• <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 ?

    引入結構信息的模糊支持向量機

    2017-04-26 05:26:15李凱顧麗鳳張雷
    河北大學學報(自然科學版) 2017年2期
    關鍵詞:結構型正確率聚類

    李凱,顧麗鳳,張雷

    (1.河北大學 計算機科學與技術學院,河北 保定 071002;2.中國聯(lián)合網(wǎng)絡通信有限公司保定市分公司 網(wǎng)絡與信息安全部,河北 保定 071051)

    ?

    引入結構信息的模糊支持向量機

    李凱1,顧麗鳳1,張雷2

    (1.河北大學 計算機科學與技術學院,河北 保定 071002;2.中國聯(lián)合網(wǎng)絡通信有限公司保定市分公司 網(wǎng)絡與信息安全部,河北 保定 071051)

    模糊支持向量機是在支持向量機的基礎上,通過考慮不同樣本對支持向量機的作用而提出的一種分類方法,然而,該方法卻忽視了給定樣本集的結構信息.為此,將樣本集中的結構信息引入到模糊支持向量機中,給出了一種結構型模糊支持向量機模型,利用拉格朗日求解方法,將其轉換為一個具有約束條件的優(yōu)化問題,通過求解該對偶問題,獲得了結構型模糊支持向量機分類器.實驗中選取標準數(shù)據(jù)集,驗證了提出方法的有效性.

    支持向量機;模糊支持向量機;結構信息;類內(nèi)離散度

    支持向量機SVM (support vector machine)是由Vapnik等[1]提出的一種機器學習方法,其理論基礎是統(tǒng)計學習理論的VC (vapnik chervonenkis)維和結構風險最小化原理.SVM的基本思想是尋找具有最大間隔且將2類樣本正確分開的超平面,為此,研究人員對其進行了深入的研究,并提出了很多不同的支持向量機,例如υ-SVM(υ-support vector machines)[2]和LS-SVM(least squares support vector machine)[3].由于支持向量機對噪聲或異常點具有較強的敏感性,使得它的訓練易產(chǎn)生過擬合現(xiàn)象,從而導致支持向量機的泛化性能降低.為了解決該問題,研究人員提出了模糊支持向量機FSVM (fuzzy support vector machine)[4],該方法主要將模糊理論引入到支持向量機中,通過考慮不同樣本對支持向量機的作用,較好地解決了噪聲或異常點對支持向量機的影響.然而,如何確定不同樣本的作用,即合理設置樣本的模糊隸屬度是模糊支持向量機的主要問題.之后,研究人員依據(jù)訓練樣本的分布獲得了模糊隸屬度的確定方法[5-7]. 另外,一些研究人員通過研究模糊隸屬度的確定方法也獲得了不同類型的模糊支持向量機[8-10]. 可以看到,對于以上介紹的支持向量機或模糊支持向量機,主要利用了數(shù)據(jù)集的類間的可分性,但忽視了數(shù)據(jù)集中類內(nèi)的結構信息,為此,人們提出了結構支持向量機[11-16],進一步提高了支持向量機的泛化性能.目前,關于結構支持向量機,人們主要在傳統(tǒng)支持向量機的基礎上并結合結構信息進行了研究.鑒于模糊支持向量機的影響之深,本文對基于結構信息的模糊支持向量機進行了研究,給出了結構型模糊支持向量機模型,利用拉格朗日方法獲得了結構型模糊支持向量機分類器,實驗驗證了提出方法的有效性.

    1 模糊支持向量機

    模糊支持向量機是由Lin等[4]提出的一種分類方法,它主要針對數(shù)據(jù)樣本點的重要性不同,將每個數(shù)據(jù)樣本點xi賦予一個合適的模糊隸屬值si(0≤si≤1),以此克服噪聲或異常點對支持向量機的影響.為此,在模糊支持向量機中,給定的數(shù)據(jù)樣本集是具有模糊隸屬度的一個數(shù)據(jù)集合.假設X={(x1,y1,s1),(x2,y2,s2),…,(xl,yl,sl)},其中xi∈Rn,yi∈{+1,-1},i=1,2,…,l,si是樣本xi屬于類yi的模糊隸屬度.

    模糊支持向量機的優(yōu)化問題如下:

    s.t yi(wTxi+b)+ξi≥1,i=1,2,…,l,

    (1)

    ξi≥0,i=1,2,…,l,

    其中ξi是松弛變量,ξ=(ξ1,ξ2,…,ξl)是由松弛變量構成的向量,C是懲罰因子,siξi度量不同變量的重要性.原優(yōu)化問題(1)的對偶問題為

    (2)

    0≤αi≤Csi,i=1,2,…,l.

    2 結構型模糊支持向量機

    2.1 結構型模糊支持向量機模型

    在結構型模糊支持向量機SFSVM (structural fuzzy support vector machine)中,不僅尋找具有最大間隔的超平面,而且使得每類具有較小的離散度,為此,將數(shù)據(jù)集中的結構信息引入到模糊支持向量機中,從而得到結構型模糊支持向量機模型,其優(yōu)化問題如下:

    s.t yi(xi·w+b)+ξi≥1,i=1,2,…,l,

    (3)

    ξi≥0,i=1,2,…,l.

