• <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 ?

    改進利用蟻群規(guī)則挖掘算法進行遙感影像分類

    2013-07-25 05:13:14吳孔江曾永年靳文憑何麗麗
    測繪學(xué)報 2013年1期
    關(guān)鍵詞:決策樹螞蟻規(guī)則

    吳孔江,曾永年,靳文憑,何麗麗,李 靜

    中南大學(xué) 地球科學(xué)與信息物理學(xué)院 空間信息技術(shù)與可持續(xù)發(fā)展研究中心,湖南 長沙 410083

    1 引 言

    遙感信息提取是遙感應(yīng)用分析的基礎(chǔ),是遙感數(shù)據(jù)轉(zhuǎn)換為可用地理信息的技術(shù)核心[1-2]。因此,遙感影像分類方法的研究一直是遙感科學(xué)領(lǐng)域的重要研究內(nèi)容之一。近年來,眾多研究人員在遙感分類方面作了大量的研究,提出了許多遙感分類新方法。但當(dāng)區(qū)域景觀較為復(fù)雜、空間異質(zhì)性較高時,現(xiàn)有的遙感影像分類方法往往難以獲得較高的分類精度。然而,人工智能方法與技術(shù)在處理復(fù)雜對象時具有較為明顯的優(yōu)勢,目前遙感信息提取中正不斷汲取和集成人工智能領(lǐng)域的研究成果,智能化已成為遙感數(shù)據(jù)處理與信息提取的時代特征[3]。文獻[4]提出的蟻群智能算法是智能理論和方法的典型代表之一,它是通過模擬螞蟻群體覓食尋徑行為的抽象而提出的一種基于群體智能的啟發(fā)式仿生進化算法[5],已經(jīng)成功應(yīng)用于旅行商問題、區(qū)位選址、線狀目標(biāo)簡化等多個領(lǐng)域[6-8]。基于蟻群算法的規(guī)則挖掘最初由文獻[9]提出,該算法主要是利用蟻群覓食原理在數(shù)據(jù)庫中搜索最優(yōu)規(guī)則。文獻[10—13]等嘗試性地將蟻群分類規(guī)則挖掘算法引入遙感影像分類。研究表明,該算法能夠獲得比極大似然法、決策樹法等傳統(tǒng)分類算法更好的分類效果。這是因為蟻群算法具有以下優(yōu)勢:該算法利用了正反饋原理,在一定程度上可以加快進化過程;智能個體之間不斷進行信息交流和傳遞,具有較強的發(fā)現(xiàn)最優(yōu)解的能力;同時,蟻群規(guī)則挖掘算法是一種無參數(shù)分類的智能算法,具有較強的魯棒性,不會由于一個或者某幾個智能個體的故障而影響到整個問題的求解。但簡單的蟻群算法也存在一些缺陷,如容易陷入局部最優(yōu)解、收斂慢和計算時間長等問題[9,14],所挖掘出來的規(guī)則往往較多且復(fù)雜,不利于分類工作的進行和分類效率的提高。因此,如何在較短的時間內(nèi)發(fā)現(xiàn)具有更強的預(yù)測能力,包括更少的規(guī)則集以及形式更簡單的分類規(guī)則是值得研究的問題。

    為了探索在短時間內(nèi)發(fā)現(xiàn)更優(yōu)的分類規(guī)則,提高分類精度,本文將變異算子引入蟻群規(guī)則挖掘算法中,同時在信息素濃度更新上采取自適應(yīng)調(diào)整策略,試圖改進已有的蟻群規(guī)則挖掘算法,并與傳統(tǒng)規(guī)則挖掘算法進行對比分析,驗證改進型的蟻群規(guī)則挖掘算法在遙感影像分類應(yīng)用中的優(yōu)勢。以長沙市2006年TM影像為試驗數(shù)據(jù),分別對其分類精度和效率進行了分析與評價。

    2 Ant-miner算法

    文獻[9]提出的蟻群規(guī)則挖掘算法(Ant-miner)將螞蟻構(gòu)造規(guī)則的過程分為3個階段[9]。首先,從一條空路徑開始重復(fù)選擇屬性節(jié)點增加到路徑上,直到得到一條完整路徑,即構(gòu)造了一條分類規(guī)則;然后,進行規(guī)則的剪枝,移去多余不相關(guān)的屬性節(jié)點,避免分類規(guī)則對樣本的過度擬合;最后,更新所有路徑上的信息素濃度,對下一只螞蟻構(gòu)造規(guī)則施加影響。

    在Ant-miner算法的遙感影像分類規(guī)則挖掘中,算法的目的是從訓(xùn)練樣本中挖掘出分類規(guī)則,每個螞蟻不斷尋找分類規(guī)則,最終挖掘出一個最優(yōu)的規(guī)則集,其中屬性節(jié)點對應(yīng)遙感影像訓(xùn)練樣本波段的離散值,類節(jié)點對應(yīng)目標(biāo)地類。路徑為屬性節(jié)點和類節(jié)點的連線,其中每個屬性節(jié)點最多出現(xiàn)一次且必須有類節(jié)點,如圖1所示,每條路徑即為一條分類規(guī)則。規(guī)則挖掘中每個規(guī)則的形式一般為:if〈conditions〉then〈class〉,規(guī)則中的conditions包含一組屬性節(jié)點(termij,其中i為條件屬性數(shù),j為屬性i的取值個數(shù))條件集合,一般表示為term1and term2and…,而每一個term就是一個〈attribute operation value〉,如〈波段1<20.5〉;class定義了樣本的預(yù)測類,這些樣本的預(yù)測屬性滿足規(guī)則條件所定義的所有條件[15]。

    由于Ant-miner算法在規(guī)則剪枝和部分參數(shù)設(shè)置等方面操作過于簡單,在進行較為復(fù)雜的工作如遙感分類時,往往難以獲得理想的結(jié)果。

    圖1 分類規(guī)則對應(yīng)的路徑Fig.1 Route corresponding to classification rule

    3 Ant-miner算法改進

    3.1 Ant-miner算法存在的問題分析

    蟻群算法具有較強的發(fā)現(xiàn)最優(yōu)解能力,且具有較好的魯棒性。但Ant-miner算法也有一些系統(tǒng)本身所具有的不足,主要表現(xiàn)如下[14,16-17]:

    (1)蟻群系統(tǒng)的一個比較大的風(fēng)險就是容易收斂于局部最優(yōu)解。這是因為,在蟻群系統(tǒng)中,螞蟻更多地采用自然的方式來執(zhí)行信息素的更新,即每個螞蟻一旦獲得某個解,不管質(zhì)量如何,都會依據(jù)該解來進行全局信息素更新。這樣會引起在搜索初期螞蟻的運動是隨機的,獲得的解并不一定是最優(yōu)解,這會使得一些較差路徑上信息素增強,對后續(xù)螞蟻進行錯誤引導(dǎo),從而導(dǎo)致規(guī)則的質(zhì)量不高。

    (2)Ant-miner算法往往需要較長的搜索時間,主要原因是在進化的初始階段,各個路徑上的信息素差別很小,同時在信息素濃度更新時,信息素揮發(fā)系數(shù)一般采用相同的固定值,雖然對全局信息素進行了更新,但對下只螞蟻選擇路徑時所產(chǎn)生的影響效果并不明顯,螞蟻的運動很隨機,特別在遙感分類試驗中,波段數(shù)據(jù)量大且土地覆蓋類型復(fù)雜,更難在短時間內(nèi)發(fā)現(xiàn)最優(yōu)路徑。只有經(jīng)過較長一段時間,才能使得較好的路徑上信息素濃度高于其他路徑,隨著這一過程的進行,路徑上的信息量差別越來越明顯,從而得到最優(yōu)路徑。

    (3)Ant-miner算法最初只考慮了可用規(guī)則集的預(yù)測準(zhǔn)確度,沒有考慮規(guī)則的精簡性,所挖掘出來的規(guī)則往往較多且復(fù)雜。采用逐個去掉每個屬性節(jié)點的規(guī)則剪枝策略,使得到的最終規(guī)則不一定是最精簡的最優(yōu)解,這就需要更多更復(fù)雜的規(guī)則來提升規(guī)則集的預(yù)測準(zhǔn)確度。

    3.2 蟻群規(guī)則挖掘算法的改進

    本文在Ant-miner算法的基礎(chǔ)上對信息素濃度更新函數(shù)進行優(yōu)化,對揮發(fā)系數(shù)進行自適應(yīng)調(diào)整,對剪枝后的規(guī)則執(zhí)行變異,以期在短時間內(nèi)挖掘出更優(yōu)規(guī)則集。

    3.2.1 信息素濃度更新的改進

    式中,τij為條件屬性節(jié)點的信息素濃度,當(dāng)?shù)谝恢晃浵侀_始構(gòu)造路徑時,所有屬性節(jié)點的信息素濃度被初始化為相同的值;ρ為信息素的揮發(fā)系數(shù);Q為分類規(guī)則的有效性,其衡量公式為

    式中,TP表示滿足規(guī)則條件,所屬于的類別與規(guī)則預(yù)測類別相同的記錄數(shù)量;FN表示不滿足規(guī)則條件,所屬于的類別與規(guī)則預(yù)測類別相同的記錄數(shù)量;TN表示不滿足規(guī)則條件,所屬于的類別與規(guī)則預(yù)測類別不同的記錄數(shù)量;FP表示滿足規(guī)則條件,所屬于的類別與規(guī)則預(yù)測類別不同的記錄數(shù)量。

    其次,對原有算法中的信息素揮發(fā)系數(shù)ρ進行改進。一般來講,ρ(0<ρ<1)過小會使信息素在少數(shù)路徑上聚集過多,造成后來的螞蟻絕大部分選擇局部最優(yōu)路線,降低算法全局最優(yōu)解的搜索能力;ρ過大又會使各條路徑上的信息素難以在較短的時間內(nèi)區(qū)別開來,導(dǎo)致算法收斂速度緩慢,從而延長計算時間。因此,ρ的大小直接關(guān)系到蟻群算法的全局搜索能力及其收斂速度。在Ant-miner算法中,ρ設(shè)為一個簡單的固定值,使得螞蟻搜索時間較長且不易得到最優(yōu)規(guī)則,從而影響分類結(jié)果的精度和效率。本文對ρ進行自適應(yīng)調(diào)整,取ρ的初始值ρ(0)=0,當(dāng)算法求得的最優(yōu)解在多次循環(huán)內(nèi)沒有明顯的改進時,采取調(diào)整參數(shù)策略。在本文遙感分類試驗中,經(jīng)過對樣本數(shù)據(jù)的分析并反復(fù)試驗,得到最優(yōu)系數(shù)值為0.95,如下式

    式中,ρmin為最小值。

    對ρ采取自適應(yīng)調(diào)整,一方面使得螞蟻在走過的路徑上留下的信息素能夠較為平穩(wěn)緩和地增加,避免增加的太快對后續(xù)螞蟻造成影響而陷入局部最優(yōu)解;另一方面,當(dāng)算法多次循環(huán)無明顯改進時,能夠加大螞蟻走過路徑上信息量的揮發(fā),啟發(fā)后續(xù)螞蟻尋找其他路徑,加大搜索范圍。這樣既可以保留上次搜索得到的有效信息,在較好區(qū)域可以進行更精細的搜索,加快算法收斂,又可以保證大范圍搜索的有效性。

    3.2.2 變異算子的引進

    為了加快進化過程,縮短計算時間,變異策略被引入到蟻群算法求解旅行商、圖像處理等問題當(dāng)中,并取得了較好的效果[16-20],但在遙感分類方面的應(yīng)用則未見報道。因此,本文將變異算子引入蟻群算法中,以提高某個螞蟻搜索到的規(guī)則的質(zhì)量,并縮短計算時間。具體方法為,對于剪枝后的規(guī)則,執(zhí)行單點變異,即隨機選擇某個屬性節(jié)點,用這個屬性節(jié)點對應(yīng)屬性的另一個屬性節(jié)點取代原有屬性節(jié)點從而構(gòu)成新的規(guī)則,如果新規(guī)則的有效性大于原有規(guī)則,則進行變異,否則不進行變異。這個操作簡單,且只需很短的時間,卻能擴大搜索范圍,提高修剪后的規(guī)則質(zhì)量,從而可以加快算法收斂速度。變異算子的形式化描述如下。

    3.3 改進蟻群規(guī)則挖掘算法過程

    改進蟻群規(guī)則挖掘算法的過程如圖2所示。在迭代運算過程中,每只螞蟻都構(gòu)造出一條規(guī)則,經(jīng)過規(guī)則修剪后執(zhí)行變異,得到有效性好而且形式簡單的規(guī)則,這些規(guī)則當(dāng)中有效性最好的由于其信息素濃度逐漸增強而得以保留,并添加到最優(yōu)規(guī)則集中,其他有效性較差的規(guī)則被丟棄。訓(xùn)練樣本集則進行相應(yīng)修改,符合最優(yōu)規(guī)則條件的樣本將從訓(xùn)練樣本集中移除,這實質(zhì)上是一種序列覆蓋算法,這樣得到新的樣本集,開始下一次迭代。在下一次迭代運算前,更新信息素濃度,此時所有屬性節(jié)點的信息素濃度將被重新初始化。當(dāng)多次循環(huán)最優(yōu)解無明顯改進時,信息素揮發(fā)系數(shù)按照公式(4)進行自適應(yīng)調(diào)整。直到剩余的訓(xùn)練樣本數(shù)小于預(yù)定的樣本數(shù)M。

