• <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 ?

    基于局部線(xiàn)性重構(gòu)的近鄰填充算法

    2017-08-10 09:52:39溫海標(biāo)
    現(xiàn)代計(jì)算機(jī) 2017年15期
    關(guān)鍵詞:權(quán)值線(xiàn)性重構(gòu)

    溫海標(biāo)

    (廣西師范學(xué)院計(jì)算機(jī)與信息工程學(xué)院,南寧 530023)

    基于局部線(xiàn)性重構(gòu)的近鄰填充算法

    溫海標(biāo)

    (廣西師范學(xué)院計(jì)算機(jī)與信息工程學(xué)院,南寧 530023)

    K近鄰填充算法(KNNI)對(duì)缺失數(shù)據(jù)填充時(shí),使用K個(gè)近鄰的訓(xùn)練樣本屬性值的平均值作為KNNI算法的填充值,該值偏離真實(shí)值較大,一種有效的方法是K近鄰樣本屬性值的加權(quán)平均值作為填充值。如何確定K近鄰樣本的權(quán)值,是KNNI算法研究熱點(diǎn)。為此,提出引入局部線(xiàn)性重構(gòu)方法用于近鄰填充,該方法是用K近鄰樣本重構(gòu)測(cè)試樣本得出權(quán)值。實(shí)驗(yàn)結(jié)果表明提出的算法比KNNI算法填充效果更好,填充值更接近真實(shí)值。

    缺失值填充;重構(gòu)技術(shù);K近鄰;LLR

    0 引言

    在機(jī)器學(xué)習(xí)的實(shí)際應(yīng)用中,樣本的一些數(shù)據(jù)經(jīng)常因?yàn)槟承┰驅(qū)е聵颖緮?shù)據(jù)不完整,例如數(shù)據(jù)暫時(shí)無(wú)法得到、被遺漏等原因?qū)е聰?shù)據(jù)缺失[1]。樣本數(shù)據(jù)的缺失會(huì)影響機(jī)器從樣本數(shù)據(jù)學(xué)習(xí)得來(lái)的模型性能或規(guī)則的正確性。因此在機(jī)器學(xué)習(xí)領(lǐng)域,缺失數(shù)據(jù)填充是基礎(chǔ)而又重要的研究問(wèn)題。

    目前,已有多種方法處理缺失值,例如最近鄰、決策樹(shù)、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)、粗糙集和模糊集、神經(jīng)網(wǎng)絡(luò)等方法[2]。其中K近鄰填充算法[3]時(shí)間復(fù)雜度低,填充效率和準(zhǔn)確率高等優(yōu)點(diǎn)受到了廣泛研究。其基本原理是通過(guò)相似度量函數(shù)計(jì)算出缺失樣本的K個(gè)近鄰?fù)暾麡颖?,?jì)算求得K個(gè)樣本的均值作為填充值。KNNI(K-Nearest Neighbor Imputation)存在一個(gè)明顯的缺陷,如圖1,當(dāng)K=3時(shí),A、B、C樣本作為缺失樣本的近鄰,A、B、C樣本的均值作為缺失樣本的填充值,該值偏離真實(shí)值的偏差是較大的,因?yàn)镃樣本離缺失樣本較遠(yuǎn),其中對(duì)填充值有較大影響。一個(gè)有效的方法是對(duì)A、B、C樣本設(shè)置權(quán)值,離缺失樣本越近,權(quán)值越大,即A最大,C最小,A、B、C樣本加權(quán)平均值作為缺失樣本的填充值。這種方法就是降低離缺失樣本較遠(yuǎn)的整樣本的值對(duì)填充值的影響。本文用局部線(xiàn)性重構(gòu)的方法用于KNNI算法,找出合適的K近鄰樣本權(quán)值,進(jìn)一步降低填充值的偏差。

    圖1 缺失樣本近鄰點(diǎn)選擇

    1 LLR-KNNI算法

    1.1 重構(gòu)技術(shù)理論

    一個(gè)向量被一組線(xiàn)性無(wú)關(guān)的向量線(xiàn)性組合近似表示,稱(chēng)為重構(gòu)[4]。已知一組線(xiàn)性無(wú)關(guān)向量x1,x2,x3,…,xk,xk∈Rd,和被這組線(xiàn)性近似表示的向量y,y∈Rd,其中d表示向量的元素個(gè)數(shù),根據(jù)重構(gòu)理論,得出如下函數(shù):

