• <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 ?

    改進(jìn)支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測①

    2017-10-13 14:46:46王雪松
    關(guān)鍵詞:網(wǎng)絡(luò)流量雜草向量

    王雪松

    ?

    改進(jìn)支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測①

    王雪松

    (佛山職業(yè)技術(shù)學(xué)院電子信息系, 佛山 528137)

    支持向量機(jī)具有良好的非線性建模能力, 其參數(shù)對網(wǎng)絡(luò)流量預(yù)測結(jié)果有直接影響, 為了解決支持向量機(jī)的參數(shù)確定的難問題, 根據(jù)雜草算法的優(yōu)勢, 提出了改進(jìn)支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測模型. 首先收集大量網(wǎng)絡(luò)數(shù)量原始數(shù)據(jù), 將支持向量機(jī)參數(shù)作為雜草種子, 然后模擬雜草的生存、繁殖過程搜索最優(yōu)參數(shù)尋優(yōu), 建立網(wǎng)絡(luò)流量預(yù)測模型, 最后采用具體網(wǎng)絡(luò)流量數(shù)據(jù)測試模型的可行性. 結(jié)果表明, 該模型不僅得到了高精度的網(wǎng)絡(luò)流量預(yù)測結(jié)果, 而且可以應(yīng)用網(wǎng)絡(luò)流量管理中.

    網(wǎng)絡(luò)流量; 雜草算法; 混沌理論; 支持向量機(jī)

    隨著Internet的數(shù)據(jù)不斷增加, 網(wǎng)絡(luò)管理面臨巨大的挑戰(zhàn), 為了防止出現(xiàn)網(wǎng)絡(luò)擁堵現(xiàn)象, 網(wǎng)絡(luò)流量預(yù)測引起了人們的高度關(guān)注. 流量預(yù)測從歷史數(shù)據(jù)中發(fā)現(xiàn)將來網(wǎng)絡(luò)狀態(tài)的變化趨勢, 為企業(yè)和管理人員提供有意義的參考信息, 已經(jīng)成為網(wǎng)絡(luò)管理領(lǐng)域中的研究重點[1,2].

    當(dāng)前網(wǎng)絡(luò)流量預(yù)測模型分為兩類: 傳統(tǒng)模型和現(xiàn)代, 傳統(tǒng)模型主要有: 多元線性回歸算法、時間序列分析法等[3,4], 根據(jù)歷史數(shù)據(jù)確定網(wǎng)絡(luò)流量預(yù)測模型的參數(shù), 建模速度快、硬件要求低, 然而它們均基于網(wǎng)絡(luò)流量是一種固定變化趨勢, 如周期性、單調(diào)遞增等, 不能描述網(wǎng)絡(luò)流量隨機(jī)變化特點, 預(yù)測精度低[5]. 現(xiàn)代模型采用現(xiàn)代統(tǒng)計學(xué)對網(wǎng)絡(luò)流量進(jìn)行建模與分析, 主要有: 神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(support vector machine, SVM)等, 可以反映網(wǎng)絡(luò)流量變化的隨機(jī)性、時變性, 網(wǎng)絡(luò)流量預(yù)測結(jié)果更加靠, 獲得了較高的預(yù)測精度[6-8]. SVM具體要求歷史樣本少, 泛化能力優(yōu)等優(yōu)勢, 成為網(wǎng)絡(luò)流量當(dāng)前主要的建模工具, 然而網(wǎng)絡(luò)流量預(yù)測精度與核函數(shù)及相關(guān)參數(shù)密切相關(guān), 因此SVM參數(shù)確定是網(wǎng)絡(luò)流量建模和預(yù)測首先要解決的問題[9]. 為了解決SVM參數(shù)確定問題, 業(yè)內(nèi)學(xué)者們采用進(jìn)化算法、粒子群算法等實現(xiàn)[10], 它們得到了較好的SVM參數(shù), 但它們同樣存在不足, 如進(jìn)化算法的收斂速度慢, 遺傳算法參數(shù)確定沒有理論指導(dǎo), 憑經(jīng)驗隨機(jī)確定, 通用性差, 難以找到最優(yōu)的SVM參數(shù), 影響網(wǎng)絡(luò)流量的預(yù)測結(jié)果.

    為了獲得更優(yōu)的網(wǎng)絡(luò)流量預(yù)測結(jié)果, 針對SVM參數(shù)優(yōu)化難題, 提出了改進(jìn)支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測模型(IWO-SVM), 采用雜草優(yōu)化算法(invasive weed optimization algorithm, IWO)搜索最優(yōu)的SVM參數(shù), 采用網(wǎng)絡(luò)流量預(yù)測實驗測試可行性和可靠性.

