• <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 ?

    基于信息融合和CS-SVM的學生綜合能力評估方法的研究

    2018-03-20 05:26:35楊亭榆傅成華
    關鍵詞:布谷鳥正確率分類

    楊亭榆, 傅成華

    (四川理工學院自動化與信息工程學院, 四川自貢643000)

    引言

    當今社會日新月異,隨著科學的飛快發(fā)展,我國急需一批綜合素質較強、具備獨擋一面能力的應用型人才。目前很多用人單位去各個高校招聘時只能通過查看學生的考試成績以及獲獎證書來判定學生的優(yōu)異度,這樣尤其突出了高校對學生綜合素質能力評判標準的重要性。高等教育多元化,各學科專業(yè)培養(yǎng)目標不同,因而需具備的能力素質不同,這就要求高校適時地加強對學生的綜合素質培養(yǎng)力度,既要培養(yǎng)學生具備較強的專業(yè)知識,又要培養(yǎng)學生適應社會的競爭力,還要培養(yǎng)學生的團隊凝聚力。因此需要一種方法對學生的綜合素質進行評估,以期準確地對學生進行評優(yōu),從而正確地反映學生的綜合素質能力。

    學生的考試成績只能反映出學生的學習態(tài)度以及目前的學習狀況,并不能體現一個人的綜合素質能力,學生綜合能力包含了考試成績、思想道德素質、身心健康、動手操作、科學創(chuàng)新以及創(chuàng)新創(chuàng)業(yè)能力等多項能力[1-3]。傳統(tǒng)的評價方法大多采用線性方法,人為的設定各項指標的權重進行線性計算,具有較強的主觀性;模糊綜合評價法[4-5]對各項指標進行模糊處理,具備較強的人為經驗,雖然是一種非線性處理方法,但是不具備學習能力;神經網絡評價法[6-7]雖然具備學習能力,但是不能對一些模糊信息進行有效處理。

    以上評估方法互有優(yōu)缺點,大多高校通常采用其中的一種方法進行評判。對此,本文采用人工智能的方法,通過模擬實際人工操作處理方式,提出一種基于信息融合的CS-SVM學生綜合能力評估方法。該方法與其他方法相比在一定程度上減小了人為主觀因素,增強了評價信息的完整性,對學生各方面的能力進行了更綜合更全面的融合,科學快速并較為精確地對學生綜合能力進行分類評估。此方法設計步驟為先將各科學習成績、活動創(chuàng)新成績、實踐實驗成績、畢業(yè)實習成績、綜合測評成績等數據融合為SVM的輸入樣本,再將樣本放入根據經驗知識訓練好的CS-SVM進行分類評估。其通過多信息融合,結合CS-SVM優(yōu)秀的分類能力進行分類,這樣能更全面的反應出學生的實際綜合素質能力。

    1 信息融合

    信息融合是將多維信息進行分析和處理的方法和理論,通過將事物不同特征維度數據進行融合和處理,使得其結果能更加全面可靠。目前存在大量的融合算法,大致可分為三類:隨機式算法、最小二乘法算法以及人工智能式算法。隨機式算法包含多貝葉斯估計法、證據推理法、多級遞歸算法等;最小二乘法算法包含加權平均法、卡爾曼濾波法等優(yōu)化算法;人工智能算法包含粗糙集推理、模糊推理、神經網絡、支持向量機等[8]。伴隨著時代的進步與發(fā)展,人工智能化時代已悄然來臨,其中信息融合已逐漸變得更加智能并且能將多種具有不同特征的信息集成化。信息融合按照數據的抽象層次進行劃分可分為數據級層次的融合、特征級層次的融合以及決策級層次的融合。數據級層次的融合,具有數據損失量少,精確度高但其對數據資源要求極其嚴苛;決策級層次的融合數據丟失量最大、精度最低;特征級層次的融合有數據損失且融合性能較低,介于數據層融合與決策層融合二者之間[9-10]。

    本文利用特征級融合采集思想道德水平(A1)、專業(yè)修養(yǎng)水平(A2)、身心修養(yǎng)水平(A3)、人文修養(yǎng)水平(A4)以及能力修養(yǎng)水平(A5)等能表明學生能力的特征數據,融合成輸入矩陣,最終通過SVM卓越的分類能力作出相應的決策。其中思想道德水平包括政治修養(yǎng)、道德修養(yǎng)、法律意識水平;專業(yè)修養(yǎng)水平包括專業(yè)理論成績、實驗實踐成績、畢業(yè)實習成績;身心修養(yǎng)水平包括心理素質水平和身體素質水平;人文修養(yǎng)水平包括自然科學知識、人文社科知識、文化藝術知識的修養(yǎng)水平;能力修養(yǎng)水平包括組織管理能力、學術研究能力、科技創(chuàng)新能力、藝術創(chuàng)新能力等。分別將以上多種能力利用加權平均法融合成能表征該類能力的數據(A1-A5),使得評價信息完整化。其中加權平均法[11]可以用以下表達式表示:

    Ai=∑ai·Si

    (1)

    其中,Ai為第i個指標加權后的分數,ai為第i個指標信息融合中的權重,Si為第i個指標的分值。

    (2)

    (3)

    (4)

    其中,m為評價指標,n為評價對象。

    2 CS-SVM算法

    2.1 SVM算法

    SVM是人工智能領域能解決非線性數據分類的無監(jiān)督機器學習算法。與傳統(tǒng)的非線性分類模型相比,人工神經網絡(ANN)[12]是一種多感知器(Perceptron)相結合的方法來解決非線性分類問題,它在很大程度上依賴于學習速率、隱含層結構和節(jié)點數目等一系列參數,參數的好壞會極大影響神經網絡的分類效果。而支持向量機的關鍵是利用核函數將低維空間中難以分類的向量集映射到高維空間,建立分類超平面。將核函數的非線性問題的數據集轉化為核空間中的線性可分離數據集,其中基于最大裕度思想的支持向量機只需要少量的參數就能進行調整[13-14]。

    就數據二分類問題而言,假設存在一個訓練樣本集(x(i),y(i)),其中i=1,…,n,x(i)是樣本特征,y(i)是樣本類型,n代表樣本編號,分類決策方程可表示為:

    f(x(i))=wTx(i)+b

    (5)

    由此可得到超平面函數方程:

    wTx(i)+b=0

    (6)

    其中,w代表超平面法向量,b代表偏置量。自變量x(i)則可以通過核函數映射到高維空間,利用wTx(i)+b>0或wTx(i)+b<0來判別x(i)屬于哪一類。最優(yōu)分類面如圖1所示。

    圖1 最優(yōu)分類面

    在實際數據分類應用中用函數間隔來表示點X到超平面的距離,“間隔”越大,分類可信度越高。得出較大化分類間隔器,可以將其表示為:

    (7)

    s.t.yi(wTxi+b)≥1-εi

    εi≥0,i=1,2,…,n

    (8)

    其中,C是懲罰因子,是控制目標函數取得最大超平面以及最小偏差量權重的參數,εi為松弛變量,表示函數誤差。

    將線性不可分數據原始問題轉化為對偶問題,其可以用函數表示為:

    (9)

    式中,αi為拉格朗日乘子,通過計算將其轉化成最優(yōu)分類函數:

    (10)

    其中,Κ(xi,xj)為SVM的核函數,核函數是連接低維空間與高維空間的橋梁,常見的核函數包括多項式核、徑向基核、Sigmoid核、Mercer核,本文采用徑向基核函數[15]。

    2.2 CS算法

    布谷鳥是一種巢寄生繁殖的鳥類,它將自己的蛋產在別的鳥類的窩中,讓其他鳥類代為孵化和育雛。CS算法是由劍橋大學YangXS和DebS于2009年提出的一種模擬布谷鳥寄生尋窩繁殖、具有啟發(fā)性思維的智能算法[16]。該算法是通過將布谷鳥隨機尋窩下蛋的過程與鳥類的Levy Flight方式相結合形成。CS算法繁殖下一代的環(huán)境背景可定義為[17-18]:

    (1) 種群內布谷鳥每次產卵量為1,即可假設該卵為最佳解,該最優(yōu)解在固定的可選鳥巢范圍內進行隨機選擇。

    (2) 選擇出的最佳鳥窩和最佳解被保存至下一代。

    (3) 布谷鳥產于其他鳥窩內的卵被鳥窩主人發(fā)現存在一定的概率,因而布谷鳥需要尋找新的鳥窩。

    (4) 布谷鳥的Levy Flight方式可表示為如下函數:

    (11)

    其中,Sg,i為第i個鳥窩第g代參數值,Sg+1,i為執(zhí)行Levy Flight方式后的參數值,Sbest為最佳參數,?為步長控制系數,randu和randv為服從標準正態(tài)分部的隨機數,χ(β)的大小取決于β值大小,χ(β)通常取0.6667。由式(10)可知,當Sg,i取Sbest時,Sg,i與Sg+1,i相等,即當前取得最優(yōu)參數。

    SVM對數據進行分類主要取決于C與g的大小。在本文中C值的大小將影響學生能力樣本的學習;g為核函數參數,其值的大小將影響樣本投射空間的分布復雜度。本文利用CS算法對C與g參數進行尋優(yōu)處理。詳細尋優(yōu)步驟如下:

    (1) 對CS算法相關參數以及各參數取值范圍進行初始化。本文假設布谷鳥數量為30,外來卵被發(fā)現的概率取0.3,繁殖迭代次數取300代。

    (2) 布谷鳥第一次產卵后,通過計算取出適應度最佳的鳥窩再將其保存給下一代。即計算出30組C、g參數進行交叉計算從而驗證出正確率,分別取出具有最大正確率的那組C、g參數保留起來以便與下一次進行對比。