    式(1)中,wi為重構(gòu)系數(shù),值越大,說(shuō)明xi向量的元素值和y向量元素值接近。W為重構(gòu)系數(shù)向量。式(2)中的e為重構(gòu)誤差,e的值越小,說(shuō)明這組線(xiàn)性無(wú)關(guān)向量的近似表示的向量與y接近。目前重構(gòu)技術(shù)的應(yīng)用得到廣泛應(yīng)用,如人臉識(shí)別、圖像去噪、屬性降維等[5],其中屬性降維中的局部線(xiàn)性嵌入算法較為經(jīng)典。局部線(xiàn)性嵌入(Locally Linear Embedding,LLE)算法[6]假設(shè)在一個(gè)高維樣本空間中某個(gè)流行局部小領(lǐng)域看成局部線(xiàn)性,即在這個(gè)小領(lǐng)域里的某點(diǎn)可以用重構(gòu)技術(shù)被它周?chē)狞c(diǎn)線(xiàn)性重構(gòu)表示。高維樣本空間中,局部小領(lǐng)域的點(diǎn)是近鄰關(guān)系,降維后這些點(diǎn)仍然是近鄰關(guān)系,是一種基于流行的降維算法。LLE算法因計(jì)算復(fù)雜度低,需配置參數(shù)少,魯棒性好等優(yōu)點(diǎn)得到了廣泛應(yīng)用。

    1.2 LLR-KNNI

    局部線(xiàn)性重構(gòu)(Local Linear Reconstruction,LLR)是基于重構(gòu)理論和LLE算法得出并應(yīng)用于KNNI算法中,局部指的是重構(gòu)缺失樣本的完整樣本來(lái)自缺失樣本的某個(gè)領(lǐng)域,LLR-KNNI算法分為預(yù)處理和決策過(guò)程,預(yù)處理中,首先把數(shù)據(jù)樣本分為訓(xùn)練樣本和測(cè)試樣本,具有完整數(shù)據(jù)的作為訓(xùn)練樣本,含缺失數(shù)據(jù)的樣本作為測(cè)試樣本。樣本屬性可分為一般屬性和決策屬性,缺失樣本的缺失屬性值可以是一般屬性,也可以是決策屬性,LLR-KNNI算法把缺失屬性視為決策屬性,即當(dāng)缺失屬性值是一般屬性的值時(shí),該屬性作為決策屬性,其他為一般屬性。其次將整個(gè)數(shù)據(jù)樣本除決策屬性之外的其他屬性值規(guī)范化到[0,1]區(qū)間。決策過(guò)程中,每個(gè)缺失樣本通過(guò)相似度量函數(shù)計(jì)算出k領(lǐng)域的k個(gè)近鄰樣本,通過(guò)重構(gòu)方法找出k個(gè)近鄰樣本的重構(gòu)系數(shù),這個(gè)系數(shù)稱(chēng)為權(quán)值,權(quán)值越大,說(shuō)明,該權(quán)值對(duì)應(yīng)的近鄰樣本與缺失樣本越相似。最后加權(quán)求和得出填充值。算法描述如下:

    訓(xùn)練樣本X∈Rn×d,測(cè)試樣本Y∈Rm×d,m,n為樣本數(shù),d為屬性個(gè)數(shù)。

    步驟1數(shù)據(jù)樣本將非決策屬性規(guī)范化為[0,1]區(qū)間,規(guī)范化方法采用最小最大規(guī)范化法,如下式:

    式(3)中,max和min分別表示樣本屬性A的最大值和最小值。

    步驟2通過(guò)相似度量函數(shù)計(jì)算測(cè)試樣本的K個(gè)近鄰樣本,相似度量函數(shù)采用歐氏距離函數(shù):

    測(cè)試樣本與每個(gè)訓(xùn)練樣本根據(jù)式(4)計(jì)算距離,計(jì)算結(jié)果從小到大排序,取前K個(gè)距離對(duì)應(yīng)的樣本作為測(cè)試樣本的K近鄰樣本。

    步驟3測(cè)試樣本的K近鄰樣本根據(jù)下式重構(gòu)測(cè)試樣本

    式(5)中,Ni∈Rk×d是近鄰樣本矩陣,存儲(chǔ)的是測(cè)試樣本的K個(gè)近鄰樣本,wi∈R1×k為近鄰樣本權(quán)值向量,W∈Rm×k為近鄰樣本權(quán)值矩陣。

    步驟4通過(guò)求解式(5)的目標(biāo)函數(shù),得出測(cè)試樣本K個(gè)近鄰樣本的權(quán)值,假設(shè)樣本第j個(gè)屬性為決策屬性,根據(jù)下式計(jì)算試樣本的填充值:

    其中Ni(:,j)表示抽取矩陣Ni的第j個(gè)列向量。算法的偽代碼如下:

    算法1 LLR-KNNI算法

    輸入:訓(xùn)練樣本X,測(cè)試樣本Y,近鄰個(gè)數(shù)K

    輸出:測(cè)試樣本決策屬性值

    2 實(shí)驗(yàn)結(jié)果與分析

    實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)采用均方根誤差(Root Mean Square Error,RMSE),計(jì)算公式如下:

    其中m為測(cè)試樣本的缺失值個(gè)數(shù),yi*和yi分別為填充值和真實(shí)值。RMSE表明填充值和真實(shí)值之間的關(guān)系,RMSE值越小,說(shuō)明填充值與真實(shí)值差值越小,即填充值越接近真實(shí)值。

    實(shí)驗(yàn)過(guò)程中,LLR-KNNI算法和KNNI算法分別對(duì)缺失樣本填充,分別計(jì)算RMSE值,作為比較LLRKNNI算法和KNNI算法的填充性能。

    實(shí)驗(yàn)部分的數(shù)據(jù)集選取UCI[7]機(jī)器學(xué)習(xí)知識(shí)庫(kù)中的部分?jǐn)?shù)據(jù)集(表1)進(jìn)行實(shí)驗(yàn),所選的數(shù)據(jù)集全部是無(wú)缺失值的完整數(shù)據(jù)集,以測(cè)試LLR-KNNI算法的填充性能。

    表1 實(shí)驗(yàn)采用的UCI數(shù)據(jù)集

    本文算法采用MATLAB軟件編程實(shí)現(xiàn),MATLAB軟件版本為2014a。系統(tǒng)平臺(tái)為AMD AthlonⅡX2 B24 3.0 GHz,4GB內(nèi)存,操作系統(tǒng):Windows 7旗艦版。LLR-KNNI算法和KNNI算法近鄰個(gè)數(shù)K設(shè)置為5,實(shí)驗(yàn)的驗(yàn)證方法采用10折交叉驗(yàn)證法,對(duì)數(shù)據(jù)集拆分10份,第一次實(shí)驗(yàn)時(shí),第1份設(shè)為測(cè)試集,其余為訓(xùn)練集,第二次實(shí)驗(yàn)將第2份設(shè)為測(cè)試集,其余為訓(xùn)練集,此操作重復(fù)十次。對(duì)表1中的每個(gè)數(shù)據(jù)集采用10折交叉驗(yàn)證法實(shí)驗(yàn)十次,并取十次實(shí)驗(yàn)得出的RMSE的均值加上標(biāo)準(zhǔn)差得出如表2。

    從表2可以看出,在每個(gè)數(shù)據(jù)集上,LLR-KNNI算法的RMSE的值比KNNI的小,說(shuō)明LLR-KNNI算法的填充值更接近真實(shí)值,即LLR-KNNI算法的填充性能優(yōu)于傳統(tǒng)KNNI算法。從每個(gè)數(shù)據(jù)集中的標(biāo)準(zhǔn)差的值可以看出,LLR-KNNI算法的標(biāo)準(zhǔn)差值比KNNI的小,說(shuō)明LLR-KNNI算法比KNNI算法有更好的穩(wěn)定性。從圖2更直觀(guān)看出LLR-KNNI的優(yōu)越性,也說(shuō)明LLRKNNI算法比KNNI具有更好的填充性能。

    表2 LLR-KNNI算法和KNNI算法在各數(shù)據(jù)集上RMSE的比較(均值標(biāo)準(zhǔn)差)

    圖2 算法在各數(shù)據(jù)集十次實(shí)驗(yàn)RMSE對(duì)比圖

    3 結(jié)語(yǔ)

    本文的LLR-KNNI算法,使用線(xiàn)性重構(gòu)的方法得出樣本近鄰點(diǎn)的權(quán)值,近鄰樣本權(quán)值的大小說(shuō)明與缺失樣本的相似程度,離缺失樣本越遠(yuǎn),近鄰樣本權(quán)值越小,一定程度降低KNNI算法中較遠(yuǎn)的近鄰點(diǎn)對(duì)算法的填充性能影響。通過(guò)對(duì)比LLR-KNNI算法和KNNI算法的均方根誤差的實(shí)驗(yàn)分析表明,LLR-KNNI算法的填充性能優(yōu)于KNNI算法。

    [1]Little,Roderick J A,Rubin,et al.Statistical Analysis with Missing Data[J].American Journal of Sociology,1988,26(Volume 94,Num-ber 1):1322-39.

    [2]Zhang S,Jin Z,Zhu X.Missing Data Imputation by Utilizing Information Within Incomplete Instances[J].Journal of Systems&Software,2011,84(3):452-459.

    [3]Cover T,Hart P.Nearest Neighbor Pattern Classification[J].IEEE Transactions on Information Theory,1967,13(1):21-27.

    [4]Kang P,Cho S.Locally Linear Reconstruction for Instance-Based Learning[J].Pattern Recognition,2008,41(11):3507-3518.