    1 支持向量機(jī)和雜草優(yōu)化算法

    1.1 支持向量機(jī)(SVM)

    設(shè)訓(xùn)練樣本集為: {(x,y)},=1,2,…,, 根據(jù)函數(shù)將其映射到高維特征空間實現(xiàn)回歸, 即:

    式中,為權(quán)值向量;為偏置向量[11].

    將式(1)轉(zhuǎn)換為最小化問題, SVM回歸的目標(biāo)函數(shù)為:

    式中,為懲罰參數(shù);e為回歸誤差.

    采用拉格朗日算子(i)進(jìn)行變換, 得到相應(yīng)對偶問題為:

    式中,為核寬度.

    對SVM的工件原理進(jìn)行分析可知, 預(yù)測結(jié)果與參數(shù)和相關(guān), 為了克服當(dāng)前算法存在的不足, 利用雜草算法搜索能力強(qiáng)、速度快的優(yōu)點, 解決參數(shù)和選擇問題, 建立更加科學(xué)的網(wǎng)絡(luò)流量預(yù)測模型.

    1.2 雜草優(yōu)化算法(IWO)

    受到雜草生長和繁殖過程啟發(fā), 有學(xué)者提出了雜草優(yōu)化算法[12], 具體過程如下:

    1) 每一個雜草(i)在領(lǐng)域內(nèi)繁殖一些種子, 種子數(shù)量i計算公式為

    式中,(x)為雜草i的適應(yīng)度值;min和max分別為雜草最小和大種子數(shù);min和max為種群的最小和最大的適應(yīng)度值.

    2) 種子服從(0,)分布, 其中標(biāo)準(zhǔn)偏差的計算公式為:

    式中,initial和final為的初值和終值;max和為最大進(jìn)化代數(shù)和當(dāng)前進(jìn)化代數(shù);為調(diào)和參數(shù).

    3) 當(dāng)種群的種子數(shù)超過最大數(shù)量, 對雜草和種子進(jìn)行排序, 選擇前個適應(yīng)度值最大的個體產(chǎn)生新的種群, 丟棄其它個體.

    2 IWO-SVM的網(wǎng)絡(luò)流量預(yù)測

    由于參數(shù)和的優(yōu)化目標(biāo)是提高流量預(yù)測的精度最高, 因此和優(yōu)化數(shù)學(xué)模型可以描述為:

    基于IWO-SVM的網(wǎng)絡(luò)流量預(yù)測步驟為:

    1) 收集某一段時間的網(wǎng)絡(luò)流量歷史數(shù)據(jù), 為了防止數(shù)據(jù)值間的差異過大進(jìn)行預(yù)處理, 具體為:

    2) 網(wǎng)絡(luò)流量受到人為因素、上網(wǎng)時間等影響, 具有一定的混沌性能, 因此需要對原始網(wǎng)絡(luò)流量時間序列進(jìn)行相空間重構(gòu)[13], 產(chǎn)生支持向量機(jī)的訓(xùn)練和驗證樣本.

    3) 初始化雜草種群, 并初始化其它參數(shù)的值, 個體與一組(,)相對應(yīng).

    4) 支持向量機(jī)根據(jù)每一組(,)對訓(xùn)練樣本集進(jìn)行建模, 計算網(wǎng)絡(luò)流量的預(yù)測精度, 得到相應(yīng)的適應(yīng)度值.

    5) 判斷是否達(dá)到結(jié)束條件, 若達(dá)到就輸出最優(yōu)個體, 否則執(zhí)行步驟(6).

    6) 產(chǎn)生新的種子, 并與其它種子和雜草組合, 選擇max個優(yōu)秀個體組成新的種群, 返回步驟(4).

    7) 最優(yōu)個體對應(yīng)的和為支持向量機(jī)的最優(yōu)參數(shù), 根據(jù)對訓(xùn)練樣本進(jìn)行學(xué)習(xí)建立網(wǎng)絡(luò)流量預(yù)測模型.

    3 網(wǎng)絡(luò)流量預(yù)測模型性能的測試

    3.1 源數(shù)據(jù)

    選擇一臺網(wǎng)絡(luò)服務(wù)器出口的每小時網(wǎng)絡(luò)流量進(jìn)行仿真實驗, 得到1000個樣本, 具體如圖1所示. 選擇前800個數(shù)據(jù)點作為訓(xùn)練樣本集構(gòu)建網(wǎng)絡(luò)流量預(yù)測模型, 其它數(shù)據(jù)點作為驗證集分析模型的性能, 在VC++ 6.0平臺實現(xiàn)仿真實驗.

    圖1 網(wǎng)絡(luò)流量數(shù)據(jù)

    3.2 訓(xùn)練樣本和驗證樣本的重構(gòu)

    通常情況下, 網(wǎng)絡(luò)流量有弱混沌特性, 設(shè)延遲時間=1, 采用假近鄰算法估計最優(yōu)嵌入維數(shù)(), 結(jié)果如圖2所示, 從圖2可以清楚看出最優(yōu)=5, 根據(jù)=1,=5對原始網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行相空間重構(gòu), 得到重構(gòu)后的訓(xùn)練樣本和驗證樣本, 將其變?yōu)橛幸?guī)律的數(shù)據(jù), 便于支持向量機(jī)進(jìn)行建模.