    其中par≥0為參數(shù),Sw為給定數(shù)據(jù)的總類內(nèi)離散度矩陣.

    令I為單位矩陣,∑=par·Sw+I,則(3)進一步變?yōu)槿缦碌膬?yōu)化問題:

    s.t yi(xi·w+b)+ξi≥1,i=1,2,…,l,

    (4)

    ξi≥0,i=1,2,…,l.

    使用拉格朗日方法求解(4),為此構造如下拉格朗日函數(shù):

    (5)

    其中α≥0和β≥0為拉格朗日乘子向量,即α=(α1,α2,…,αl) ,β=(β1,β2,…,βl),函數(shù)L的極值應滿足如下條件:

    (6)

    (7)

    (8)

    將式(6)、(7)和(8)帶入(5),由此得到如下優(yōu)化問題:

    0≤αi≤Csi,i=1,2,…,l.

    (9)

    可以看到,式(9)為二次規(guī)劃問題,可以對其直接求解,設獲得的解為α*=(α*1,α*2,…,α*l),將其帶入(6),從而得到最優(yōu)超平面的法線方向w=∑-1·∑li=1α*iyixi,由此進一步得到如下的決策函數(shù):

    其中b可由K-T條件獲得.

    2.2 結構信息的獲取

    假設樣本集X中的2類樣本構成的集合分別為X+和X-,即X=X+∪X-,m1和m2分別為X+和X-的均值向量,則樣本集X的結構信息,即樣本集X的類內(nèi)離散度為

    對于樣本集X的結構信息,除了使用類內(nèi)離散度方法獲取外,也可利用聚類方法得到. 假設對每類樣本聚類的簇數(shù)為k個,其聚類結果分別為X+和X-,即

    其中X+i和X-i(i=1,2,…,k)分別為對正類樣本和負類樣本聚類后得到的第i個簇;然后對每個簇X+i和X-i(i=1,2,…,k),分別計算類內(nèi)離散度S+i和S-i,從而獲得每類的類內(nèi)離散度S+和S-,即S+=∑ki=1S+i,S-=∑ki=1S-i,則樣本集X的結構信息為Sw=S++S-.

    可以看到,對于結構信息的獲取,給出的2種方法可以統(tǒng)一為使用聚類方法獲取樣本集的結構信息,也就是說,當聚類方法中的簇數(shù)k=1時,則聚類方法獲取的結構信息變?yōu)橹苯邮褂妹款惖念悆?nèi)離散度方法.

    2.3 模糊隸屬度的確定方法

    對于給定的數(shù)據(jù)集,如何確定每個樣本的隸屬度呢?關于該問題,研究人員提出了一些方法.在本文中,使用了Lin等[4]提出的樣本隸屬度的確定方法,即通過計算每個樣本到其類中心的距離來獲取樣本隸屬度,從而減少異常點或噪聲對支持向量機的影響.下面給出計算樣本模糊隸屬度的具體步驟:

    1)分別計算正類和負類樣本的類中心,設為x+和x-.

    3)根據(jù)樣本類均值和類半徑獲得每個樣本的模糊隸屬度

    其中,δ>0主要用來避免si=0.

    3 實驗研究

    為了驗證提出方法的有效性,實驗中選取了11個數(shù)據(jù)集,分別來自于UCI和Statlog數(shù)據(jù)庫,所有數(shù)據(jù)集均為2類,具體特性如表1所示.值得說明的是Wine數(shù)據(jù)集為3類,但在實驗中將其轉換為2類數(shù)據(jù)集.在下面的實驗中,對于每個數(shù)據(jù)集,使用隨機方法分別抽取90%和70%比例的數(shù)據(jù)作為訓練集,剩余的10%和30%數(shù)據(jù)作為測試集,實驗結果為執(zhí)行10次實驗后得到的平均值,結構信息的獲取主要研究了直接計算每類的類內(nèi)離散度方法,同時與使用聚類方法獲取結構信息進行了比較.

    為了表明結構信息對支持向量機的影響,實驗中選取參數(shù)par=9.5進行了研究,隨機選取的訓練集比例為90%,實驗結果如圖1所示,其中縱坐標表示10次實驗結果的均值和標準差.另外,與模糊支持向量機FSVM的實驗結果進行了比較,如圖2所示.

    表1 數(shù)據(jù)集的特性

    圖1 不同數(shù)據(jù)集的平均正確率與標準差Fig.1 Average accuracy and standard deviation on each data set

    圖2 固定參數(shù)后的2種不同方法的平均正確率的比較 Fig.2 Comparison of average accuracy for SFSVM and FSVM on each data set with par=9.5

    由圖2可以看到,在選取的11個數(shù)據(jù)集中,當選取參數(shù)par=9.5時,在8個數(shù)據(jù)集中,提出的方法SFSVM的性能優(yōu)于模糊支持向量機FSVM,在另外的3個數(shù)據(jù)集Australian、Bupa和Wpbc的性能劣于模糊支持向量機FSVM.但是,可以通過合理設置參數(shù)par的值,使得提出的方法SFSVM在大部分數(shù)據(jù)集上優(yōu)于模糊支持向量機FSVM,為了表明此種情況,對參數(shù)par的不同取值進行了實驗研究,其取值范圍為[3,10],實驗結果如圖3與圖4所示,其中圖3標出了取得較好結果的參數(shù)值,圖4給出了對應參數(shù)的10次運行結果的平均值及FSVM的平均值.可以看到,除了Bupa數(shù)據(jù)集稍有下降外,在其他數(shù)據(jù)集都獲得了較好的性能.

