• <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
    97超视频在线观看视频| 老司机影院成人| 国产一级毛片在线| 日韩欧美一区视频在线观看 | 日韩中文字幕视频在线看片| 一区二区三区免费毛片| 狠狠精品人妻久久久久久综合| 99热这里只有是精品50| 欧美xxⅹ黑人| 亚洲av国产av综合av卡| 最近最新中文字幕免费大全7| 91在线精品国自产拍蜜月| 99热6这里只有精品| 在线观看一区二区三区激情| 久久人妻熟女aⅴ| 免费观看a级毛片全部| 狂野欧美激情性xxxx在线观看| 欧美 亚洲 国产 日韩一| 国产爽快片一区二区三区| 伦精品一区二区三区| 精品人妻偷拍中文字幕| 国产亚洲午夜精品一区二区久久| 曰老女人黄片| 成人综合一区亚洲| 中文天堂在线官网| 免费av中文字幕在线| 国产在视频线精品| 十八禁高潮呻吟视频 | 我要看黄色一级片免费的| 免费看日本二区| 亚洲国产精品999| 日韩av在线免费看完整版不卡| 777米奇影视久久| 亚洲婷婷狠狠爱综合网| 精品人妻一区二区三区麻豆| 肉色欧美久久久久久久蜜桃| 777米奇影视久久| 亚洲欧美清纯卡通| 日韩视频在线欧美| 99视频精品全部免费 在线| 亚洲欧洲国产日韩| 黄色怎么调成土黄色| 啦啦啦啦在线视频资源| 中文资源天堂在线| 国产精品无大码| 激情五月婷婷亚洲| 欧美日韩av久久| 久久国产精品男人的天堂亚洲 | 精品少妇黑人巨大在线播放| 婷婷色综合大香蕉| 在线观看美女被高潮喷水网站| 亚洲精品第二区| 国产一区有黄有色的免费视频| 九草在线视频观看| 99久久精品热视频| 亚洲欧美清纯卡通| 国产精品麻豆人妻色哟哟久久| 99精国产麻豆久久婷婷| 五月玫瑰六月丁香| 国产精品一区www在线观看| 男女无遮挡免费网站观看| 免费观看在线日韩| 久久人人爽人人爽人人片va| 国产 精品1| 亚洲丝袜综合中文字幕| 午夜日本视频在线| 激情五月婷婷亚洲| 嘟嘟电影网在线观看| 熟女av电影| 国产精品国产三级专区第一集| 一边亲一边摸免费视频| 一级黄片播放器| 赤兔流量卡办理| 亚洲精品视频女| 成人特级av手机在线观看| 黄色视频在线播放观看不卡| 欧美高清成人免费视频www| 亚洲av欧美aⅴ国产| 亚洲内射少妇av| 亚洲欧美一区二区三区国产| 亚洲性久久影院| 亚洲欧美精品专区久久| 亚洲欧美日韩卡通动漫| 国产精品蜜桃在线观看| 欧美最新免费一区二区三区| 日韩三级伦理在线观看| 午夜激情福利司机影院| 99国产精品免费福利视频| 成人黄色视频免费在线看| 国产av国产精品国产| 亚洲av不卡在线观看| 久久鲁丝午夜福利片| 五月伊人婷婷丁香| 一本大道久久a久久精品| 在线观看人妻少妇| 我的老师免费观看完整版| 国产国拍精品亚洲av在线观看| 久久久久网色| 国产精品国产av在线观看| 天天躁夜夜躁狠狠久久av| 欧美国产精品一级二级三级 | 人人妻人人澡人人看| 精品卡一卡二卡四卡免费| 国产乱人偷精品视频| 精品国产一区二区三区久久久樱花| 深夜a级毛片| 黄色怎么调成土黄色| 中文字幕免费在线视频6| 免费av不卡在线播放| 亚洲怡红院男人天堂| 夜夜骑夜夜射夜夜干| 少妇精品久久久久久久| 国产亚洲5aaaaa淫片| 观看美女的网站| 国产欧美日韩一区二区三区在线 | 又大又黄又爽视频免费| 六月丁香七月| 国产淫语在线视频| 日本av免费视频播放| av国产精品久久久久影院| 国产91av在线免费观看| 亚洲欧美精品自产自拍| 欧美性感艳星| 