    (3) 布谷鳥通過Levy Flight方式飛行,尋找新的鳥窩,將其和舊鳥窩比較,選出最佳的那組窩。即利用Levy Flight處理原來的C、g參數以獲取新的C、g值,通過將產生的新的C、g值與之前的C、g值進行對比,選擇出最佳C、g值。

    (4) 鳥窩主人發(fā)現布谷鳥蛋的概率為0.3,此時一部分布谷鳥就需要找尋新的鳥窩。即需要對30組C、g參數隨機分配一個0~1的數,對小于0.3的C、g參數隨機重置。

    (5) 布谷鳥再次將新窩與舊窩進行對比,優(yōu)勝劣汰。即將各個C、g參數的交叉正確率進行比較并再次獲取新的C、g參數。再回到第(3)步,直到滿足迭代要求獲得最佳正確率以及最優(yōu)C、g參數。

    3 實驗結果與分析

    在實際生活中,各高校對學生的學習成績等級的劃分參照的依據不同,本文將成績等級劃分為5個區(qū)間段,分別是[90,100]、[80,90]、[70,80]、[60,70]、[0,60]然后將其劃分為優(yōu)秀、良好、中等、及格、不及格5個等級。按此評價指標將能表現學生綜合素質能力的數據經過信息融合處理來訓練CS-SVM。根據以上分類依據,選取20組不同等級的訓練樣本以及測試樣本,作為訓練和測試CS-SVM,讓其具備智能化的分類評定經驗。將學生能力水平劃分成5種類型,并分別定義0為優(yōu)秀、1為良好、2為一般、3為及格、4為差。將某大學畢業(yè)生四年來能體現學生綜合素質能力的各項成績融合成數據樣本輸入至CS-SVM使其得出一個分類結果,其中通過信息融合處理后的部分樣本數據見表1。

    表1 部分樣本數據

    將該樣本數據通過SVM進行交叉驗證,通過交叉驗證可以看出參數C、g的值不同得到的正確率也存在差異,本文利用布谷鳥算法多次驗證找出了最大化正確率下對應的參數C、g,然后將其植入SVM中。圖2是利用布谷鳥算法交叉驗證取得的最優(yōu)正確率。

    圖2 CS交叉驗證正確率

    由圖2可知,通過布谷鳥算法進行交叉訓練獲得的最佳正確率為93.75%,其中C取2.8876,g取0.62316,然后將20組待測樣本數據通過訓練好的CS-SVM中進行分類測試,以達到檢驗CS-SVM準確度的目的。

    圖3為利用CS-SVM對待測樣本進行測試的驗證圖,根據圖3可得出其分類正確率為87.5%,由此可知CS-SVM算法基本可以滿足對學生綜合能力的分類要求。

    圖3 CS-SVM測試樣本預測

    在不使用優(yōu)化算法直接用多分類的支持向量機對學生綜合素質能力進行分類,隨機選取核函數以及懲罰因子,同樣將能體現學生能力的上述數據樣本直接通過SVM進行訓練,然后對測試樣本進行預測驗證,得到的分類結果如圖4所示。由圖4可知,未通過優(yōu)化算法直接訓練測試得到的分類結果很差,其分類正確率僅有43.2%,很難正確地將學生綜合能力進行分類判定。

    圖4 無優(yōu)化SVM測試樣本預測

    通過將不使用優(yōu)化算法的SVM與使用CS-SVM算法對學生綜合素質能力進行分類獲得的分類正確率進行比較,顯然CS-SVM算法更為可靠。再將此分類結果與該校畢業(yè)生工作幾年的狀況進行對比分析可知,通過CS-SVM算法獲得的分類結果中成績優(yōu)秀者往往都成為了部門經理或者自己成為了老板,成績良好者則大多小有成就,成績中等者大多處于穩(wěn)定狀態(tài),成績及格者大多僅能解決溫飽問題且為月光族,成績差者仍舊處于四處找工作但四處碰壁整日勞累奔波的狀態(tài)。以上驗證了該方法能夠較為精確地對學生綜合能力進行評估,且實用性較好。

    4 結束語

    本文提出的基于信息融合和CS-SVM的學生綜合能力評估方法,將能夠體現學生綜合素質能力的各項成績提取其特征數據,然后再將其進行信息融合,以此作為訓練樣本以及測試樣本,進而利用CS算法對懲罰因子C和核函數g優(yōu)化,使得SVM擁有較強的分類經驗,最終利用此CS-SVM來對學生綜合素質能力進行預測分類。通過實例仿真以及畢業(yè)生就業(yè)調查結果可以得出此算法能夠在一定程度上對學生能力進行分類判別,從而較為準確地對學生的綜合能力進行評定。

    [1] 王桂芳.基于人工智能的大學生綜合素質評價研究[D].北京:北京服裝學院,2010.