    圖3 選取較好參數(shù)的每個數(shù)據(jù)集的平均正確率與標準差Fig.3 Average accuracy and standard deviation on each data set with better parameter value

    圖4 選取較好參數(shù)的2種不同方法的平均正確率的比較Fig.4 Comparison of average accuracy for SFSVM and FSVM on each data set with better parameter value

    為了表明不同比例的訓練數(shù)據(jù)對分類的影響,針對選取的70%的訓練數(shù)據(jù)進行了實驗,參數(shù)par的取值分別為4,4.5,5,5.5和6,實驗結果如圖5和圖6所示.由實驗結果可以看到,在9個數(shù)據(jù)集中,提出的方法SFSVM的性能優(yōu)于模糊支持向量機,而在Bupa和Wine數(shù)據(jù)集上劣于FSVM,然而對于Wine數(shù)據(jù)集的性能,2種方法的正確率基本上保持一致.

    另外,通過選取90%的數(shù)據(jù)作為訓練集,聚類數(shù)目k=3且C=10,利用聚類技術獲取數(shù)據(jù)集的結構信息也進行了實驗,同時與FSVM及SFSVM 2種方法進行了比較,為了區(qū)分2種不同獲取結構信息的方法,用SFSVM-1和SFSVM-2分別表示直接使用類內(nèi)離散度和聚類技術獲取結構信息的SFSVM,實驗結果如圖7所示. 可以看到,使用結構信息的SFSVM的分類正確率在大部分數(shù)據(jù)集上優(yōu)于FSVM,而使用2種方法獲取結構信息的分類正確率在不同的數(shù)據(jù)集上各有千秋,實際上,可以針對不同的數(shù)據(jù)集,通過設置合理的參數(shù)獲得較好的分類性能.

    圖5 SFSVM在不同參數(shù)下的平均正確率Fig.5 Average accuracy for SFSVM on each data set with different parameter value

    圖6 選取較好參數(shù)下SFSVM與FSVM的平均正確率比較Fig.6 Comparison of average accuracy for SFSVM and FSVM on each data set with better parameter value

    圖7 3種不同方法的平均正確率比較Fig.7 Comparison of average accuracy with three different methods

    綜上所述,在模糊支持向量機中通過引入結構信息,在一定程度上提高了支持向量機的泛化性能,然而,在一些數(shù)據(jù)集,例如Bupa等,引入結構信息后反而使得支持向量機的性能有所下降,這主要是由于實驗中par的參數(shù)取值確定為[3,10],該問題的解決可以通過進一步調(diào)整參數(shù)值獲得較好的性能.

    4 結論

    模糊支持向量機是在支持向量機的基礎上,通過考慮不同樣本的作用而提出的一種機器學習方法,然而,該方法只關注了類間的可分性,并未考慮樣本集中的結構信息.在本文中,將樣本中的結構信息引入到模糊支持向量機中,獲得了結構型模糊支持向量機模型,利用拉格朗日方法,將其轉換為一個具有約束條件的優(yōu)化問題,通過求解該對偶問題,從而獲得結構型模糊支持向量機分類器.通過選取標準數(shù)據(jù)集,實驗驗證了提出方法的有效性,在以后的工作中,進一步研究使用聚類技術方法獲取結構信息的模糊支持向量機.

    [1] VAPNIK V N. The nature of statistical learning theory [M]. New York:Springer, 1995.

    [2] SCHOLKOPF B, SMOLA A J, WILLIAMSON R C, et al. New support vector algorithms [J]. Neural Computation, 2000, 12(5):1207-1245. DOI:10.1162/089976600300015565.

    [3] SUYKENS J, VANDEWALLE J. Least squares support vector machine classifiers [J]. Neural Processing Letters, 1999, 9(3):293-300. DOI:10.1023/ A:1018628609742.

    [4] LIN C F, WANG S D. Fuzzy support vector machines [J]. IEEE Transaction on Neural Networks, 2002, 13(2):464-471. DOI:10.1109/72.991432.

    [5] LIN C F, WANG S D. Fuzzy support vector machines with automatic membership setting [J]. Studies in Fuzziness and Soft Computing, 2005, 177:233-254. DOI:10.1007/10984697_11.

    [6] JIANG X F, YI Z, LV J C. Fuzzy SVM with a new fuzzy membership function [J]. Neural Computing and Application, 2006, 15(3-4):268-276. DOI:10.1007/s00521-006-0028-z.