    圖2 估計最優(yōu)m

    3.3 IWO估計最優(yōu)(,)SVM參數(shù)

    采用IWO算法搜索支持向量機(jī)的參數(shù)和的最優(yōu)值, 1步和3步預(yù)測的最優(yōu)和如表1所示.

    表1 C和σ的最佳值

    3.4 結(jié)果與討論

    3.4.1本文模型的預(yù)測結(jié)果

    IWO-SVM的網(wǎng)絡(luò)流量單步預(yù)測結(jié)果如圖3所示, 單步預(yù)測值與實際值變化趨勢相似, 二者間的誤差小, 可以反映網(wǎng)絡(luò)流量數(shù)據(jù)的時變性, 預(yù)測結(jié)果可信.

    (a) 預(yù)測結(jié)果

    (b) 預(yù)測偏差

    圖3 IWO-SVM的網(wǎng)絡(luò)流量1步預(yù)測結(jié)果

    1步預(yù)測只能提前一個時刻對網(wǎng)絡(luò)流量變化趨勢進(jìn)行描述, 不能滿足網(wǎng)絡(luò)管理的要求, 因此實現(xiàn)了提前3步的網(wǎng)絡(luò)流量預(yù)測實驗, 結(jié)果如圖4所示, 3步預(yù)測精度明顯要小于1步預(yù)測精度, 預(yù)測偏差也增大, 然而IWO-SVM還是能夠描述網(wǎng)絡(luò)流量整體變化趨勢, 預(yù)測結(jié)果可以為網(wǎng)絡(luò)管理者提供有用的信息.

    (a) 預(yù)測結(jié)果

    (b) 預(yù)測偏差

    圖4 IWO-SVM的網(wǎng)絡(luò)流量3步預(yù)測結(jié)果

    3.4.2與經(jīng)典模型的性能對比

    選擇當(dāng)前經(jīng)典網(wǎng)絡(luò)流量預(yù)測模型進(jìn)行對照實驗, 它們?yōu)? ARIMA、BP神經(jīng)網(wǎng)絡(luò), 采用均方根誤差()和相對平均誤差()作為性能評價指標(biāo), 結(jié)果見表2. IWO-SVM的和均要小于經(jīng)典模型的和, 網(wǎng)絡(luò)流量預(yù)測精度更高, 說明IWO-SVM是一種精度高、結(jié)果可靠的網(wǎng)絡(luò)流量預(yù)測模型.

    表2 網(wǎng)絡(luò)流是的MPAE和RMSE對比

    4 結(jié)語

    針對網(wǎng)絡(luò)流量的SVM參數(shù)優(yōu)化問題, 提出了基于IWO-SVM的網(wǎng)絡(luò)流量預(yù)測模型, 采用雜草算法搜索SVM參數(shù), 解決當(dāng)前參數(shù)選擇的盲目性, 實驗結(jié)果表明, IWO-SVM的網(wǎng)絡(luò)流量預(yù)測精度高, 預(yù)測結(jié)果好于經(jīng)典模型, 具有廣泛的應(yīng)用前景.

    1 史振華,劉外喜,楊家燁.SDN 架構(gòu)下基于 ICMP 流量的網(wǎng)絡(luò)異常檢測方法.計算機(jī)系統(tǒng)應(yīng)用,2016,25(4):135–142.

    2 鄔平,吳斌.采用回歸方法優(yōu)化網(wǎng)絡(luò)流量管理模型處理性能. 計算機(jī)工程與應(yīng)用,2012,48(4):104–106.

    3 姜明,吳春明,張曼,胡大民.網(wǎng)絡(luò)流量預(yù)測中的時間序列模型比較研究.電子學(xué)報,2009,37(11):2353–2358.

    4 陳曉大,劉靜嫻.改進(jìn)的基于小波變換和FARIMA模型的網(wǎng)絡(luò)流量預(yù)測算法.通信學(xué)報,2011,32(4):153–157.

    5 麻書欽,范海峰.基于小波變換和時間序列的網(wǎng)絡(luò)流量預(yù)測模型.河南理工大學(xué)學(xué)報:自然科學(xué)版,2013,32(2):188–192.

    6 曲樺,馬文濤,趙季紅,等.基于最大相關(guān)熵準(zhǔn)則的網(wǎng)絡(luò)流量預(yù)測.高新技術(shù)通訊,2013,23(1):134–145.

    7 王雪松,梁昔明.基于BPSO–RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測. 計算機(jī)應(yīng)用與軟件,2014,31(9):102–105.