    [2] 商利華.模糊聚類分析算法在學生成績綜合評估中的應用[J].電腦知識與技術,2014,10(5):1024-1026.

    [3] 劉幸,高延春.大學生綜合能力評價體系與評價方法研究[J].西部素質教育,2015,1(8):33,49.

    [4] 智德.航海技術專業(yè)學生適任能力綜合評估研究[J].電腦知識與技術,2015,11(22):176-177.

    [5] 劉敏慧.模糊綜合評價法在核心素養(yǎng)評價中的應用研究[J].教育參考,2016(6):36-39.

    [6] 宣國慶.基于神經網絡交叉覆蓋算法的學生成績預測[D].合肥:安徽大學,2011.

    [7] 張新亮.BP神經網絡在高校學生綜合素質評價中的應用[C]//第5屆教育教學改革與管理工程學術年會論文集.重慶:重慶大學出版社,2012.

    [8] 謝振南.多傳感器信息融合技術研究[D].廣州:廣東工業(yè)大學,2013.

    [9] 化柏林,李廣建.大數據環(huán)境下多源信息融合的理論與應用探討[J].圖書情報工作,2015,59(16):5-10.

    [10] 李會民,馬桂英.異構多源信息融合方法概述[J].嘉應學院學報,2016,34(2):21-26.

    [11] 高超.淺析加權平均法在多目標決策中的應用[J].電腦知識技術,2010,6(16):4495-4496.

    [12] 段玉三.人工神經網絡文獻綜述[J].科技風,2011(5):185.

    [13] 房漢鳴,稅愛社,汪輝,等.支持向量機動態(tài)多分類方法[J].后勤工程學院學報,2017,33(2):90-96.

    [14] 劉東啟,陳志堅,徐銀,等.面向不平衡數據分類的復合SVM算法研究[J/OL].計算機應用研究,2018,35(4).(優(yōu)先出版).

    [15] 安旭,張樹東.基于支持向量機的模糊特征分類算法研究[J].計算機工程,2017,43(1):237-240,246.

    [16] YANG X S,DEB S.Engineering optimization by cuckoo search[J].International Journal of Mathematical Modelling & Numerical Optimisation,2010,1(4):330-343.

    [17] 黃繼達.布谷鳥算法的改進及其應用研究[D].武漢:華中科技大學,2014.

    [18] 孫晨,李陽,李曉戈,等.基于布谷鳥算法優(yōu)化BP神經網絡模型的股價預測[J].計算機應用與軟件,2016,33(2):276-279.