    圖2 改進蟻群規(guī)則挖掘算法原理Fig.2 Principle of rule mining based on improved ant colony algorithm

    4 遙感影像分類試驗

    基于蟻群算法的遙感分類主要由3部分組成:分類規(guī)則挖掘、土地覆蓋分類和分類精度評價。分類規(guī)則主要通過蟻群算法從訓(xùn)練數(shù)據(jù)中挖掘出來,本文中蟻群規(guī)則挖掘算法是在Visual Studio 2008環(huán)境中用C#語言編程實現(xiàn)的。土地覆蓋分類則是根據(jù)蟻群算法挖掘出來的分類規(guī)則對遙感影像分類。分類精度評價是用驗證樣本數(shù)據(jù)對分類結(jié)果進行檢驗評價。由于蟻群規(guī)則挖掘算法只能處理離散化的數(shù)據(jù),盡管遙感數(shù)據(jù)各波段的值為0~255的離散值,但波段的區(qū)間過多,會影響蟻群算法的效率和規(guī)則的質(zhì)量,因此,在建立規(guī)則之前需要將訓(xùn)練數(shù)據(jù)集進行離散化,即將各波段數(shù)據(jù)劃分為有限的區(qū)間。本文采用基于信息熵的離散化方法離散遙感影像波段值[21]。

    4.1 試驗區(qū)與數(shù)據(jù)

    試驗中采用的數(shù)據(jù)是2006年11月1日獲取的長沙市地區(qū)的TM衛(wèi)星數(shù)據(jù),經(jīng)過影像拼接、幾何校正、輻射校正和影像裁剪等預(yù)處理后,選取的研究范圍為長沙城區(qū),分辨率為30m,選擇的波段為1~5波段和7波段,共6個波段數(shù)據(jù)。圖3為本研究區(qū)域5、4、3波段所合成的假彩色影像圖。以研究區(qū)域2006年1∶50 000的土地利用現(xiàn)狀圖為參考,結(jié)合同期IKONOS影像數(shù)據(jù),通過目視解譯獲取不同土地利用類型,以此作為本文遙感影像的訓(xùn)練區(qū)選取及分類精度評價的先驗數(shù)據(jù)。輔助參考數(shù)據(jù)為該研究區(qū)域數(shù)字化地形圖等。

    訓(xùn)練樣本的選擇直接影響蟻群算法挖掘的規(guī)則質(zhì)量,進而影響分類結(jié)果。通過野外調(diào)查和對照土地利用現(xiàn)狀數(shù)據(jù),采用分層隨機采樣的方法來獲取訓(xùn)練樣本和驗證數(shù)據(jù)集,如表1所示。確定的土地利用覆蓋類型分別為:水體、建設(shè)用地、林地、裸地和農(nóng)業(yè)用地,訓(xùn)練數(shù)據(jù)集的樣本數(shù)為1010,驗證數(shù)據(jù)集的樣本數(shù)為1204。

    表1 訓(xùn)練樣本和驗證樣本Tab.1 The training data and test data

    圖3 長沙市區(qū)TM影像5、4、3假彩色合成圖Fig.3 TM image(5、4、3)false color composite graph of Changsha city

    4.2 分類規(guī)則挖掘與試驗結(jié)果

    在運用蟻群算法挖掘遙感影像分類規(guī)則時,離散化后的各波段值作為螞蟻路徑的屬性節(jié)點,分類類別作為螞蟻路徑的類節(jié)點,每條路徑對應(yīng)一條分類規(guī)則。本試驗利用改進的蟻群規(guī)則挖掘算法共獲得了11條分類規(guī)則,利用Ant-miner算法共獲得了23條分類規(guī)則,表2列出了部分分類規(guī)則,其中B1、B2、…、B5和B7分別對應(yīng)波段1、波段2、…、波段5和波段7。根據(jù)所獲得的分類規(guī)則,對試驗影像進行分類,分類結(jié)果見圖4(a)和圖4(b)。同時,用相同的訓(xùn)練樣本數(shù)據(jù)對影像用決策樹法和極大似然方法進行了分類,分類結(jié)果見圖4(c)和圖4(d)。

    表2 改進蟻群算法和Ant-miner算法挖掘的部分分類規(guī)則Tab.2 Part of classification rules from improved ant colony algorithm and Ant-miner algorithm

    圖4 長沙市區(qū)TM影像土地覆蓋分類結(jié)果圖Fig.4 Land cover classification results of Changsha city TM image

    4.3 分類精度評價

    為了對比這4種方法的精度,用驗證樣本數(shù)據(jù)對改進蟻群算法、Ant-miner算法、決策樹法和極大似然方法分別進行了精度評價,得到混淆矩陣如表3、表4、表5、表6所示。對比表3、表4和表6,可以看出基于改進蟻群算法的分類結(jié)果比極大似然分類法的總體精度提高了7.31%,Kappa系數(shù)提高了0.093 5;基于Ant-miner算法的分類結(jié)果比極大似然分類法的總體精度提高5.15%,Kappa系數(shù)提高了0.065 7,說明蟻群智能分類方法能較為真實地反映實際的土地利用覆蓋類型。對比表3和表4,可以看出基于改進蟻群算法的分類結(jié)果比Ant-miner算法總體精度提高了2.16%,Kappa系數(shù)提高了0.027 8,特別對林地和裸地分類精度提高較多,說明本文所提出的改進策略是可行的、有效的。對比表4、表5和表6,可以看出基于改進蟻群算法的分類結(jié)果比決策樹法總體精度提高了4.82%,Kappa系數(shù)提高了0.062;基于Ant-miner算法的分類結(jié)果比決策樹法總體精度提高了2.66%,Kappa系數(shù)提高了0.034 2,說明蟻群規(guī)則挖掘算法用于分類較傳統(tǒng)的決策樹算法也有一定優(yōu)勢。

    表3 長沙市區(qū)改進蟻群算法遙感土地覆蓋分類精度評價Tab.3 Accuracy assessment on improved ant colony algorithm land cover classification of Changsha city

