• <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)
    欧美精品亚洲一区二区| 在线观看午夜福利视频| 亚洲第一欧美日韩一区二区三区| 丁香六月欧美| 亚洲精品在线美女| www.999成人在线观看| 日韩av在线大香蕉| 一级片'在线观看视频| 久久 成人 亚洲| 亚洲中文字幕日韩| 两个人免费观看高清视频| 国产伦人伦偷精品视频| 亚洲成a人片在线一区二区| 午夜免费鲁丝| 久久婷婷成人综合色麻豆| 精品国产美女av久久久久小说| 国产成人精品久久二区二区91| aaaaa片日本免费| 国产高清国产精品国产三级| 黑人操中国人逼视频| 99精品在免费线老司机午夜| av天堂久久9| 丰满人妻熟妇乱又伦精品不卡| 男女之事视频高清在线观看| 日本a在线网址| av网站免费在线观看视频| a级毛片在线看网站| 日韩人妻精品一区2区三区| 国产精品偷伦视频观看了| 制服诱惑二区| 三级毛片av免费| 桃色一区二区三区在线观看| 婷婷丁香在线五月| 欧美大码av| 精品福利观看| 日韩欧美一区二区三区在线观看| 亚洲五月婷婷丁香| 怎么达到女性高潮| 久久人人97超碰香蕉20202| www.999成人在线观看| 成年人黄色毛片网站| 搡老乐熟女国产| 精品少妇一区二区三区视频日本电影| 久久精品国产亚洲av香蕉五月| 少妇裸体淫交视频免费看高清 | 国产成+人综合+亚洲专区| 自线自在国产av| 亚洲精品美女久久久久99蜜臀| 超色免费av| 黄色丝袜av网址大全| 无限看片的www在线观看| 国产av在哪里看| 午夜福利免费观看在线| 日本vs欧美在线观看视频| 丁香六月欧美| 嫩草影视91久久| 99在线人妻在线中文字幕| 国产精品成人在线| 一级毛片女人18水好多| 一进一出抽搐gif免费好疼 | 亚洲午夜理论影院| 国产野战对白在线观看| 亚洲一码二码三码区别大吗| 成人18禁在线播放| 亚洲精品中文字幕在线视频| 天堂动漫精品| 黄色片一级片一级黄色片| 国产1区2区3区精品| 亚洲熟女毛片儿| 新久久久久国产一级毛片| 午夜福利欧美成人| 老鸭窝网址在线观看| 国产精品成人在线| 日韩大尺度精品在线看网址 | 日韩 欧美 亚洲 中文字幕| 国产成人精品久久二区二区91| 一级片'在线观看视频| 欧美日韩精品网址| bbb黄色大片| 国产国语露脸激情在线看| 精品一品国产午夜福利视频| 88av欧美| 夜夜爽天天搞| 免费在线观看黄色视频的| 正在播放国产对白刺激| 美国免费a级毛片| 国产成人欧美| 久久精品国产亚洲av香蕉五月| 亚洲性夜色夜夜综合| 欧美人与性动交α欧美精品济南到| 成人18禁在线播放| 亚洲精品成人av观看孕妇| 亚洲一区二区三区色噜噜 | 免费av毛片视频| 亚洲黑人精品在线| 少妇的丰满在线观看| 亚洲成人精品中文字幕电影 | 亚洲av电影在线进入| 欧美色视频一区免费| 91大片在线观看| 好看av亚洲va欧美ⅴa在| 午夜视频精品福利| 久久狼人影院| 精品国产乱码久久久久久男人| 日本vs欧美在线观看视频| 久久 成人 亚洲| 国产亚洲精品久久久久久毛片| 久久人人精品亚洲av| 美女午夜性视频免费| 久久99一区二区三区| 免费久久久久久久精品成人欧美视频| 夜夜看夜夜爽夜夜摸 | 男人操女人黄网站| 真人做人爱边吃奶动态| 日本 av在线| 亚洲精华国产精华精| 两个人看的免费小视频| 国产高清视频在线播放一区| 香蕉丝袜av| 老司机午夜福利在线观看视频| 97人妻天天添夜夜摸| 国产91精品成人一区二区三区| 99在线视频只有这里精品首页| 