    [5]Zhang L,Chen C,Bu J,et al.Active Learning Based on Locally Linear Reconstruction[J].IEEE Transactions on Pattern Analysis& Machine Intelligence,2011,33(10):2026-38.

    [6]Roweis S T,Saul L K.Nonlinear Dimensionality Reduction by Locally Linear Embedding[J].Science,2000,290(5500):2323-6.

    [7]UCI Repository of Machine Learning Datasets[DB/OL].http://archive.ics.uci.edu/-m.

    Nearest Neighbor Filling Algorithm Based on Local Linear Reconstruction

    WEN Hai-biao

    (School of Computer and Information Engineering,Guangxi Teachers Education University,Nanning 530023)

    Knearest neighbor filling algorithm for filling missing data,the average value of training sample attributes uses Kneighbor values as the filling value of KNNI algorithm,the value is far from the real values,an effective method is to sample attribute weighted Knearest neighbor average as filling value.How to determine the weights of Knearest neighbor samples is a hot research topic of KNNI algorithm.For this reason,proposes a method of local linear reconstruction for nearest neighbor filling.The method uses the Knearest neighbor sample to reconstruct the test sample.The experimental results show that the proposed algorithm is better than the KNNI algorithm,and the filling value is close to the real value.

    溫海標(biāo)(1989-),男,廣東河源人,碩士研究生,研究方向?yàn)閿?shù)據(jù)挖掘、機(jī)器學(xué)習(xí)

