29732987.

    [7]GB HUANG,H ZHOU,X DING,et al.Extreme learning machine for regression and multiclass classification[J].IEEE Trans.Syst Man Cybern B,2012,42(2):51329.

    [8]M PAL,A E MAXWELL,T A WARNER.Kernelbased extreme learning machine for remotesensing image classification[J].Remote Sens.Lett,2013,4(9):853862.

    [9]D RUMELHART,G HINTON,R WILLIAMS.Learning by backpropagating errors[J].Nature,1986,323(6088):533536.

    [10]Y BAZI.Differential evolution extreme learning machine for the classification of hyperspectral images[J].IEEE Geosci.Remote Sens.Lett,2014,11(6):10661070.

    [11]A SAMAT,P DU,S LIU,et al.E2LMs:ensemble extreme learning machines for hyperspectral image classification[J].IEEE J.Sel.Topics Appl.Earth Observ.Remote Sens,2014,7(4):10601069.

    [12]H LI,T JIANG,K ZHANG.Efficient robust feature extraction by maximum margin criterion[J].IEEE Transactions on Neural Networks ,2006,17(1):157165.

    [13]W LI,Q DU,F(xiàn) ZHANG.Collaborativerepresentationbased nearest neighbor classifier for hyperspectral imagery[J].IEEE Geoscience and Remote Sensing Letters ,2015,12(2):389393.

    [14]G B HUANG.An insight into extreme learning machines:random neurons,random features and kernels[J].Cognitive Computation,2014,6(3):376390.

    責(zé)任編輯(責(zé)任編輯:陳福時(shí))

    猜你喜歡
    極限學(xué)習(xí)機(jī)模式識(shí)別
    紫地榆HPLC指紋圖譜建立及模式識(shí)別
    中成藥(2018年2期)2018-05-09 07:19:52
    淺談模式識(shí)別在圖像識(shí)別中的應(yīng)用
    基于稀疏編碼器與集成學(xué)習(xí)的文本分類(lèi)
    神經(jīng)元的形態(tài)分類(lèi)方法研究
    極限學(xué)習(xí)機(jī)修正誤差的體育成績(jī)預(yù)測(cè)模型