    表4 長沙市區(qū)Ant-miner算法遙感土地覆蓋分類精度評價Tab.4 Accuracy assessment on Ant-miner algorithm land cover classification of Changsha city

    表5 長沙市區(qū)決策樹法遙感土地覆蓋分類精度評價Tab.5 Accuracy assessment on Decision tree algorithm land cover classification of Changsha city

    表6 長沙市區(qū)極大似然法遙感土地覆蓋分類精度評價Tab.6 Accuracy assessment on ML algorithm land cover classification of Changsha city

    為了進一步體現(xiàn)基于蟻群算法的遙感分類的優(yōu)勢,以及本文對算法改進的可靠性。對決策樹法、Ant-miner算法和改進蟻群算法所挖掘出來的規(guī)則進行對比,3種方法的所有規(guī)則個數(shù)和平均term的個數(shù)如表7所示。對比表7可以看出,改進蟻群算法所挖掘出來的規(guī)則數(shù)目大大減少,同時單個規(guī)則也較為簡潔。與決策樹和Antminer相比,本文算法不僅能發(fā)現(xiàn)預(yù)測能力更強的規(guī)則集,而且在形式上也更簡單,包括更少規(guī)則的規(guī)則集和更短的規(guī)則。同時,表8對比了改進蟻群算法和Ant-miner算法的計算時間,改進蟻群算法比Ant-miner算法的計算時間縮短5.41s,計算效率相對提高43%,試驗結(jié)果充分說明改進蟻群算法能夠有效的節(jié)省計算時間,大大提高了分類效率。

    表7 3種算法挖掘的規(guī)則個數(shù)和平均規(guī)則數(shù)Tab.7 The mining rules number and the average number of rules by three of the algorithm

    表8 改進蟻群算法和Ant-miner算法的計算時間Tab.8 The calculation time of improved ant-miner and ant-miner s

    5 結(jié) 論

    (1)蟻群智能算法具有較強的魯棒性、自適應(yīng)性、非線性和正反饋機制,能夠為遙感數(shù)據(jù)的智能化處理提供一種有效的方法和途徑,因此在進行復(fù)雜的遙感影像分類時具有較為明顯的優(yōu)勢。但簡單蟻群算法也存在容易陷入局部最優(yōu)解、收斂慢和計算時間長等問題,為了解決這些問題,本文在Ant-miner算法基礎(chǔ)上改進信息素濃度更新策略,引進變異算子,提出了基于改進蟻群規(guī)則挖掘算法,相對于Ant-miner算法和決策樹方法而言,改進蟻群規(guī)則挖掘算法能夠發(fā)現(xiàn)更好的分類規(guī)則,包括更強的預(yù)測能力,有更短的規(guī)則和更少的規(guī)則集。

    (2)將改進蟻群規(guī)則挖掘算法應(yīng)用于長沙市城區(qū)的遙感影像分類,取得了較為理想的分類結(jié)果。并與Ant-miner算法、決策樹法和極大似然法進行了對比研究,其中改進蟻群算法總體精度為90.78%,Kappa系數(shù)為0.882 1;Ant-miner算法總體精度為88.62%,Kappa系數(shù)為0.854 3;決策樹法總體精度為85.96%,Kappa系數(shù)為0.820 1;極大似然法總體精度為83.47%,Kappa系數(shù)為0.788 6。這表明改進蟻群算法比Ant-miner算法、決策樹法和極大似然法的分類精度更高。同時,試驗結(jié)果還表明,改進蟻群算法比Ant-miner算法的計算時間縮短5.41s,計算效率相對提高43%,充分說明改進蟻群算法能夠有效地節(jié)省計算時間,提高分類效率。

    (3)蟻群算法為遙感數(shù)據(jù)分類提供了一種新的方法,但蟻群算法用于遙感數(shù)據(jù)處理還處于起步階段,對該算法進行進一步的優(yōu)化和完善將是以后研究中的重點。目前該算法只能處理離散化的數(shù)據(jù),無需離散化而直接應(yīng)用蟻群算法進行計算是下一步的研究目標(biāo)。

    [1] WILKINSOMG G.Results and Implications of a Study of Fifteen Years of Satellite Image Classification Experiments[J].IEEE Transaction on Geoscience and Remote Sensing,2005,43(3):433-440.

    [2] ZHENG Zhong,ZENG Yongnian,LIU Huimin,et al.The Errors Analysis of Combined Classifier Based on Parallel Structure[J].Remote Sensing Technology and Application,2011,26(3):340-347.(鄭忠,曾永年,劉慧敏,等.并聯(lián)結(jié)構(gòu)組合分類器的誤差分析[J].遙感技術(shù)與應(yīng)用,2011,26(3):340-347.)

    [3] MA Jianwen,LI Qiqing,HASIBAGAN,et al.Remote Sensing Data Processing Method and Program Design[M].Beijing:Science Press,2005:1-20.(馬建文,李啟青,哈斯巴干,等.遙感數(shù)據(jù)智能處理方法與程序設(shè)計[M].北京:科學(xué)出版社,2005:1-20.)

    [4] COLOMI A,DORIGO M,MANIEZZO V.Distributed Optimization by Ant Colonies[C]∥Proceedings of the 1st European Conference on Artificial Life.Paris:Elsevier Publishing,1991:134-142.

    [5] LU D,WENG Q.A Survey of Image Classification Methods and Techniques for Improving Classification Performances[J].International Journal of Remote Sensing,2007,28(5):824-849.

    [6] DORIGO M,GAMBARDELLA L M.Ant Colony System:A Cooperative Learning Approach to the Traveling Salesman Problem[J].IEEE Transactions on Evolutionary Computation,1997,1(1):53-66.

    [7] ZHAO Yuan,ZHANG Xinchang,KANG Tingjun.A Parallel Ant Colony Optimization Algorithm for Site Location[J].Acta Geodaetica et Cartographica Sinica,2010,39(3):322-327.(趙元,張新長,康停軍.并行蟻群算法及其在區(qū)位選址中的應(yīng)用[J].測繪學(xué)報,2010,39(3):322-327.)

    [8] ZHENG Chunyan,GUO Qingsheng,HU Huake.The Simplification Model of Linear Objects Based on Ant Colony Optimization Algorithm[J].Acta Geodaetica et Cartographica Sinica,2011,40(5):635-638.(鄭春燕,郭慶勝,胡華科.基于蟻群優(yōu)化算法的線狀目標(biāo)簡化模型[J].測繪學(xué)報,2011,40(5):635-638.)

    [9] PARPINELL R S,LOPES H S,F(xiàn)REITAS A A.Data Mining with an Ant Colony Optimization Algorithm[J].IEEE Transaction on Evolutionary Computation,2002,6(4):321-332.