    猜你喜歡
    布谷鳥正確率分類
    布谷鳥讀信
    布谷鳥讀信
    分類算一算
    門診分診服務態(tài)度與正確率對護患關系的影響
    分類討論求坐標
    噓!布谷鳥來了
    大灰狼(2019年4期)2019-05-14 16:38:38
    數據分析中的分類討論
    教你一招:數的分類
    生意
    品管圈活動在提高介入手術安全核查正確率中的應用
    天津護理(2016年3期)2016-12-01 05:40:01
    亚洲精品国产精品久久久不卡| 成人国产综合亚洲| 观看免费一级毛片| 亚洲五月天丁香| 最新中文字幕久久久久 | 国产精品久久久av美女十八| 激情在线观看视频在线高清| 国产亚洲精品一区二区www| 波多野结衣巨乳人妻| 757午夜福利合集在线观看| 美女被艹到高潮喷水动态| 熟女少妇亚洲综合色aaa.| 熟女少妇亚洲综合色aaa.| 久久午夜综合久久蜜桃| 国产亚洲欧美98| 久久久国产成人精品二区| 别揉我奶头~嗯~啊~动态视频| 无人区码免费观看不卡| 女警被强在线播放| 欧美黄色淫秽网站| 国产成人啪精品午夜网站| 亚洲天堂国产精品一区在线| 欧美丝袜亚洲另类 | 成人三级做爰电影| 国产精华一区二区三区| 少妇裸体淫交视频免费看高清| 免费观看人在逋| 亚洲无线在线观看| 听说在线观看完整版免费高清| 99热只有精品国产| 亚洲自拍偷在线| 老汉色∧v一级毛片| 国语自产精品视频在线第100页| 亚洲av成人一区二区三| 特大巨黑吊av在线直播| 国内久久婷婷六月综合欲色啪| 在线播放国产精品三级| 俺也久久电影网| 国产真实乱freesex| 亚洲人成电影免费在线| 国产精品亚洲av一区麻豆| 一卡2卡三卡四卡精品乱码亚洲| 亚洲欧洲精品一区二区精品久久久| 国产在线精品亚洲第一网站| 国产av麻豆久久久久久久| 国产亚洲精品av在线| 免费无遮挡裸体视频| 亚洲精品在线美女| 精品人妻1区二区| 国产主播在线观看一区二区| 老汉色av国产亚洲站长工具| 俄罗斯特黄特色一大片| 亚洲五月天丁香| 欧美成狂野欧美在线观看| 亚洲一区高清亚洲精品| 午夜精品一区二区三区免费看| 久久精品亚洲精品国产色婷小说| 午夜福利在线在线| 露出奶头的视频| 国产成人aa在线观看| 看免费av毛片| 成人国产一区最新在线观看| 最近视频中文字幕2019在线8| 在线观看免费午夜福利视频| 欧美高清成人免费视频www| 99久久久亚洲精品蜜臀av| 日韩欧美三级三区| 成人av在线播放网站| 亚洲欧美日韩高清在线视频| 91字幕亚洲| 变态另类丝袜制服| 亚洲人成电影免费在线| 在线观看舔阴道视频| 国产三级中文精品| 俄罗斯特黄特色一大片| 人妻久久中文字幕网| 日本熟妇午夜| 久久精品国产亚洲av香蕉五月| 99国产精品一区二区蜜桃av| 国产精品永久免费网站| 黑人巨大精品欧美一区二区mp4| 99久久精品热视频| 母亲3免费完整高清在线观看| 欧美成人免费av一区二区三区| 亚洲专区字幕在线| 欧美+亚洲+日韩+国产| 草草在线视频免费看| 偷拍熟女少妇极品色| 亚洲欧美激情综合另类| 搞女人的毛片| 日本 av在线| 国产成人精品久久二区二区91| 精品日产1卡2卡| 在线十欧美十亚洲十日本专区| 精品久久久久久,| 我要搜黄色片| www.精华液| 国产精品一区二区三区四区免费观看 | 国产成+人综合+亚洲专区| 女人高潮潮喷娇喘18禁视频| 免费看美女性在线毛片视频| 欧美日韩亚洲国产一区二区在线观看| 亚洲人成网站在线播放欧美日韩| 欧美黄色片欧美黄色片| 国产美女午夜福利| 天天一区二区日本电影三级| 久久天堂一区二区三区四区| 最近在线观看免费完整版| 精品国产乱子伦一区二区三区| 亚洲成人久久性| 亚洲av美国av| 亚洲欧美激情综合另类| 老司机深夜福利视频在线观看| av天堂在线播放| 国产精品香港三级国产av潘金莲| 在线观看午夜福利视频| 亚洲av中文字字幕乱码综合| 波多野结衣高清无吗| 香蕉丝袜av| xxxwww97欧美| 欧美日韩精品网址| 精品乱码久久久久久99久播| 中文字幕精品亚洲无线码一区| 搡老熟女国产l中国老女人| 亚洲成人精品中文字幕电影| 麻豆av在线久日| 天堂影院成人在线观看| 国产乱人视频| 久久精品国产清高在天天线| 亚洲人与动物交配视频| 国产精品一区二区三区四区免费观看 | 十八禁网站免费在线| 最近在线观看免费完整版| 一区二区三区国产精品乱码| 国产真人三级小视频在线观看| 国产精品 国内视频| 最近最新中文字幕大全电影3| 亚洲精品在线美女| 