亚洲精品av麻豆狂野| 国产三级在线视频| 一区二区三区精品91| 丁香六月欧美| 国产主播在线观看一区二区| 精品熟女少妇八av免费久了| 热99国产精品久久久久久7| 亚洲片人在线观看| 无限看片的www在线观看| 亚洲美女黄片视频| 亚洲男人天堂网一区| 叶爱在线成人免费视频播放| 欧美国产精品va在线观看不卡| 在线国产一区二区在线| 国产99白浆流出| 亚洲第一青青草原| 精品免费久久久久久久清纯| 大香蕉久久成人网| 很黄的视频免费| 两个人看的免费小视频| 日韩国内少妇激情av| 国产99白浆流出| 精品一品国产午夜福利视频| 国产免费现黄频在线看| 淫秽高清视频在线观看| 久久久久久久精品吃奶| 欧美色视频一区免费| 高清av免费在线| 可以在线观看毛片的网站| 亚洲av五月六月丁香网| 欧美亚洲日本最大视频资源| 涩涩av久久男人的天堂| 亚洲成人精品中文字幕电影 | 亚洲精品美女久久av网站| 日本免费a在线| 久久精品亚洲av国产电影网| 十八禁人妻一区二区| 三级毛片av免费| 午夜福利影视在线免费观看| 日本 av在线| 青草久久国产| 女人爽到高潮嗷嗷叫在线视频| 亚洲第一av免费看| 青草久久国产| 精品卡一卡二卡四卡免费| 亚洲成人免费av在线播放| 在线看a的网站| √禁漫天堂资源中文www| 久久久久久免费高清国产稀缺| 欧美黑人欧美精品刺激| 色精品久久人妻99蜜桃| 免费在线观看影片大全网站| 亚洲人成网站在线播放欧美日韩| 亚洲国产精品sss在线观看 | 亚洲一区二区三区色噜噜 | 日韩欧美三级三区| 大陆偷拍与自拍| 欧美成人性av电影在线观看| 国产国语露脸激情在线看| 亚洲avbb在线观看| 亚洲在线自拍视频| 9191精品国产免费久久| 午夜激情av网站| 久久人人97超碰香蕉20202| 男女做爰动态图高潮gif福利片 | 一进一出抽搐gif免费好疼 | 麻豆一二三区av精品| 久久精品91蜜桃| 他把我摸到了高潮在线观看| 首页视频小说图片口味搜索| 日韩免费av在线播放| 在线看a的网站| 亚洲精品久久午夜乱码| 一级a爱片免费观看的视频| 成年人黄色毛片网站| 欧美乱色亚洲激情| 老汉色av国产亚洲站长工具| 国产成人啪精品午夜网站| 精品国产亚洲在线| 精品福利永久在线观看| 好看av亚洲va欧美ⅴa在| 国产精品免费一区二区三区在线| 中出人妻视频一区二区| 男人舔女人的私密视频| 老鸭窝网址在线观看| 国产极品粉嫩免费观看在线| 欧美乱码精品一区二区三区| 在线天堂中文资源库| av网站在线播放免费| 国产高清视频在线播放一区| 久久久久九九精品影院| 欧美国产精品va在线观看不卡| 亚洲熟妇中文字幕五十中出 | 国产精品国产av在线观看| 精品一区二区三区四区五区乱码| 动漫黄色视频在线观看| 久久99一区二区三区| 一级毛片精品| 另类亚洲欧美激情| 久久久国产成人精品二区 | 香蕉国产在线看| 91九色精品人成在线观看| 老熟妇仑乱视频hdxx| 亚洲精品一卡2卡三卡4卡5卡| 99久久综合精品五月天人人| 黄色丝袜av网址大全| 好看av亚洲va欧美ⅴa在| 日韩欧美国产一区二区入口| 天天躁狠狠躁夜夜躁狠狠躁| 日韩三级视频一区二区三区| 男女之事视频高清在线观看| 久久久久国产一级毛片高清牌| 亚洲精品av麻豆狂野| 亚洲国产欧美日韩在线播放| 男人舔女人下体高潮全视频| a级毛片在线看网站| 国产97色在线日韩免费| 国产亚洲精品综合一区在线观看 | av视频免费观看在线观看| 日韩av在线大香蕉| 老司机深夜福利视频在线观看| 日本黄色日本黄色录像| 国产人伦9x9x在线观看| 