丝袜脚勾引网站| 亚洲丝袜综合中文字幕| 少妇被粗大猛烈的视频| 91精品伊人久久大香线蕉| 乱人伦中国视频| 国产熟女欧美一区二区| 男女国产视频网站| 香蕉精品网在线| 人妻制服诱惑在线中文字幕| 日韩三级伦理在线观看| 亚洲成人一二三区av| 伦理电影大哥的女人| 日韩制服骚丝袜av| 国内精品宾馆在线| 亚洲性久久影院| 又大又黄又爽视频免费| 欧美日韩av久久| 国产精品不卡视频一区二区| 欧美日韩精品成人综合77777| 国产免费一区二区三区四区乱码| 欧美变态另类bdsm刘玥| 欧美bdsm另类| 丝袜脚勾引网站| 亚洲国产精品999| 久久精品久久久久久噜噜老黄| 欧美日韩国产mv在线观看视频| 三上悠亚av全集在线观看 | 国产精品嫩草影院av在线观看| 亚洲av成人精品一区久久| 伊人亚洲综合成人网| 在线观看美女被高潮喷水网站| 蜜桃久久精品国产亚洲av| 日本免费在线观看一区| 一级毛片久久久久久久久女| 又黄又爽又刺激的免费视频.| 中文天堂在线官网| 91久久精品国产一区二区成人| 久久精品国产a三级三级三级| 你懂的网址亚洲精品在线观看| 亚洲欧洲日产国产| 国产精品伦人一区二区| 精品国产露脸久久av麻豆| 午夜久久久在线观看| 免费看av在线观看网站| 亚洲国产精品一区二区三区在线| 成人18禁高潮啪啪吃奶动态图 | videos熟女内射| 午夜福利网站1000一区二区三区| 久久99热这里只频精品6学生| 久久精品国产鲁丝片午夜精品| 亚洲av日韩在线播放| 久久久久人妻精品一区果冻| 久久久久久久久久久丰满| 天天操日日干夜夜撸| 丰满乱子伦码专区| 亚洲人成网站在线播| 大话2 男鬼变身卡| 日日爽夜夜爽网站| 午夜视频国产福利| 久久久久久伊人网av| 亚洲欧美一区二区三区国产| 亚洲精华国产精华液的使用体验| 国产免费一级a男人的天堂| 在线观看av片永久免费下载| 99久久精品一区二区三区| 纵有疾风起免费观看全集完整版| 又黄又爽又刺激的免费视频.| 高清视频免费观看一区二区| 蜜臀久久99精品久久宅男| av又黄又爽大尺度在线免费看| 国精品久久久久久国模美| 少妇 在线观看| 亚洲丝袜综合中文字幕| 国产高清不卡午夜福利| 日日啪夜夜撸| 自拍欧美九色日韩亚洲蝌蚪91 | 尾随美女入室| av免费观看日本| 国产高清国产精品国产三级| 男人和女人高潮做爰伦理| 久久99热6这里只有精品| 国产淫语在线视频| 日本免费在线观看一区| 最新中文字幕久久久久| 欧美日韩视频高清一区二区三区二| 精品一区二区三区视频在线| 在线观看人妻少妇| 精品国产露脸久久av麻豆| 一本—道久久a久久精品蜜桃钙片| 麻豆成人午夜福利视频| 日韩在线高清观看一区二区三区| 91aial.com中文字幕在线观看| 偷拍熟女少妇极品色| 91成人精品电影| 亚洲精品自拍成人| 亚洲综合精品二区| 成年人免费黄色播放视频 | 乱人伦中国视频| 一级,二级,三级黄色视频| 嫩草影院入口| 十八禁网站网址无遮挡 | 久久毛片免费看一区二区三区| 人人妻人人澡人人看| 乱系列少妇在线播放| 在线观看免费视频网站a站| 91久久精品电影网| 丰满少妇做爰视频| 日本黄色日本黄色录像| 高清av免费在线| 欧美成人精品欧美一级黄| 交换朋友夫妻互换小说| 夜夜骑夜夜射夜夜干| 国产探花极品一区二区| 97在线视频观看| 国产深夜福利视频在线观看| 亚洲精品日韩av片在线观看| 久久久久精品性色| 色94色欧美一区二区| 激情五月婷婷亚洲| 国产高清三级在线| 国产在线视频一区二区| 各种免费的搞黄视频| 