    [7] 楊志民.模糊支持向量機及其應用研究[D].北京:中國農(nóng)業(yè)大學, 2005. DOI:10.7666/d.y773695. YANG Z M. Fuzzy support vector machine and its application [D]. Beijing:China Agricultural University, 2005. DOI:10.7666/d.y773695.

    [8] SHILTON A, LAI D T H. Iterative fuzzy support vector machine classification[Z]. IEEE International Conference on Fuzzy Systems, London, UK, 2007. DOI:10.1109/FUZZY.2007.4295570.

    [9] HONG D H, HWANG C H. Support vector fuzzy regression machines [J]. Fuzzy Sets and System, 2003, 138(2):271-281. DOI:10.1016/S0165-0114(02)00514-6.

    [10] YANG X W, ZHANG G Q, LU J. A kernel fuzzy C-means clustering-based fuzzy support vector machine algorithm for classfication problems with outliers or noises [J]. IEEE Transactions on Fuzzy Systems, 2011, 19(1):105-115. DOI:10.1109/TFUZZ.2010.2087382.

    [11] YEUNG D, WANG D, NG W, et al. Structured large margin machines:sensitive to data distributions [J]. Machine Learning, 2007, 68(2):171-200. DOI:10.1007/s10994-007-5015-9.

    [12] XUE H, CHEN S C, YANG Q. Structural regularized support vector machine:a framework for structural large margin classifier [J]. IEEE Transactions on Neural Networks, 2011, 22(4):573-587. DOI:10.1109/TNN.2011.2108315.

    [13] XIONG T, CHERKASSKY V. A combined SVM and LDA approach for classification[Z]. International Joint Conference on Neural Networks, Montreal, Canada, 2005. DOI:10.1109/IJCNN.2005.1556089.

    [14] ZHANG L, ZHOU W D. Fisher-regularized support vector machine [J]. Information Sciences, 2016,343-344:79-93. DOI:10.1016/j.ins.2016.01.053.

    [15] HOUTHOOFT R, TURCK F D. Integrated inference and learning of neural factors in structural support vector machines[J]. Pattern Recognition, 2016, 59:292-301. DOI:10.1016/j.patcog.2016.03.014.

    [16] HOU Q L, ZHEN L, DENG N Y, et al. Novel grouping method-based support vector machine plus for structured data[J]. Neurocomputing, 2016, 211:191-201. DOI:10.1016/j.neucom.2016.03.086.

    (責任編輯:孟素蘭)

    Fuzzy support vector machine based on structural information

    LI Kai1, GU Lifeng1,ZHANG Lei2

    (1.College of Computer Science and Technology, Hebei University, Baoding 071002, China;2.Department of Network and Information Security,Baoding City Branch of China United Network Communication Corporation Limited,Baoding 071051,China)

    By considering the role of different samples on support vector machine, fuzzy support vector machine is presented based on support vector machine. However, it ignores the structural information of the given sample set. To this end, structural information of the given sample set is introduced into fuzzy support vector machine and obtained a structural fuzzy support vector machine model. It is converted to dual problem with quadratic programming using Lagrange method. Through solving this dual problem,the fuzzy support vector machine classifier is obtained. Experimental results in selected standard data sets demonstrate the effectiveness of the proposed method.

    support vector machines;fuzzy support vector machine;structure information;within class scatter

    10.3969/j.issn.1000-1565.2017.02.013

    2016-08-04

    國家自然科學基金資助項目(61375075)

    李凱 (1963—),男,河北滿城人,河北大學教授,博士,主要從事機器學習、數(shù)據(jù)挖掘和模式識別研究.E-mail:likai@hbu.edu.cn