    2017-03-24

    2017-05-15

    1007-1423(2017)15-0003-04

    10.3969/j.issn.1007-1423.2017.15.001

    Missing Values Filling;Reconstruction Technique;KNearest Neighbor;LLR

    猜你喜歡
    權(quán)值線(xiàn)性重構(gòu)
    漸近線(xiàn)性Klein-Gordon-Maxwell系統(tǒng)正解的存在性
    一種融合時(shí)間權(quán)值和用戶(hù)行為序列的電影推薦模型
    長(zhǎng)城敘事的重構(gòu)
    攝影世界(2022年1期)2022-01-21 10:50:14
    線(xiàn)性回歸方程的求解與應(yīng)用
    CONTENTS
    北方大陸 重構(gòu)未來(lái)
    二階線(xiàn)性微分方程的解法
    北京的重構(gòu)與再造
    商周刊(2017年6期)2017-08-22 03:42:36
    基于權(quán)值動(dòng)量的RBM加速學(xué)習(xí)算法研究
    論中止行為及其對(duì)中止犯的重構(gòu)
    国产精品一区www在线观看| 中文在线观看免费www的网站| 三级毛片av免费| 日日啪夜夜爽| 熟妇人妻久久中文字幕3abv| 亚洲真实伦在线观看| 菩萨蛮人人尽说江南好唐韦庄| 国产成人福利小说| 午夜老司机福利剧场| 狂野欧美白嫩少妇大欣赏| 欧美高清性xxxxhd video| 国产伦精品一区二区三区四那| 三级男女做爰猛烈吃奶摸视频| 中文欧美无线码| 一级毛片 在线播放| 国产亚洲最大av| 99久久精品国产国产毛片| 女的被弄到高潮叫床怎么办| 尾随美女入室| 日产精品乱码卡一卡2卡三| av免费在线看不卡| 精品久久久久久久末码| 熟妇人妻不卡中文字幕| 黄色配什么色好看| 国产三级在线视频| 日日撸夜夜添| 国产精品久久久久久久久免| 国产视频内射| 中文字幕免费在线视频6| 午夜久久久久精精品| 大又大粗又爽又黄少妇毛片口| 嘟嘟电影网在线观看| 好男人在线观看高清免费视频| 2021少妇久久久久久久久久久| 69av精品久久久久久| av一本久久久久| 日韩伦理黄色片| ponron亚洲| av天堂中文字幕网| 特级一级黄色大片| 一级毛片aaaaaa免费看小| 亚洲不卡免费看| 极品教师在线视频| 国产美女午夜福利| 毛片一级片免费看久久久久| 日本爱情动作片www.在线观看| 亚洲四区av| 久久精品国产鲁丝片午夜精品| 不卡视频在线观看欧美| av国产免费在线观看| 日韩强制内射视频| 国产精品国产三级国产专区5o| 大又大粗又爽又黄少妇毛片口| 网址你懂的国产日韩在线| 国产黄频视频在线观看| 一个人免费在线观看电影| 在现免费观看毛片| 精品久久久久久久末码| 成人一区二区视频在线观看| 一级av片app| 日韩av在线大香蕉| 丰满乱子伦码专区| 国产亚洲91精品色在线| 亚洲精品成人av观看孕妇| 亚洲欧美清纯卡通| 一本久久精品| 国产综合精华液| 亚洲欧洲日产国产| 国产黄色小视频在线观看| 最近中文字幕高清免费大全6| 能在线免费观看的黄片| 国产又色又爽无遮挡免| 国产亚洲5aaaaa淫片| 精品久久国产蜜桃| 97精品久久久久久久久久精品| 大又大粗又爽又黄少妇毛片口| 国产精品1区2区在线观看.| 免费观看a级毛片全部| 91久久精品国产一区二区三区| 亚洲最大成人手机在线| 免费少妇av软件| 夜夜看夜夜爽夜夜摸| 亚洲综合色惰| 在线 av 中文字幕| 国产激情偷乱视频一区二区| 亚洲精品日韩在线中文字幕| 观看美女的网站| 国产精品一二三区在线看| 国产精品人妻久久久久久| 日韩一本色道免费dvd| 中文精品一卡2卡3卡4更新| 国产在视频线精品| 亚洲在线观看片| 亚洲电影在线观看av| 免费av毛片视频| 一个人观看的视频www高清免费观看| 久热久热在线精品观看| 久久鲁丝午夜福利片| 国产真实伦视频高清在线观看| 乱人视频在线观看| 国产乱来视频区| 国产午夜精品一二区理论片| 亚洲精品久久久久久婷婷小说| av一本久久久久| 三级毛片av免费| 18+在线观看网站| 男女啪啪激烈高潮av片| 一级毛片久久久久久久久女| 女的被弄到高潮叫床怎么办| 九九在线视频观看精品| 亚洲18禁久久av| 99久国产av精品国产电影| 99热这里只有是精品50| 亚洲精品aⅴ在线观看| 2018国产大陆天天弄谢| 日韩 亚洲 欧美在线| 日韩欧美一区视频在线观看 | 亚洲精品,欧美精品| 精品一区在线观看国产| 三级国产精品片| 久久亚洲国产成人精品v| 精品久久久噜噜| 免费无遮挡裸体视频| 免费播放大片免费观看视频在线观看| 国语对白做爰xxxⅹ性视频网站| 观看免费一级毛片| 亚洲精品视频女| 国产亚洲最大av| 最近的中文字幕免费完整| 天堂影院成人在线观看| av国产免费在线观看| av.