国产精品伦人一区二区| 汤姆久久久久久久影院中文字幕| 午夜福利影视在线免费观看| 成人亚洲精品一区在线观看| 色视频在线一区二区三区| 成人美女网站在线观看视频| 极品人妻少妇av视频| 麻豆精品久久久久久蜜桃| 欧美三级亚洲精品| 日日摸夜夜添夜夜爱| a级一级毛片免费在线观看| 国产精品秋霞免费鲁丝片| 国产精品一二三区在线看| 国产成人精品久久久久久| 日日爽夜夜爽网站| 一个人看视频在线观看www免费| 18禁裸乳无遮挡动漫免费视频| 国产乱来视频区| 高清午夜精品一区二区三区| 亚洲,一卡二卡三卡| 赤兔流量卡办理| 免费不卡的大黄色大毛片视频在线观看| 亚洲精品中文字幕在线视频 | 大片免费播放器 马上看| 国产精品人妻久久久久久| 爱豆传媒免费全集在线观看| av黄色大香蕉| 日本av免费视频播放| 简卡轻食公司| 日本黄大片高清| 热re99久久国产66热| 亚洲性久久影院| 精品久久久久久久久av| 欧美一级a爱片免费观看看| 精品国产乱码久久久久久小说| 亚洲欧美一区二区三区国产| 日本-黄色视频高清免费观看| 免费观看性生交大片5| 欧美97在线视频| 一区二区av电影网| 久久久久久久国产电影| 久久热精品热| 一级二级三级毛片免费看| 在线观看一区二区三区激情| 日韩大片免费观看网站| 国产在线一区二区三区精| 免费人妻精品一区二区三区视频| 欧美日韩av久久| 高清午夜精品一区二区三区| 能在线免费看毛片的网站| 黄色一级大片看看| 亚洲精品久久午夜乱码| 中文资源天堂在线| 国产日韩一区二区三区精品不卡 | 国产探花极品一区二区| 国产综合精华液| 成人午夜精彩视频在线观看| 精品久久国产蜜桃| 精品视频人人做人人爽| 国产亚洲欧美精品永久| 国产成人精品一,二区| 日本色播在线视频| 国产亚洲精品久久久com| 精品人妻熟女毛片av久久网站| 亚洲av福利一区| 亚洲av在线观看美女高潮| av免费观看日本| 能在线免费看毛片的网站| 日韩精品免费视频一区二区三区 | 国产免费又黄又爽又色| 少妇人妻久久综合中文| 亚洲不卡免费看| 亚洲美女黄色视频免费看| 亚洲人与动物交配视频| 久久人妻熟女aⅴ| 国产免费一区二区三区四区乱码| 夫妻性生交免费视频一级片| 91精品国产国语对白视频| 亚洲性久久影院| 精品一区在线观看国产| 欧美高清成人免费视频www| 高清av免费在线| 又黄又爽又刺激的免费视频.| 99久久精品热视频| 国产乱人偷精品视频| 又大又黄又爽视频免费| 国产爽快片一区二区三区| 亚洲天堂av无毛| 黄色视频在线播放观看不卡| 国内少妇人妻偷人精品xxx网站| 亚洲av免费高清在线观看| 国产高清不卡午夜福利| 欧美日韩国产mv在线观看视频| 久久久久国产网址| 久久99热这里只频精品6学生| 尾随美女入室| 天美传媒精品一区二区| 欧美激情国产日韩精品一区| 亚洲精品久久午夜乱码| 岛国毛片在线播放| 美女福利国产在线| 波野结衣二区三区在线| 国精品久久久久久国模美| 十八禁网站网址无遮挡 | 国产av码专区亚洲av| 一二三四中文在线观看免费高清| 性高湖久久久久久久久免费观看| 亚洲色图综合在线观看| 大香蕉久久网| 美女内射精品一级片tv| 人体艺术视频欧美日本| 日韩免费高清中文字幕av| 亚洲av二区三区四区| 国产免费视频播放在线视频| 国产成人freesex在线| 观看美女的网站| 在线精品无人区一区二区三| 丰满迷人的少妇在线观看| 97超碰精品成人国产| 搡老乐熟女国产| 久久久精品免费免费高清| xxx大片免费视频| 老女人水多毛片| 