    TP 319

    A

    1000-1565(2017)02-0187-07

    猜你喜歡
    結構型正確率聚類
    門診分診服務態(tài)度與正確率對護患關系的影響
    自愈合薄膜的研究進展
    西部論叢(2020年8期)2020-08-31 22:44:28
    體育社團結構型社會資本的培育研究
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    淺議科技論文結構型英文摘要的句型特點和表達方式
    新時期計算機程序的設計模式
    生意
    品管圈活動在提高介入手術安全核查正確率中的應用
    天津護理(2016年3期)2016-12-01 05:40:01
    生意
    故事會(2016年15期)2016-08-23 13:48:41
    基于改進的遺傳算法的模糊聚類算法
    免费观看无遮挡的男女| 久久午夜综合久久蜜桃| 狂野欧美激情性xxxx在线观看| 97精品久久久久久久久久精品| kizo精华| 国产 精品1| 国产精品欧美亚洲77777| 欧美激情国产日韩精品一区| 中国三级夫妇交换| 亚洲欧美一区二区三区国产| 最黄视频免费看| 午夜免费男女啪啪视频观看| 欧美精品一区二区大全| 91精品三级在线观看| 国产一区二区在线观看av| √禁漫天堂资源中文www| 成年人免费黄色播放视频| 美女xxoo啪啪120秒动态图| 国产成人免费无遮挡视频| 国产高清三级在线| 一本色道久久久久久精品综合| 国产爽快片一区二区三区| 亚洲成色77777| 精品酒店卫生间| 午夜激情福利司机影院| 一本色道久久久久久精品综合| 欧美激情 高清一区二区三区| 国模一区二区三区四区视频| 久热这里只有精品99| 少妇的逼好多水| 国产亚洲av片在线观看秒播厂| 插逼视频在线观看| 国产成人精品在线电影| 欧美精品一区二区免费开放| 蜜桃国产av成人99| 2018国产大陆天天弄谢| 国产不卡av网站在线观看| 国产高清国产精品国产三级| 夜夜爽夜夜爽视频| 我的女老师完整版在线观看| 狠狠精品人妻久久久久久综合| 蜜桃在线观看..| av免费在线看不卡| 亚洲精品久久午夜乱码| 韩国高清视频一区二区三区| 精品熟女少妇av免费看| 一区二区三区免费毛片| videos熟女内射| 欧美人与性动交α欧美精品济南到 | 在线精品无人区一区二区三| 国产成人精品婷婷| 国产国拍精品亚洲av在线观看| 能在线免费看毛片的网站| 最后的刺客免费高清国语| 日产精品乱码卡一卡2卡三| 久久久精品免费免费高清| av卡一久久| 成人国语在线视频| 亚洲怡红院男人天堂| 少妇丰满av| 成人国语在线视频| 日韩伦理黄色片| 亚洲人成网站在线播| 一个人看视频在线观看www免费| 欧美国产精品一级二级三级| √禁漫天堂资源中文www| 久久精品久久精品一区二区三区| 欧美人与性动交α欧美精品济南到 | 欧美3d第一页| 十八禁高潮呻吟视频| 黄片播放在线免费| 国产精品久久久久久av不卡| 亚洲精品国产色婷婷电影| 天天操日日干夜夜撸| 亚洲欧美精品自产自拍| 色94色欧美一区二区| 永久网站在线| 欧美精品人与动牲交sv欧美| 99热国产这里只有精品6| 免费不卡的大黄色大毛片视频在线观看| av免费在线看不卡| freevideosex欧美| 国产在线视频一区二区| 久久久久国产网址| 丝袜喷水一区| 99热这里只有精品一区| 在线免费观看不下载黄p国产| 大片电影免费在线观看免费| 日韩制服骚丝袜av| 搡女人真爽免费视频火全软件| 精品国产一区二区久久| 日韩制服骚丝袜av| 精品国产乱码久久久久久小说| 国产亚洲欧美精品永久| 2018国产大陆天天弄谢| 桃花免费在线播放| 亚洲美女视频黄频| 少妇人妻久久综合中文| 少妇人妻 视频| 亚洲av男天堂| 男女边摸边吃奶| 亚洲av国产av综合av卡| 两个人的视频大全免费| 国产精品无大码| 国产精品无大码| 国产国语露脸激情在线看| 亚洲国产欧美在线一区| 亚洲国产精品专区欧美| 美女主播在线视频| 亚洲性久久影院| 亚洲精品一区蜜桃| 人妻人人澡人人爽人人| 97在线视频观看| 国产欧美另类精品又又久久亚洲欧美| 国产午夜精品久久久久久一区二区三区| 22中文网久久字幕| 国产黄色免费在线视频| 成人毛片60女人毛片免费| 肉色欧美久久久久久久蜜桃| 精品人妻偷拍中文字幕| 精品熟女少妇av免费看| 女人久久www免费人成看片| 午夜视频国产福利| 女性生殖器流出的白浆| 久久人妻熟女aⅴ| 亚洲精品乱码久久久久久按摩| 免费观看a级毛片全部| 