在线天堂| 看十八女毛片水多多多| 高清午夜精品一区二区三区| 纵有疾风起免费观看全集完整版 | 精品不卡国产一区二区三区| 永久网站在线| 国内少妇人妻偷人精品xxx网站| av免费观看日本| 国产精品三级大全| 联通29元200g的流量卡| 国产日韩欧美在线精品| 午夜免费观看性视频| 精品国产露脸久久av麻豆 | 亚洲欧洲国产日韩| 2018国产大陆天天弄谢| 夫妻午夜视频| 激情五月婷婷亚洲| 深爱激情五月婷婷| 日日干狠狠操夜夜爽| 国产黄片视频在线免费观看| 免费观看无遮挡的男女| 啦啦啦中文免费视频观看日本| 日韩欧美精品免费久久| 久久久色成人| 国产精品熟女久久久久浪| 老司机影院成人| 亚洲成人久久爱视频| 欧美日韩亚洲高清精品| 国产色爽女视频免费观看| 小蜜桃在线观看免费完整版高清| 哪个播放器可以免费观看大片| 久久久久久国产a免费观看| 好男人视频免费观看在线| 午夜福利在线观看吧| 欧美xxxx性猛交bbbb| av黄色大香蕉| 白带黄色成豆腐渣| 亚洲自拍偷在线| 国产一区亚洲一区在线观看| 日韩大片免费观看网站| 国产黄a三级三级三级人| 综合色av麻豆| 国产亚洲av嫩草精品影院| 国产视频首页在线观看| 欧美zozozo另类| 亚洲国产最新在线播放| 亚洲一级一片aⅴ在线观看| 国产精品无大码| 夫妻性生交免费视频一级片| 99re6热这里在线精品视频| 国产 一区 欧美 日韩| 午夜爱爱视频在线播放| 91在线精品国自产拍蜜月| 麻豆国产97在线/欧美| 男人舔女人下体高潮全视频| 精品一区二区三区人妻视频| 精品酒店卫生间| 日韩国内少妇激情av| 亚洲精品一二三| 亚洲成人av在线免费| 神马国产精品三级电影在线观看| 亚洲av福利一区| 少妇猛男粗大的猛烈进出视频 | or卡值多少钱| 亚洲欧美一区二区三区国产| 中文在线观看免费www的网站| 亚洲国产日韩欧美精品在线观看| 国内少妇人妻偷人精品xxx网站| 黄片无遮挡物在线观看| 国产精品.久久久| 听说在线观看完整版免费高清| 精品午夜福利在线看| 好男人视频免费观看在线| 成人亚洲精品av一区二区| 又黄又爽又刺激的免费视频.| 久久精品国产亚洲av涩爱| av在线蜜桃| 人人妻人人澡欧美一区二区| 亚洲婷婷狠狠爱综合网| 99久久九九国产精品国产免费| 色综合色国产| 免费观看av网站的网址| 哪个播放器可以免费观看大片| 国产精品人妻久久久影院| 欧美精品国产亚洲| 最新中文字幕久久久久| 99久久中文字幕三级久久日本| 超碰av人人做人人爽久久| 最近2019中文字幕mv第一页| 又爽又黄a免费视频| 啦啦啦啦在线视频资源| 18禁裸乳无遮挡免费网站照片| 极品教师在线视频| 国产免费又黄又爽又色| 免费观看在线日韩| 国内揄拍国产精品人妻在线| 丰满乱子伦码专区| 美女xxoo啪啪120秒动态图| 亚洲精品久久午夜乱码| 插阴视频在线观看视频| 建设人人有责人人尽责人人享有的 | 一级片'在线观看视频| 久久久精品欧美日韩精品| 欧美成人a在线观看| 国产黄色视频一区二区在线观看| 丝瓜视频免费看黄片| 天天一区二区日本电影三级| 草草在线视频免费看| 亚洲国产精品成人久久小说| 国产黄片美女视频| 国产高清国产精品国产三级 | 好男人在线观看高清免费视频| 国产亚洲精品av在线| 久久精品夜夜夜夜夜久久蜜豆| 国内精品宾馆在线| 精品酒店卫生间| 一级片'在线观看视频| 亚洲精品中文字幕在线视频 | 亚洲国产欧美人成| 亚洲天堂国产精品一区在线| 久久国产乱子免费精品| 国产亚洲精品久久久com| 91狼人影院| 免费电影在线观看免费观看| 超碰97精品在线观看| av.在线天堂| 在线观看美女被高潮喷水网站| 丝袜喷水一区| 久久久久精品久久久久真实原创| 秋霞在线观看毛片| 免费观看av网站的网址| 久久韩国三级中文字幕| 麻豆成人av视频| av又黄又爽大尺度在线免费看| 色视频www国产| 免费观看av网站的网址| 少妇裸体淫交视频免费看高清| 国产亚洲av片在线观看秒播厂 | 一本久久精品| 看免费成人av毛片| 亚洲精品国产成人久久av| 久久精品国产鲁丝片午夜精品| 亚洲精品自拍成人| 久久国内精品自在自线图片| 麻豆成人av视频| 亚洲18禁久久av| 欧美 日韩 精品 国产| 国内精品美女久久久久久| 日本爱情动作片www.