午夜a级毛片| 国产国语露脸激情在线看| 亚洲精品成人av观看孕妇| 少妇裸体淫交视频免费看高清 | 亚洲片人在线观看| 亚洲欧美激情综合另类| 亚洲 国产 在线| cao死你这个sao货| 久久国产亚洲av麻豆专区| 国产蜜桃级精品一区二区三区| 精品久久久久久电影网| 身体一侧抽搐| 日韩高清综合在线| 亚洲国产精品合色在线| 少妇裸体淫交视频免费看高清 | 亚洲av美国av| 级片在线观看| 亚洲精品久久成人aⅴ小说| 久久久国产成人免费| www日本在线高清视频| 久久精品aⅴ一区二区三区四区| 国产极品粉嫩免费观看在线| 在线观看www视频免费| 男女下面插进去视频免费观看| 精品国内亚洲2022精品成人| 深夜精品福利| 久久久久精品国产欧美久久久| 最好的美女福利视频网| 后天国语完整版免费观看| 水蜜桃什么品种好| 国产精品久久久久久人妻精品电影| 精品高清国产在线一区| 亚洲av成人av| 黑人欧美特级aaaaaa片| 在线永久观看黄色视频| 国产激情久久老熟女| 男女午夜视频在线观看| 三级毛片av免费| 天堂俺去俺来也www色官网| 69av精品久久久久久| 国产成人免费无遮挡视频| 久久天堂一区二区三区四区| 亚洲精品国产一区二区精华液| 欧美日本亚洲视频在线播放| 免费不卡黄色视频| 亚洲精品一区av在线观看| 国产色视频综合| 亚洲av成人一区二区三| 琪琪午夜伦伦电影理论片6080| 成人18禁高潮啪啪吃奶动态图| 男女下面进入的视频免费午夜 | 黄色视频,在线免费观看| 日日夜夜操网爽| 亚洲男人天堂网一区| 欧美中文综合在线视频| 国产在线观看jvid| 老司机午夜福利在线观看视频| 99久久人妻综合| 黄片大片在线免费观看| 亚洲欧美日韩另类电影网站| 亚洲国产欧美一区二区综合| 亚洲午夜精品一区,二区,三区| 精品国产乱码久久久久久男人| 久久 成人 亚洲| 天堂动漫精品| 91老司机精品| 99精品欧美一区二区三区四区| √禁漫天堂资源中文www| 搡老岳熟女国产| 精品一区二区三区四区五区乱码| 91字幕亚洲| 国产欧美日韩一区二区精品| 妹子高潮喷水视频| 如日韩欧美国产精品一区二区三区| 亚洲欧美精品综合一区二区三区| 一级,二级,三级黄色视频| 热99国产精品久久久久久7| 99国产综合亚洲精品| 精品国内亚洲2022精品成人| 啦啦啦 在线观看视频| 久久午夜综合久久蜜桃| 亚洲精品久久成人aⅴ小说| 少妇的丰满在线观看| 涩涩av久久男人的天堂| av片东京热男人的天堂| 国产亚洲精品第一综合不卡| 女人精品久久久久毛片| 亚洲国产精品sss在线观看 | 国产深夜福利视频在线观看| 99热国产这里只有精品6| 国产一区二区三区视频了| 高清毛片免费观看视频网站 | 五月开心婷婷网| 怎么达到女性高潮| 女生性感内裤真人,穿戴方法视频| 黑人欧美特级aaaaaa片| 午夜免费观看网址| 最新美女视频免费是黄的| 欧美午夜高清在线| 搡老乐熟女国产| 一区福利在线观看| 高清在线国产一区| 一区二区日韩欧美中文字幕| 午夜成年电影在线免费观看| 久热这里只有精品99| 熟女少妇亚洲综合色aaa.