免费观看人在逋| 欧美中文综合在线视频| 精品不卡国产一区二区三区| 一二三四社区在线视频社区8| 久9热在线精品视频| 一级毛片高清免费大全| 一a级毛片在线观看| 中国美女看黄片| 黑人欧美特级aaaaaa片| 久久国产乱子伦精品免费另类| 国产精品自产拍在线观看55亚洲| 国产成人啪精品午夜网站| 亚洲熟女毛片儿| 久久精品影院6| 99热6这里只有精品| 好看av亚洲va欧美ⅴa在| www日本黄色视频网| 精品久久久久久久末码| 免费一级毛片在线播放高清视频| 一区福利在线观看| 久久午夜亚洲精品久久| 日韩国内少妇激情av| av欧美777| 日韩高清综合在线| 9191精品国产免费久久| 在线永久观看黄色视频| 国产视频内射| 精品福利观看| 久久香蕉国产精品| 亚洲精品乱码久久久v下载方式 | 九色成人免费人妻av| 无人区码免费观看不卡| 免费av不卡在线播放| 波多野结衣高清作品| 国产成人av教育| 搞女人的毛片| 亚洲av成人av| 欧美一级毛片孕妇| 夜夜看夜夜爽夜夜摸| 国产一区二区在线av高清观看| 久久草成人影院| 国语自产精品视频在线第100页| 国产高清视频在线观看网站| 亚洲第一欧美日韩一区二区三区| 国内精品美女久久久久久| 精品久久久久久久毛片微露脸| 一卡2卡三卡四卡精品乱码亚洲| 精品国产超薄肉色丝袜足j| 露出奶头的视频| 精品99又大又爽又粗少妇毛片 | 国产精品国产高清国产av| 午夜免费观看网址| 99久国产av精品| 九九在线视频观看精品| 国内毛片毛片毛片毛片毛片| 日本一本二区三区精品| 丁香欧美五月| bbb黄色大片| 日本熟妇午夜| 日本精品一区二区三区蜜桃| 美女高潮的动态| 婷婷精品国产亚洲av| 亚洲精品美女久久av网站| 91麻豆av在线| 亚洲一区二区三区色噜噜| 少妇裸体淫交视频免费看高清| 中文在线观看免费www的网站| 国产高清视频在线播放一区| 极品教师在线免费播放| 在线观看免费午夜福利视频| 黑人欧美特级aaaaaa片| 国产亚洲精品一区二区www| 亚洲色图av天堂| 国产av在哪里看| 亚洲18禁久久av| 中亚洲国语对白在线视频| 成熟少妇高潮喷水视频| 亚洲自偷自拍图片 自拍| 此物有八面人人有两片| 琪琪午夜伦伦电影理论片6080| 精品熟女少妇八av免费久了| 成人一区二区视频在线观看| 不卡一级毛片| 88av欧美| 男人和女人高潮做爰伦理| 九色国产91popny在线| 欧美日韩综合久久久久久 | 午夜福利在线观看吧| 一本精品99久久精品77| 婷婷精品国产亚洲av| 婷婷六月久久综合丁香| 91久久精品国产一区二区成人 | 欧美另类亚洲清纯唯美| 男人舔奶头视频| 欧美zozozo另类| 国内精品久久久久精免费| 搡老岳熟女国产| 两性夫妻黄色片| 国产亚洲精品一区二区www| 亚洲精品色激情综合| 女人被狂操c到高潮| 午夜福利在线观看免费完整高清在 | 日本五十路高清| 性色avwww在线观看| 99国产精品99久久久久| 欧美午夜高清在线| 国产精品日韩av在线免费观看| 国产成人精品无人区| 男女视频在线观看网站免费| 99在线视频只有这里精品首页| 欧美国产日韩亚洲一区| 搞女人的毛片| av国产免费在线观看| 久久中文字幕一级| 成年免费大片在线观看| 又黄又粗又硬又大视频| 亚洲av成人不卡在线观看播放网| 久久久久久国产a免费观看| 精品无人区乱码1区二区| 国产91精品成人一区二区三区| 69av精品久久久久久| 亚洲av电影不卡..在线观看| 成年版毛片免费区| 国产私拍福利视频在线观看| 操出白浆在线播放| 亚洲成av人片在线播放无| 18禁黄网站禁片免费观看直播| 90打野战视频偷拍视频| 精品无人区乱码1区二区| 国产熟女xx| 村上凉子中文字幕在线| 久久久久久大精品| 成人鲁丝片一二三区免费| av福利片在线观看| 欧美成人性av电影在线观看| 亚洲av片天天在线观看| 日韩三级视频一区二区三区| 国产综合懂色| 精华霜和精华液先用哪个| 最近在线观看免费完整版| 黄色日韩在线| 狠狠狠狠99中文字幕| 亚洲在线自拍视频| 又粗又爽又猛毛片免费看| 岛国视频午夜一区免费看| 精品久久久久久久人妻蜜臀av| 日本免费一区二区三区高清不卡| 欧美性猛交黑人性爽| 欧美中文日本在线观看视频| 国产精品99久久99久久久不卡| 中文资源天堂在线| 国产精品一区二区免费欧美| 国产午夜福利久久久久久| 日韩三级视频一区二区三区| x7x7x7水蜜桃| 国产午夜精品论理片| 丁香欧美五月| 国产精品久久视频播放| 国产在线精品亚洲第一网站| 亚洲成人久久性| 