    8 肖漢杰,桑秀麗.相關(guān)向量機(jī)超參數(shù)優(yōu)化的小時間尺度網(wǎng)絡(luò)流量非線性預(yù)測方法.計算機(jī)應(yīng)用研究,2016,33(6): 1882–1885.

    9 于明,艾月喬.基于人工蜂群算法的支持向量機(jī)參數(shù)優(yōu)化及應(yīng)用.光電子激光,2012,23(2):374–398.

    10 邵信光,楊慧中,陳剛.基于粒子群優(yōu)化算法的支持向量機(jī)參數(shù)選擇及其應(yīng)用.控制理論與應(yīng)用,2006,23(5):740–748.

    11 劉忠寶.新型支持向量機(jī)在風(fēng)速預(yù)測模型中的應(yīng)用研究. 電子科技大學(xué)學(xué)報,2014,43(5):754–758.

    12 Mallahzadeh AR, Oraizi H, Davoodi RZ. Application of the invasive weed optimization technique for antenna configurations. Progress in Electromagnetic Research, 2008, 20(79): 137–150.

    13 黃發(fā)明,殷坤龍,張桂榮,等.基于相空間重構(gòu)和小波分析-粒子群向量機(jī)的滑坡地下水位預(yù)測.地球科學(xué)-中國地質(zhì)大學(xué)學(xué)報,2015,40(7):1254–1265.

    Network Traffic Predicting Model Based on Improved Support Vector Machine

    WANG Xue-Song

    (Department of Electronic Information, Foshan Polytechnic College, Foshan 528137, China)

    Aiming at parameters optimization problem of support vector machine in network traffic predicting, a network traffic predicting model is proposed based on improved support vector machine. Parameters of support vector machine are considered as a weed, the optimal parameters are found by invasive weed optimization algorithm, and network traffic data is used to test the performance. The experimental results show that the proposed model obtains high predicting accuracy and fastens the model speed, and it can meet the requirements of network traffic predicting.

    network traffic; invasive weed optimization algorithm; chaotic theory; support vector machine

    廣東省教育廳項目(2010TJK446)

    2016-06-09;

    2016-08-08

    [10.15888/j.cnki.csa.005668]