成人国产av品久久久| 国产又色又爽无遮挡免| 久久午夜综合久久蜜桃| 精品少妇黑人巨大在线播放| 久久6这里有精品| 国产探花极品一区二区| 国产成人免费无遮挡视频| 黄色一级大片看看| 国模一区二区三区四区视频| 亚洲电影在线观看av| 亚洲欧美清纯卡通| 国产免费一级a男人的天堂| 国产老妇伦熟女老妇高清| 午夜福利网站1000一区二区三区| 最近2019中文字幕mv第一页| 久久久午夜欧美精品| 三级国产精品片| 免费高清在线观看视频在线观看| 免费看av在线观看网站| 日韩伦理黄色片| 国产91av在线免费观看| 亚洲av男天堂| 日韩视频在线欧美| 色哟哟·www| a级一级毛片免费在线观看| 成人特级av手机在线观看| 少妇的逼水好多| 在线观看国产h片| 免费看不卡的av| 国产日韩一区二区三区精品不卡 | 欧美区成人在线视频| 性色avwww在线观看| 久久人妻熟女aⅴ| 在现免费观看毛片| 亚洲精品自拍成人| 免费看日本二区| 美女主播在线视频| 亚洲av在线观看美女高潮| 成人国产av品久久久| 久久女婷五月综合色啪小说| 午夜老司机福利剧场| 欧美日韩综合久久久久久| 最近手机中文字幕大全| 日韩欧美 国产精品| 狂野欧美激情性bbbbbb| 亚洲真实伦在线观看| 在线观看免费视频网站a站| 一级a做视频免费观看| 久久久欧美国产精品| 99九九线精品视频在线观看视频| 九草在线视频观看| 插阴视频在线观看视频| 男的添女的下面高潮视频| 51国产日韩欧美| 亚洲av中文av极速乱| 人妻系列 视频| 国产精品成人在线| 欧美日韩亚洲高清精品| 精品国产一区二区久久| 在线观看人妻少妇| 欧美国产精品一级二级三级 | av卡一久久| av天堂中文字幕网| 大香蕉97超碰在线| 日日啪夜夜撸| 三上悠亚av全集在线观看 | 午夜免费男女啪啪视频观看| 在线观看美女被高潮喷水网站| 少妇高潮的动态图| 亚洲va在线va天堂va国产| av有码第一页| 我要看日韩黄色一级片| 亚洲第一av免费看| 国产熟女午夜一区二区三区 | 欧美成人午夜免费资源| 免费不卡的大黄色大毛片视频在线观看| 男女无遮挡免费网站观看| 亚洲欧洲精品一区二区精品久久久 | 日韩免费高清中文字幕av| 在线看a的网站| 亚洲精品第二区| 免费观看a级毛片全部| 亚洲av在线观看美女高潮| 大码成人一级视频| 国产成人午夜福利电影在线观看| 一区二区三区四区激情视频| 高清午夜精品一区二区三区| 午夜激情福利司机影院| 国产极品粉嫩免费观看在线 | 赤兔流量卡办理| 观看美女的网站| 精品人妻熟女毛片av久久网站| 美女xxoo啪啪120秒动态图| 九草在线视频观看| 2021少妇久久久久久久久久久| 国产精品一区二区性色av| 我要看黄色一级片免费的| 国产精品不卡视频一区二区| 国产精品一区二区在线观看99| 多毛熟女@视频| 亚洲第一av免费看| 国产欧美日韩综合在线一区二区 | 伊人久久国产一区二区| 亚洲精品日韩av片在线观看| 成人二区视频| 亚洲美女黄色视频免费看| 日本黄色片子视频| 日韩人妻高清精品专区| 2021少妇久久久久久久久久久| 色94色欧美一区二区| av国产精品久久久久影院| 久久毛片免费看一区二区三区| 大码成人一级视频| 97在线人人人人妻| 久久精品久久久久久噜噜老黄| 国产一级毛片在线| 免费人妻精品一区二区三区视频| 国产淫片久久久久久久久| 亚洲电影在线观看av| 午夜91福利影院| 免费看光身美女| 一级毛片久久久久久久久女| 91精品一卡2卡3卡4卡| 午夜久久久在线观看| 