    第四屆亞洲模式識(shí)別會(huì)議
    基于極限學(xué)習(xí)機(jī)的玻璃瓶口缺陷檢測(cè)方法研究
    極限學(xué)習(xí)機(jī)在圖像分割中的應(yīng)用
    可拓模式識(shí)別算法中經(jīng)典域的確定方法
    基于關(guān)節(jié)信息和極限學(xué)習(xí)機(jī)的人體動(dòng)作識(shí)別
    黑人操中国人逼视频| 国产成人系列免费观看| www.999成人在线观看| 我要搜黄色片| x7x7x7水蜜桃| 99热这里只有是精品50| 在线观看66精品国产| 久久国产乱子伦精品免费另类| 国产精品九九99| 久久天躁狠狠躁夜夜2o2o| 国产97色在线日韩免费| 亚洲av成人一区二区三| 男人舔女人的私密视频| 深夜精品福利| 久久天躁狠狠躁夜夜2o2o| 成人三级做爰电影| 久久久久免费精品人妻一区二区| 欧美三级亚洲精品| 国产欧美日韩一区二区三| 国产伦人伦偷精品视频| 国产视频内射| 99久久99久久久精品蜜桃| 亚洲一区二区三区色噜噜| 日韩 欧美 亚洲 中文字幕| 久久久国产精品麻豆| 国产亚洲精品综合一区在线观看 | 18禁美女被吸乳视频| 99热6这里只有精品| 一级毛片精品| 两个人的视频大全免费| 精品国产美女av久久久久小说| 一夜夜www| 日本撒尿小便嘘嘘汇集6| 黄色a级毛片大全视频| 亚洲人成网站在线播放欧美日韩| 男女做爰动态图高潮gif福利片| 成人午夜高清在线视频| 狂野欧美激情性xxxx| 国产亚洲精品av在线| 97碰自拍视频| 淫秽高清视频在线观看| 国产成人一区二区三区免费视频网站| 免费一级毛片在线播放高清视频| ponron亚洲| 老汉色av国产亚洲站长工具| tocl精华| 看免费av毛片| 每晚都被弄得嗷嗷叫到高潮| 天堂√8在线中文| 亚洲成av人片免费观看| 国产精品一区二区免费欧美| 国产99白浆流出| 国产精品免费一区二区三区在线| 久久久久国内视频| 级片在线观看| 亚洲人成网站在线播放欧美日韩| 日韩欧美三级三区| 好男人在线观看高清免费视频| 久久久久久久久免费视频了| 妹子高潮喷水视频| 日韩欧美三级三区| 精品欧美国产一区二区三| 精品久久久久久久久久免费视频| 变态另类成人亚洲欧美熟女| 丰满的人妻完整版| 91国产中文字幕| 久久人妻av系列| 全区人妻精品视频| 宅男免费午夜| 亚洲成av人片免费观看| 免费观看精品视频网站| 日韩欧美 国产精品| 久久久水蜜桃国产精品网| 精品熟女少妇八av免费久了| 在线国产一区二区在线| av中文乱码字幕在线| 舔av片在线| 久久这里只有精品19| 色综合婷婷激情| av中文乱码字幕在线| 我要搜黄色片| 亚洲国产中文字幕在线视频| 在线观看66精品国产| 亚洲成人国产一区在线观看| 日本一二三区视频观看| 欧美一级a爱片免费观看看 | 亚洲一区高清亚洲精品| 国内精品一区二区在线观看| 午夜a级毛片| 母亲3免费完整高清在线观看| 国产精品 欧美亚洲| 国语自产精品视频在线第100页| 国产高清激情床上av| 亚洲五月天丁香| 欧美大码av| 亚洲电影在线观看av| 99精品欧美一区二区三区四区| 欧美乱妇无乱码| 欧美最黄视频在线播放免费| 99国产极品粉嫩在线观看| 欧美性猛交╳xxx乱大交人| 成年免费大片在线观看| 色老头精品视频在线观看| 国内揄拍国产精品人妻在线| 日本 欧美在线| 亚洲欧洲精品一区二区精品久久久| 日本成人三级电影网站| 日本精品一区二区三区蜜桃| 1024手机看黄色片| 看黄色毛片网站| 久久人人精品亚洲av| 