• <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 ?

    一種加權(quán)K—均值基因聚類算法

    2017-06-10 08:47姚登舉詹曉娟張曉晶
    關(guān)鍵詞:隨機(jī)森林均值聚類分析

    姚登舉+詹曉娟+張曉晶

    摘要:針對微陣列表達(dá)數(shù)據(jù)集中基因-基因之間存在復(fù)雜相關(guān)關(guān)系的問題,基于隨機(jī)森林變量重要性分?jǐn)?shù),提出了一種新的加權(quán)K-均值基因聚類算法。首先,以微陣列表達(dá)數(shù)據(jù)中的樣本為對象、基因?yàn)樘卣鳎?xùn)練隨機(jī)森林分類器,計(jì)算每個(gè)基因的變量重要性分?jǐn)?shù);然后,以基因?yàn)閷ο?、樣本為特征、基因的變量重要性分?jǐn)?shù)為權(quán)重進(jìn)行K-均值聚類。在Leukemia、Breast、DLBCL等3個(gè)微陣列表數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),結(jié)果表明:所提出的加權(quán)K-均值聚類算法與原始的K-均值聚類算法相比,類間距離與總距離的比值平均高出177個(gè)百分點(diǎn),具有更好的同質(zhì)性和差異性。

    關(guān)鍵詞:微陣列表達(dá)數(shù)據(jù);聚類分析;隨機(jī)森林;K-均值

    DOI:1015938/jjhust201702021

    中圖分類號: TP391

    文獻(xiàn)標(biāo)志碼: A

    文章編號: 1007-2683(2017)02-0112-05

    Abstract:In view of the complex correlation between gene and gene in the microarray data set, a weighted K mean gene clustering algorithm based on random forest variable importance score was proposed First, the proposed algorithm begins with training random forest classifier on the microarray data, using the samples as objects and the genes as features, variable importance scores were calculated for each gene; then, a weighted Kmeans clustering were performed with genes as objects, samples as features, and variable importance score as weighted value Experiments were carried out on Leukemia, Breast and DLBCL three datasets The experimental results show that the proposed weighted K mean clustering algorithm has an average of 177 percentage points higher than the original K mean clustering algorithm with respective to the ratio of the distance between the class and the total distance and has better homogeneity and difference

    Keywords:microarray expression data; clustering analysis; random forest; Kmeans

    0引言

    聚類是將物理或抽象對象的集合分組為由類似的對象組成的多個(gè)集合的過程,其中屬于同一個(gè)集合的對象之間彼此相似,屬于不同集合的對象之間彼此相異[1]。聚類是機(jī)器學(xué)習(xí)和數(shù)據(jù)挖據(jù)中的重要研究內(nèi)容,被廣泛應(yīng)用于經(jīng)濟(jì)、管理、地質(zhì)勘探、圖像識別、生物醫(yī)學(xué)、生物信息學(xué)等領(lǐng)域中[2-6]。隨著高通量測序技術(shù)(Highthroughput Sequencing)的迅速發(fā)展,各物種的基因表達(dá)數(shù)據(jù)(Gene expression data)出現(xiàn)了爆炸式增長,同時(shí)大量的基因表達(dá)數(shù)據(jù)能夠在公共數(shù)據(jù)庫(如由美國NCBI管理和維護(hù)的GEO數(shù)據(jù)庫、由美國斯坦福大學(xué)管理和維護(hù)的SMD數(shù)據(jù)庫、由歐洲EBI管理和維護(hù)的ArraryExpress數(shù)據(jù)庫和由日本多所大學(xué)合作提供的CGED數(shù)據(jù)庫等)中得到[7-11]。在基因表達(dá)數(shù)據(jù)分析任務(wù)中,基因聚類分析有著非常廣泛的應(yīng)用。當(dāng)前,基因聚類分析方法主要有三類:基于基因的聚類(Genebased clustering)、基于樣本的聚類(Samplebased clustering)和兩路聚類(Biclustering)[12,13]。基于基因的聚類將基因看成聚類的對象,將樣本看成描述基因的特征,表達(dá)模式類似的基因(即共表達(dá)的基因,Coexpression gene)通常被劃分為同一類,一般具有相同的功能,因此可以根據(jù)聚類中已知基因的功能推斷某些未知基因的功能;基于樣本的聚類則以基因?yàn)樘卣鳎詷颖緸閷ο?,通過樣本聚類,可以發(fā)現(xiàn)樣本的顯性結(jié)構(gòu)(Phenotype structure),自動對病理特征或?qū)嶒?yàn)條件進(jìn)行分類;兩路聚類是指同時(shí)對基因和樣本進(jìn)行的聚類,目的是找出在某些條件下參與調(diào)控的基因聚類以及與某些基因相關(guān)聯(lián)的條件,從而更精確、更細(xì)致地探索基因和樣本間的相互關(guān)系。

