• <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)
    亚洲av电影在线观看一区二区三区| 久久国产精品男人的天堂亚洲| 韩国高清视频一区二区三区| 五月天丁香电影| 一级毛片我不卡| 校园人妻丝袜中文字幕| 国产高清videossex| 少妇人妻久久综合中文| 精品熟女少妇八av免费久了| 国产成人一区二区三区免费视频网站 | 欧美精品人与动牲交sv欧美| 日韩大片免费观看网站| 日韩免费高清中文字幕av| 美女视频免费永久观看网站| 男女床上黄色一级片免费看| 永久免费av网站大全| 日韩一卡2卡3卡4卡2021年| 色视频在线一区二区三区| 曰老女人黄片| 国产精品 欧美亚洲| 真人做人爱边吃奶动态| 亚洲 国产 在线| 欧美黄色片欧美黄色片| 国产成人精品久久久久久| 人人妻人人澡人人看| 欧美久久黑人一区二区| 建设人人有责人人尽责人人享有的| 男人添女人高潮全过程视频| 你懂的网址亚洲精品在线观看| 精品国产乱码久久久久久小说| 精品第一国产精品| 欧美精品啪啪一区二区三区 | 亚洲人成电影观看| 国产欧美日韩综合在线一区二区| 伊人亚洲综合成人网| 亚洲熟女精品中文字幕| 亚洲av成人精品一二三区| 欧美日韩视频精品一区| 超色免费av| 免费看十八禁软件| 麻豆av在线久日| 青草久久国产| 女警被强在线播放| 国产熟女午夜一区二区三区| 老司机午夜十八禁免费视频| 欧美精品一区二区免费开放| 只有这里有精品99| 久久天躁狠狠躁夜夜2o2o | 男人操女人黄网站| 欧美日韩视频精品一区| 男人操女人黄网站| 午夜av观看不卡| 欧美日韩成人在线一区二区| 日本一区二区免费在线视频| 后天国语完整版免费观看| 精品国产一区二区久久| 欧美久久黑人一区二区| 欧美性长视频在线观看| 欧美日韩黄片免| 欧美av亚洲av综合av国产av| 80岁老熟妇乱子伦牲交| 国产在线视频一区二区| 51午夜福利影视在线观看| 久久久久久久久久久久大奶| 成人黄色视频免费在线看| 在线观看免费午夜福利视频| 成年人黄色毛片网站| 欧美日韩一级在线毛片| 少妇人妻 视频| 国产一区二区三区av在线| 精品国产乱码久久久久久小说| 精品欧美一区二区三区在线| 亚洲欧洲精品一区二区精品久久久| 久久综合国产亚洲精品| 大片免费播放器 马上看| 在现免费观看毛片| 久久国产精品影院| 亚洲一区中文字幕在线| 国产精品熟女久久久久浪| 久久 成人 亚洲| 中文字幕高清在线视频| 男男h啪啪无遮挡| 欧美乱码精品一区二区三区| 精品高清国产在线一区| 精品少妇内射三级| 欧美精品啪啪一区二区三区 | 少妇被粗大的猛进出69影院| 捣出白浆h1v1| 满18在线观看网站| 成人国产av品久久久| 一边亲一边摸免费视频| 国产亚洲一区二区精品| 高清不卡的av网站| 国产精品免费大片| 亚洲精品乱久久久久久| 香蕉国产在线看| 日韩av在线免费看完整版不卡| 少妇裸体淫交视频免费看高清 | 亚洲图色成人| 久久久久精品人妻al黑| 日韩制服骚丝袜av| 色播在线永久视频| 亚洲专区国产一区二区| 80岁老熟妇乱子伦牲交| 中文字幕另类日韩欧美亚洲嫩草| 免费看十八禁软件| 亚洲欧美日韩高清在线视频 | 国产亚洲午夜精品一区二区久久| 久久精品亚洲熟妇少妇任你| 国产午夜精品一二区理论片| 天堂中文最新版在线下载| 又大又黄又爽视频免费| 美女福利国产在线| 自线自在国产av| 欧美黄色片欧美黄色片| 国产欧美日韩综合在线一区二区| 国产1区2区3区精品| 在线 av 