国产高清不卡午夜福利| 国产成人一区二区在线| 免费人成在线观看视频色| 久久精品国产亚洲av天美| 亚洲丝袜综合中文字幕| 国产在线一区二区三区精| 日韩电影二区| 人妻一区二区av| 欧美日韩综合久久久久久| 亚洲欧美精品自产自拍| 人成视频在线观看免费观看| 如日韩欧美国产精品一区二区三区 | 飞空精品影院首页| 伊人久久国产一区二区| 丰满饥渴人妻一区二区三| 亚洲精品456在线播放app| 亚洲精品乱码久久久v下载方式| 日本欧美视频一区| 国产69精品久久久久777片| 久久久久久久国产电影| 两个人免费观看高清视频| 黑丝袜美女国产一区| 日本av免费视频播放| 免费观看a级毛片全部| 日韩不卡一区二区三区视频在线| 一边亲一边摸免费视频| 国产精品免费大片| 夜夜骑夜夜射夜夜干| 丝瓜视频免费看黄片| 成人综合一区亚洲| 人妻制服诱惑在线中文字幕| 成年美女黄网站色视频大全免费 | √禁漫天堂资源中文www| 国产精品久久久久久av不卡| 久久久久精品性色| 黄色毛片三级朝国网站| 国语对白做爰xxxⅹ性视频网站| 欧美精品亚洲一区二区| 热re99久久精品国产66热6| 老女人水多毛片| 日韩,欧美,国产一区二区三区| 亚洲第一区二区三区不卡| 欧美日韩一区二区视频在线观看视频在线| 亚洲丝袜综合中文字幕| 免费黄频网站在线观看国产| 亚洲不卡免费看| 蜜桃久久精品国产亚洲av| 飞空精品影院首页| 丰满饥渴人妻一区二区三| 一边摸一边做爽爽视频免费| 人妻少妇偷人精品九色| 在线 av 中文字幕| 亚洲成人一二三区av| 99久久人妻综合| av黄色大香蕉| 精品一品国产午夜福利视频| 成年人免费黄色播放视频| 免费高清在线观看日韩| 两个人的视频大全免费| 成人黄色视频免费在线看| 午夜久久久在线观看| 国产av国产精品国产| 国产精品熟女久久久久浪| 一本久久精品| 亚洲精品第二区| 国产日韩欧美视频二区| a级毛色黄片| 亚洲图色成人| 高清毛片免费看| 免费黄频网站在线观看国产| 久久久精品免费免费高清| 黄色配什么色好看| 久久人妻熟女aⅴ| a级毛片在线看网站| 亚洲综合色惰| 亚洲欧洲精品一区二区精品久久久 | 99热6这里只有精品| 狠狠精品人妻久久久久久综合| 老司机亚洲免费影院| 特大巨黑吊av在线直播| 日韩一区二区视频免费看| 免费大片黄手机在线观看| 99re6热这里在线精品视频| 国产精品一区二区在线观看99| 狠狠婷婷综合久久久久久88av| 国产精品偷伦视频观看了| 最新中文字幕久久久久| 久久青草综合色| 国语对白做爰xxxⅹ性视频网站| 曰老女人黄片| 国产日韩欧美视频二区| 亚洲不卡免费看| 久热这里只有精品99| 久久久欧美国产精品| 91成人精品电影| 亚洲欧美成人精品一区二区| 不卡视频在线观看欧美| 欧美三级亚洲精品| 亚洲美女黄色视频免费看| 国产成人91sexporn| 99热网站在线观看| 久久久久人妻精品一区果冻| 啦啦啦中文免费视频观看日本| 久久午夜福利片| 麻豆乱淫一区二区| 免费黄频网站在线观看国产| 日韩欧美一区视频在线观看| 国产精品.久久久| 国产免费现黄频在线看| av.在线天堂| 国产精品偷伦视频观看了| xxx大片免费视频| 校园人妻丝袜中文字幕| 久久人人爽人人片av| 97在线人人人人妻| 亚洲经典国产精华液单| 亚洲美女黄色视频免费看| 丰满乱子伦码专区| 日韩亚洲欧美综合| av在线app专区| 亚洲,欧美,日韩| 亚洲激情五月婷婷啪啪| 26uuu在线亚洲综合色| xxx大片免费视频| 欧美性感艳星| 婷婷色综合www| 999精品在线视频| 免费人成在线观看视频色| 国产探花极品一区二区| 亚洲精品久久久久久婷婷小说| 国产午夜精品久久久久久一区二区三区| 亚洲综合色惰| 亚洲色图综合在线观看| 性色av一级| 久久这里有精品视频免费| 国产精品99久久久久久久久| 国产男女超爽视频在线观看| 久久热精品热| 亚洲国产欧美在线一区| 王馨瑶露胸无遮挡在线观看| 欧美成人精品欧美一级黄| 亚洲精华国产精华液的使用体验| 久久女婷五月综合色啪小说| 超色免费av| 自拍欧美九色日韩亚洲蝌蚪91| 精品卡一卡二卡四卡免费| 亚洲精品国产av蜜桃| 秋霞伦理黄片| 女人久久www免费人成看片| 久久热精品热| 一边亲一边摸免费视频| 亚洲高清免费不卡视频| 国产视频内射| 另类亚洲欧美激情| 亚洲精品aⅴ在线观看| 99热国产这里只有精品6| 天堂8中文在线网| 日本黄色片子视频| 欧美变态另类bdsm刘玥| 满18在线观看网站| 有码 亚洲区| 三级国产精品片| 久久精品国产亚洲av天美| 亚洲欧美成人精品一区二区| 国产成人精品久久久久久| 