    基因聚類的主要對象是基因表達(dá)微陣列數(shù)據(jù)。原始的基因表達(dá)微陣列數(shù)據(jù)中存在著大量的冗余基因、噪聲基因和不相關(guān)基因,并且研究表明,對于某類疾病的發(fā)生發(fā)展,通常是多個(gè)基因共同作用的結(jié)果,亦即基因表達(dá)微陣列中多個(gè)基因之間存在著復(fù)雜的相互作用,所以一般的基于統(tǒng)計(jì)的度量標(biāo)準(zhǔn),如皮爾森相關(guān)系數(shù)、信息熵等,難以準(zhǔn)確地表達(dá)基因的相對重要性[14]。隨機(jī)森林作為一種流行的機(jī)器學(xué)習(xí)算法,由于在訓(xùn)練決策樹的過程中,既考慮了單個(gè)變量對于目標(biāo)變量的影響,又考慮了多個(gè)變量之間的相互作用,其變量重要性分?jǐn)?shù)被廣泛應(yīng)用于評價(jià)數(shù)據(jù)集中特征變量的相對重要性,尤其是應(yīng)用在生物醫(yī)學(xué)與生物信息學(xué)研究中[15-17]。當(dāng)前,基于隨機(jī)森林和K-均值聚類相結(jié)合的方法已經(jīng)被應(yīng)用在網(wǎng)絡(luò)入侵檢測[18]等研究中,然而在基因聚類任務(wù)中,基于隨機(jī)森林變量重要性分?jǐn)?shù)對基因進(jìn)行加權(quán)聚類研究較少,仍然是一個(gè)值得探索的領(lǐng)域。本文主要針對基于基因的聚類分析任務(wù),將隨機(jī)森林的變量重要性分?jǐn)?shù)引入到K-均值聚類的過程中,提出了一種基于隨機(jī)森林變量重要性分?jǐn)?shù)的加權(quán)K-均值聚類算法,能夠提高基因聚類結(jié)果的質(zhì)量。

    1算法設(shè)計(jì)

    12隨機(jī)森林

    隨機(jī)森林(Random Forest,RF)[19]是一個(gè)由一組決策樹分類器{h(X,θk),k=1,2,,K}組成的集成分類器,其中θk是服從獨(dú)立同分布的隨機(jī)向量,K表示隨機(jī)森林中決策樹的個(gè)數(shù),在給定自變量X下,每個(gè)決策樹分類器通過投票來決定最優(yōu)的分類結(jié)果[5]。隨機(jī)森林是許多決策樹集成在一起的分類器,如果把決策樹看成分類任務(wù)中的一個(gè)專家,隨機(jī)森林就是許多專家在一起對某種任務(wù)進(jìn)行分類。生成隨機(jī)森林的步驟如下[20]:

    1)從原始訓(xùn)練數(shù)據(jù)集中,應(yīng)用Bootstrap方法有放回地隨機(jī)抽取K個(gè)新的自助樣本集,并由此構(gòu)建K棵分類回歸樹,每次未被抽到的樣本組成了K個(gè)袋外數(shù)據(jù)(outofbag, OOB)。

    2)設(shè)有n個(gè)特征,則在每一棵樹的每個(gè)節(jié)點(diǎn)處隨機(jī)抽取mtry個(gè)特征(mtry<=n),通過計(jì)算每個(gè)特征蘊(yùn)含的信息量,在mtry個(gè)特征中選擇一個(gè)最具有分類能力的特征進(jìn)行節(jié)點(diǎn)分裂。

    3)每棵樹最大限度生長,不做任何剪裁。

    4)將生成的多棵樹組成隨機(jī)森林,用隨機(jī)森林對新的數(shù)據(jù)進(jìn)行分類,分類結(jié)果按樹分類器的投票多少而定。

    由于決策樹算法在節(jié)點(diǎn)分裂過程中考慮了特征之間的相互影響,隨機(jī)森林算法能夠有效地揭示多個(gè)特征之間的相互作用,對于單個(gè)特征具有小的邊際效應(yīng)但多個(gè)特征的組合對目標(biāo)變量有較大影響的數(shù)據(jù)集合,表現(xiàn)出優(yōu)異的分類和預(yù)測性能,而且隨機(jī)森林算法不需要先驗(yàn)假設(shè)[7]。目前,RF已經(jīng)被廣泛應(yīng)用于各種分類、預(yù)測、變量重要性研究、特征選擇以及異常點(diǎn)檢測問題中,尤其在生物醫(yī)學(xué)和生物信息學(xué)領(lǐng)域,隨機(jī)森林由于能識別多個(gè)特征變量之間的相互作用而受到青睞[21-22]。

    隨機(jī)森林算法的一個(gè)重要產(chǎn)物是變量重要性分?jǐn)?shù),它可以很好地反映訓(xùn)練數(shù)據(jù)集中分類變量對于目標(biāo)變量的影響程度,目前,隨機(jī)森林變量重要性分?jǐn)?shù)已經(jīng)被廣泛應(yīng)用于各種數(shù)據(jù)挖掘任務(wù)中。隨機(jī)森林提供了4種變量重要性分?jǐn)?shù)供選擇,本文采用基于置換的變量重要性分?jǐn)?shù)[16]?;谥脫Q的變量重要性分?jǐn)?shù)定義為在袋外數(shù)據(jù)(OOB)上當(dāng)變量發(fā)生輕微擾動前后分類模型的分類正確率的平均減少量,它采用了直覺排列策略,既考慮到每一個(gè)變量單獨(dú)的影響,又考慮了多個(gè)變量之間的相關(guān)作用。

    給定訓(xùn)練樣本集合D,集合中的特征標(biāo)記為Xj,j=1,2,,N,Xj的基于置換的變量重要性分?jǐn)?shù)表示為IMj,則IMj的計(jì)算過程如下[20]:

    1)對訓(xùn)練集D進(jìn)行Bootstrap隨機(jī)重采樣B次,得到B個(gè)樣本子集Db,b=1,2,,B;

    2)設(shè)置b=1;

    3)在樣本集合Db上訓(xùn)練決策樹Tb,袋外數(shù)據(jù)標(biāo)記為Loobb;

    4)在袋外數(shù)據(jù)Loobb上,應(yīng)用決策樹分類器Tb對測試數(shù)據(jù)進(jìn)行分類,正確分類的樣本個(gè)數(shù)標(biāo)記為Roobb;

    5)對特征Xj,j=1,2,,N,隨機(jī)地?cái)_動Loobb中每一個(gè)樣本直到它與目標(biāo)變量的原始關(guān)系被打斷,擾動后的數(shù)據(jù)集標(biāo)記為Loobbj;

    6)在擾動后的數(shù)據(jù)集Loobbj上,應(yīng)用決策樹分類器Tb對數(shù)據(jù)進(jìn)行分類,正確分類的樣本個(gè)數(shù)標(biāo)記為Roobbj;如果特征Xj與目標(biāo)變量相關(guān),那么分類器的分類性能將明顯降低;

    7)對于b=2,,B,重復(fù)第3)-6)步;

    8)按照下式計(jì)算特征Xj的變量重要性分?jǐn)?shù):

    IMj=1B∑Bi=1Roobb-Roobbj;

    9)輸出所有特征的重要性分?jǐn)?shù):

    IM={IM1,IM2,,IMN}。

    13基于隨機(jī)森林變量重要性分?jǐn)?shù)的加權(quán)K-均值基因聚類算法

    基因數(shù)據(jù)通常以DNA微陣列表達(dá)數(shù)據(jù)形式存儲。一般而言,微陣列表達(dá)數(shù)據(jù)集是一個(gè)N×(M+1) 的矩陣,矩陣中的每一行表示一個(gè)樣本,除最后列以外的每一列表示該樣本的一個(gè)基因,每一個(gè)元素gi,j是一個(gè)數(shù)值,表示第i個(gè)樣本第j個(gè)基因的基因表達(dá)水平,最后一列表示第i個(gè)樣本的類標(biāo)簽,如圖1所示。

    g1,1g1,2…g1,MC1

    g2,1g2,2…g2,MC2

    ……………

    gN,1gN,2…gN,MCN

    2實(shí)驗(yàn)與結(jié)果分析

    21數(shù)據(jù)集

    為了驗(yàn)證本文提出的算法的有效性,在Leukemia(白血?。reast(乳腺癌)、DLBCL(彌漫性大B細(xì)胞淋巴瘤)等3個(gè)微陣列表數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。這些數(shù)據(jù)集的基本信息如表1所示。

    原始的微陣列表達(dá)數(shù)據(jù)集中通常包含大量的噪聲基因,為了降低計(jì)算時(shí)間和存儲空間需求,在執(zhí)行基因聚類分析之前首先采用四分位距方法和單因素方差分析法來過濾掉明顯不相關(guān)的基因和噪聲基因,所有表達(dá)水平低于總體IQR 1/5的基因在這一步被過濾掉?;蜻^濾后的數(shù)據(jù)信息如表2所示。

    23實(shí)驗(yàn)結(jié)果及分析

    在3個(gè)實(shí)驗(yàn)數(shù)據(jù)集上對原始的K-均值算法和本文提出的基于隨機(jī)森林變量重要性分?jǐn)?shù)的加權(quán)K-均值算法進(jìn)行了實(shí)驗(yàn),指定聚類數(shù)目k=100,最大迭代次數(shù)T=60。采用類內(nèi)離散度和J和類間加權(quán)距離和D指標(biāo)來衡量算法的性能,10次實(shí)驗(yàn)結(jié)果的平均值如表3所示。

    從表3可以看出,本文提出的基于隨機(jī)森林變量重要性分?jǐn)?shù)的加權(quán)K-均值聚類算法的J值明顯低于原始的K-均值算法,說明類內(nèi)基因表達(dá)模式高度相關(guān);所提出的算法的R值比原始的K-均值算法平均高177個(gè)百分點(diǎn),表明基于隨機(jī)森林變量重要性分?jǐn)?shù)的加權(quán)K-均值聚類算法得到的聚類劃分中,類間差異比原始的K-均值聚類算法顯著。

    3結(jié)語

    提出了一種基于隨機(jī)森林變量重要性分?jǐn)?shù)的加權(quán)K-均值基因聚類算法,相對于原始的K-均值聚類算法,該算法能夠有效地提高類內(nèi)相似度和類間差異度,即提高聚類結(jié)果的質(zhì)量。如何針對基因表達(dá)數(shù)據(jù)的特點(diǎn),選擇或設(shè)計(jì)合適的聚類準(zhǔn)則函數(shù),利用本文提出的算法探索生物醫(yī)學(xué)信息,有待于進(jìn)一步研究。

    參 考 文 獻(xiàn):