在线观看| 亚洲三级黄色毛片| 七月丁香在线播放| 欧美丝袜亚洲另类| 国产黄色视频一区二区在线观看| 你懂的网址亚洲精品在线观看| 丰满乱子伦码专区| 一本久久精品| 一个人看视频在线观看www免费| 国产亚洲91精品色在线| 亚洲一区高清亚洲精品| 中文天堂在线官网| 大香蕉97超碰在线| 免费av不卡在线播放| or卡值多少钱| 秋霞伦理黄片| 国产成年人精品一区二区| 国产v大片淫在线免费观看| 国产精品综合久久久久久久免费| 国产在视频线精品| 免费av不卡在线播放| 床上黄色一级片| 亚洲av在线观看美女高潮| 亚洲真实伦在线观看| 国内精品宾馆在线| 插逼视频在线观看| 女人十人毛片免费观看3o分钟| 成人欧美大片| 亚洲av免费在线观看| 99久国产av精品| 亚洲激情五月婷婷啪啪| 五月天丁香电影| 成人亚洲精品一区在线观看 | 91午夜精品亚洲一区二区三区| videossex国产| 内射极品少妇av片p| 国产亚洲午夜精品一区二区久久 | 国产精品1区2区在线观看.| av在线天堂中文字幕| 亚洲三级黄色毛片| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 晚上一个人看的免费电影| 22中文网久久字幕| 99久国产av精品国产电影| h日本视频在线播放| 国产精品女同一区二区软件| 波多野结衣巨乳人妻| 亚洲精品乱久久久久久| av黄色大香蕉| 亚洲伊人久久精品综合| 极品教师在线视频| 亚洲熟女精品中文字幕| 青春草国产在线视频| 国产精品一区二区性色av| 欧美xxxx黑人xx丫x性爽| 国产探花极品一区二区| 国产综合精华液| 午夜免费观看性视频| 亚洲精品乱久久久久久| 国产亚洲av片在线观看秒播厂 | 午夜激情欧美在线| 国产爱豆传媒在线观看| 亚洲欧美清纯卡通| 国产高清不卡午夜福利| 18禁在线无遮挡免费观看视频| 内射极品少妇av片p| 亚洲一级一片aⅴ在线观看| 狂野欧美白嫩少妇大欣赏| 精品不卡国产一区二区三区| 日日摸夜夜添夜夜爱| 色5月婷婷丁香| 有码 亚洲区| 色尼玛亚洲综合影院| av在线蜜桃| 在线观看美女被高潮喷水网站| 午夜爱爱视频在线播放| 免费黄频网站在线观看国产| 成年版毛片免费区| 五月伊人婷婷丁香| 97热精品久久久久久| 精品一区二区三卡| av网站免费在线观看视频 | 男人爽女人下面视频在线观看| 少妇的逼水好多| av在线观看视频网站免费| 精品一区在线观看国产| 亚洲精品第二区| 一个人看视频在线观看www免费| 草草在线视频免费看| 性色avwww在线观看| videos熟女内射| 午夜福利在线观看免费完整高清在| 久久久国产一区二区| 99热这里只有精品一区| 欧美bdsm另类| 亚洲三级黄色毛片| 菩萨蛮人人尽说江南好唐韦庄| 精品久久久久久成人av| 亚洲欧洲国产日韩| 熟妇人妻不卡中文字幕| 日韩精品有码人妻一区| 别揉我奶头 嗯啊视频| av国产免费在线观看| 国产69精品久久久久777片| 欧美日韩一区二区视频在线观看视频在线 | 免费在线观看成人毛片| 亚洲人成网站在线观看播放| 亚洲成人精品中文字幕电影| 亚洲精品影视一区二区三区av| 日韩电影二区| 午夜日本视频在线| av卡一久久| 精品国内亚洲2022精品成人| av播播在线观看一区| 午夜福利视频1000在线观看| 中文资源天堂在线| 菩萨蛮人人尽说江南好唐韦庄| 狂野欧美白嫩少妇大欣赏| 网址你懂的国产日韩在线| 国产一区二区亚洲精品在线观看| 如何舔出高潮| 永久免费av网站大全| 69av精品久久久久久| 国产伦精品一区二区三区四那| 在线观看一区二区三区| 日韩 亚洲 欧美在线| 欧美最新免费一区二区三区| av国产久精品久网站免费入址| 成年版毛片免费区| 成人无遮挡网站| 波野结衣二区三区在线| 最后的刺客免费高清国语| 成人高潮视频无遮挡免费网站| 高清av免费在线| 少妇丰满av| 99久国产av精品国产电影| 日韩成人伦理影院| 搡女人真爽免费视频火全软件| 乱系列少妇在线播放| 全区人妻精品视频| 嫩草影院精品99| 99热这里只有精品一区| 精品一区二区三区人妻视频| 美女xxoo啪啪120秒动态图| 日日啪夜夜爽| 免费看a级黄色片| 男插女下体视频免费在线播放| 尾随美女入室| 免费不卡的大黄色大毛片视频在线观看 | 一级黄片播放器| 久久久久久久久久人人人人人人| 国产亚洲最大av| 亚洲乱码一区二区免费版| 99九九线精品视频在线观看视频| 午夜精品国产一区二区电影 | 三级男女做爰猛烈吃奶摸视频| 18禁在线播放成人免费| 精品久久久久久久久久久久久| 精品人妻偷拍中文字幕| 国产精品久久视频播放| 三级男女做爰猛烈吃奶摸视频| 最后的刺客免费高清国语| 精品熟女少妇av免费看| 国产精品久久久久久久电影| 国产不卡一卡二| 久久久色成人| 国产伦理片在线播放av一区| 日日撸夜夜添| 性色avwww在线观看| 国产精品人妻久久久久久| 日日撸夜夜添| 一级av片app| 