中文字幕| kizo精华| 天天躁夜夜躁狠狠久久av| 天堂中文最新版在线下载| 老司机午夜十八禁免费视频| 美女福利国产在线| 天堂俺去俺来也www色官网| 天天影视国产精品| 亚洲av电影在线进入| 天天躁夜夜躁狠狠久久av| 免费不卡黄色视频| 女性被躁到高潮视频| 老熟女久久久| 亚洲av日韩精品久久久久久密 | 国产精品一区二区免费欧美 | 男人舔女人的私密视频| 亚洲精品美女久久久久99蜜臀 | 97人妻天天添夜夜摸| 精品亚洲成国产av| 国产女主播在线喷水免费视频网站| 精品国产一区二区久久| 亚洲精品第二区| 国产日韩欧美在线精品| 欧美日韩亚洲综合一区二区三区_| 成人三级做爰电影| 夜夜骑夜夜射夜夜干| 国产黄色视频一区二区在线观看| 日韩电影二区| 日韩av不卡免费在线播放| 亚洲国产精品一区三区| 日韩一区二区三区影片| 天天影视国产精品| 久久九九热精品免费| 国产精品 欧美亚洲| 一区二区三区四区激情视频| 好男人电影高清在线观看| 国产成人一区二区在线| 成人国语在线视频| 免费在线观看视频国产中文字幕亚洲 | 亚洲情色 制服丝袜| 97精品久久久久久久久久精品| 亚洲欧美色中文字幕在线| 亚洲精品美女久久av网站| 性少妇av在线| 亚洲av片天天在线观看| 少妇被粗大的猛进出69影院| 制服诱惑二区| av天堂久久9| 午夜精品国产一区二区电影| 久久久国产精品麻豆| 成年女人毛片免费观看观看9 | 在现免费观看毛片| tube8黄色片| 久久精品人人爽人人爽视色| 午夜激情久久久久久久| 又黄又粗又硬又大视频| 嫩草影视91久久| 高清黄色对白视频在线免费看| 自拍欧美九色日韩亚洲蝌蚪91| 我的亚洲天堂| 日韩制服丝袜自拍偷拍| 亚洲中文av在线| 精品欧美一区二区三区在线| 日韩 亚洲 欧美在线| 亚洲成av片中文字幕在线观看| 最新的欧美精品一区二区| 日本猛色少妇xxxxx猛交久久| 国产精品久久久久久精品古装| 久久毛片免费看一区二区三区| 1024视频免费在线观看| 日日爽夜夜爽网站| 黑人巨大精品欧美一区二区蜜桃| 久久久久精品人妻al黑| av片东京热男人的天堂| 一本久久精品| 深夜精品福利| 少妇人妻 视频| 欧美日韩精品网址| 久久狼人影院| 黄频高清免费视频| av在线播放精品| 亚洲精品国产区一区二| 欧美日韩亚洲综合一区二区三区_| 一区二区av电影网| 99久久综合免费| 十八禁高潮呻吟视频| 国产一区有黄有色的免费视频| 搡老岳熟女国产| 黄色 视频免费看| 赤兔流量卡办理| 岛国毛片在线播放| 亚洲国产精品一区二区三区在线| 日韩av不卡免费在线播放| 国产精品久久久久久人妻精品电影 | 人人妻人人爽人人添夜夜欢视频| 搡老岳熟女国产| 亚洲成人国产一区在线观看 | 亚洲精品日本国产第一区| 国产亚洲av片在线观看秒播厂| 久久女婷五月综合色啪小说| 久久ye,这里只有精品| 亚洲五月色婷婷综合| 国产精品.久久久| 亚洲国产av新网站| av电影中文网址| 蜜桃在线观看..| 大香蕉久久成人网| 亚洲精品国产av成人精品| 91成人精品电影| 90打野战视频偷拍视频| 9色porny在线观看| 三上悠亚av全集在线观看| 亚洲国产欧美一区二区综合| av又黄又爽大尺度在线免费看| 免费看av在线观看网站| 电影成人av| 亚洲欧洲日产国产| 国产日韩欧美亚洲二区| 国产成人精品久久二区二区91| 日日摸夜夜添夜夜爱| 久久久久久久国产电影| 19禁男女啪啪无遮挡网站| 夫妻午夜视频| 亚洲av综合色区一区| 天堂中文最新版在线下载| 国产精品 欧美亚洲| 