亚洲无线在线观看| 欧美3d第一页| 老司机在亚洲福利影院| 亚洲成人国产一区在线观看| 操出白浆在线播放| 日韩欧美在线乱码| 久久久国产欧美日韩av| 亚洲国产欧美一区二区综合| 最新美女视频免费是黄的| 麻豆久久精品国产亚洲av| videosex国产| www国产在线视频色| 欧美激情久久久久久爽电影| 亚洲激情在线av| 一本一本综合久久| 亚洲av成人一区二区三| 亚洲国产看品久久| a在线观看视频网站| 精品国产乱子伦一区二区三区| 999久久久国产精品视频| 国内毛片毛片毛片毛片毛片| 国产久久久一区二区三区| 夜夜看夜夜爽夜夜摸| 十八禁网站免费在线| 午夜老司机福利片| 国产熟女xx| 啦啦啦免费观看视频1| 国模一区二区三区四区视频 | 在线观看www视频免费| avwww免费| 十八禁人妻一区二区| 一级毛片女人18水好多| 久久久久亚洲av毛片大全| 欧美日韩乱码在线| 国产av一区在线观看免费| 久久久久久免费高清国产稀缺| 国产精品久久久av美女十八| 桃红色精品国产亚洲av| 亚洲精品av麻豆狂野| 精品电影一区二区在线| 国产一区二区在线av高清观看| 最新在线观看一区二区三区| 亚洲专区国产一区二区| 亚洲av成人av| 97超级碰碰碰精品色视频在线观看| 好看av亚洲va欧美ⅴa在| 午夜福利欧美成人| 好男人在线观看高清免费视频| 国产精品久久久av美女十八| 免费看十八禁软件| 一区二区三区国产精品乱码| 搡老岳熟女国产| 久久久久九九精品影院| 看片在线看免费视频| 搡老岳熟女国产| 一本久久中文字幕| 韩国av一区二区三区四区| 欧美黑人精品巨大| 国产真实乱freesex| 国产伦在线观看视频一区| 久久亚洲精品不卡| 一级作爱视频免费观看| 岛国在线观看网站| 亚洲18禁久久av| 免费在线观看成人毛片| 黄色成人免费大全| 宅男免费午夜| x7x7x7水蜜桃| 久热爱精品视频在线9| 午夜免费观看网址| 亚洲成a人片在线一区二区| av免费在线观看网站| 国产欧美日韩精品亚洲av| e午夜精品久久久久久久| 777久久人妻少妇嫩草av网站| 99在线人妻在线中文字幕| 欧美丝袜亚洲另类 | 18禁黄网站禁片免费观看直播| 久久久久国内视频| 欧美日本视频| 国产91精品成人一区二区三区| 欧美色视频一区免费| 欧美绝顶高潮抽搐喷水| 国产成年人精品一区二区| 国产97色在线日韩免费| 日韩中文字幕欧美一区二区| 亚洲性夜色夜夜综合| 在线播放国产精品三级| 此物有八面人人有两片| 99riav亚洲国产免费| 9191精品国产免费久久| 午夜免费观看网址| 成人国语在线视频| 麻豆久久精品国产亚洲av| 亚洲人成77777在线视频| 亚洲人成电影免费在线| 成人18禁高潮啪啪吃奶动态图| 人人妻人人看人人澡| 在线观看66精品国产| 悠悠久久av| 波多野结衣高清作品| 在线观看午夜福利视频| 欧美另类亚洲清纯唯美| 亚洲一区二区三区不卡视频| 精品国产超薄肉色丝袜足j| 超碰成人久久| 97碰自拍视频| 欧美日韩中文字幕国产精品一区二区三区| 两性夫妻黄色片| 伦理电影免费视频| 国产精品国产高清国产av| 神马国产精品三级电影在线观看 | 可以免费在线观看a视频的电影网站| 韩国av一区二区三区四区| av天堂在线播放| 免费观看人在逋| 久久久久久亚洲精品国产蜜桃av| 女人爽到高潮嗷嗷叫在线视频| 亚洲精品在线观看二区| 露出奶头的视频| 很黄的视频免费| 亚洲av成人一区二区三| 2021天堂中文幕一二区在线观| 叶爱在线成人免费视频播放| 久久久国产成人精品二区| 亚洲av中文字字幕乱码综合| 