国产一区二区三区在线臀色熟女| 两人在一起打扑克的视频| 熟妇人妻久久中文字幕3abv| 男人舔女人下体高潮全视频| 色精品久久人妻99蜜桃| 日本三级黄在线观看| 亚洲中文字幕一区二区三区有码在线看 | bbb黄色大片| 亚洲中文字幕日韩| 精品久久久久久久末码| av天堂中文字幕网| a级毛片在线看网站| 欧美日韩国产亚洲二区| 亚洲性夜色夜夜综合| 国产高清三级在线| 男女做爰动态图高潮gif福利片| 久久这里只有精品19| 亚洲成人免费电影在线观看| 亚洲国产欧美一区二区综合| 亚洲自偷自拍图片 自拍| 国产一区二区在线av高清观看| 国产人伦9x9x在线观看| 一a级毛片在线观看| 很黄的视频免费| 两个人的视频大全免费| 后天国语完整版免费观看| 亚洲欧美精品综合一区二区三区| 制服丝袜大香蕉在线| 精品国内亚洲2022精品成人| 99热只有精品国产| 熟女少妇亚洲综合色aaa.| 精品人妻1区二区| 国产淫片久久久久久久久 | 国产aⅴ精品一区二区三区波| 搡老岳熟女国产| av片东京热男人的天堂| 波多野结衣高清无吗| 午夜精品久久久久久毛片777| 全区人妻精品视频| 嫩草影院入口| 国内精品一区二区在线观看| 男女之事视频高清在线观看| 一本综合久久免费| 欧美性猛交╳xxx乱大交人| 国产激情欧美一区二区| 国产av不卡久久| 久久人妻av系列| 国产精品久久久久久精品电影| 国产成人欧美在线观看| 2021天堂中文幕一二区在线观| 欧美色视频一区免费| 国产精品一区二区精品视频观看| 99久久无色码亚洲精品果冻| 岛国在线观看网站| 免费观看人在逋| 午夜日韩欧美国产| 国产一区二区激情短视频| 欧美大码av| 国产不卡一卡二| 老司机午夜福利在线观看视频| 成人国产一区最新在线观看| 黄色片一级片一级黄色片| 身体一侧抽搐| 给我免费播放毛片高清在线观看| 亚洲 欧美 日韩 在线 免费| 91久久精品国产一区二区成人 | 网址你懂的国产日韩在线| 久久久国产精品麻豆| 窝窝影院91人妻| 国产精品,欧美在线| 亚洲avbb在线观看| avwww免费| 欧美成人免费av一区二区三区| 99国产极品粉嫩在线观看| 别揉我奶头~嗯~啊~动态视频| 久久精品91蜜桃| 中亚洲国语对白在线视频| 精品福利观看| 免费看十八禁软件| 久久精品91蜜桃| 免费观看的影片在线观看| 婷婷精品国产亚洲av| 99国产精品一区二区蜜桃av| 黄色日韩在线| 午夜免费激情av| 麻豆成人av在线观看| 99久久无色码亚洲精品果冻| 国产精品一区二区精品视频观看| 性色avwww在线观看| 99视频精品全部免费 在线 | 亚洲真实伦在线观看| 久久久久性生活片| 亚洲欧美日韩无卡精品| 亚洲欧美精品综合久久99| 少妇丰满av| 精品99又大又爽又粗少妇毛片 | 日日摸夜夜添夜夜添小说| 一二三四社区在线视频社区8| 精品国产乱子伦一区二区三区| 亚洲精品美女久久av网站| 脱女人内裤的视频| 视频区欧美日本亚洲| 国产成人精品久久二区二区免费| 舔av片在线| 国产亚洲精品一区二区www| 香蕉丝袜av| 老司机深夜福利视频在线观看| 少妇裸体淫交视频免费看高清| 国产精品乱码一区二三区的特点| 一个人观看的视频www高清免费观看 | 国产精品久久久人人做人人爽| www.精华液| 精品国产三级普通话版| 国产精品永久免费网站| 亚洲片人在线观看| 国产综合懂色| 波多野结衣高清作品| 高潮久久久久久久久久久不卡| 岛国视频午夜一区免费看| 天堂网av新在线| 亚洲熟妇中文字幕五十中出| 少妇的逼水好多| 久久天躁狠狠躁夜夜2o2o| 又黄又爽又免费观看的视频| 亚洲aⅴ乱码一区二区在线播放| 日韩精品中文字幕看吧| 嫩草影院入口| 中文亚洲av片在线观看爽| 18美女黄网站色大片免费观看| 九九在线视频观看精品| 国产淫片久久久久久久久 | 亚洲成av人片在线播放无| 久久中文字幕人妻熟女| 亚洲国产精品合色在线| 老鸭窝网址在线观看| 免费无遮挡裸体视频| 日本 欧美在线| 亚洲专区国产一区二区| 黄片大片在线免费观看| 国产午夜福利久久久久久| 亚洲色图 男人天堂 中文字幕| 国产99白浆流出| 国产淫片久久久久久久久 | 免费在线观看日本一区| 中文字幕熟女人妻在线| 757午夜福利合集在线观看| 18美女黄网站色大片免费观看| 夜夜看夜夜爽夜夜摸| 99在线视频只有这里精品首页| 久久亚洲真实| 成人高潮视频无遮挡免费网站| 岛国在线免费视频观看| 变态另类成人亚洲欧美熟女| 久久久久九九精品影院| 人妻夜夜爽99麻豆av| 日韩有码中文字幕| 2021天堂中文幕一二区在线观| 首页视频小说图片口味搜索| 