国产深夜福利视频在线观看| 亚洲国产欧美一区二区综合| 国产男女内射视频| 午夜两性在线视频| videosex国产| av一本久久久久| 久久人人爽人人片av| 少妇被粗大的猛进出69影院| 高清av免费在线| 老司机在亚洲福利影院| 人体艺术视频欧美日本| 男女边吃奶边做爰视频| 十八禁高潮呻吟视频| 精品免费久久久久久久清纯 | 一区二区三区四区激情视频| 黑人巨大精品欧美一区二区蜜桃| 69精品国产乱码久久久| 女人爽到高潮嗷嗷叫在线视频| 亚洲av美国av| 日本wwww免费看| 日韩一区二区三区影片| 精品久久久久久久毛片微露脸 | 大香蕉久久网| 午夜激情久久久久久久| 亚洲精品第二区| 亚洲欧美精品自产自拍| 亚洲情色 制服丝袜| 成年动漫av网址| 欧美日韩成人在线一区二区| 色播在线永久视频| 成年av动漫网址| 国产精品.久久久| 日韩大片免费观看网站| 高清欧美精品videossex| 精品人妻一区二区三区麻豆| 久久九九热精品免费| 男女边吃奶边做爰视频| 国产精品香港三级国产av潘金莲 | 1024视频免费在线观看| 免费av中文字幕在线| 日韩一区二区三区影片| 香蕉丝袜av| 超色免费av| 大片免费播放器 马上看| 在线观看人妻少妇| 国产国语露脸激情在线看| 国产精品 欧美亚洲| 婷婷色综合www| 两个人免费观看高清视频| 欧美日韩成人在线一区二区| 成人影院久久| avwww免费| 亚洲精品自拍成人| 老司机影院成人| 亚洲视频免费观看视频| 美女扒开内裤让男人捅视频| 飞空精品影院首页| 国产熟女午夜一区二区三区| 五月天丁香电影| 久久中文字幕一级| 亚洲情色 制服丝袜| 悠悠久久av| 免费观看人在逋| bbb黄色大片| 黑人欧美特级aaaaaa片| 亚洲精品中文字幕在线视频| 亚洲成色77777| 精品久久久久久电影网| 韩国高清视频一区二区三区| 午夜福利,免费看| www.精华液| 悠悠久久av| 国产黄频视频在线观看| av电影中文网址| 亚洲人成77777在线视频| 国产男人的电影天堂91| 午夜影院在线不卡| 婷婷色综合大香蕉| 亚洲 欧美一区二区三区| avwww免费| 亚洲av欧美aⅴ国产| 黄色怎么调成土黄色| 国产爽快片一区二区三区| 欧美日韩视频精品一区| 美女国产高潮福利片在线看| 免费女性裸体啪啪无遮挡网站| 国产人伦9x9x在线观看| 两个人免费观看高清视频| 99热国产这里只有精品6| 欧美日韩精品网址| 啦啦啦 在线观看视频| 免费人妻精品一区二区三区视频| 精品国产超薄肉色丝袜足j| 成人亚洲精品一区在线观看| 韩国精品一区二区三区| 亚洲激情五月婷婷啪啪| 欧美国产精品一级二级三级| 午夜免费男女啪啪视频观看| 日本一区二区免费在线视频| 天天躁夜夜躁狠狠躁躁| 欧美老熟妇乱子伦牲交| 七月丁香在线播放| 久久久久视频综合| 美国免费a级毛片| 一个人免费看片子| 亚洲激情五月婷婷啪啪| 国产精品人妻久久久影院| 91九色精品人成在线观看| 97在线人人人人妻| 老汉色av国产亚洲站长工具| 日韩av在线免费看完整版不卡| 在线av久久热| 精品福利观看| 人人妻,人人澡人人爽秒播 | 国产深夜福利视频在线观看| 日韩熟女老妇一区二区性免费视频| 久久久久久久精品精品| 日韩 欧美 亚洲 中文字幕| 亚洲国产欧美在线一区| 亚洲国产成人一精品久久久| 欧美日韩福利视频一区二区| 久久国产精品影院| 久久99精品国语久久久| 国产精品久久久久成人av| 香蕉丝袜av| 天堂8中文在线网| 久久亚洲国产成人精品v| 国产一区二区在线观看av| 