亚洲av成人一区二区三| 久久久久久免费高清国产稀缺| 亚洲av美国av| 亚洲成av人片免费观看| 一级毛片女人18水好多| 国产爱豆传媒在线观看 | 成人一区二区视频在线观看| 悠悠久久av| 久久久久久久午夜电影| 一进一出抽搐动态| 99久久99久久久精品蜜桃| 人人妻人人澡欧美一区二区| 国产精品av久久久久免费| 成人三级做爰电影| 国产精品99久久99久久久不卡| 久久中文看片网| 亚洲色图 男人天堂 中文字幕| 成人精品一区二区免费| 国产精品久久久久久亚洲av鲁大| 欧美性猛交╳xxx乱大交人| 国产亚洲欧美98| 夜夜躁狠狠躁天天躁| 午夜视频精品福利| 嫩草影院精品99| aaaaa片日本免费| 一本大道久久a久久精品| 草草在线视频免费看| 1024视频免费在线观看| 天堂影院成人在线观看| 欧美成人午夜精品| 亚洲18禁久久av| 黄色片一级片一级黄色片| 国产亚洲精品综合一区在线观看 | 夜夜夜夜夜久久久久| 搞女人的毛片| 欧美黑人精品巨大| 91国产中文字幕| 夜夜躁狠狠躁天天躁| 午夜福利高清视频| 国产精品精品国产色婷婷| 在线看三级毛片| 天天一区二区日本电影三级| 一a级毛片在线观看| 午夜亚洲福利在线播放| 免费在线观看成人毛片| 搡老熟女国产l中国老女人| 欧美日本亚洲视频在线播放| 精品免费久久久久久久清纯| 美女扒开内裤让男人捅视频| 在线a可以看的网站| 深夜精品福利| 99久久国产精品久久久| 在线观看舔阴道视频| 99re在线观看精品视频| 亚洲国产欧美一区二区综合| 亚洲欧美日韩高清在线视频| 悠悠久久av| 最近视频中文字幕2019在线8| 在线观看午夜福利视频| 色尼玛亚洲综合影院| 国产99白浆流出| 久久精品综合一区二区三区| 女警被强在线播放| 无限看片的www在线观看| 国产一区在线观看成人免费| 麻豆av在线久日| 国产探花在线观看一区二区| 伊人久久大香线蕉亚洲五| 极品教师在线免费播放| 日本撒尿小便嘘嘘汇集6| 亚洲最大成人中文| 国产欧美日韩一区二区三| 一级作爱视频免费观看| 免费在线观看视频国产中文字幕亚洲| 丰满的人妻完整版| 精品熟女少妇八av免费久了| 一本大道久久a久久精品| 国产蜜桃级精品一区二区三区| 后天国语完整版免费观看| 中文资源天堂在线| avwww免费| 后天国语完整版免费观看| 好看av亚洲va欧美ⅴa在| 国产主播在线观看一区二区| 麻豆成人午夜福利视频| 亚洲国产欧美网| 日韩欧美三级三区| 日本在线视频免费播放| 少妇粗大呻吟视频| 舔av片在线| 午夜福利成人在线免费观看| 国产精品98久久久久久宅男小说| 国产黄a三级三级三级人| 99久久综合精品五月天人人| 国产精品乱码一区二三区的特点| 亚洲成人国产一区在线观看| 一进一出抽搐动态| 在线十欧美十亚洲十日本专区| 国产精品免费一区二区三区在线| 热99re8久久精品国产| 色老头精品视频在线观看| 亚洲精品色激情综合| 美女 人体艺术 gogo| 又黄又爽又免费观看的视频| 亚洲成人国产一区在线观看| x7x7x7水蜜桃| 超碰成人久久| 日本精品一区二区三区蜜桃| 夜夜夜夜夜久久久久| 手机成人av网站| 色综合站精品国产| 成人国语在线视频| 国产午夜福利久久久久久| 亚洲无线在线观看| 国产精品永久免费网站| 国产视频一区二区在线看| 亚洲精品美女久久久久99蜜臀| 久久久国产成人精品二区| 熟女电影av网| 舔av片在线| 日韩欧美国产在线观看| av天堂在线播放| 一边摸一边抽搐一进一小说| 窝窝影院91人妻| 97人妻精品一区二区三区麻豆| 一边摸一边抽搐一进一小说| 中文字幕av在线有码专区| 日本 av在线| 国产成人av教育| 国产精品99久久99久久久不卡| 久久久久久国产a免费观看| 99热这里只有精品一区 | 国产熟女xx| 国产精品免费一区二区三区在线| 国产日本99.