    [1]周志華.機(jī)器學(xué)習(xí)[M].北京:清華大學(xué)出版社,2016:211-213

    [2]劉帥,林克正,孫旭東,等.基于聚類的SIFT人臉檢測算法[J].哈爾濱理工大學(xué)學(xué)報(bào),2014,19(1):31-35

    [3]吳娛,鐘誠,尹夢曉.基因表達(dá)數(shù)據(jù)的分層近鄰傳播聚類算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2016,37(11):2961-2966

    [4]陳偉,程詠梅,張紹武,潘泉.鄰域種子的啟發(fā)式454序列聚類方法[J].軟件學(xué)報(bào),2014,25(5):929-938

    [5]黃偉華,馬中,戴新發(fā),徐明迪,高毅,劉利民.一種特征加權(quán)模糊聚類的負(fù)載均衡算法[J].西安電子科技大學(xué)學(xué)報(bào)(自然科學(xué)報(bào)),2017,44(2):138-143

    [6]余曉東,雷英杰,岳韶華,王睿.基于粒子群優(yōu)化的直覺模糊核聚類算法研究[J].通信學(xué)報(bào),2015,36(5):1-7

    [7]李霞,雷健波,李亦學(xué),李勁松.生物信息學(xué)[M].北京:人民衛(wèi)生出版社,2015:286-287

    [8]李雨童,姚登舉,李哲,侯金利.基于R的醫(yī)學(xué)大數(shù)據(jù)挖掘系統(tǒng)研究[J].哈爾濱理工大學(xué)學(xué)報(bào),2016,21(2):38-43

    [9]高敬陽,齊飛,管瑞.基于高通量測序技術(shù)的基因組結(jié)構(gòu)變異檢測算法[J].生物信息學(xué),2014,12(1):5-9

    [10]李晟,程福東,孫嘯.高通量DNA測序技術(shù)與疾病診斷及預(yù)防[J].生物醫(yī)學(xué)工程與臨床,2016,20(2):210-215

    [11]吳林寰,陸震鳴,龔勁松,史勁松,許正宏.高通量測序技術(shù)在食品微生物研究中的應(yīng)用[J].生物工程學(xué)報(bào),2016,32(9):1164-1174

    [12]岳峰,孫亮,王寬全,王永吉,左旺孟.基因表達(dá)數(shù)據(jù)的聚類分析研究進(jìn)展[J].自動化學(xué)報(bào),2008,34(2):113-120

    [13]張國印,程慧杰,劉詠梅,姚愛紅.一種新算法在基因表達(dá)譜聚類中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2009,45(36):216-218

    [14]王愛國.微陣列基因表達(dá)數(shù)據(jù)的特征分析方法研究[D].安徽:合肥工業(yè)大學(xué),2015:1-5

    [15]ALI Anaissi, PAUL J KENNEDY, Madhu Goyal1 Daniel R Catchpoole A Balanced Iterative Random Forest for Gene Selection from Microarray Data[J] BMC Bioinformatics, 2013, 14: 261P

    [16]QI, Y Random Forest for Bioinformatics [J]. Ensemble Machine Learning, 2012: 307-323

    [17]孫磊,許馳,胡學(xué)龍.一種基于隨機(jī)森林的長非編碼RNA預(yù)測方法[J].揚(yáng)州大學(xué)學(xué)報(bào):自然科學(xué)版,2016,19(4):50-53

    [18]ELBASIONY R M, SALLAM E A, ELTOBELY T E, et al A Hybrid Network Intrusion Detection Framework Based on Random Forests and Weighted kmeans [J]. Ain Shams Engineering Journal, 2013, 4(4):753-762

    [19]BREINMAN L Random Forests [J]. Machine Learning, 2001, 45: 5–32

    [20]姚登舉,楊靜,詹曉娟.基于隨機(jī)森林的特征選擇算法[J].吉林大學(xué)學(xué)報(bào)工學(xué)版,2014,44(1):137-141

    [21]VERIKAS A,GELZINIS A,BACAUSKIENE M Mining Data with Random Forests: A Survey and Results of New Tests [J]. Pattern Recognition, 2011, 44: 330–349

    [22]劉勘,袁蘊(yùn)英,劉萍.基于隨機(jī)森林分類的微博機(jī)器用戶識別研究[J].北京大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,51(2):289-300

    (編輯:王萍)