国产欧美日韩一区二区三区在线| 国产成人精品久久久久久| 久久久精品免费免费高清| 国产一区二区在线观看av| 亚洲av综合色区一区| 亚洲欧美一区二区三区黑人| 国产老妇伦熟女老妇高清| 在线精品无人区一区二区三| 50天的宝宝边吃奶边哭怎么回事| 国产又爽黄色视频| 精品久久蜜臀av无| 日本五十路高清| 老司机午夜十八禁免费视频| 丝袜在线中文字幕| 精品国产乱码久久久久久小说| 国产精品一区二区精品视频观看| 天天操日日干夜夜撸| 99久久综合免费| 久久av网站| 一本—道久久a久久精品蜜桃钙片| 国产精品久久久久成人av| 男女免费视频国产| 青青草视频在线视频观看| 亚洲av美国av| 欧美国产精品一级二级三级| 亚洲男人天堂网一区| 国产男人的电影天堂91| 国产精品国产av在线观看| 欧美人与性动交α欧美精品济南到| 午夜视频精品福利| 麻豆av在线久日| 天堂俺去俺来也www色官网| 久久精品国产亚洲av高清一级| 欧美精品啪啪一区二区三区 | 国产日韩欧美在线精品| 亚洲综合色网址| 天堂俺去俺来也www色官网| 青草久久国产| 国产精品免费视频内射| 亚洲一区二区三区欧美精品| 又黄又粗又硬又大视频| 男的添女的下面高潮视频| 午夜91福利影院| 叶爱在线成人免费视频播放| 一级毛片女人18水好多 | 久久人妻熟女aⅴ| 国产高清国产精品国产三级| 久久狼人影院| 日本一区二区免费在线视频| 国产深夜福利视频在线观看| 亚洲国产精品一区二区三区在线| 日日夜夜操网爽| 国产精品国产av在线观看| 男女国产视频网站| 亚洲伊人色综图| 日韩中文字幕视频在线看片| 黄色 视频免费看| 黄色片一级片一级黄色片| 手机成人av网站| 1024视频免费在线观看| 亚洲精品日本国产第一区| 一级,二级,三级黄色视频| av在线播放精品| 国产高清不卡午夜福利| 一级毛片女人18水好多 | 亚洲国产欧美在线一区| 成人午夜精彩视频在线观看| 日韩大片免费观看网站| 少妇被粗大的猛进出69影院| 99精品久久久久人妻精品| 好男人电影高清在线观看| 伊人亚洲综合成人网| 久久国产精品影院| 欧美精品一区二区免费开放| 建设人人有责人人尽责人人享有的| 欧美成狂野欧美在线观看| 美女国产高潮福利片在线看| 国产极品粉嫩免费观看在线| 午夜两性在线视频| 国产成人精品无人区| 一二三四在线观看免费中文在| 99精国产麻豆久久婷婷| 久久精品亚洲熟妇少妇任你| 色94色欧美一区二区| 亚洲精品国产av成人精品| 中文字幕人妻丝袜一区二区| 丰满少妇做爰视频| 国产91精品成人一区二区三区 | 大话2 男鬼变身卡| 中文字幕高清在线视频| 男女下面插进去视频免费观看| 男女国产视频网站| 国产一区二区激情短视频 | 国产在视频线精品| 黑丝袜美女国产一区| 久久精品亚洲熟妇少妇任你| 精品国产乱码久久久久久男人| 国产片特级美女逼逼视频| 亚洲九九香蕉| 亚洲中文日韩欧美视频| 免费黄频网站在线观看国产| 少妇人妻 视频| 国产xxxxx性猛交| 欧美日韩成人在线一区二区| 欧美精品亚洲一区二区| 亚洲欧美精品自产自拍| 久久久精品区二区三区| 精品国产乱码久久久久久男人| 欧美精品亚洲一区二区| 美女主播在线视频| 久久精品亚洲熟妇少妇任你| 最新的欧美精品一区二区| www.