免费观看| 又紧又爽又黄一区二区| 舔av片在线| 久久久精品大字幕| 美女大奶头视频| 国产熟女午夜一区二区三区| 看片在线看免费视频| 欧美在线黄色| 最近在线观看免费完整版| 日韩精品中文字幕看吧| 日韩三级视频一区二区三区| 国产激情久久老熟女| 国内少妇人妻偷人精品xxx网站 | 国产精华一区二区三区| 日韩国内少妇激情av| av有码第一页| 丰满人妻熟妇乱又伦精品不卡| 两个人的视频大全免费| 免费人成视频x8x8入口观看| 精品久久久久久久人妻蜜臀av| 日韩欧美一区二区三区在线观看| 国产成人一区二区三区免费视频网站| 在线观看66精品国产| 在线观看美女被高潮喷水网站 | 深夜精品福利| 精品第一国产精品| 18禁黄网站禁片免费观看直播| 国产欧美日韩一区二区精品| 亚洲中文日韩欧美视频| 国产蜜桃级精品一区二区三区| 久久久久性生活片| 亚洲人成网站在线播放欧美日韩| 听说在线观看完整版免费高清| 久久热在线av| 啦啦啦免费观看视频1| 热99re8久久精品国产| 亚洲 欧美 日韩 在线 免费| 亚洲狠狠婷婷综合久久图片| 成熟少妇高潮喷水视频| 亚洲国产高清在线一区二区三| 性色av乱码一区二区三区2| 可以在线观看毛片的网站| 黄色女人牲交| 免费在线观看成人毛片| 久久久久久免费高清国产稀缺| 夜夜爽天天搞| 欧美乱色亚洲激情| 哪里可以看免费的av片| 法律面前人人平等表现在哪些方面| 97碰自拍视频| 两性夫妻黄色片| 国产精品99久久99久久久不卡| 久久中文字幕人妻熟女| 精品久久久久久成人av| 久久精品人妻少妇| 毛片女人毛片| 午夜激情av网站| 黄色视频,在线免费观看| 国产在线精品亚洲第一网站| 国内揄拍国产精品人妻在线| 99riav亚洲国产免费| 亚洲一区二区三区不卡视频| 波多野结衣高清作品| 亚洲国产精品久久男人天堂| 无遮挡黄片免费观看| 午夜精品久久久久久毛片777| 又紧又爽又黄一区二区| 日本a在线网址| 亚洲午夜理论影院| 亚洲18禁久久av| 高清在线国产一区| 少妇人妻一区二区三区视频| 国产成人av教育| 999久久久精品免费观看国产| 亚洲国产欧美一区二区综合| 无限看片的www在线观看| 欧美日韩中文字幕国产精品一区二区三区| 久久人妻av系列| 久久久久国产精品人妻aⅴ院| 变态另类丝袜制服| 欧美日韩亚洲国产一区二区在线观看| 18禁观看日本| 香蕉国产在线看| 国产精品久久久久久久电影 | 久久精品亚洲精品国产色婷小说| 长腿黑丝高跟| 黄色丝袜av网址大全| 色噜噜av男人的天堂激情| 免费在线观看亚洲国产| 国产精品,欧美在线| e午夜精品久久久久久久| 国产爱豆传媒在线观看 | 成人特级黄色片久久久久久久| 亚洲精品中文字幕一二三四区| 亚洲av成人一区二区三| 国产黄a三级三级三级人| 日本一本二区三区精品| 午夜a级毛片| 久久草成人影院| 国产三级在线视频| 午夜激情福利司机影院| 身体一侧抽搐| www.www免费av| 亚洲精品一卡2卡三卡4卡5卡| 狠狠狠狠99中文字幕| 国产伦一二天堂av在线观看| 午夜福利免费观看在线| 一级毛片精品| 国产精品九九99| 国内精品久久久久精免费| 宅男免费午夜| 正在播放国产对白刺激| 午夜a级毛片| 婷婷丁香在线五月| 丁香欧美五月| 亚洲成a人片在线一区二区| 男人舔奶头视频| 热99re8久久精品国产| 国产爱豆传媒在线观看 | 老熟妇仑乱视频hdxx| 青草久久国产| 亚洲中文字幕日韩| 午夜福利在线观看吧| www日本在线高清视频| 极品教师在线免费播放| 国产亚洲精品综合一区在线观看 | 日日夜夜操网爽| 久久精品影院6| 午夜精品一区二区三区免费看| 黄片小视频在线播放| www.