精品一品国产午夜福利视频| 中文精品一卡2卡3卡4更新| tube8黄色片| 99久久中文字幕三级久久日本| 国产日韩欧美亚洲二区| 草草在线视频免费看| 中文字幕免费在线视频6| av又黄又爽大尺度在线免费看| 久久亚洲国产成人精品v| 91久久精品国产一区二区成人| 国产精品一区二区性色av| 在线观看www视频免费| 成人国产麻豆网| 夜夜爽夜夜爽视频| 校园人妻丝袜中文字幕| 夜夜看夜夜爽夜夜摸| 免费在线观看成人毛片| 色婷婷av一区二区三区视频| 国产精品国产av在线观看| 97在线视频观看| 人人妻人人看人人澡| 搡老乐熟女国产| 亚洲精品一二三| 极品人妻少妇av视频| 亚洲成人一二三区av| 亚洲欧美一区二区三区黑人 | 人妻系列 视频| 亚洲精品亚洲一区二区| 亚洲欧美日韩另类电影网站| 国产永久视频网站| 丝袜脚勾引网站| 成人毛片a级毛片在线播放| 久久久久网色| av网站免费在线观看视频| 国产成人aa在线观看| 亚洲av国产av综合av卡| 国产亚洲一区二区精品| 国产精品无大码| 在线亚洲精品国产二区图片欧美 | 少妇的逼好多水| a级一级毛片免费在线观看| 狂野欧美激情性xxxx在线观看| 国产伦理片在线播放av一区| 国产综合精华液| 岛国毛片在线播放| av国产久精品久网站免费入址| 精品国产露脸久久av麻豆| 成年人午夜在线观看视频| 哪个播放器可以免费观看大片| 精品久久久噜噜| 久久人人爽av亚洲精品天堂| 亚洲电影在线观看av| 国产精品久久久久久精品古装| 亚州av有码| 欧美人与善性xxx| av不卡在线播放| 一区在线观看完整版| 国产免费又黄又爽又色| 91在线精品国自产拍蜜月| 亚洲精品aⅴ在线观看| 纯流量卡能插随身wifi吗| 午夜激情久久久久久久| 黄色一级大片看看| 国产美女午夜福利| 九九久久精品国产亚洲av麻豆| 国产在线男女| 欧美日韩国产mv在线观看视频| 亚洲精品日韩在线中文字幕| 中文字幕人妻熟人妻熟丝袜美| 国产精品一区二区在线不卡| 成人亚洲欧美一区二区av| 少妇 在线观看| 亚洲av.av天堂| 国产毛片在线视频| 亚洲av免费高清在线观看| 最黄视频免费看| 国产伦精品一区二区三区四那| 18禁在线无遮挡免费观看视频| freevideosex欧美| 91成人精品电影| 校园人妻丝袜中文字幕| 边亲边吃奶的免费视频| 久久精品国产亚洲av天美| 久久久久人妻精品一区果冻| 欧美日韩一区二区视频在线观看视频在线| 婷婷色av中文字幕| 中文精品一卡2卡3卡4更新| 十八禁网站网址无遮挡 | 亚洲熟女精品中文字幕| 大又大粗又爽又黄少妇毛片口| 少妇裸体淫交视频免费看高清| 久久女婷五月综合色啪小说| 在线 av 中文字幕| 中文欧美无线码| 中文字幕久久专区| 少妇猛男粗大的猛烈进出视频| 亚洲一区二区三区欧美精品| 在线观看人妻少妇| 免费观看性生交大片5| 日韩一本色道免费dvd| 中文字幕人妻熟人妻熟丝袜美| 午夜免费鲁丝| a级毛片在线看网站| 中文字幕人妻熟人妻熟丝袜美| 精品少妇久久久久久888优播| 欧美精品人与动牲交sv欧美| 十八禁高潮呻吟视频 | 一级毛片黄色毛片免费观看视频| 免费看光身美女| 黑丝袜美女国产一区| 超碰97精品在线观看| 亚洲av.av天堂| 欧美日本中文国产一区发布| 人妻少妇偷人精品九色| 99热网站在线观看| 内射极品少妇av片p| 麻豆成人午夜福利视频| 久久久久久伊人网av| 国产成人freesex在线| 久久精品夜色国产| 五月玫瑰六月丁香| 亚洲经典国产精华液单| 韩国高清视频一区二区三区|