    猜你喜歡
    隨機(jī)森林均值聚類分析
    均值—方差分析及CAPM模型的運(yùn)用
    均值—方差分析及CAPM模型的運(yùn)用
    均值不等式的小應(yīng)用
    隨機(jī)森林在棉蚜蟲害等級預(yù)測中的應(yīng)用
    基于二次隨機(jī)森林的不平衡數(shù)據(jù)分類算法
    拱壩變形監(jiān)測預(yù)報(bào)的隨機(jī)森林模型及應(yīng)用
    農(nóng)村居民家庭人均生活消費(fèi)支出分析
    基于隨機(jī)森林算法的飛機(jī)發(fā)動機(jī)故障診斷方法的研究
    基于省會城市經(jīng)濟(jì)發(fā)展程度的實(shí)證分析
    基于聚類分析的互聯(lián)網(wǎng)廣告投放研究
    av网站在线播放免费| 波多野结衣av一区二区av| 国产成人免费无遮挡视频| 中文字幕另类日韩欧美亚洲嫩草| 老司机靠b影院| 丁香六月欧美| 国产免费现黄频在线看| 国产av国产精品国产| 免费高清在线观看日韩| 亚洲成人免费电影在线观看| 一级毛片精品| 大码成人一级视频| 欧美亚洲 丝袜 人妻 在线| 欧美老熟妇乱子伦牲交| 亚洲成人免费电影在线观看| 亚洲欧美日韩高清在线视频 | 欧美黑人精品巨大| 婷婷色av中文字幕| 午夜日韩欧美国产| www.熟女人妻精品国产| 国产av又大| 国产免费现黄频在线看| 国产av一区二区精品久久| 999精品在线视频| 国产精品久久久久成人av| 欧美国产精品一级二级三级| 国产黄频视频在线观看| www.999成人在线观看| 99久久人妻综合| 久久久久视频综合| 黑人巨大精品欧美一区二区蜜桃| 亚洲国产毛片av蜜桃av| 9热在线视频观看99| 国精品久久久久久国模美| 欧美国产精品一级二级三级| 国产精品亚洲av一区麻豆| 国产精品偷伦视频观看了| 国产亚洲精品久久久久5区| 国产欧美日韩一区二区三 | 精品一区二区三卡| 亚洲国产成人一精品久久久| 亚洲欧美清纯卡通| 脱女人内裤的视频| 窝窝影院91人妻| 免费在线观看日本一区| av一本久久久久| 久久久久久亚洲精品国产蜜桃av| 欧美亚洲 丝袜 人妻 在线| 久久人妻福利社区极品人妻图片| 捣出白浆h1v1| 国产精品麻豆人妻色哟哟久久| 水蜜桃什么品种好| 咕卡用的链子| 热re99久久国产66热| 精品久久蜜臀av无| 香蕉国产在线看| 亚洲精品久久久久久婷婷小说| 一个人免费在线观看的高清视频 | 狠狠婷婷综合久久久久久88av| 十八禁网站网址无遮挡| 天天影视国产精品| 欧美日韩黄片免| 成人国产av品久久久| 在线av久久热| 国产精品av久久久久免费| 三上悠亚av全集在线观看| av网站在线播放免费| 亚洲九九香蕉| 日韩欧美国产一区二区入口| 免费久久久久久久精品成人欧美视频| 99精品欧美一区二区三区四区| 高清欧美精品videossex| 欧美在线一区亚洲| 亚洲精品一区蜜桃| 超碰97精品在线观看| 又紧又爽又黄一区二区| 真人做人爱边吃奶动态| 精品久久蜜臀av无| 日本wwww免费看| 久久性视频一级片| 狠狠狠狠99中文字幕| 免费高清在线观看日韩| 在线精品无人区一区二区三| 99re6热这里在线精品视频| 国产伦理片在线播放av一区| 国产又色又爽无遮挡免| 啦啦啦视频在线资源免费观看| 精品国产一区二区久久| 一区二区三区精品91| 在线观看免费日韩欧美大片| 大香蕉久久成人网| 嫁个100分男人电影在线观看| 1024视频免费在线观看| 免费观看av网站的网址| 久久人妻福利社区极品人妻图片| 亚洲五月婷婷丁香| 美女大奶头黄色视频| 91av网站免费观看| 国产免费现黄频在线看| 啦啦啦 在线观看视频| 久久亚洲国产成人精品v| 国产xxxxx性猛交| 午夜福利视频在线观看免费| 中文字幕制服av| 久久国产精品影院| 亚洲欧美精品综合一区二区三区| 丰满少妇做爰视频| 少妇猛男粗大的猛烈进出视频| 国产成人啪精品午夜网站| 夜夜夜夜夜久久久久| 一区二区三区精品91| 午夜福利在线免费观看网站| 亚洲av美国av| 热99久久久久精品小说推荐| 欧美激情 高清一区二区三区| av欧美777| 成年动漫av网址| 天天影视国产精品| 乱人伦中国视频| 午夜免费成人在线视频| 自线自在国产av| 国产精品久久久久久精品古装| 狂野欧美激情性bbbbbb| 99国产精品一区二区三区| 欧美性长视频在线观看| 亚洲av成人一区二区三| 日日摸夜夜添夜夜添小说| 淫妇啪啪啪对白视频 | 午夜免费鲁丝| 国产精品一区二区在线不卡| 男女高潮啪啪啪动态图| 久久久久久亚洲精品国产蜜桃av| 国产国语露脸激情在线看| 99热国产这里只有精品6| 18禁黄网站禁片午夜丰满| 不卡一级毛片| 飞空精品影院首页| 亚洲中文字幕日韩| 老司机在亚洲福利影院| 国产精品熟女久久久久浪| 在线观看舔阴道视频| 不卡av一区二区三区| 777久久人妻少妇嫩草av网站| 我要看黄色一级片免费的| 亚洲专区字幕在线| 国产精品国产三级国产专区5o| 亚洲精品国产区一区二| 久久国产精品影院| 亚洲全国av大片| videos熟女内射| h视频一区二区三区| 亚洲精品国产精品久久久不卡| 国产三级黄色录像| 国产精品.