熟女人妻精品国产| 草草在线视频免费看| www.精华液| 久久亚洲精品不卡| 欧美中文综合在线视频| 欧美在线黄色| 午夜福利成人在线免费观看| 中文字幕人成人乱码亚洲影| 久久久国产成人精品二区| 午夜福利18| 可以免费在线观看a视频的电影网站| 亚洲美女黄片视频| 最新在线观看一区二区三区| 免费看a级黄色片| 日本撒尿小便嘘嘘汇集6| 国产男靠女视频免费网站| 99久久精品国产亚洲精品| 日本五十路高清| 97超级碰碰碰精品色视频在线观看| 国产精品久久久久久亚洲av鲁大| 精品一区二区三区四区五区乱码| 男人舔女人的私密视频| 中文字幕精品亚洲无线码一区| 男人舔女人的私密视频| 午夜激情福利司机影院| 国产精品久久久久久亚洲av鲁大| 中文字幕精品亚洲无线码一区| 亚洲av成人不卡在线观看播放网| bbb黄色大片| 久久欧美精品欧美久久欧美| 午夜激情福利司机影院| 人人妻人人澡欧美一区二区| 欧美3d第一页| 巨乳人妻的诱惑在线观看| 欧美成人免费av一区二区三区| 啦啦啦免费观看视频1| 亚洲精品国产一区二区精华液| 亚洲国产精品999在线| 色综合欧美亚洲国产小说| 亚洲片人在线观看| www.熟女人妻精品国产| 欧美午夜高清在线| 亚洲人成网站高清观看| 免费高清视频大片| 丁香六月欧美| or卡值多少钱| 国产精品亚洲美女久久久| 欧美成人性av电影在线观看| 欧美不卡视频在线免费观看 | 在线a可以看的网站| 嫁个100分男人电影在线观看| 黄色 视频免费看| 午夜老司机福利片| 美女免费视频网站| 欧美中文综合在线视频| 日韩欧美一区二区三区在线观看| 制服人妻中文乱码| 男女床上黄色一级片免费看| 国产探花在线观看一区二区| 久久精品综合一区二区三区| 国产亚洲精品av在线| 日本a在线网址| 婷婷精品国产亚洲av| 又大又爽又粗| 妹子高潮喷水视频| 操出白浆在线播放| 国产男靠女视频免费网站| 国产成人欧美在线观看| 巨乳人妻的诱惑在线观看| 欧美中文综合在线视频| 美女黄网站色视频| 日日夜夜操网爽| 中文字幕熟女人妻在线| 两性午夜刺激爽爽歪歪视频在线观看 | АⅤ资源中文在线天堂| 淫妇啪啪啪对白视频| 亚洲国产欧洲综合997久久,| 高潮久久久久久久久久久不卡| 波多野结衣高清作品| 国产精品电影一区二区三区| 国产精品日韩av在线免费观看| 成人欧美大片| 黄片小视频在线播放| xxx96com| 丰满人妻一区二区三区视频av | 成人精品一区二区免费| 视频区欧美日本亚洲| 中文字幕av在线有码专区| 久久精品国产亚洲av高清一级| 夜夜看夜夜爽夜夜摸| 两人在一起打扑克的视频| 91麻豆精品激情在线观看国产| 99久久99久久久精品蜜桃| 欧美成人一区二区免费高清观看 | 国产蜜桃级精品一区二区三区| 一级毛片高清免费大全| 亚洲七黄色美女视频| 黄色 视频免费看| 精品日产1卡2卡| 九色成人免费人妻av| 激情在线观看视频在线高清| 在线观看免费午夜福利视频| 国产蜜桃级精品一区二区三区| 在线观看舔阴道视频| 午夜免费激情av| 国产男靠女视频免费网站| 国产又黄又爽又无遮挡在线| 黄色视频,在线免费观看| 亚洲熟女毛片儿| 女人被狂操c到高潮| 美女黄网站色视频| 国产免费男女视频| 给我免费播放毛片高清在线观看| 亚洲欧美日韩无卡精品|