| 国产av在哪里看| 色婷婷av一区二区三区视频| 国产亚洲精品第一综合不卡| 老司机午夜福利在线观看视频| 涩涩av久久男人的天堂| 久久草成人影院| 婷婷精品国产亚洲av在线| 欧美色视频一区免费| 精品国产超薄肉色丝袜足j| 一边摸一边抽搐一进一小说| 黄网站色视频无遮挡免费观看| 日本撒尿小便嘘嘘汇集6| 神马国产精品三级电影在线观看 | 亚洲国产精品999在线| 桃色一区二区三区在线观看| 日韩精品青青久久久久久| 人人妻人人澡人人看| 麻豆久久精品国产亚洲av | 欧美+亚洲+日韩+国产| 99精品久久久久人妻精品| 身体一侧抽搐| 操出白浆在线播放| 欧美+亚洲+日韩+国产| 美女 人体艺术 gogo| 午夜两性在线视频| 欧美精品一区二区免费开放| 久久精品91蜜桃| 国产色视频综合| 999精品在线视频| tocl精华| 亚洲全国av大片| 国产麻豆69| 久久欧美精品欧美久久欧美| 欧美丝袜亚洲另类 | 国产亚洲精品久久久久5区| 9191精品国产免费久久| 免费观看人在逋| 久久精品亚洲精品国产色婷小说| 亚洲av熟女| 色老头精品视频在线观看| 久久99一区二区三区| 又黄又爽又免费观看的视频| 亚洲五月天丁香| 一边摸一边做爽爽视频免费| 香蕉国产在线看| 国产一区二区三区视频了| 香蕉国产在线看| 亚洲成人久久性| 亚洲人成电影免费在线| 亚洲精品一区av在线观看| e午夜精品久久久久久久| 国产三级在线视频| 美女扒开内裤让男人捅视频| 国产精品国产av在线观看| 两个人看的免费小视频| 99国产精品免费福利视频| 欧美久久黑人一区二区| 亚洲熟妇熟女久久| 成人精品一区二区免费| 久久人妻熟女aⅴ| 在线十欧美十亚洲十日本专区| 性色av乱码一区二区三区2| 精品久久久精品久久久| 满18在线观看网站| 亚洲中文字幕日韩| 麻豆国产av国片精品| 黄色 视频免费看| 免费在线观看黄色视频的| 自线自在国产av| 十分钟在线观看高清视频www| 成人三级黄色视频| 黄色丝袜av网址大全| 深夜精品福利| 免费一级毛片在线播放高清视频 | 免费不卡黄色视频| 欧美+亚洲+日韩+国产| 成人国语在线视频| 欧美黑人精品巨大| 人妻丰满熟妇av一区二区三区| 国产一区二区在线av高清观看| 窝窝影院91人妻| 久久久国产精品麻豆| 91九色精品人成在线观看| 狠狠狠狠99中文字幕| 777久久人妻少妇嫩草av网站| 久久天躁狠狠躁夜夜2o2o| 中文亚洲av片在线观看爽| 欧美日韩视频精品一区| 国产男靠女视频免费网站| 可以免费在线观看a视频的电影网站| 国产精品久久久av美女十八| 国产精品 欧美亚洲| 免费在线观看完整版高清| 怎么达到女性高潮| 国产精品自产拍在线观看55亚洲| 欧美人与性动交α欧美软件| 亚洲五月天丁香| 久久精品91蜜桃| 热99re8久久精品国产| 99久久人妻综合| 可以免费在线观看a视频的电影网站| 精品久久久精品久久久| 亚洲国产精品一区二区三区在线| 成年版毛片免费区| 国产精品偷伦视频观看了| 老熟妇仑乱视频hdxx| 国产97色在线日韩免费| 国产高清激情床上av| 两个人看的免费小视频| av有码第一页| 久久精品亚洲精品国产色婷小说| 视频在线观看一区二区三区| 亚洲国产欧美日韩在线播放| 桃色一区二区三区在线观看| 一区二区日韩欧美中文字幕| 亚洲色图综合在线观看| 成在线人永久免费视频| 国产精品乱码一区二三区的特点 | 亚洲男人的天堂狠狠| 亚洲精品一二三| 日韩大尺度精品在线看网址 | 99久久精品国产亚洲精品| 啦啦啦免费观看视频1| 成人18禁在线播放| 五月开心婷婷网| 欧美人与性动交α欧美软件| 中亚洲国语对白在线视频| 热re99久久精品国产66热6| 亚洲人成伊人成综合网2020| 国产成人系列免费观看| 亚洲欧洲精品一区二区精品久久久| 欧美激情极品国产一区二区三区| 精品国产国语对白av| 男女之事视频高清在线观看| 精品国产亚洲在线| 日本vs欧美在线观看视频| 久久亚洲精品不卡| 免费观看精品视频网站| 国内毛片毛片毛片毛片毛片| 亚洲熟女毛片儿| 精品一区二区三区四区五区乱码| 