久久久| 国产精品国产av在线观看| 老汉色av国产亚洲站长工具| 国产免费av片在线观看野外av| 啦啦啦 在线观看视频| 69av精品久久久久久 | 国产黄频视频在线观看| 免费在线观看黄色视频的| av网站在线播放免费| 亚洲精品av麻豆狂野| 99久久综合免费| 欧美 亚洲 国产 日韩一| 国产精品久久久久久精品古装| 欧美在线黄色| 精品少妇黑人巨大在线播放| 叶爱在线成人免费视频播放| 中国美女看黄片| 久久这里只有精品19| 午夜成年电影在线免费观看| 50天的宝宝边吃奶边哭怎么回事| 亚洲av成人一区二区三| 老司机在亚洲福利影院| 老司机靠b影院| av欧美777| 性色av乱码一区二区三区2| 中文字幕人妻丝袜制服| 美女脱内裤让男人舔精品视频| 国产精品av久久久久免费| 黄频高清免费视频| 纵有疾风起免费观看全集完整版| 国产一区二区三区在线臀色熟女 | 乱人伦中国视频| 日韩视频在线欧美| 久久久国产精品麻豆| 亚洲人成电影免费在线| 国产一区二区 视频在线| 老司机影院成人| 亚洲专区中文字幕在线| 国产精品久久久人人做人人爽| 精品国产乱码久久久久久男人| 久9热在线精品视频| 美女扒开内裤让男人捅视频| 亚洲国产欧美网| 国产老妇伦熟女老妇高清| 婷婷色av中文字幕| 午夜福利一区二区在线看| 天堂中文最新版在线下载| 一区在线观看完整版| 欧美国产精品一级二级三级| 一区二区三区四区激情视频| 丰满少妇做爰视频| 国产精品免费视频内射| 精品人妻一区二区三区麻豆| 国产91精品成人一区二区三区 | 99re6热这里在线精品视频| 国产精品久久久久久人妻精品电影 | 精品一区在线观看国产| 夫妻午夜视频| 午夜福利视频精品| 久久国产精品影院| 亚洲第一av免费看| 久久国产精品大桥未久av| 亚洲五月婷婷丁香| 青春草亚洲视频在线观看| 国产精品久久久久久精品电影小说| 久久久国产欧美日韩av| 91成年电影在线观看| 欧美日韩一级在线毛片| 青青草视频在线视频观看| 久久人人爽人人片av| 欧美变态另类bdsm刘玥| 高清黄色对白视频在线免费看| 国产区一区二久久| 欧美日韩国产mv在线观看视频| 久久久久久人人人人人| 丝袜喷水一区| 欧美日韩亚洲综合一区二区三区_| 久久久国产成人免费| 男女国产视频网站| av不卡在线播放| 国产日韩欧美亚洲二区| 香蕉丝袜av| 最新在线观看一区二区三区| 久久人人爽av亚洲精品天堂| 啦啦啦在线免费观看视频4| 天天躁日日躁夜夜躁夜夜| 午夜两性在线视频| 亚洲 国产 在线| tube8黄色片| 亚洲成人国产一区在线观看| 啪啪无遮挡十八禁网站| 亚洲欧洲日产国产| 国产精品99久久99久久久不卡| 巨乳人妻的诱惑在线观看| 欧美午夜高清在线| 性高湖久久久久久久久免费观看| 黄频高清免费视频| 一区二区三区精品91| 免费不卡黄色视频| 黑人猛操日本美女一级片| 一级毛片女人18水好多| 中文字幕精品免费在线观看视频| 建设人人有责人人尽责人人享有的| 国产精品影院久久| 日韩欧美一区二区三区在线观看 | 丝袜美腿诱惑在线| 又大又爽又粗| 日韩制服骚丝袜av| 人妻人人澡人人爽人人| 狠狠精品人妻久久久久久综合| 国产淫语在线视频| 国产欧美亚洲国产| 大型av网站在线播放| 欧美日韩视频精品一区| 18禁裸乳无遮挡动漫免费视频| 欧美久久黑人一区二区| 一本久久精品| 在线观看www视频免费| 丁香六月天网| 十八禁网站免费在线| 欧美xxⅹ黑人| 欧美精品一区二区免费开放| 一本色道久久久久久精品综合| 男女国产视频网站| 午夜福利影视在线免费观看| 另类精品久久| 欧美97在线视频| 久久久水蜜桃国产精品网| 高清黄色对白视频在线免费看| 一进一出抽搐动态| 正在播放国产对白刺激| 夜夜骑夜夜射夜夜干| 国产成人欧美| 精品视频人人做人人爽| 91成年电影在线观看| 亚洲美女黄色视频免费看| 欧美另类亚洲清纯唯美| 大片免费播放器 马上看| 国产视频一区二区在线看| 国产日韩欧美亚洲二区| 十八禁网站网址无遮挡| 成人亚洲精品一区在线观看| 日韩人妻精品一区2区三区| av片东京热男人的天堂| 