    [10] WANG Shugen,YANG Yun,LIN Ying,et al.Automatic Classification of Remotely Sensed Images Based on Artificial Ant Colony Algorithm[J].Computer Engineering and Applications,2005,41(29):77-80.(王樹根,楊耘,林穎,等.基于人工蟻群優(yōu)化算法的遙感圖像自動分類[J].計算機工程與應(yīng)用,2005,41(29):77-80.)

    [11] YE Zhiwei,ZHENG Zhaobao,WAN Youchuan,et al.A Novel Approach for Feature Selection Based on Ant Colony Optimization Algorithm[J].Geomatics and Information of Wuhan University,2007,32(12):1127-1130.(葉志偉,鄭肇葆,萬幼川,等.基于蟻群優(yōu)化的特征選擇新方法[J].武漢大學(xué)學(xué)報:信息科學(xué)版,2007,32(12):1127-1130.)

    [12] LIU Xiaoping,LI Xia,HE Jinqiang,et al.Classification of Remote Sensing Images Based on Ant Colony Optimization[J].Journal of Remote Sensing,2008,12(2):253-262.(劉小平,黎夏,何晉強,等.基于蟻群智能的遙感影像分類新方法[J].遙感學(xué)報,2008,12(2):253-262.)

    [13] DAI Qin,LIU Jianbo.Research on Remote Sensing Image Classification Using Ant Colony Optimization Based Classification Rule Mining Algorithm [J].Computer Engineering and Application,2008,44(15):12-14.(戴芹,劉建波.基于蟻群優(yōu)化分類規(guī)則挖掘的遙感圖像分類研究[J].計算機工程與應(yīng)用,2008,44(15):12-14.)

    [14] DORIGO M,MANIEZZO V,COLORNI A.Ant System:An Autocatalytic Optimizing Process[R].Milan:Politecnico di Milano,1991.

    [15] ZHANG Weijiao,LIU Chunhuang,YIN Xiaofeng.Application Research on Data Mining Using Ant Colony Algorithm[J].Computer Engineering and Applications,2004,40(28):171-173.(張惟皎,劉春煌,尹曉峰.蟻群算法在數(shù)據(jù)挖掘中的應(yīng)用研究[J].計算機工程與應(yīng)用,2004,40(28):171-173.)

    [16] LI Shiyong.Ant Conoly Algorithm and Application[M].Harbin:Harbin Institute of Technology Press,2004.(李士勇.蟻群算法及其應(yīng)用[M].哈爾濱:哈爾濱工業(yè)大學(xué)出版社,2004.)

    [17] WU Zhenglong,Wang Rujing,Teng Mingui,et al.Mining Classification Rule Based on Colony Algorithm [J].Computer Engineering and Application,2004,40(2):30-33.(吳正龍,王儒敬,滕明貴,等.基于蟻群算法的分類規(guī)則挖掘算法[J].計算機工程與應(yīng)用,2004,40(20):30-33.)

    [18] MICHALEWICCZ Z.Genetic Algorithms+Data Structures=Evolution Programs[M].2nd ed.New York:Springer Verlag,1994.

    [19] WU Qinghong,ZHANG Jihui,XU Xinhe.An Ant Colony Algotithm with Mutation Features[J].Journal of Computer Research and Development,1999,36(10):1240-1245.(吳慶洪,張記會,徐心和.具有變異特征的蟻群算 法 [J].計 算 機 研 究 與 發(fā) 展,1999,36(10):1240-1245.)

    [20] LIU Shuo,WU Honggan,WEN Qingke.Segmentation of Remote Sensing Image Based on a Combination of Genetic Algorithm and Ant Colony Algorithm[J].Geomatics and Information of Wuhan University,2009,34(6):679-683.(劉朔,武紅敢,溫慶可.基于遺傳和蟻群組合算法優(yōu)化的遙感圖像分割[J].武漢大學(xué)學(xué)報:信息科學(xué)版,2009,34(6):679-683.)

    [21] XIE Hong,CHENG Haozhong,NIU Dongxiao.Discretization of Continuous Attributes in Rough Set Theory Based on Information Entropy[J].Chinese Journal of Computers,2005,28(9):1570-1574.(謝宏,程浩忠,牛東曉.基于信息熵的粗糙集連續(xù)屬性離散化算法[J].計算機學(xué)報,2005,28(9):1570-1574.)

