• <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
    久久天躁狠狠躁夜夜2o2o| 曰老女人黄片| 国产成人精品久久二区二区91| 婷婷六月久久综合丁香| 亚洲av片天天在线观看| 老鸭窝网址在线观看| 侵犯人妻中文字幕一二三四区| 热re99久久国产66热| 很黄的视频免费| 国产精品精品国产色婷婷| 女同久久另类99精品国产91| www日本在线高清视频| 女人被狂操c到高潮| 久久九九热精品免费| 99riav亚洲国产免费| 日韩av在线大香蕉| 一区二区日韩欧美中文字幕| 丝袜在线中文字幕| 50天的宝宝边吃奶边哭怎么回事| 午夜老司机福利片| 18禁黄网站禁片午夜丰满| 色综合站精品国产| 涩涩av久久男人的天堂| 亚洲一区中文字幕在线| av天堂久久9| 这个男人来自地球电影免费观看| 亚洲精品一区av在线观看| 亚洲黑人精品在线| 色在线成人网| 如日韩欧美国产精品一区二区三区| 一边摸一边抽搐一进一出视频| 在线观看免费午夜福利视频| 亚洲欧美日韩另类电影网站| 午夜福利免费观看在线| 亚洲一区中文字幕在线| 久久久精品欧美日韩精品| 精品日产1卡2卡| 日韩精品免费视频一区二区三区| 极品人妻少妇av视频| 日韩 欧美 亚洲 中文字幕| 少妇的丰满在线观看| 欧美黑人欧美精品刺激| 亚洲avbb在线观看| 淫秽高清视频在线观看| 天堂√8在线中文| 制服丝袜大香蕉在线| 久久久国产精品麻豆| 51午夜福利影视在线观看| 国产亚洲精品久久久久5区| 日本a在线网址| 电影成人av| 一级,二级,三级黄色视频| 一个人观看的视频www高清免费观看 | 99热只有精品国产| 男女做爰动态图高潮gif福利片 | 日本 欧美在线| 后天国语完整版免费观看| 在线观看免费午夜福利视频| 一级作爱视频免费观看| 两人在一起打扑克的视频| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲欧洲精品一区二区精品久久久| 天堂影院成人在线观看| 日本三级黄在线观看| 成熟少妇高潮喷水视频| 我的亚洲天堂| 国产99久久九九免费精品| 日韩国内少妇激情av| 日韩精品中文字幕看吧| 一级黄色大片毛片| 91字幕亚洲| 天天躁狠狠躁夜夜躁狠狠躁| 美女午夜性视频免费| 精品人妻在线不人妻| 国产一区二区激情短视频| 高清黄色对白视频在线免费看| 1024视频免费在线观看| 在线观看免费午夜福利视频| 性少妇av在线| 人妻久久中文字幕网| www国产在线视频色| 久久草成人影院| 亚洲精品国产色婷婷电影| 日韩欧美国产在线观看| 亚洲中文日韩欧美视频| 99久久99久久久精品蜜桃| 99久久99久久久精品蜜桃| 岛国在线观看网站| 一边摸一边抽搐一进一出视频| 亚洲av五月六月丁香网| 国产激情久久老熟女| 51午夜福利影视在线观看| 给我免费播放毛片高清在线观看| 高清毛片免费观看视频网站| 丝袜人妻中文字幕| 欧美成狂野欧美在线观看| 中出人妻视频一区二区| 多毛熟女@视频| 99精品在免费线老司机午夜| 国产亚洲精品一区二区www| 欧美日韩瑟瑟在线播放| 黄色成人免费大全| 久久精品91蜜桃| 亚洲自拍偷在线| 国产精品,欧美在线| 国产精品日韩av在线免费观看 | 91在线观看av| 色播在线永久视频| 亚洲国产日韩欧美精品在线观看 | 99国产精品免费福利视频| 91av网站免费观看| 亚洲av第一区精品v没综合| av视频在线观看入口| 老鸭窝网址在线观看| 国产成人影院久久av| 精品日产1卡2卡| 黄色丝袜av网址大全| netflix在线观看网站| 