久久影院123| 两性午夜刺激爽爽歪歪视频在线观看 | 新久久久久国产一级毛片| 91精品三级在线观看| 亚洲av欧美aⅴ国产| av片东京热男人的天堂| 人人妻人人添人人爽欧美一区卜| 丝袜脚勾引网站| 在线观看人妻少妇| 啦啦啦 在线观看视频| 丝袜人妻中文字幕| 大码成人一级视频| 男男h啪啪无遮挡| 999久久久精品免费观看国产| 青春草视频在线免费观看| 天天添夜夜摸| 久9热在线精品视频| 男女国产视频网站| 不卡av一区二区三区| 嫩草影视91久久| 国产精品国产av在线观看| 国产免费现黄频在线看| 欧美精品一区二区免费开放| 欧美另类一区| 男人爽女人下面视频在线观看| 天天躁夜夜躁狠狠躁躁| 午夜福利,免费看| 中亚洲国语对白在线视频| 久久久久国产一级毛片高清牌| 精品高清国产在线一区| 国产成人欧美| a级片在线免费高清观看视频| 亚洲欧美精品自产自拍| 国产97色在线日韩免费| 色播在线永久视频| 精品视频人人做人人爽| 久9热在线精品视频| www日本在线高清视频| 老熟女久久久| 国产一区二区激情短视频 | 久久久久网色| 国产成人系列免费观看| 视频区欧美日本亚洲| 久久九九热精品免费| 中文字幕最新亚洲高清| 欧美精品亚洲一区二区| 国产又爽黄色视频| 欧美日韩亚洲综合一区二区三区_| 国产极品粉嫩免费观看在线| 50天的宝宝边吃奶边哭怎么回事| 国产亚洲av高清不卡| 少妇被粗大的猛进出69影院| 亚洲精品自拍成人| 2018国产大陆天天弄谢| 国产在视频线精品| 精品人妻一区二区三区麻豆| 亚洲人成77777在线视频| 一进一出抽搐动态| xxxhd国产人妻xxx| 热re99久久精品国产66热6| 亚洲精品一二三| 亚洲精品日韩在线中文字幕| 人妻久久中文字幕网| 美女国产高潮福利片在线看| 国产精品麻豆人妻色哟哟久久| 久久中文字幕一级| 两人在一起打扑克的视频| 精品国产国语对白av| 久久精品国产a三级三级三级| 91成年电影在线观看| 国产麻豆69| 99国产精品99久久久久| 男人舔女人的私密视频| 19禁男女啪啪无遮挡网站| 久久香蕉激情| 啦啦啦中文免费视频观看日本| 久久久久久久大尺度免费视频| 男女免费视频国产| 国产高清videossex| 美女福利国产在线| 久久久久网色| 久久精品熟女亚洲av麻豆精品| 国产成人精品久久二区二区91| 高清在线国产一区| 久久久久国产精品人妻一区二区| 在线永久观看黄色视频| 最新的欧美精品一区二区| www.熟女人妻精品国产| 亚洲欧美激情在线| 亚洲精品一二三| 国产色视频综合| 高潮久久久久久久久久久不卡| 亚洲精品中文字幕在线视频| 啦啦啦 在线观看视频| 人人妻人人澡人人看| 99九九在线精品视频| 一个人免费看片子| 久久99一区二区三区| 国产成人啪精品午夜网站| 国产精品1区2区在线观看. | 国产免费福利视频在线观看| 免费久久久久久久精品成人欧美视频| 国产精品99久久99久久久不卡| 考比视频在线观看| 视频在线观看一区二区三区| 国产精品一区二区免费欧美 | 亚洲激情五月婷婷啪啪| 一级毛片电影观看| 妹子高潮喷水视频| 亚洲国产日韩一区二区| 菩萨蛮人人尽说江南好唐韦庄| 久久久精品免费免费高清| av超薄肉色丝袜交足视频| 丰满迷人的少妇在线观看| 美女视频免费永久观看网站| 午夜福利免费观看在线| 欧美黄色淫秽网站| 国产精品久久久久久精品电影小说| 久久久欧美国产精品| 啪啪无遮挡十八禁网站| 淫妇啪啪啪对白视频 | 国产伦理片在线播放av一区| 日韩有码中文字幕| 夜夜骑夜夜射夜夜干| 久久久精品免费免费高清| 日本av免费视频播放| 中文字幕高清在线视频| tube8黄色片| 久久久久国内视频| 日日摸夜夜添夜夜添小说| 精品亚洲成国产av| cao死你这个sao货| 久久综合国产亚洲精品| 国产深夜福利视频在线观看| 天堂中文最新版在线下载| 亚洲欧洲精品一区二区精品久久久| 婷婷成人精品国产| 精品国产一区二区三区久久久樱花| 国产男女内射视频| 在线观看www视频免费| 一个人免费在线观看的高清视频 | 一本大道久久a久久精品| 91精品三级在线观看| 国产片内射在线| 丁香六月天网| 两性夫妻黄色片| 无限看片的www在线观看| 十八禁网站网址无遮挡| svipshipincom国产片| 亚洲精品国产av蜜桃| 伊人亚洲综合成人网| 男男h啪啪无遮挡| 欧美变态另类bdsm刘玥| 热99re8久久精品国产| 少妇 在线观看| 欧美日韩亚洲综合一区二区三区_| 成人18禁高潮啪啪吃奶动态图| av线在线观看网站| 日韩欧美免费精品| 黄色怎么调成土黄色| 午夜久久久在线观看| 国产成人av教育| 亚洲专区国产一区二区| 精品国产乱码久久久久久男人| 