美女免费视频网站| 亚洲男人的天堂狠狠| 宅男免费午夜| 精品一区二区三区av网在线观看| 国产午夜精品久久久久久| 免费一级毛片在线播放高清视频| 香蕉丝袜av| 757午夜福利合集在线观看| 免费搜索国产男女视频| 亚洲熟女毛片儿| 在线观看日韩欧美| 久久久久亚洲av毛片大全| 日本黄色片子视频| 在线观看一区二区三区| 97超级碰碰碰精品色视频在线观看| 亚洲精品在线美女| 国产精品久久视频播放| 成人高潮视频无遮挡免费网站| 搡老妇女老女人老熟妇| av福利片在线观看| 麻豆成人午夜福利视频| 午夜福利18| 亚洲男人的天堂狠狠| 久久中文看片网| 欧美最黄视频在线播放免费| 舔av片在线| 婷婷亚洲欧美| www.www免费av| 三级国产精品欧美在线观看 | 国产不卡一卡二| 久久午夜综合久久蜜桃| 久久久久久久午夜电影| 欧美绝顶高潮抽搐喷水| 啪啪无遮挡十八禁网站| 久久精品91蜜桃| 欧美日韩福利视频一区二区| 久久久国产欧美日韩av| 老司机福利观看| 亚洲激情在线av| 免费一级毛片在线播放高清视频| 黄色视频,在线免费观看| 黄色成人免费大全| 18禁裸乳无遮挡免费网站照片| 999精品在线视频| 国产97色在线日韩免费| 丰满的人妻完整版| 精品久久久久久久人妻蜜臀av| 99国产精品一区二区蜜桃av| 亚洲成人久久性| 精品久久蜜臀av无| 久久久久久久久久黄片| 香蕉久久夜色| 一本久久中文字幕| 国产男靠女视频免费网站| 国产精品永久免费网站| 午夜福利免费观看在线| 一二三四在线观看免费中文在| 女警被强在线播放| 国内揄拍国产精品人妻在线| 一级毛片精品| 老鸭窝网址在线观看| 日本免费一区二区三区高清不卡| 亚洲男人的天堂狠狠| 亚洲精品粉嫩美女一区| 老熟妇乱子伦视频在线观看| 熟女人妻精品中文字幕| 热99在线观看视频| 一区二区三区国产精品乱码| 中亚洲国语对白在线视频| 好男人电影高清在线观看| 精品日产1卡2卡| 国产av不卡久久| 欧美激情久久久久久爽电影| 精品欧美国产一区二区三| 成人三级黄色视频| 高潮久久久久久久久久久不卡| 黄频高清免费视频| 人妻夜夜爽99麻豆av| 99久久综合精品五月天人人| 亚洲熟妇熟女久久| 亚洲av五月六月丁香网| 18禁黄网站禁片午夜丰满| 热99在线观看视频| 亚洲国产欧美网| 中亚洲国语对白在线视频| 波多野结衣高清无吗| 国产高清videossex| 最近视频中文字幕2019在线8| 在线观看免费视频日本深夜| xxxwww97欧美| 88av欧美| 国产精品乱码一区二三区的特点| 麻豆成人午夜福利视频| av欧美777| 成人精品一区二区免费| 午夜福利在线观看吧| 99国产极品粉嫩在线观看| 中文字幕最新亚洲高清| 免费看美女性在线毛片视频| 日本黄大片高清| 99久国产av精品| 亚洲精品粉嫩美女一区| 国产精品1区2区在线观看.| 很黄的视频免费| 丰满人妻一区二区三区视频av | 亚洲 欧美 日韩 在线 免费| 精品久久蜜臀av无| 亚洲精品国产精品久久久不卡| 精品福利观看| 久久久久性生活片| 亚洲av免费在线观看| 一个人看视频在线观看www免费 | 啦啦啦观看免费观看视频高清| 黄频高清免费视频| 国产精品综合久久久久久久免费| 两人在一起打扑克的视频| 亚洲精品在线观看二区| 国产综合懂色| 亚洲熟妇中文字幕五十中出| 国产成人一区二区三区免费视频网站| 国产伦精品一区二区三区视频9 | 少妇的丰满在线观看| 国产男靠女视频免费网站| 国产成人av激情在线播放| 久久精品影院6| 一个人看的www免费观看视频| 免费在线观看成人毛片| 99国产极品粉嫩在线观看| 国产在线精品亚洲第一网站| 国产一区二区在线av高清观看| 网址你懂的国产日韩在线| 啪啪无遮挡十八禁网站| 亚洲真实伦在线观看| 天堂网av新在线| 亚洲精品国产精品久久久不卡| 日本成人三级电影网站| 亚洲精品美女久久久久99蜜臀| 久久久久免费精品人妻一区二区| 精品欧美国产一区二区三| 国产高潮美女av| 国产成人啪精品午夜网站| 男女做爰动态图高潮gif福利片| 亚洲无线观看免费| 国产一区二区在线av高清观看| 日本成人三级电影网站| 狂野欧美激情性xxxx| 一区福利在线观看| 久久久久免费精品人妻一区二区| 国产免费av片在线观看野外av| 国产 一区 欧美 日韩| 精品免费久久久久久久清纯| 欧美不卡视频在线免费观看| 97超级碰碰碰精品色视频在线观看| 日本五十路高清| 中文字幕久久专区| 亚洲18禁久久av| 一二三四在线观看免费中文在| 国产单亲对白刺激| 国产又色又爽无遮挡免费看|