国产国语露脸激情在线看| 久久99热这里只频精品6学生| 下体分泌物呈黄色| 黄色欧美视频在线观看| 国产有黄有色有爽视频| 视频区图区小说| 久久午夜福利片| 国产高清三级在线| 日本免费在线观看一区| 色吧在线观看| 一本大道久久a久久精品| 久久精品国产鲁丝片午夜精品| 尾随美女入室| 视频在线观看一区二区三区| 国产精品三级大全| 在现免费观看毛片| tube8黄色片| 免费观看在线日韩| 桃花免费在线播放| 美女内射精品一级片tv| 欧美xxxx性猛交bbbb| 中文字幕久久专区| 这个男人来自地球电影免费观看 | 日韩大片免费观看网站| 亚洲精品av麻豆狂野| 久久久精品区二区三区| 国产精品人妻久久久久久| 婷婷色麻豆天堂久久| 日日撸夜夜添| 一区二区三区免费毛片| 久久精品国产亚洲av天美| 国产成人精品福利久久| 亚洲欧美成人综合另类久久久| av国产久精品久网站免费入址| 亚洲少妇的诱惑av| 男女免费视频国产| 青青草视频在线视频观看| 日韩大片免费观看网站| 大又大粗又爽又黄少妇毛片口| 亚洲国产毛片av蜜桃av| 亚洲经典国产精华液单| 午夜av观看不卡| 中国国产av一级| 午夜91福利影院| 中文字幕亚洲精品专区| 日本91视频免费播放| 母亲3免费完整高清在线观看 | 久久久国产一区二区| 日本av手机在线免费观看| 99久国产av精品国产电影| 婷婷成人精品国产| 久热这里只有精品99| 国产精品 国内视频| 精品久久国产蜜桃| 日韩亚洲欧美综合| 欧美97在线视频| 精品国产露脸久久av麻豆| 国产视频首页在线观看| 亚洲av不卡在线观看| 久久久久久久久久成人| 精品久久久久久久久亚洲| 综合色丁香网| 亚洲欧美一区二区三区国产| 精品亚洲成国产av| 日韩人妻高清精品专区| 人人妻人人添人人爽欧美一区卜| 欧美3d第一页| 国产精品.久久久| 一区在线观看完整版| 王馨瑶露胸无遮挡在线观看| 日韩一区二区视频免费看| 99热国产这里只有精品6| 下体分泌物呈黄色| 一个人看视频在线观看www免费| 国产一区二区在线观看日韩| 一级毛片我不卡| 精品亚洲成国产av| 日韩人妻高清精品专区| 久久99热这里只频精品6学生| 免费黄色在线免费观看| 国产伦理片在线播放av一区| 欧美日韩精品成人综合77777| 天堂8中文在线网| 999精品在线视频| 国产精品99久久久久久久久| 18在线观看网站| 亚洲天堂av无毛| 91久久精品电影网| 精品久久久久久久久亚洲| 18禁裸乳无遮挡动漫免费视频| 一级二级三级毛片免费看| 99久久综合免费| 久久久久久久国产电影| 国产精品人妻久久久久久| 成年美女黄网站色视频大全免费 | 日本爱情动作片www.在线观看| 亚洲欧美清纯卡通| 18禁观看日本| 欧美日韩综合久久久久久| 亚洲欧洲国产日韩| 卡戴珊不雅视频在线播放| 欧美亚洲日本最大视频资源| 人人妻人人爽人人添夜夜欢视频| 一区在线观看完整版| 国产综合精华液| 国产精品一区www在线观看| 91成人精品电影| 国产男女超爽视频在线观看| 日韩av不卡免费在线播放| 久久久久久久久大av| 人人妻人人添人人爽欧美一区卜| 一边摸一边做爽爽视频免费| 黄色欧美视频在线观看| 中文字幕人妻丝袜制服| 免费播放大片免费观看视频在线观看| 美女福利国产在线| 国产淫语在线视频| 婷婷色综合大香蕉| 黄色毛片三级朝国网站| 纯流量卡能插随身wifi吗| 国产高清三级在线| 看十八女毛片水多多多| 亚洲欧美成人综合另类久久久| 夫妻午夜视频| 日日摸夜夜添夜夜爱| 欧美精品亚洲一区二区| 日韩欧美一区视频在线观看| 精品人妻偷拍中文字幕| 免费大片18禁| 精品视频人人做人人爽| 五月伊人婷婷丁香| 亚洲人与动物交配视频| 国产精品一区二区在线观看99| 色视频在线一区二区三区| 人妻 亚洲 视频| 成人黄色视频免费在线看| 国产精品女同一区二区软件| 国产精品女同一区二区软件| 国产精品99久久99久久久不卡 | 亚洲av.av天堂| 91久久精品国产一区二区成人| 99热这里只有精品一区| 99re6热这里在线精品视频| 亚洲天堂av无毛| 插阴视频在线观看视频| 亚洲国产毛片av蜜桃av| 国产永久视频网站| 2018国产大陆天天弄谢| 精品国产国语对白av| 国产精品麻豆人妻色哟哟久久| 午夜日本视频在线| av国产精品久久久久影院| 另类亚洲欧美激情| 日韩av免费高清视频| 嘟嘟电影网在线观看| av网站免费在线观看视频| 王馨瑶露胸无遮挡在线观看| 久久久久久人妻| 熟女电影av网| 啦啦啦视频在线资源免费观看| 人妻一区二区av| www.