国产日韩一区二区三区精品不卡| 精品亚洲乱码少妇综合久久| 丝袜人妻中文字幕| 在线观看舔阴道视频| 另类亚洲欧美激情| 一区二区av电影网| 下体分泌物呈黄色| 性高湖久久久久久久久免费观看| 国产成人啪精品午夜网站| 老熟女久久久| 免费人妻精品一区二区三区视频| 一本久久精品| 精品人妻熟女毛片av久久网站| 国产精品 欧美亚洲| 性色av一级| 中文字幕另类日韩欧美亚洲嫩草| 久久热在线av| 欧美在线黄色| 在线观看免费午夜福利视频| 亚洲精品第二区| 欧美日韩亚洲综合一区二区三区_| 亚洲情色 制服丝袜| 搡老岳熟女国产| 亚洲熟女精品中文字幕| 国产精品99久久99久久久不卡| 91av网站免费观看| 啦啦啦中文免费视频观看日本| 在线永久观看黄色视频| 两人在一起打扑克的视频| 热re99久久精品国产66热6| 中文字幕另类日韩欧美亚洲嫩草| av在线播放精品| 欧美午夜高清在线| 首页视频小说图片口味搜索| 少妇粗大呻吟视频| 1024视频免费在线观看| 99九九在线精品视频| 高清视频免费观看一区二区| 正在播放国产对白刺激| 久久精品国产亚洲av香蕉五月 | 三上悠亚av全集在线观看| 这个男人来自地球电影免费观看| 午夜福利影视在线免费观看| 久久久久精品人妻al黑| 9色porny在线观看| 精品一区二区三卡| 亚洲国产av影院在线观看| 妹子高潮喷水视频| 日韩人妻精品一区2区三区| 国产精品久久久久成人av| 人人妻人人澡人人爽人人夜夜| 久久ye,这里只有精品| 国产免费av片在线观看野外av| av网站在线播放免费| h视频一区二区三区| 免费久久久久久久精品成人欧美视频| 国产主播在线观看一区二区| 伦理电影免费视频| 午夜福利一区二区在线看| 国产97色在线日韩免费| 午夜精品国产一区二区电影| 免费人妻精品一区二区三区视频| 99国产精品一区二区三区| 国产精品九九99| 青春草亚洲视频在线观看| 少妇精品久久久久久久| 免费在线观看黄色视频的| 久久久久久免费高清国产稀缺| 欧美在线一区亚洲| 亚洲欧美清纯卡通| www.av在线官网国产| 制服人妻中文乱码| 日韩 欧美 亚洲 中文字幕| 精品一区二区三区四区五区乱码| 亚洲国产欧美日韩在线播放| 日韩大码丰满熟妇| 国产精品1区2区在线观看. | 日韩一卡2卡3卡4卡2021年| 丰满饥渴人妻一区二区三| 国产福利在线免费观看视频| 国产免费一区二区三区四区乱码| 成年人免费黄色播放视频| 中文字幕人妻丝袜一区二区| 熟女少妇亚洲综合色aaa.| 午夜福利视频在线观看免费| 一进一出抽搐动态| 飞空精品影院首页| 制服诱惑二区| 性色av一级| 十八禁人妻一区二区| 黄色视频在线播放观看不卡| 俄罗斯特黄特色一大片| 大片免费播放器 马上看| 久久久水蜜桃国产精品网| xxxhd国产人妻xxx| 美女高潮喷水抽搐中文字幕| 久久久久精品国产欧美久久久 | 精品少妇黑人巨大在线播放| 国产精品欧美亚洲77777| 天天影视国产精品| 亚洲成国产人片在线观看| 91成人精品电影| 少妇人妻久久综合中文| 成人国产一区最新在线观看| 成人国语在线视频| 午夜福利乱码中文字幕| 欧美大码av| 国产欧美日韩一区二区三 | www日本在线高清视频| 亚洲国产精品一区二区三区在线| 亚洲午夜精品一区,二区,三区| 亚洲激情五月婷婷啪啪| 黄色视频在线播放观看不卡| cao死你这个sao货| a级毛片黄视频| 亚洲欧美一区二区三区黑人| 免费日韩欧美在线观看| 亚洲av日韩在线播放| 在线十欧美十亚洲十日本专区| 欧美日韩亚洲综合一区二区三区_| 丰满少妇做爰视频| 久久中文字幕一级| 高清欧美精品videossex| 狠狠婷婷综合久久久久久88av| 亚洲精品国产av成人精品| 最近中文字幕2019免费版| 99九九在线精品视频| 国产男女超爽视频在线观看| 91九色精品人成在线观看| 精品国产乱码久久久久久男人| 国产亚洲精品一区二区www | 看免费av毛片| 一本一本久久a久久精品综合妖精| 国产精品一区二区在线不卡| 国产精品久久久人人做人人爽| 日本猛色少妇xxxxx猛交久久| 欧美97在线视频| 久久久久国产一级毛片高清牌| 欧美av亚洲av综合av国产av| 色婷婷av一区二区三区视频| 日本91视频免费播放| 少妇的丰满在线观看| 波多野结衣av一区二区av| 美女扒开内裤让男人捅视频| 久久久精品免费免费高清| 丰满人妻熟妇乱又伦精品不卡| 热99久久久久精品小说推荐| 国产日韩一区二区三区精品不卡| 亚洲精品一二三| 国产一区二区 视频在线| 日韩欧美一区二区三区在线观看 | 2018国产大陆天天弄谢| h视频一区二区三区| 精品一区二区三区av网在线观看 |