九色亚洲精品在线播放| 午夜福利18| 啦啦啦免费观看视频1| 国产午夜精品久久久久久| 久久久精品欧美日韩精品| 嫁个100分男人电影在线观看| 真人一进一出gif抽搐免费| 欧美另类亚洲清纯唯美| 99国产精品99久久久久| 国产精品一区二区精品视频观看| 天天躁夜夜躁狠狠躁躁| 国产亚洲精品第一综合不卡| 1024香蕉在线观看| 亚洲狠狠婷婷综合久久图片| 日本 欧美在线| 久久草成人影院| 可以在线观看毛片的网站| 不卡av一区二区三区| 国产精品1区2区在线观看.| 亚洲 欧美 日韩 在线 免费| 人人妻,人人澡人人爽秒播| 亚洲激情在线av| 极品教师在线免费播放| 真人一进一出gif抽搐免费| 女人精品久久久久毛片| 99精品在免费线老司机午夜| 美国免费a级毛片| 老熟妇仑乱视频hdxx| 亚洲片人在线观看| 国产精品爽爽va在线观看网站 | 18禁国产床啪视频网站| 国产精品av久久久久免费| 一区在线观看完整版| 成人亚洲精品av一区二区| 又黄又粗又硬又大视频| 一级黄色大片毛片| 啦啦啦免费观看视频1| 国产精品一区二区三区四区久久 | 人人妻人人澡欧美一区二区 | 日本三级黄在线观看| 国产伦一二天堂av在线观看| 免费在线观看视频国产中文字幕亚洲| 欧美日韩精品网址| 一区二区三区高清视频在线| 在线视频色国产色| АⅤ资源中文在线天堂| 精品免费久久久久久久清纯| 国产精华一区二区三区| 国产亚洲欧美98| 天堂影院成人在线观看| 9热在线视频观看99| 亚洲电影在线观看av| 精品人妻1区二区| 十八禁网站免费在线| av超薄肉色丝袜交足视频| 久9热在线精品视频| 老司机福利观看| 国产亚洲精品av在线| 国语自产精品视频在线第100页| 日韩欧美国产一区二区入口| 亚洲片人在线观看| 90打野战视频偷拍视频| 国产av又大| 国产亚洲欧美98| 一级a爱片免费观看的视频| 每晚都被弄得嗷嗷叫到高潮| 久久国产乱子伦精品免费另类| 国产一区二区三区在线臀色熟女| 大型av网站在线播放| 精品无人区乱码1区二区| 免费久久久久久久精品成人欧美视频| 91精品国产国语对白视频| 不卡av一区二区三区| 此物有八面人人有两片| 欧美激情极品国产一区二区三区| 久久天躁狠狠躁夜夜2o2o| 精品无人区乱码1区二区| 国产精品电影一区二区三区| 午夜激情av网站| 国产精品综合久久久久久久免费 | 国产精品久久久人人做人人爽| av在线天堂中文字幕| 国产精品秋霞免费鲁丝片| 亚洲男人的天堂狠狠| 无限看片的www在线观看| 亚洲专区中文字幕在线| 亚洲片人在线观看| 国产三级黄色录像| 好男人在线观看高清免费视频 | 欧美日韩亚洲国产一区二区在线观看| 美国免费a级毛片| 悠悠久久av| 国产蜜桃级精品一区二区三区| 久久香蕉国产精品| 国产国语露脸激情在线看| 久久久久久久久免费视频了| 久久精品亚洲熟妇少妇任你| 中文亚洲av片在线观看爽| 国产精品久久久av美女十八| 他把我摸到了高潮在线观看| 最近最新中文字幕大全免费视频| 久久久精品国产亚洲av高清涩受| 精品卡一卡二卡四卡免费| 黄网站色视频无遮挡免费观看| 在线观看一区二区三区| 久久精品人人爽人人爽视色| aaaaa片日本免费| 91在线观看av| 身体一侧抽搐| videosex国产| 一进一出抽搐动态| 国内精品久久久久精免费| 麻豆成人av在线观看| 男女下面进入的视频免费午夜 | 日本欧美视频一区| 免费看美女性在线毛片视频| 中文字幕色久视频| 丁香六月欧美| 精品电影一区二区在线| 女生性感内裤真人,穿戴方法视频| 一边摸一边抽搐一进一小说| 日韩欧美国产在线观看| 