    猜你喜歡
    決策樹螞蟻規(guī)則
    撐竿跳規(guī)則的制定
    數(shù)獨的規(guī)則和演變
    一種針對不均衡數(shù)據(jù)集的SVM決策樹算法
    決策樹和隨機森林方法在管理決策中的應(yīng)用
    電子制作(2018年16期)2018-09-26 03:27:06
    讓規(guī)則不規(guī)則
    Coco薇(2017年11期)2018-01-03 20:59:57
    我們會“隱身”讓螞蟻來保護自己
    螞蟻
    TPP反腐敗規(guī)則對我國的啟示
    基于決策樹的出租車乘客出行目的識別
    基于肺癌CT的決策樹模型在肺癌診斷中的應(yīng)用
    精品免费久久久久久久清纯| 网址你懂的国产日韩在线| 亚洲欧美激情综合另类| 黄频高清免费视频| 一二三四社区在线视频社区8| 国产一区二区在线观看日韩 | 亚洲人与动物交配视频| 免费看十八禁软件| 亚洲精华国产精华精| 久久中文字幕人妻熟女| 国产一区二区三区在线臀色熟女| 19禁男女啪啪无遮挡网站| 每晚都被弄得嗷嗷叫到高潮| 日韩欧美一区二区三区在线观看| 好男人电影高清在线观看| 久久久久久九九精品二区国产| 亚洲一区二区三区色噜噜| 国产精品国产高清国产av| 岛国在线观看网站| 老熟妇乱子伦视频在线观看| 一二三四在线观看免费中文在| 亚洲欧美日韩东京热| 久久久久国产精品人妻aⅴ院| 757午夜福利合集在线观看| 亚洲午夜精品一区,二区,三区| 国产精品99久久99久久久不卡| 美女午夜性视频免费| 好男人电影高清在线观看| 黄色 视频免费看| 小说图片视频综合网站| 国产午夜精品论理片| 日本黄色片子视频| 麻豆国产av国片精品| 久久久久九九精品影院| 中文字幕人成人乱码亚洲影| 精品不卡国产一区二区三区| 久久国产精品人妻蜜桃| www.熟女人妻精品国产| 欧美3d第一页| 很黄的视频免费| 午夜精品久久久久久毛片777| 禁无遮挡网站| 亚洲欧美日韩卡通动漫| 一个人免费在线观看的高清视频| 中文字幕人妻丝袜一区二区| 国产精品久久久久久精品电影| 啦啦啦免费观看视频1| 男女午夜视频在线观看| 久久久久久九九精品二区国产| 国产一区二区三区视频了| 亚洲欧美精品综合一区二区三区| 曰老女人黄片| 日韩欧美在线乱码| 精品久久久久久久人妻蜜臀av| 亚洲人成网站高清观看| 亚洲在线观看片| 高潮久久久久久久久久久不卡| 日韩欧美国产在线观看| 欧美大码av| 国产久久久一区二区三区| 欧美极品一区二区三区四区| 精品日产1卡2卡| 首页视频小说图片口味搜索| 免费在线观看成人毛片| 黄色片一级片一级黄色片| 两性夫妻黄色片| 国产精品久久视频播放| 日本a在线网址| 制服丝袜大香蕉在线| 国产精品一区二区三区四区久久| 亚洲,欧美精品.| 黄片小视频在线播放| 亚洲国产欧洲综合997久久,| 久久精品影院6| 亚洲国产欧美人成| or卡值多少钱| 国产一区二区三区在线臀色熟女| 亚洲av第一区精品v没综合| 亚洲国产欧美一区二区综合| 桃红色精品国产亚洲av| 国产精华一区二区三区| www.www免费av| 一边摸一边抽搐一进一小说| 亚洲黑人精品在线| 午夜福利视频1000在线观看| 精品一区二区三区视频在线 | 美女大奶头视频| 欧美日韩综合久久久久久 | 国产精品99久久久久久久久| 亚洲在线观看片| 亚洲 欧美一区二区三区| 久久精品国产综合久久久| 亚洲一区二区三区不卡视频| 曰老女人黄片| 国产乱人伦免费视频| 国产激情偷乱视频一区二区| 亚洲第一电影网av| 99热这里只有精品一区 | 一个人看的www免费观看视频| 国产精品亚洲一级av第二区| 色哟哟哟哟哟哟| 国产精品影院久久| 国产真人三级小视频在线观看| 久久精品aⅴ一区二区三区四区| 男女下面进入的视频免费午夜| 亚洲自拍偷在线| 最新中文字幕久久久久 | av视频在线观看入口| 久久天躁狠狠躁夜夜2o2o| 国产精华一区二区三区| 久久久久性生活片| 老司机午夜福利在线观看视频| 成人18禁在线播放| 怎么达到女性高潮| 亚洲国产精品合色在线| 999久久久精品免费观看国产| 99久久久亚洲精品蜜臀av| 国产三级在线视频| 国产高清激情床上av| 国产午夜精品久久久久久| 亚洲激情在线av| 国产精品久久久人人做人人爽| 日本精品一区二区三区蜜桃| 国产三级黄色录像| av在线天堂中文字幕| 色精品久久人妻99蜜桃| 在线观看日韩欧美| 在线看三级毛片| 成年女人毛片免费观看观看9| 欧洲精品卡2卡3卡4卡5卡区| 丰满人妻熟妇乱又伦精品不卡| 久久久精品大字幕| 欧美日韩国产亚洲二区| 日本黄大片高清| 欧美在线黄色| 日韩三级视频一区二区三区| 国产高清有码在线观看视频| 午夜福利视频1000在线观看| 老司机午夜福利在线观看视频| xxx96com| 白带黄色成豆腐渣| 欧美+亚洲+日韩+国产| 在线视频色国产色| 一进一出好大好爽视频| 国产精品日韩av在线免费观看| www.www免费av| 老司机午夜福利在线观看视频| 亚洲av中文字字幕乱码综合| 成人国产综合亚洲| 免费在线观看影片大全网站| 男女下面进入的视频免费午夜| 天堂动漫精品| av在线天堂中文字幕| 毛片女人毛片| 黄色丝袜av网址大全| 看黄色毛片网站| 一个人看视频在线观看www免费 | 男人舔女人的私密视频| 88av欧美| 最近最新中文字幕大全免费视频| 久9热在线精品视频| 女人被狂操c到高潮| 淫妇啪啪啪对白视频| 国产亚洲精品综合一区在线观看| 黄色成人免费大全| 人人妻人人澡欧美一区二区| 久久精品国产清高在天天线| 51午夜福利影视在线观看| 三级毛片av免费| 国产探花在线观看一区二区| 老熟妇乱子伦视频在线观看| 亚洲乱码一区二区免费版| 男女床上黄色一级片免费看| 亚洲国产欧美一区二区综合| 在线看三级毛片| 国产aⅴ精品一区二区三区波| 搞女人的毛片| 国产乱人视频| 宅男免费午夜| 69av精品久久久久久| 欧美色欧美亚洲另类二区| 看免费av毛片| 亚洲国产高清在线一区二区三| 欧美av亚洲av综合av国产av| 国产精品日韩av在线免费观看| 一本久久中文字幕| 