    猜你喜歡
    網(wǎng)絡(luò)流量雜草向量
    基于多元高斯分布的網(wǎng)絡(luò)流量異常識別方法
    拔雜草
    科教新報(2022年22期)2022-07-02 12:34:28
    向量的分解
    基于神經(jīng)網(wǎng)絡(luò)的P2P流量識別方法
    聚焦“向量與三角”創(chuàng)新題
    AVB網(wǎng)絡(luò)流量整形幀模型端到端延遲計算
    向量垂直在解析幾何中的應(yīng)用
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    水稻田幾種難防雜草的防治
    網(wǎng)絡(luò)流量監(jiān)控對網(wǎng)絡(luò)安全治理的重要性
    河南科技(2014年23期)2014-02-27 14:18:43
    亚洲av片天天在线观看| 飞空精品影院首页| 一本—道久久a久久精品蜜桃钙片| 国产一区二区三区在线臀色熟女 | 12—13女人毛片做爰片一| 老司机福利观看| 天天操日日干夜夜撸| 国产高清激情床上av| 少妇 在线观看| 人妻久久中文字幕网| 纵有疾风起免费观看全集完整版| 亚洲av电影在线进入| 午夜福利视频在线观看免费| 国产精品久久久久久精品电影小说| 免费av中文字幕在线| 国产黄频视频在线观看| 亚洲成av片中文字幕在线观看| 久久久精品区二区三区| 亚洲欧美日韩高清在线视频 | 丝袜美足系列| 高潮久久久久久久久久久不卡| avwww免费| 亚洲精品国产区一区二| 国产亚洲精品一区二区www | 国产亚洲精品久久久久5区| 免费少妇av软件| 老汉色∧v一级毛片| 国产精品久久久久成人av| 中文字幕色久视频| 欧美亚洲 丝袜 人妻 在线| 日韩欧美三级三区| 一区二区三区激情视频| 亚洲国产欧美网| 国产精品久久电影中文字幕 | 一本大道久久a久久精品| 国产单亲对白刺激| 91国产中文字幕| 91成人精品电影| 亚洲欧美日韩另类电影网站| 法律面前人人平等表现在哪些方面| 美女主播在线视频| 99精品在免费线老司机午夜| 午夜福利一区二区在线看| 精品福利观看| 啦啦啦视频在线资源免费观看| 亚洲中文日韩欧美视频| 黑人猛操日本美女一级片| av又黄又爽大尺度在线免费看| 精品久久蜜臀av无| 日本vs欧美在线观看视频| 热99re8久久精品国产| aaaaa片日本免费| 香蕉国产在线看| 中文字幕人妻熟女乱码| 免费人妻精品一区二区三区视频| 国产成人精品无人区| 国产免费福利视频在线观看| 18禁美女被吸乳视频| 亚洲七黄色美女视频| 纵有疾风起免费观看全集完整版| 久久久水蜜桃国产精品网| 日本精品一区二区三区蜜桃| 欧美在线黄色| 每晚都被弄得嗷嗷叫到高潮| 午夜视频精品福利| 天堂俺去俺来也www色官网| 一边摸一边抽搐一进一出视频| av电影中文网址| 少妇猛男粗大的猛烈进出视频| 青青草视频在线视频观看| 国产片内射在线| 亚洲情色 制服丝袜| svipshipincom国产片| 一本—道久久a久久精品蜜桃钙片| 精品熟女少妇八av免费久了| 亚洲伊人久久精品综合| 免费人妻精品一区二区三区视频| 亚洲七黄色美女视频| 大型av网站在线播放| 久久久国产精品麻豆| 1024香蕉在线观看| 国产免费av片在线观看野外av| 一区二区日韩欧美中文字幕| 午夜精品国产一区二区电影| 欧美日韩av久久| 在线 av 中文字幕| 91精品国产国语对白视频| 中文字幕最新亚洲高清| 国产高清国产精品国产三级| 久久久久视频综合| 免费看十八禁软件| 视频在线观看一区二区三区| 在线天堂中文资源库| h视频一区二区三区| 欧美亚洲日本最大视频资源| 午夜福利视频精品| 99热网站在线观看| 午夜精品久久久久久毛片777| 国产精品偷伦视频观看了| 精品久久久久久久毛片微露脸| 一区福利在线观看| 亚洲国产看品久久| 韩国精品一区二区三区| 午夜视频精品福利| 中文亚洲av片在线观看爽 | 嫁个100分男人电影在线观看| 精品国产乱码久久久久久男人| 日本黄色日本黄色录像| 久热这里只有精品99| 国产一区有黄有色的免费视频| 老司机靠b影院| 一边摸一边做爽爽视频免费| 国产亚洲精品一区二区www | 露出奶头的视频| 18禁国产床啪视频网站| 日韩欧美一区二区三区在线观看 | 中文字幕高清在线视频| 91老司机精品| 夫妻午夜视频| 欧美一级毛片孕妇| 夜夜夜夜夜久久久久| 成人黄色视频免费在线看| 色精品久久人妻99蜜桃| 国产熟女午夜一区二区三区| 亚洲五月婷婷丁香| 一边摸一边抽搐一进一小说 | 久久久水蜜桃国产精品网| 80岁老熟妇乱子伦牲交| 在线观看免费视频网站a站| 