亚洲成人免费电影在线观看| 在线观看一区二区三区| 国内毛片毛片毛片毛片毛片| 午夜精品久久久久久毛片777| 50天的宝宝边吃奶边哭怎么回事| av免费在线观看网站| 波多野结衣高清无吗| videosex国产| 99久久国产精品久久久| 国产亚洲精品综合一区在线观看 | 亚洲免费av在线视频| 日日爽夜夜爽网站| 大型黄色视频在线免费观看| 嫩草影院精品99| 女警被强在线播放| av电影中文网址| 悠悠久久av| 成在线人永久免费视频| 久久久国产成人精品二区| 99久久99久久久精品蜜桃| 女人高潮潮喷娇喘18禁视频| 叶爱在线成人免费视频播放| bbb黄色大片| 757午夜福利合集在线观看| av在线播放免费不卡| cao死你这个sao货| 熟女少妇亚洲综合色aaa.| 欧美日韩瑟瑟在线播放| 美女大奶头视频| 欧美成人性av电影在线观看| 国产成人啪精品午夜网站| 欧美绝顶高潮抽搐喷水| 婷婷精品国产亚洲av在线| 天天添夜夜摸| 国产区一区二久久| 久久精品亚洲精品国产色婷小说| 日韩精品免费视频一区二区三区| 高清黄色对白视频在线免费看| 欧洲精品卡2卡3卡4卡5卡区| 日韩精品中文字幕看吧| 午夜a级毛片| 又大又爽又粗| 欧美大码av| 99久久久亚洲精品蜜臀av| www.999成人在线观看| 免费在线观看黄色视频的| 亚洲av成人一区二区三| 此物有八面人人有两片| 亚洲性夜色夜夜综合| 最新在线观看一区二区三区| 99国产精品一区二区三区| 亚洲成人国产一区在线观看| 国产精品久久视频播放| 可以在线观看毛片的网站| 亚洲专区中文字幕在线| 久久中文字幕一级| 校园春色视频在线观看| 亚洲一区二区三区不卡视频| 午夜福利一区二区在线看| 夜夜爽天天搞| 成人18禁高潮啪啪吃奶动态图| 男人舔女人的私密视频| 国产精品九九99| 99久久国产精品久久久| 午夜日韩欧美国产| 国产男靠女视频免费网站| 少妇被粗大的猛进出69影院| 日韩av在线大香蕉| 国内精品久久久久精免费| 女人被躁到高潮嗷嗷叫费观| 久久久精品欧美日韩精品| 人妻久久中文字幕网| 精品国产亚洲在线| 亚洲精品美女久久av网站| e午夜精品久久久久久久| 久久精品亚洲熟妇少妇任你| 国产又色又爽无遮挡免费看| 亚洲人成电影观看| 日韩大尺度精品在线看网址 | 国产欧美日韩综合在线一区二区| 欧美日本视频| 午夜福利一区二区在线看| 亚洲成av人片免费观看| 国产成人免费无遮挡视频| 最好的美女福利视频网| 免费在线观看完整版高清| av视频在线观看入口| 一卡2卡三卡四卡精品乱码亚洲| 级片在线观看| 久久久久久免费高清国产稀缺| 久久中文字幕一级| 少妇的丰满在线观看| 亚洲精品一卡2卡三卡4卡5卡| 国产精品一区二区三区四区久久 | 久久久久久久午夜电影| 中文字幕人妻熟女乱码| 久久精品亚洲熟妇少妇任你| 少妇被粗大的猛进出69影院| 国产极品粉嫩免费观看在线| 美国免费a级毛片| 18禁国产床啪视频网站| 国产极品粉嫩免费观看在线| 中文字幕精品免费在线观看视频| 国产蜜桃级精品一区二区三区| av福利片在线| 咕卡用的链子| 国产蜜桃级精品一区二区三区| 国产亚洲av嫩草精品影院| 韩国av一区二区三区四区| 久久亚洲精品不卡| 99精品久久久久人妻精品| 一本大道久久a久久精品| 亚洲国产毛片av蜜桃av| 久久中文字幕人妻熟女| 亚洲国产精品久久男人天堂| 777久久人妻少妇嫩草av网站| 成人免费观看视频高清| 亚洲男人的天堂狠狠| 亚洲欧美激情在线| 俄罗斯特黄特色一大片| av片东京热男人的天堂| 亚洲欧美日韩另类电影网站| 亚洲男人天堂网一区| 亚洲免费av在线视频| 少妇 