精华液| 美女中出高潮动态图| 精品亚洲乱码少妇综合久久| 人妻 亚洲 视频| 欧美日韩视频精品一区| 亚洲国产精品成人久久小说| 国产不卡av网站在线观看| 男人操女人黄网站| 老司机在亚洲福利影院| 久久精品人人爽人人爽视色| 极品人妻少妇av视频| 悠悠久久av| 美女大奶头黄色视频| 天天躁日日躁夜夜躁夜夜| 天天躁狠狠躁夜夜躁狠狠躁| 丝袜人妻中文字幕| 在现免费观看毛片| 亚洲精品美女久久久久99蜜臀 | 欧美日韩视频高清一区二区三区二| 男人舔女人的私密视频| 亚洲国产精品一区二区三区在线| 午夜91福利影院| 少妇精品久久久久久久| 这个男人来自地球电影免费观看| 亚洲一区中文字幕在线| 18禁国产床啪视频网站| 又大又黄又爽视频免费| 少妇粗大呻吟视频| 欧美日韩成人在线一区二区| 欧美日韩国产mv在线观看视频| 免费观看人在逋| 搡老乐熟女国产| 成人免费观看视频高清| 久久久久精品国产欧美久久久 | 国产成人一区二区在线| 日韩中文字幕视频在线看片| 亚洲久久久国产精品| 9191精品国产免费久久| 51午夜福利影视在线观看| 啦啦啦啦在线视频资源| 精品一区二区三区四区五区乱码 | 两个人免费观看高清视频| 久久99热这里只频精品6学生| 亚洲,欧美精品.| netflix在线观看网站| 五月开心婷婷网| 黄色视频在线播放观看不卡| 人妻一区二区av| 亚洲国产最新在线播放| 啦啦啦 在线观看视频| 中文乱码字字幕精品一区二区三区| 亚洲中文av在线| 精品卡一卡二卡四卡免费| 久久精品成人免费网站| 久热爱精品视频在线9| 久久精品久久久久久噜噜老黄| 亚洲专区中文字幕在线| 国产激情久久老熟女| 国产又色又爽无遮挡免| 一区二区三区乱码不卡18| 视频区欧美日本亚洲| 一二三四在线观看免费中文在| 狠狠婷婷综合久久久久久88av| 老司机深夜福利视频在线观看 | e午夜精品久久久久久久| 成年av动漫网址| 男女国产视频网站| 久久毛片免费看一区二区三区| 9191精品国产免费久久| 你懂的网址亚洲精品在线观看| 国产无遮挡羞羞视频在线观看| 狠狠婷婷综合久久久久久88av| 亚洲av综合色区一区| 色94色欧美一区二区| 秋霞在线观看毛片| 天天操日日干夜夜撸| 国产亚洲av高清不卡| 在线av久久热| 日韩视频在线欧美| 亚洲色图综合在线观看| 免费在线观看完整版高清| 2021少妇久久久久久久久久久| 香蕉国产在线看| 伊人久久大香线蕉亚洲五| 国产视频首页在线观看| 欧美老熟妇乱子伦牲交| 超碰成人久久| 九草在线视频观看| 97精品久久久久久久久久精品| 免费不卡黄色视频| 亚洲第一av免费看| 91精品国产国语对白视频| 久久精品人人爽人人爽视色| 日韩一区二区三区影片| 日韩人妻精品一区2区三区| 久久久精品区二区三区| 又粗又硬又长又爽又黄的视频| 美女中出高潮动态图| 91精品伊人久久大香线蕉| 久久天堂一区二区三区四区| 欧美人与性动交α欧美软件| 午夜av观看不卡| 国产在线一区二区三区精| 两个人看的免费小视频| 国产精品国产av在线观看| 又黄又粗又硬又大视频| av福利片在线| 亚洲av成人不卡在线观看播放网 | 9191精品国产免费久久| 国产又色又爽无遮挡免| 欧美 亚洲 国产 日韩一| 麻豆国产av国片精品| 精品人妻一区二区三区麻豆| 精品少妇久久久久久888优播| 一二三四社区在线视频社区8| 老司机在亚洲福利影院| 最近中文字幕2019免费版| 免费在线观看影片大全网站 | 99热全是精品| 日韩av不卡免费在线播放| 日韩制服丝袜自拍偷拍| 久久久久久久久免费视频了| www.999成人在线观看| 国产黄色视频一区二区在线观看| 日韩大片免费观看网站| 国产主播在线观看一区二区 | 亚洲av美国av| 久久久久网色| 国产精品久久久久久人妻精品电影 | 男的添女的下面高潮视频| 一区二区三区激情视频| www.精华液|