中文字幕最新亚洲高清| 中国美女看黄片| 亚洲av第一区精品v没综合| 波多野结衣一区麻豆| 久久免费观看电影| 国产精品九九99| a级片在线免费高清观看视频| 日韩一区二区三区影片| 变态另类成人亚洲欧美熟女 | 亚洲中文日韩欧美视频| xxxhd国产人妻xxx| 99久久精品国产亚洲精品| 欧美日韩视频精品一区| 成人亚洲精品一区在线观看| 久久精品人人爽人人爽视色| 日本黄色日本黄色录像| 高清视频免费观看一区二区| 欧美激情 高清一区二区三区| avwww免费| 91成人精品电影| 99re在线观看精品视频| 久久国产精品男人的天堂亚洲| 老汉色∧v一级毛片| 麻豆成人av在线观看| 日韩免费高清中文字幕av| 午夜福利视频精品| 国产成人av激情在线播放| 国产精品欧美亚洲77777| av又黄又爽大尺度在线免费看| 久久久国产一区二区| 中文字幕色久视频| 成人三级做爰电影| 国产国语露脸激情在线看| 一级,二级,三级黄色视频| 久久中文字幕人妻熟女| 欧美老熟妇乱子伦牲交| 国产淫语在线视频| 国产亚洲精品第一综合不卡| 波多野结衣av一区二区av| 国产不卡一卡二| 日本五十路高清| 老熟女久久久| 精品国产亚洲在线| 亚洲熟女毛片儿| 国产精品国产高清国产av | 在线观看免费午夜福利视频| 日本av免费视频播放| 欧美乱妇无乱码| 无人区码免费观看不卡 | 午夜91福利影院| 香蕉久久夜色| 一区二区三区国产精品乱码| 9色porny在线观看| 亚洲精品av麻豆狂野| 欧美日韩国产mv在线观看视频| 日韩免费高清中文字幕av| 亚洲一区中文字幕在线| 国产精品久久久久久精品电影小说| 在线观看66精品国产| 超碰97精品在线观看| 国产在线一区二区三区精| 一个人免费看片子| 欧美日韩黄片免| 18禁观看日本| 每晚都被弄得嗷嗷叫到高潮| 亚洲精品在线观看二区| 麻豆乱淫一区二区| 国产精品久久久久久精品电影小说| 色老头精品视频在线观看| 777久久人妻少妇嫩草av网站| 欧美性长视频在线观看| 老司机亚洲免费影院| 老司机亚洲免费影院| 欧美日韩av久久| 久久精品国产综合久久久| netflix在线观看网站| 精品高清国产在线一区| 国产免费视频播放在线视频| 国产在线精品亚洲第一网站| 脱女人内裤的视频| 无限看片的www在线观看| 天天躁日日躁夜夜躁夜夜| 搡老熟女国产l中国老女人| 国产99久久九九免费精品| 成人精品一区二区免费| 99九九在线精品视频| 一级黄色大片毛片| 亚洲va日本ⅴa欧美va伊人久久| 变态另类成人亚洲欧美熟女 | 国产精品亚洲av一区麻豆| 一级毛片电影观看| 午夜福利视频精品| 国产精品久久久久久人妻精品电影 | 亚洲国产欧美网| 亚洲成人手机| 一区二区三区乱码不卡18| 久久久久久久久免费视频了| 亚洲欧美日韩高清在线视频 | 国产在线观看jvid| 久久天堂一区二区三区四区| 大香蕉久久网| 久久久精品免费免费高清| 高清视频免费观看一区二区| 亚洲人成77777在线视频| 夜夜爽天天搞| 国产黄频视频在线观看| 日本一区二区免费在线视频| 18禁裸乳无遮挡动漫免费视频| 久久久精品94久久精品| 高清在线国产一区| √禁漫天堂资源中文www| 在线播放国产精品三级| 大码成人一级视频| 免费av中文字幕在线| 免费av中文字幕在线| 一区二区三区乱码不卡18| 国产精品1区2区在线观看. | 一进一出抽搐动态| 桃花免费在线播放| 免费av中文字幕在线| 亚洲 欧美一区二区三区| 啦啦啦视频在线资源免费观看| 啦啦啦中文免费视频观看日本| 在线观看舔阴道视频| 热re99久久国产66热| 亚洲五月色婷婷综合| 国产高清视频在线播放一区| 久久婷婷成人综合色麻豆| 精品亚洲乱码少妇综合久久| av视频免费观看在线观看| 99国产综合亚洲精品| 天天操日日干夜夜撸| 制服诱惑二区| 欧美黄色淫秽网站| 在线播放国产精品三级| 亚洲色图综合在线观看| 亚洲自偷自拍图片 自拍| 欧美性长视频在线观看| 精品少妇一区二区三区视频日本电影| 亚洲精品在线观看二区| 啦啦啦免费观看视频1| 成年人免费黄色播放视频| 69av精品久久久久久 | 欧美国产精品一级二级三级| 丰满迷人的少妇在线观看| 丰满迷人的少妇在线观看| 人人澡人人妻人| av电影中文网址| 久久精品亚洲熟妇少妇任你| 欧美亚洲日本最大视频资源| 日韩欧美一区二区三区在线观看 | 国产精品熟女久久久久浪| 午夜激情av网站| www.