在线观看| videosex国产| 欧美国产日韩亚洲一区| 悠悠久久av| 久久久久久久精品吃奶| 怎么达到女性高潮| 亚洲片人在线观看| 美女 人体艺术 gogo| 国产精品亚洲美女久久久| 日韩欧美一区二区三区在线观看| 好男人在线观看高清免费视频 | 97人妻天天添夜夜摸| 国产一区二区三区综合在线观看| 老司机午夜福利在线观看视频| 黑人巨大精品欧美一区二区mp4| 1024香蕉在线观看| 国产国语露脸激情在线看| 麻豆成人av在线观看| 久久精品人人爽人人爽视色| 亚洲一区高清亚洲精品| 成人av一区二区三区在线看| 日本 欧美在线| 欧美一级a爱片免费观看看 | 久久人妻av系列| 涩涩av久久男人的天堂| 一边摸一边抽搐一进一小说| 一本综合久久免费| 天堂动漫精品| 女人被狂操c到高潮| 日本黄色视频三级网站网址| 一夜夜www| 中文字幕久久专区| 国产xxxxx性猛交| 午夜精品久久久久久毛片777| 色老头精品视频在线观看| 国产午夜精品久久久久久| svipshipincom国产片| 97碰自拍视频| 欧美乱妇无乱码| 岛国在线观看网站| 欧美日韩中文字幕国产精品一区二区三区 | x7x7x7水蜜桃| 少妇 在线观看| 叶爱在线成人免费视频播放| 两个人看的免费小视频| 国产xxxxx性猛交| 久久久久九九精品影院| 国产精品亚洲美女久久久| 亚洲精品粉嫩美女一区| 亚洲男人的天堂狠狠| 精品人妻1区二区| 国产亚洲av嫩草精品影院| 色老头精品视频在线观看| 国产精品精品国产色婷婷| 成人18禁高潮啪啪吃奶动态图| 国产成人系列免费观看| 99香蕉大伊视频| 国语自产精品视频在线第100页| 亚洲av日韩精品久久久久久密| 午夜久久久久精精品| 男人舔女人的私密视频| 国产精品久久视频播放| 看黄色毛片网站| 宅男免费午夜| 欧美中文综合在线视频| 成人av一区二区三区在线看| 中国美女看黄片| 看片在线看免费视频| 国产免费av片在线观看野外av| 日本一区二区免费在线视频| 97人妻天天添夜夜摸| 国产精品精品国产色婷婷| 可以在线观看毛片的网站| 国产真人三级小视频在线观看| 99久久国产精品久久久| 777久久人妻少妇嫩草av网站| 亚洲精品美女久久av网站| √禁漫天堂资源中文www| 自线自在国产av| 久久九九热精品免费| 亚洲五月色婷婷综合| 91成年电影在线观看| 欧美中文日本在线观看视频| 91字幕亚洲| 国产成人影院久久av| 久久久久国产精品人妻aⅴ院| 一个人免费在线观看的高清视频| 欧美中文综合在线视频| 国产精品久久视频播放| 亚洲人成伊人成综合网2020| 每晚都被弄得嗷嗷叫到高潮| 男女之事视频高清在线观看| 国产成人免费无遮挡视频| 日韩欧美一区二区三区在线观看| 久久久久国产一级毛片高清牌| 亚洲国产高清在线一区二区三 | 在线观看www视频免费| 久久久久久国产a免费观看| 操美女的视频在线观看| 一进一出抽搐gif免费好疼| a在线观看视频网站| 亚洲av五月六月丁香网| 极品教师在线免费播放| 夜夜躁狠狠躁天天躁| 久久精品国产亚洲av香蕉五月| 波多野结衣一区麻豆| 中文亚洲av片在线观看爽| 久久天躁狠狠躁夜夜2o2o| 国产伦一二天堂av在线观看| 色综合站精品国产| 国产成人免费无遮挡视频| 欧美日本中文国产一区发布| 国产精品久久电影中文字幕| 国产xxxxx性猛交| av片东京热男人的天堂| 18禁观看日本| 精品熟女少妇八av免费久了| 不卡一级毛片| 电影成人av| 亚洲国产精品合色在线| 大陆偷拍与自拍| 亚洲中文日韩欧美视频| 欧美激情极品国产一区二区三区| 最新美女视频免费是黄的| 