纵有疾风起免费观看全集完整版 | 国产中年淑女户外野战色| 老司机影院毛片| 青青草视频在线视频观看| 一级爰片在线观看| 亚洲av免费在线观看| 久久精品熟女亚洲av麻豆精品 | 高清在线视频一区二区三区| 亚洲av福利一区| 精品久久久久久久人妻蜜臀av| 欧美性猛交╳xxx乱大交人| 十八禁网站网址无遮挡 | 极品少妇高潮喷水抽搐| 少妇人妻一区二区三区视频| 51国产日韩欧美| 日本-黄色视频高清免费观看| 少妇裸体淫交视频免费看高清| 国产激情偷乱视频一区二区| 搡女人真爽免费视频火全软件| 亚洲四区av| 少妇高潮的动态图| 成人特级av手机在线观看| 国产在线一区二区三区精| 2021天堂中文幕一二区在线观| 国产片特级美女逼逼视频| av天堂中文字幕网| 日日干狠狠操夜夜爽| 99热这里只有是精品在线观看| 国产亚洲一区二区精品| 肉色欧美久久久久久久蜜桃 | 蜜臀久久99精品久久宅男| 天天躁日日操中文字幕| 欧美变态另类bdsm刘玥| 免费看a级黄色片| 人妻系列 视频| 久久99精品国语久久久| 2021少妇久久久久久久久久久| 大陆偷拍与自拍| 欧美成人a在线观看| 国产黄片美女视频| 欧美成人a在线观看| 国产成人精品福利久久| 嫩草影院精品99| 国产精品人妻久久久久久| 亚州av有码| 国产免费又黄又爽又色| 亚洲怡红院男人天堂| 久久人人爽人人片av| 神马国产精品三级电影在线观看| 久99久视频精品免费| 亚洲欧美精品自产自拍| 2021少妇久久久久久久久久久| 成人欧美大片| 国产成年人精品一区二区| 在线观看人妻少妇| 国内揄拍国产精品人妻在线| 免费黄网站久久成人精品| 男人舔女人下体高潮全视频| 久久久久久久国产电影| 黄片wwwwww| 中文字幕免费在线视频6| 26uuu在线亚洲综合色| 中文字幕制服av| 国产不卡一卡二| 国产91av在线免费观看| 看非洲黑人一级黄片| 国产美女午夜福利| 日韩欧美 国产精品| 国内精品宾馆在线| 欧美不卡视频在线免费观看| 久久6这里有精品| 少妇熟女aⅴ在线视频| 一级二级三级毛片免费看| 国产亚洲精品av在线| 久久久久久久午夜电影| 真实男女啪啪啪动态图| 国产伦精品一区二区三区视频9| 国产v大片淫在线免费观看| 久久99精品国语久久久| 精品人妻熟女av久视频| 国产高清不卡午夜福利| 午夜福利视频精品| 欧美不卡视频在线免费观看| 久久99热这里只频精品6学生| 国产午夜精品论理片| 国产精品久久久久久精品电影| 又爽又黄无遮挡网站| freevideosex欧美| 国产精品久久久久久精品电影小说 | 插逼视频在线观看| 日日干狠狠操夜夜爽| 伦理电影大哥的女人| 亚洲av电影在线观看一区二区三区 | 色综合站精品国产| av线在线观看网站| 亚洲激情五月婷婷啪啪| 男女视频在线观看网站免费| 精品久久久久久久人妻蜜臀av| 日韩大片免费观看网站| 国产在视频线在精品| 免费av毛片视频| 色尼玛亚洲综合影院| 菩萨蛮人人尽说江南好唐韦庄| 熟妇人妻不卡中文字幕| 在线观看一区二区三区| 熟妇人妻不卡中文字幕| 菩萨蛮人人尽说江南好唐韦庄| 老师上课跳d突然被开到最大视频| 一级毛片 在线播放| 国产亚洲av片在线观看秒播厂 | 女人十人毛片免费观看3o分钟| 熟妇人妻久久中文字幕3abv| 国产黄色小视频在线观看| 亚洲精品一二三| 美女xxoo啪啪120秒动态图| 国产成人a区在线观看| 国产黄色免费在线视频| 少妇熟女欧美另类| 日韩人妻高清精品专区| 精品一区二区三区视频在线| 国产乱人视频| 97精品久久久久久久久久精品| 国产极品天堂在线| 久久草成人影院| 久久精品久久久久久噜噜老黄| 蜜桃久久精品国产亚洲av| 亚洲国产av新网站| 丝瓜视频免费看黄片| 亚洲av.av天堂| 国产高清三级在线| 高清av免费在线| 在线播放无遮挡| 亚洲av电影在线观看一区二区三区 | 性色avwww在线观看| 我的老师免费观看完整版| 国产片特级美女逼逼视频| 亚洲精品日韩在线中文字幕| 久99久视频精品免费| freevideosex欧美| 嘟嘟电影网在线观看| 欧美日韩在线观看h| 久久久久性生活片| 人人妻人人澡欧美一区二区| 国产精品美女特级片免费视频播放器| av网站免费在线观看视频 | 日韩欧美国产在线观看| 亚洲欧洲国产日韩| 丝瓜视频免费看黄片| 色综合亚洲欧美另类图片| 亚洲av成人精品一区久久| 久久久国产一区二区| 人人妻人人看人人澡| 观看美女的网站| 国产精品一区二区三区四区免费观看| 国模一区二区三区四区视频| 边亲边吃奶的免费视频| 国产黄色视频一区二区在线观看| 身体一侧抽搐| 97精品久久久久久久久久精品| 国产午夜福利久久久久久| 97精品久久久久久久久久精品| 国产真实伦视频高清在线观看| 中文字幕免费在线视频6| 日韩欧美三级三区|