自偷自拍.com| av视频免费观看在线观看| 国产欧美亚洲国产| 久久精品国产亚洲av高清一级| 日韩大码丰满熟妇| 成人18禁高潮啪啪吃奶动态图| 老熟妇乱子伦视频在线观看| 欧美激情 高清一区二区三区| 欧美日韩一级在线毛片| 一本综合久久免费| 丁香六月天网| av超薄肉色丝袜交足视频| 免费在线观看日本一区| 国产无遮挡羞羞视频在线观看| 久热这里只有精品99| 一个人免费在线观看的高清视频| 欧美亚洲 丝袜 人妻 在线| 精品午夜福利视频在线观看一区 | 美女国产高潮福利片在线看| 日韩制服丝袜自拍偷拍| 99在线人妻在线中文字幕 | 黄色视频不卡| 满18在线观看网站| 久久午夜亚洲精品久久| 国产男女内射视频| 一本综合久久免费| 丝袜喷水一区| 日韩三级视频一区二区三区| 一级,二级,三级黄色视频| 国产成人免费观看mmmm| 一区二区三区乱码不卡18| 日韩中文字幕欧美一区二区| 97在线人人人人妻| 精品久久久久久久毛片微露脸| 视频区图区小说| 在线观看免费高清a一片| 麻豆乱淫一区二区| 久久精品国产亚洲av香蕉五月 | 国产免费av片在线观看野外av| 精品免费久久久久久久清纯 | 大陆偷拍与自拍| 丝袜美足系列| 少妇猛男粗大的猛烈进出视频| 不卡一级毛片| 亚洲,欧美精品.| 视频在线观看一区二区三区| 国产精品 欧美亚洲| 精品国产国语对白av| 亚洲伊人色综图| 亚洲熟妇熟女久久| 欧美亚洲 丝袜 人妻 在线| 国产精品久久电影中文字幕 | 黄频高清免费视频| 两性夫妻黄色片| 黑人猛操日本美女一级片| av不卡在线播放| 国产在线观看jvid| 久久中文字幕人妻熟女| 99香蕉大伊视频| 天堂8中文在线网| 老熟妇乱子伦视频在线观看| 国产日韩欧美在线精品| 人人妻人人澡人人爽人人夜夜| 在线观看免费午夜福利视频| 亚洲精品久久午夜乱码| a级毛片黄视频| 老熟妇仑乱视频hdxx| 久久精品国产亚洲av香蕉五月 | 亚洲精品久久成人aⅴ小说| 日本精品一区二区三区蜜桃| 久久精品91无色码中文字幕| 夫妻午夜视频| 欧美日韩精品网址| 精品一品国产午夜福利视频| 日韩熟女老妇一区二区性免费视频| 欧美日韩视频精品一区| 国产高清国产精品国产三级| 久久久久网色| 精品亚洲成国产av| videosex国产| 国产av又大| 最近最新中文字幕大全电影3 | 亚洲伊人色综图| 欧美激情 高清一区二区三区| 亚洲国产精品一区二区三区在线| 最新在线观看一区二区三区| 看免费av毛片| 亚洲欧美日韩另类电影网站| 精品人妻在线不人妻| 夜夜爽天天搞| 一级片'在线观看视频| 国产老妇伦熟女老妇高清| 国产不卡一卡二| 亚洲av欧美aⅴ国产| av网站在线播放免费| 亚洲五月色婷婷综合| 国产精品国产av在线观看| 汤姆久久久久久久影院中文字幕| av一本久久久久| 国产精品99久久99久久久不卡| 美女午夜性视频免费| 国产成人精品无人区| 正在播放国产对白刺激| 欧美亚洲日本最大视频资源| 美女高潮到喷水免费观看| 中文字幕人妻熟女乱码| 热re99久久国产66热| 在线观看人妻少妇| 亚洲国产精品一区二区三区在线| www.精华液| 亚洲国产欧美日韩在线播放| 99国产精品免费福利视频| 欧美日韩视频精品一区| 国产成人精品久久二区二区免费| 色在线成人网| 人成视频在线观看免费观看| 欧美国产精品一级二级三级| 国产无遮挡羞羞视频在线观看| 大香蕉久久网| 最新在线观看一区二区三区| 国产精品一区二区精品视频观看| a级片在线免费高清观看视频| av福利片在线| 搡老熟女国产l中国老女人| 巨乳人妻的诱惑在线观看| 高清黄色对白视频在线免费看| 国产亚洲午夜精品一区二区久久| 蜜桃国产av成人99| 午夜福利在线免费观看网站| 首页视频小说图片口味搜索| 黄色成人免费大全| 十八禁网站网址无遮挡| 十分钟在线观看高清视频www| 美女国产高潮福利片在线看| av视频免费观看在线观看| 免费观看a级毛片全部| 我要看黄色一级片免费的| 人妻 亚洲 视频| 免费不卡黄色视频| 精品少妇一区二区三区视频日本电影| 国产精品一区二区在线观看99| 性少妇av在线| 亚洲专区国产一区二区| 欧美日韩中文字幕国产精品一区二区三区 | 999精品在线视频| 国产伦人伦偷精品视频| 最近最新中文字幕大全电影3 | 1024视频免费在线观看| 91精品国产国语对白视频| 两个人免费观看高清视频| 国产精品秋霞免费鲁丝片| 在线观看免费视频日本深夜| 在线天堂中文资源库| 大码成人一级视频| 午夜视频精品福利| 在线看a的网站| 脱女人内裤的视频| 久久久国产欧美日韩av| a在线观看视频网站| 91九色精品人成在线观看| 欧美午夜高清在线| 国产麻豆69| 建设人人有责人人尽责人人享有的| 脱女人内裤的视频| 母亲3免费完整高清在线观看| 国产av国产精品国产| h视频一区二区三区| 久久这里只有精品19| 中文亚洲av片在线观看爽 | 成年动漫av网址| 久久午夜亚洲精品久久| 午夜福利影视在线免费观看| 国产精品免费一区二区三区在线 | 国产欧美亚洲国产| svipshipincom国产片| av线在线观看网站| a在线观看视频网站| 午夜91福利影院| a级片在线免费高清观看视频| 亚洲伊人久久精品综合| 亚洲成人免费电影在线观看| 免费女性裸体啪啪无遮挡网站| 色视频在线一区二区三区| 欧美在线黄色| 热99re8久久精品国产| 中文亚洲av片在线观看爽 | 亚洲精品一二三| 精品国产一区二区久久| 建设人人有责人人尽责人人享有的| 免费观看av网站的网址| 一级毛片女人18水好多| 久热这里只有精品99| 色婷婷av一区二区三区视频| 国产精品免费视频内射| 国产免费现黄频在线看| 亚洲精品国产色婷婷电影| 国产男靠女视频免费网站| 18在线观看网站| 91九色精品人成在线观看| 亚洲成av片中文字幕在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 十八禁高潮呻吟视频| 久久久国产成人免费| av免费在线观看网站| 90打野战视频偷拍视频| 国产精品一区二区在线不卡| 亚洲成人免费av在线播放| av福利片在线| 麻豆成人av在线观看| 黄频高清免费视频| 色综合婷婷激情| 亚洲成av片中文字幕在线观看| 高清av免费在线| 自线自在国产av| 久久精品91无色码中文字幕| 欧美乱码精品一区二区三区| 中文字幕人妻丝袜一区二区| 大片电影免费在线观看免费| 国产亚洲精品第一综合不卡| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲欧美激情在线| 交换朋友夫妻互换小说| 欧美精品啪啪一区二区三区| 日韩熟女老妇一区二区性免费视频| 成人影院久久| 国产日韩欧美在线精品| 在线观看免费午夜福利视频| 一区二区三区激情视频| 国产伦人伦偷精品视频| 在线观看免费高清a一片| 欧美黄色片欧美黄色片| 精品久久蜜臀av无| 久久人人97超碰香蕉20202| 汤姆久久久久久久影院中文字幕| 欧美 亚洲 国产 日韩一| 成人免费观看视频高清| 久久久久久久久免费视频了| 精品一品国产午夜福利视频| 777米奇影视久久| av天堂在线播放| 国产麻豆69| 18禁观看日本| 制服诱惑二区| 亚洲欧美激情在线| 男女下面插进去视频免费观看| 精品卡一卡二卡四卡免费| 亚洲熟妇熟女久久| 91大片在线观看| 考比视频在线观看| 亚洲avbb在线观看| tube8黄色片| 久久这里只有精品19| 国产高清视频在线播放一区| 国产精品成人在线| 欧美成人午夜精品| 久久精品成人免费网站| 精品国内亚洲2022精品成人 | 亚洲专区字幕在线| 成在线人永久免费视频| 精品少妇内射三级| 国产一区二区三区综合在线观看| 亚洲精品国产色婷婷电影| 一区二区日韩欧美中文字幕| 色综合欧美亚洲国产小说| 亚洲少妇的诱惑av| 日本撒尿小便嘘嘘汇集6| 91成人精品电影| 18禁裸乳无遮挡动漫免费视频| 欧美在线黄色| 国产精品 欧美亚洲| 国产伦理片在线播放av一区| 最新美女视频免费是黄的| 欧美老熟妇乱子伦牲交| 久久午夜综合久久蜜桃| 在线永久观看黄色视频| 夫妻午夜视频| 精品一品国产午夜福利视频| 欧美黄色淫秽网站| 80岁老熟妇乱子伦牲交| 窝窝影院91人妻| 99国产精品免费福利视频| 精品高清国产在线一区| 大型av网站在线播放| 国产无遮挡羞羞视频在线观看| 人人妻人人澡人人看| 啦啦啦免费观看视频1| 国产一区二区 视频在线| 午夜福利在线免费观看网站| 成年版毛片免费区| 夜夜爽天天搞| 老汉色∧v一级毛片| 别揉我奶头~嗯~啊~动态视频| 丝瓜视频免费看黄片| 一级片'在线观看视频| 亚洲久久久国产精品| 在线观看免费高清a一片| 亚洲av日韩在线播放| 黑人巨大精品欧美一区二区mp4| tocl精华| 亚洲少妇的诱惑av| 欧美成人免费av一区二区三区 | av线在线观看网站| 国产成人啪精品午夜网站| 蜜桃在线观看..| 亚洲色图综合在线观看| 黄色视频,在线免费观看| 亚洲一区中文字幕在线| 国产黄色免费在线视频| 午夜精品国产一区二区电影| 亚洲综合色网址| 69精品国产乱码久久久| 国产野战对白在线观看| 搡老乐熟女国产| 国产男女超爽视频在线观看| 黄色视频在线播放观看不卡| 精品熟女少妇八av免费久了| 免费看a级黄色片| 正在播放国产对白刺激| 亚洲成av片中文字幕在线观看| 窝窝影院91人妻| 少妇裸体淫交视频免费看高清 | 亚洲av日韩精品久久久久久密| 香蕉久久夜色| 亚洲黑人精品在线| 动漫黄色视频在线观看| 99久久国产精品久久久| 欧美在线黄色| 国产在线精品亚洲第一网站| 午夜福利在线免费观看网站| 曰老女人黄片| 成人黄色视频免费在线看| 新久久久久国产一级毛片| 久久久精品94久久精品|