色视频.com| 高清毛片免费看| 成人手机av| 久久人人爽人人片av| 大话2 男鬼变身卡| 18禁在线无遮挡免费观看视频| 欧美激情 高清一区二区三区| 大片电影免费在线观看免费| 又黄又爽又刺激的免费视频.| 美女国产视频在线观看| 天堂中文最新版在线下载| 人妻少妇偷人精品九色| 精品亚洲成国产av| 伦理电影大哥的女人| 日日撸夜夜添| 中文字幕精品免费在线观看视频 | 国产精品人妻久久久影院| 日本欧美国产在线视频| 国产日韩欧美亚洲二区| 亚洲精品久久久久久婷婷小说| 亚洲av成人精品一二三区| 大香蕉久久网| 亚洲精品亚洲一区二区| 久久国产亚洲av麻豆专区| 精品亚洲乱码少妇综合久久| 免费人妻精品一区二区三区视频| 毛片一级片免费看久久久久| 国产色爽女视频免费观看| 国产永久视频网站| 国产精品女同一区二区软件| 久久久久久人妻| av网站免费在线观看视频| 久久97久久精品| 国产精品99久久99久久久不卡 | 亚洲av欧美aⅴ国产| 亚洲综合色网址| videossex国产| 精品视频人人做人人爽| 欧美日韩在线观看h| 国产成人免费观看mmmm| 亚洲综合精品二区| 极品少妇高潮喷水抽搐| 国产免费现黄频在线看| 一本—道久久a久久精品蜜桃钙片| 久久久久国产精品人妻一区二区| 久久久久久久久久成人| 国产成人91sexporn| 久久国产亚洲av麻豆专区| 成人综合一区亚洲| 日本色播在线视频| 欧美 亚洲 国产 日韩一| 国产又色又爽无遮挡免| 国产探花极品一区二区| 国产精品秋霞免费鲁丝片| 国产精品久久久久成人av| 亚洲欧美成人精品一区二区| 亚洲精品亚洲一区二区| 久久综合国产亚洲精品| 18禁动态无遮挡网站| 久久精品人人爽人人爽视色| 黑人高潮一二区| 亚洲国产精品成人久久小说| 国产毛片在线视频| 久久久国产一区二区| 91精品国产九色| 你懂的网址亚洲精品在线观看| 七月丁香在线播放| 五月天丁香电影| 国产成人freesex在线| 日韩大片免费观看网站| 日韩一区二区三区影片| 成人免费观看视频高清| 国产精品三级大全| 乱人伦中国视频| 汤姆久久久久久久影院中文字幕| 91在线精品国自产拍蜜月| 黄色欧美视频在线观看| 亚洲欧洲国产日韩| 大片免费播放器 马上看| 乱码一卡2卡4卡精品| 亚洲精品久久久久久婷婷小说| 9色porny在线观看| 久久久a久久爽久久v久久| 成人毛片60女人毛片免费| 青春草亚洲视频在线观看| 国产爽快片一区二区三区| 纵有疾风起免费观看全集完整版| 国产精品女同一区二区软件| 如何舔出高潮| 精品国产一区二区三区久久久樱花| 有码 亚洲区| 国产乱人偷精品视频| 午夜福利网站1000一区二区三区| 黑人欧美特级aaaaaa片| 美女中出高潮动态图| 日本vs欧美在线观看视频| 亚洲精品中文字幕在线视频| 这个男人来自地球电影免费观看 | 99久久中文字幕三级久久日本| 国产无遮挡羞羞视频在线观看| 纵有疾风起免费观看全集完整版| 精品少妇内射三级| 欧美+日韩+精品| av不卡在线播放| 最近中文字幕2019免费版| 卡戴珊不雅视频在线播放| 久久久久久久久久久免费av| 91久久精品国产一区二区成人| 成人亚洲精品一区在线观看| 能在线免费看毛片的网站| 精品国产露脸久久av麻豆| 女性被躁到高潮视频| 亚洲精品乱码久久久久久按摩| 少妇 在线观看| 欧美日韩视频精品一区| 高清毛片免费看| 久久久久久伊人网av| 日韩一区二区视频免费看| 国产精品女同一区二区软件| 伊人久久精品亚洲午夜| 亚洲婷婷狠狠爱综合网| 欧美最新免费一区二区三区| 女性被躁到高潮视频| 男女边摸边吃奶| 国产乱来视频区| 国产一区二区三区av在线| 国产乱来视频区| 国产精品无大码| 高清在线视频一区二区三区| 爱豆传媒免费全集在线观看| 久久狼人影院| 9色porny在线观看| 亚洲成色77777| 一本大道久久a久久精品| 日韩av不卡免费在线播放| 青春草国产在线视频| 哪个播放器可以免费观看大片| 成年av动漫网址| 99热网站在线观看| 精品一品国产午夜福利视频| 久久午夜综合久久蜜桃| 精品少妇黑人巨大在线播放| 久久精品久久精品一区二区三区| 亚洲国产日韩一区二区| av国产久精品久网站免费入址| 黄色配什么色好看| 国产免费视频播放在线视频| 国产精品.久久久| 亚洲精品国产色婷婷电影| 大又大粗又爽又黄少妇毛片口| 日韩三级伦理在线观看| 亚洲不卡免费看| 日韩制服骚丝袜av| 晚上一个人看的免费电影| 美女大奶头黄色视频| a级毛片黄视频| 免费观看在线日韩| 色婷婷久久久亚洲欧美| 最新的欧美精品一区二区| 18禁动态无遮挡网站| 亚洲色图 男人天堂 中文字幕 | 午夜免费鲁丝|