成年免费大片在线观看| 脱女人内裤的视频| 小说图片视频综合网站| 男女下面进入的视频免费午夜| 90打野战视频偷拍视频| 最近最新免费中文字幕在线| 女人被狂操c到高潮| 国产亚洲精品av在线| 亚洲熟女毛片儿| 五月伊人婷婷丁香| 一个人免费在线观看电影 | 亚洲成人免费电影在线观看| 最新中文字幕久久久久 | 欧美日韩亚洲国产一区二区在线观看| 中文资源天堂在线| 久久久久亚洲av毛片大全| 长腿黑丝高跟| 在线观看午夜福利视频| 给我免费播放毛片高清在线观看| 女人被狂操c到高潮| 国产午夜精品论理片| av中文乱码字幕在线| 国产欧美日韩精品亚洲av| 日本一二三区视频观看| 真实男女啪啪啪动态图| 曰老女人黄片| 国产三级在线视频| 亚洲无线在线观看| 成人av在线播放网站| 丁香六月欧美| 国产乱人视频| 亚洲精品美女久久av网站| 高清毛片免费观看视频网站| 亚洲国产精品久久男人天堂| 亚洲va日本ⅴa欧美va伊人久久| 国产一区二区三区视频了| 男女床上黄色一级片免费看| 色精品久久人妻99蜜桃| 女人被狂操c到高潮| 9191精品国产免费久久| 国产99白浆流出| 国产精品,欧美在线| 99国产精品一区二区蜜桃av| 亚洲一区高清亚洲精品| 熟妇人妻久久中文字幕3abv| 欧美又色又爽又黄视频| 中文字幕人妻丝袜一区二区| 俺也久久电影网| 午夜久久久久精精品| 午夜久久久久精精品| 老司机深夜福利视频在线观看| av天堂在线播放| 床上黄色一级片| 男人和女人高潮做爰伦理| 男女那种视频在线观看| 国产黄片美女视频| 五月伊人婷婷丁香| 性色av乱码一区二区三区2| 国产视频内射| 久久久久久久久中文| 日韩欧美国产一区二区入口| 一个人免费在线观看的高清视频| 很黄的视频免费| 天堂av国产一区二区熟女人妻| 日韩欧美 国产精品| 深夜精品福利| 这个男人来自地球电影免费观看| 亚洲国产中文字幕在线视频| 精品福利观看| 亚洲国产看品久久| 国产精品久久久久久人妻精品电影| 国产v大片淫在线免费观看| 香蕉久久夜色| 无遮挡黄片免费观看| 国内毛片毛片毛片毛片毛片| 国产精品美女特级片免费视频播放器 | 国产精品 国内视频| 在线播放国产精品三级| 黄色成人免费大全| 久久久成人免费电影| 中国美女看黄片| 成人18禁在线播放| 在线a可以看的网站| 岛国视频午夜一区免费看| 丝袜人妻中文字幕| 男女那种视频在线观看| 黄色成人免费大全| 香蕉av资源在线| 在线观看午夜福利视频| 级片在线观看| 精品国产亚洲在线| 久久久久久久久久黄片| 精品久久久久久久末码| 天堂影院成人在线观看| 999精品在线视频| 哪里可以看免费的av片| 国产精品久久视频播放| 国产成人啪精品午夜网站| 国产亚洲av高清不卡| 在线免费观看的www视频| 给我免费播放毛片高清在线观看| 看免费av毛片| 久久久久久人人人人人| 久久中文字幕人妻熟女| 美女高潮的动态| 好看av亚洲va欧美ⅴa在| 午夜福利18| 最近最新免费中文字幕在线| 精品久久久久久久久久久久久| 在线观看66精品国产| 亚洲av美国av| 久99久视频精品免费| 国产激情偷乱视频一区二区| 久久久久亚洲av毛片大全| 偷拍熟女少妇极品色| 日本在线视频免费播放| 国产视频一区二区在线看| 国产欧美日韩精品亚洲av| 夜夜夜夜夜久久久久| 在线十欧美十亚洲十日本专区| 国产一区在线观看成人免费| a在线观看视频网站| 成人精品一区二区免费| 久久久久亚洲av毛片大全| 99久久无色码亚洲精品果冻| 夜夜躁狠狠躁天天躁| 欧美日本亚洲视频在线播放| 最近最新免费中文字幕在线| 波多野结衣巨乳人妻| 五月伊人婷婷丁香| a级毛片在线看网站| 国产成人av激情在线播放| 老熟妇仑乱视频hdxx| 免费大片18禁| 伦理电影免费视频| 一区二区三区高清视频在线| 最近视频中文字幕2019在线8| 色av中文字幕| 久久香蕉精品热| 天堂√8在线中文| 亚洲人成伊人成综合网2020| 欧美日韩瑟瑟在线播放| 在线免费观看的www视频| 精品熟女少妇八av免费久了| 韩国av一区二区三区四区| 中文字幕人成人乱码亚洲影| 性色avwww在线观看| 免费观看精品视频网站| 91字幕亚洲| 日本免费a在线| 最新在线观看一区二区三区| 精品久久久久久久人妻蜜臀av| 色在线成人网| 母亲3免费完整高清在线观看| www.熟女人妻精品国产| 欧美一区二区精品小视频在线| 少妇裸体淫交视频免费看高清| 国产激情久久老熟女| 国内精品美女久久久久久| 黄色视频,在线免费观看| 午夜福利成人在线免费观看| 成人特级黄色片久久久久久久| 麻豆国产97在线/欧美| 国产精品亚洲av一区麻豆| 99视频精品全部免费 在线 | 中文在线观看免费www的网站| 一区二区三区高清视频在线| 男女之事视频高清在线观看| 亚洲avbb在线观看| 悠悠久久av| 搡老妇女老女人老熟妇| 精品99又大又爽又粗少妇毛片 | 丁香欧美五月| 精品久久久久久久末码| 国产av麻豆久久久久久久| 美女免费视频网站| 色精品久久人妻99蜜桃| 日日摸夜夜添夜夜添小说| 啦啦啦免费观看视频1| 毛片女人毛片| 亚洲一区二区三区不卡视频| 午夜免费观看网址| 国产美女午夜福利| 国产精品亚洲一级av第二区| 国产精品,欧美在线| 精品欧美国产一区二区三| 又黄又粗又硬又大视频| 婷婷六月久久综合丁香| 欧美色视频一区免费| 久久久久免费精品人妻一区二区| 婷婷六月久久综合丁香| a在线观看视频网站| 91九色精品人成在线观看| 国产精品久久久久久精品电影| 男人和女人高潮做爰伦理| 在线观看舔阴道视频| 欧美av亚洲av综合av国产av| 亚洲精品粉嫩美女一区| 欧美色欧美亚洲另类二区| 三级男女做爰猛烈吃奶摸视频| 九色成人免费人妻av| 一卡2卡三卡四卡精品乱码亚洲| 免费在线观看影片大全网站| 午夜亚洲福利在线播放| 亚洲精品乱码久久久v下载方式 | 日本免费一区二区三区高清不卡| 99国产精品一区二区蜜桃av| 成人一区二区视频在线观看| 午夜a级毛片| 1024手机看黄色片| 无限看片的www在线观看| 国产高清视频在线观看网站| 久久久久国产一级毛片高清牌| 身体一侧抽搐| 免费搜索国产男女视频| 天堂av国产一区二区熟女人妻| 