男人舔女人下体高潮全视频| 精品国内亚洲2022精品成人| 中文字幕人妻丝袜制服| 国产视频一区二区在线看| 在线观看免费午夜福利视频| 国产又色又爽无遮挡免费看| 黄片播放在线免费| 国内毛片毛片毛片毛片毛片| 亚洲精品成人av观看孕妇| 免费在线观看黄色视频的| 国产真人三级小视频在线观看| 国产精品一区二区在线不卡| 国产精品自产拍在线观看55亚洲| av免费在线观看网站| 久久午夜亚洲精品久久| 欧美日本亚洲视频在线播放| 久久久久精品国产欧美久久久| 国产午夜精品久久久久久| 欧美精品啪啪一区二区三区| 两性夫妻黄色片| 最好的美女福利视频网| 最近最新中文字幕大全电影3 | 天天躁狠狠躁夜夜躁狠狠躁| 成人18禁高潮啪啪吃奶动态图| 国产免费现黄频在线看| 一级a爱视频在线免费观看| 一进一出抽搐动态| 男人舔女人下体高潮全视频| 国产成人免费无遮挡视频| 亚洲黑人精品在线| 国产精品综合久久久久久久免费 | 国产在线精品亚洲第一网站| 极品教师在线免费播放| 黑人巨大精品欧美一区二区mp4| 18禁黄网站禁片午夜丰满| 国产一区在线观看成人免费| 国产精品电影一区二区三区| 黄频高清免费视频| 丝袜在线中文字幕| 成人亚洲精品av一区二区 | 亚洲自偷自拍图片 自拍| 丝袜人妻中文字幕| 一进一出抽搐gif免费好疼 | 19禁男女啪啪无遮挡网站| 久久久久国产精品人妻aⅴ院| 欧美成狂野欧美在线观看| 久久人人精品亚洲av| 亚洲情色 制服丝袜| 天天添夜夜摸| 黑人巨大精品欧美一区二区mp4| aaaaa片日本免费| 在线永久观看黄色视频| 91九色精品人成在线观看| 一区二区三区精品91| 亚洲欧美日韩无卡精品| 精品久久久久久久久久免费视频 | 亚洲国产欧美网| 亚洲黑人精品在线| 亚洲专区中文字幕在线| 黄色丝袜av网址大全| 亚洲 欧美一区二区三区| 亚洲七黄色美女视频| 午夜视频精品福利| svipshipincom国产片| 欧美日韩中文字幕国产精品一区二区三区 | 在线观看免费午夜福利视频| 在线观看一区二区三区| xxxhd国产人妻xxx| 免费人成视频x8x8入口观看| 亚洲 国产 在线| 色尼玛亚洲综合影院| 成在线人永久免费视频| 国产99白浆流出| 中出人妻视频一区二区| 女生性感内裤真人,穿戴方法视频| 国产精品一区二区精品视频观看| 三级毛片av免费| 1024香蕉在线观看| 欧美 亚洲 国产 日韩一| 成人黄色视频免费在线看| 一a级毛片在线观看| 看黄色毛片网站| 最近最新免费中文字幕在线| 久久欧美精品欧美久久欧美| 国产片内射在线| 90打野战视频偷拍视频| 一区二区三区激情视频| 少妇的丰满在线观看| 老汉色av国产亚洲站长工具| 欧美精品亚洲一区二区| 夜夜夜夜夜久久久久| 日韩欧美一区二区三区在线观看| 一本综合久久免费| 国产熟女午夜一区二区三区| 午夜a级毛片| 在线观看舔阴道视频| 国产精华一区二区三区| 国产不卡一卡二| 99国产精品99久久久久| 电影成人av| 国产av在哪里看| 精品久久久久久久久久免费视频 | 久久精品国产综合久久久| 成年人黄色毛片网站| 日本 av在线| av电影中文网址| 在线观看日韩欧美| 欧美午夜高清在线| 欧美精品啪啪一区二区三区| 日本wwww免费看| 日韩欧美三级三区| 一边摸一边抽搐一进一出视频| 国产精品美女特级片免费视频播放器 | 亚洲久久久国产精品| 欧美性长视频在线观看| 操出白浆在线播放| 黄片小视频在线播放| 国产精品乱码一区二三区的特点 | 亚洲一区二区三区不卡视频| 国产精品偷伦视频观看了| 国产一区在线观看成人免费| 黑人操中国人逼视频|