午夜福利一区二区在线看| 精品日产1卡2卡| 无遮挡黄片免费观看| 精品熟女少妇八av免费久了| 久久婷婷成人综合色麻豆| 在线观看免费日韩欧美大片| 老熟妇乱子伦视频在线观看| 国产高清有码在线观看视频 | 亚洲第一青青草原| 欧美国产日韩亚洲一区| 欧美黑人精品巨大| 成人三级做爰电影| 日韩精品青青久久久久久| 国产成人av教育| 成人国产一区最新在线观看| 欧美日韩一级在线毛片| 日本黄色视频三级网站网址| 男人的好看免费观看在线视频 | 亚洲一卡2卡3卡4卡5卡精品中文| 国产99白浆流出| 久9热在线精品视频| 亚洲精品国产区一区二| 欧美乱妇无乱码| 不卡一级毛片| 在线观看日韩欧美| 丝袜在线中文字幕| 给我免费播放毛片高清在线观看| 在线观看www视频免费| 麻豆国产av国片精品| 午夜精品国产一区二区电影| 黄色片一级片一级黄色片| 久久久久久人人人人人| 69精品国产乱码久久久| 天天躁夜夜躁狠狠躁躁| 别揉我奶头~嗯~啊~动态视频| 老熟妇仑乱视频hdxx| 波多野结衣一区麻豆| 久久婷婷成人综合色麻豆| 一区在线观看完整版| 丝袜在线中文字幕| 国产欧美日韩综合在线一区二区| 免费在线观看影片大全网站| 免费在线观看黄色视频的| 一进一出抽搐gif免费好疼| 欧美日韩一级在线毛片| 好男人电影高清在线观看| 成年人黄色毛片网站| 国产成人欧美| 欧美人与性动交α欧美精品济南到| 大型黄色视频在线免费观看| av片东京热男人的天堂| 久久欧美精品欧美久久欧美| 国产国语露脸激情在线看| 老熟妇仑乱视频hdxx| 三级毛片av免费| 男女午夜视频在线观看| 最新在线观看一区二区三区| 亚洲美女黄片视频| 视频在线观看一区二区三区| 一二三四在线观看免费中文在| 视频在线观看一区二区三区| 国产99白浆流出| 国产麻豆成人av免费视频| 午夜免费成人在线视频| 亚洲成a人片在线一区二区| 亚洲欧美日韩无卡精品| 人妻久久中文字幕网| 欧美午夜高清在线| 中文字幕久久专区| 19禁男女啪啪无遮挡网站| 成人精品一区二区免费| 天天添夜夜摸| 无限看片的www在线观看| 免费人成视频x8x8入口观看| 亚洲av五月六月丁香网| a在线观看视频网站| 黄色 视频免费看| 老司机午夜十八禁免费视频| 免费看a级黄色片| 少妇的丰满在线观看| 亚洲片人在线观看| 亚洲第一电影网av| 88av欧美| 免费一级毛片在线播放高清视频 | 国产精品电影一区二区三区| 色综合站精品国产| 欧美国产精品va在线观看不卡| 亚洲黑人精品在线| 一级黄色大片毛片| 国产熟女午夜一区二区三区| 亚洲少妇的诱惑av| 亚洲欧美精品综合久久99| 中文字幕人成人乱码亚洲影| 午夜成年电影在线免费观看| 国产欧美日韩一区二区三| 欧美一级a爱片免费观看看 | 精品福利观看| 91国产中文字幕| 黑人巨大精品欧美一区二区蜜桃| 操美女的视频在线观看| 99re在线观看精品视频| 两个人看的免费小视频| 成人亚洲精品一区在线观看| 国产伦一二天堂av在线观看| 69av精品久久久久久| 精品国产亚洲在线| 亚洲人成伊人成综合网2020| 欧美av亚洲av综合av国产av| 熟女少妇亚洲综合色aaa.| 国产成年人精品一区二区| 精品久久久久久久人妻蜜臀av | 少妇的丰满在线观看| 色综合亚洲欧美另类图片| 精品久久久久久久久久免费视频| av有码第一页| 国产免费男女视频| 亚洲国产欧美一区二区综合| 丝袜在线中文字幕| av片东京热男人的天堂| 国产不卡一卡二| 91大片在线观看| 国产三级黄色录像| 亚洲最大成人中文| 成人手机av| 久久人人精品亚洲av| 日本三级黄在线观看| 久久精品影院6|