男女做爰动态图高潮gif福利片| 国产精品美女特级片免费视频播放器 | 最好的美女福利视频网| 午夜免费激情av| 国产伦一二天堂av在线观看| 一区福利在线观看| 午夜激情福利司机影院| 在线观看免费视频日本深夜| 日本免费a在线| 99热精品在线国产| 一区福利在线观看| 国产成人一区二区三区免费视频网站| 亚洲国产精品合色在线| 亚洲av日韩精品久久久久久密| 午夜成年电影在线免费观看| 97碰自拍视频| www.www免费av| 免费无遮挡裸体视频| 中文字幕熟女人妻在线| 真实男女啪啪啪动态图| 村上凉子中文字幕在线| 久久久国产成人免费| 久久香蕉精品热| 日本a在线网址| 日日夜夜操网爽| 久久精品夜夜夜夜夜久久蜜豆| 亚洲人成电影免费在线| 精品福利观看| 久久中文字幕人妻熟女| 亚洲人成网站高清观看| 少妇丰满av| 熟女人妻精品中文字幕| 午夜两性在线视频| 香蕉丝袜av| 国产精品电影一区二区三区| 在线观看一区二区三区| 成人性生交大片免费视频hd| 国产精品99久久99久久久不卡| a级毛片a级免费在线| 午夜成年电影在线免费观看| 亚洲精品在线观看二区| 后天国语完整版免费观看| 少妇人妻一区二区三区视频| 免费看美女性在线毛片视频| 国产精品电影一区二区三区| 久久精品夜夜夜夜夜久久蜜豆| 在线免费观看不下载黄p国产 | 日韩 欧美 亚洲 中文字幕| 18禁黄网站禁片午夜丰满| 婷婷精品国产亚洲av| 国产伦人伦偷精品视频| 黑人欧美特级aaaaaa片| 成人三级黄色视频| 午夜激情欧美在线| 黄色 视频免费看| 日韩高清综合在线| 757午夜福利合集在线观看| 亚洲狠狠婷婷综合久久图片| 国产人伦9x9x在线观看| 国产高清激情床上av| 午夜福利成人在线免费观看| 男女午夜视频在线观看| 国产精品美女特级片免费视频播放器 | 中文字幕人成人乱码亚洲影| 亚洲成a人片在线一区二区| 伊人久久大香线蕉亚洲五| 两个人视频免费观看高清| 看黄色毛片网站| 国产精品一区二区三区四区久久| 精品久久蜜臀av无| 人人妻,人人澡人人爽秒播| 在线观看免费午夜福利视频| 日韩欧美 国产精品| 久久久色成人| 999久久久精品免费观看国产| 男女视频在线观看网站免费| 免费在线观看视频国产中文字幕亚洲| 亚洲av电影在线进入| 99国产精品99久久久久| 日韩三级视频一区二区三区| 国产 一区 欧美 日韩| 中文字幕人成人乱码亚洲影| 成人鲁丝片一二三区免费| 午夜福利在线在线| 99精品久久久久人妻精品| 两个人的视频大全免费| 18禁裸乳无遮挡免费网站照片| 一二三四在线观看免费中文在| 久久天躁狠狠躁夜夜2o2o| 免费av不卡在线播放| 亚洲五月天丁香| 国产精品99久久99久久久不卡| 岛国在线免费视频观看| 国产亚洲精品一区二区www| 亚洲av电影在线进入| 99精品在免费线老司机午夜| 91麻豆精品激情在线观看国产| 欧美极品一区二区三区四区| 一级a爱片免费观看的视频| 亚洲一区高清亚洲精品| 精品久久久久久,| 两人在一起打扑克的视频| 午夜免费成人在线视频| 无人区码免费观看不卡| 好男人电影高清在线观看| 日韩有码中文字幕| 亚洲成人久久性| 精品熟女少妇八av免费久了| 亚洲成人免费电影在线观看| 性色avwww在线观看| 日本成人三级电影网站| 色精品久久人妻99蜜桃| 国产精品99久久99久久久不卡| 亚洲av熟女| 欧美乱码精品一区二区三区| 舔av片在线| 99久久99久久久精品蜜桃| a级毛片a级免费在线| 亚洲成av人片在线播放无| 国产精品日韩av在线免费观看| 天堂av国产一区二区熟女人妻| 国产精品九九99| 成人欧美大片| 久久精品综合一区二区三区| 中文字幕av在线有码专区| 成年女人永久免费观看视频| 在线国产一区二区在线| 天堂√8在线中文| 可以在线观看毛片的网站| 长腿黑丝高跟| 国产欧美日韩精品一区二区| 久久精品综合一区二区三区| 国产伦精品一区二区三区四那| 久久久久久大精品| 国产熟女xx| 国产黄色小视频在线观看| 一个人看视频在线观看www免费 | 老鸭窝网址在线观看| 久久国产精品影院| 男人的好看免费观看在线视频| 精品国产超薄肉色丝袜足j| 久久久色成人| 我的老师免费观看完整版| 国产真实乱freesex| 两个人的视频大全免费| 国产美女午夜福利| 嫩草影视91久久| 日本撒尿小便嘘嘘汇集6| 午夜影院日韩av| 无人区码免费观看不卡| 亚洲中文字幕日韩| 亚洲黑人精品在线| 99热精品在线国产| 久久精品国产亚洲av香蕉五月| 很黄的视频免费| 日本黄色视频三级网站网址| 久久中文字幕人妻熟女| 欧美大码av| 国内少妇人妻偷人精品xxx网站 | 日韩欧美国产在线观看| 亚洲一区二区三区色噜噜| or卡值多少钱| 亚洲精品乱码久久久v下载方式 | 1024香蕉在线观看| 欧美大码av| 美女高潮喷水抽搐中文字幕| 久久久精品大字幕| 日韩三级视频一区二区三区| 中文字幕高清在线视频| 日韩欧美免费精品| 老司机在亚洲福利影院| a在线观看视频网站| 黄色 视频免费看| 午夜激情福利司机影院| 午夜福利18| 国产激情久久老熟女| 精品乱码久久久久久99久播| 国产探花在线观看一区二区| 九九热线精品视视频播放| 亚洲国产日韩欧美精品在线观看 | 亚洲黑人精品在线| 久久香蕉精品热| 久99久视频精品免费| 国产野战对白在线观看| 国产成人欧美在线观看| 久久这里只有精品中国| 国产人伦9x9x在线观看| 亚洲精品美女久久av网站| 91在线观看av| cao死你这个sao货| 久久香蕉精品热| 国产麻豆成人av免费视频| 97人妻精品一区二区三区麻豆| 国内久久婷婷六月综合欲色啪| 久久中文看片网| 一区二区三区国产精品乱码| 狠狠狠狠99中文字幕| 在线观看66精品国产| 亚洲色图 男人天堂 中文字幕| av天堂在线播放| www.精华液| 亚洲熟妇中文字幕五十中出| 亚洲国产日韩欧美精品在线观看 | 午夜精品在线福利| 日韩精品青青久久久久久| 国产成人欧美在线观看| 99久久精品热视频| 免费在线观看日本一区| 我要搜黄色片| 网址你懂的国产日韩在线| 精品欧美国产一区二区三| 99国产极品粉嫩在线观看| 熟女少妇亚洲综合色aaa.|