• <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
    久久精品国产综合久久久| 国产又爽黄色视频| 狠狠婷婷综合久久久久久88av| 亚洲一卡2卡3卡4卡5卡精品中文| 久久午夜综合久久蜜桃| 少妇 在线观看| 巨乳人妻的诱惑在线观看| 国产一区二区三区在线臀色熟女 | 亚洲午夜精品一区,二区,三区| 精品人妻一区二区三区麻豆| 精品久久久久久久毛片微露脸 | 亚洲一区中文字幕在线| 日韩电影二区| 中文字幕另类日韩欧美亚洲嫩草| 老司机午夜福利在线观看视频 | 国产精品一区二区精品视频观看| h视频一区二区三区| 成年美女黄网站色视频大全免费| 日韩大片免费观看网站| 免费在线观看视频国产中文字幕亚洲 | 久久久久精品人妻al黑| 制服诱惑二区| 50天的宝宝边吃奶边哭怎么回事| 女人被躁到高潮嗷嗷叫费观| 亚洲精品国产精品久久久不卡| 亚洲美女黄色视频免费看| 免费久久久久久久精品成人欧美视频| 制服人妻中文乱码| 久久久久久久精品精品| 国产精品熟女久久久久浪| 精品亚洲成a人片在线观看| 性高湖久久久久久久久免费观看| 男人操女人黄网站| 淫妇啪啪啪对白视频 | 亚洲国产精品一区二区三区在线| 中文字幕色久视频| 夫妻午夜视频| 亚洲欧洲精品一区二区精品久久久| 搡老乐熟女国产| 搡老乐熟女国产| 丁香六月欧美| 一本综合久久免费| 国产老妇伦熟女老妇高清| 少妇 在线观看| 亚洲国产成人一精品久久久| 精品人妻1区二区| 欧美精品高潮呻吟av久久| 久久久精品免费免费高清| 深夜精品福利| 国产三级黄色录像| 国内毛片毛片毛片毛片毛片| 一级片免费观看大全| 国产欧美日韩一区二区精品| 婷婷丁香在线五月| 日本av手机在线免费观看| 亚洲中文字幕日韩| 日韩三级视频一区二区三区| 69精品国产乱码久久久| 9191精品国产免费久久| 国产在线一区二区三区精| 国产成人精品在线电影| 亚洲第一欧美日韩一区二区三区 | 少妇 在线观看| 91麻豆精品激情在线观看国产 | 日本五十路高清| 99精国产麻豆久久婷婷| 免费久久久久久久精品成人欧美视频| 亚洲三区欧美一区| 国产亚洲欧美在线一区二区| 日本vs欧美在线观看视频| 国产成人精品久久二区二区免费| 国产精品麻豆人妻色哟哟久久| 中文字幕人妻丝袜制服| 欧美另类一区| 每晚都被弄得嗷嗷叫到高潮| 女性生殖器流出的白浆| 首页视频小说图片口味搜索| 9热在线视频观看99| 亚洲精品久久成人aⅴ小说| 交换朋友夫妻互换小说| 欧美久久黑人一区二区| 韩国精品一区二区三区| 亚洲精品中文字幕一二三四区 | 国产精品久久久久久人妻精品电影 | 国产成人啪精品午夜网站| 丝袜脚勾引网站| 在线永久观看黄色视频| 一区在线观看完整版| 日日爽夜夜爽网站| 免费少妇av软件| 国产成人精品无人区| 2018国产大陆天天弄谢| 国产精品一区二区精品视频观看| 国产免费av片在线观看野外av| 又大又爽又粗| 久久国产亚洲av麻豆专区| 99久久人妻综合| 亚洲性夜色夜夜综合| 日本vs欧美在线观看视频| 黄色怎么调成土黄色| 欧美日韩成人在线一区二区| 亚洲欧美一区二区三区黑人| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美中文综合在线视频| 丰满少妇做爰视频| 国产精品一二三区在线看| 韩国精品一区二区三区| 国产淫语在线视频| 欧美日本中文国产一区发布| 欧美日韩中文字幕国产精品一区二区三区 | 精品国产一区二区久久| 欧美另类亚洲清纯唯美| 久久热在线av| 欧美人与性动交α欧美软件| 欧美 日韩 精品 国产| 宅男免费午夜| 日韩一卡2卡3卡4卡2021年| 亚洲专区字幕在线| 精品一区二区三卡| 日韩大码丰满熟妇| 黑人操中国人逼视频| 一个人免费看片子| 人成视频在线观看免费观看| 免费在线观看日本一区| 天天影视国产精品| 久久九九热精品免费| 亚洲 欧美一区二区三区| 建设人人有责人人尽责人人享有的| 精品亚洲成a人片在线观看| 成年美女黄网站色视频大全免费| 菩萨蛮人人尽说江南好唐韦庄| 在线观看免费高清a一片| 国产亚洲av片在线观看秒播厂| 亚洲黑人精品在线| 黄色a级毛片大全视频| 国产深夜福利视频在线观看| 久久免费观看电影| 精品少妇内射三级| 男人添女人高潮全过程视频| 精品熟女少妇八av免费久了| 日韩免费高清中文字幕av| 久久亚洲精品不卡| 嫁个100分男人电影在线观看| 看免费av毛片| 日本欧美视频一区| 午夜精品久久久久久毛片777| 99久久综合免费| 在线观看一区二区三区激情| 久9热在线精品视频| 一区二区三区乱码不卡18| 一区福利在线观看| 亚洲欧美成人综合另类久久久| 亚洲va日本ⅴa欧美va伊人久久 | 一级片'在线观看视频| 99热全是精品| 丝袜美腿诱惑在线| 国产日韩一区二区三区精品不卡| 亚洲国产毛片av蜜桃av| tocl精华| 啦啦啦在线免费观看视频4| 亚洲成人免费电影在线观看| 久久精品国产a三级三级三级| 男女床上黄色一级片免费看| a级毛片在线看网站| 2018国产大陆天天弄谢| 欧美日韩亚洲国产一区二区在线观看 | 亚洲性夜色夜夜综合| 人成视频在线观看免费观看| 十分钟在线观看高清视频www| a级毛片黄视频| 美女高潮喷水抽搐中文字幕| 首页视频小说图片口味搜索| 亚洲精品中文字幕在线视频| 亚洲黑人精品在线| 午夜91福利影院| 80岁老熟妇乱子伦牲交| 亚洲免费av在线视频| 亚洲精品第二区| 亚洲国产日韩一区二区| 国产亚洲午夜精品一区二区久久| 日韩欧美国产一区二区入口| 麻豆av在线久日| 日日摸夜夜添夜夜添小说| 欧美精品高潮呻吟av久久| 欧美日韩成人在线一区二区| 一区二区三区乱码不卡18| 欧美午夜高清在线| 少妇的丰满在线观看| 黄网站色视频无遮挡免费观看| 久久女婷五月综合色啪小说| 国产高清国产精品国产三级| 啦啦啦免费观看视频1| tocl精华| 手机成人av网站| 啦啦啦 在线观看视频| 大码成人一级视频| 国产精品久久久久久精品古装| 久久中文字幕一级| 中国国产av一级| av天堂在线播放| 亚洲激情五月婷婷啪啪| 亚洲欧美清纯卡通| 精品人妻熟女毛片av久久网站| 亚洲第一欧美日韩一区二区三区 | 国产日韩欧美亚洲二区| 中文欧美无线码| 美国免费a级毛片| 欧美老熟妇乱子伦牲交| 欧美日韩亚洲国产一区二区在线观看 | 日韩一卡2卡3卡4卡2021年| 久热爱精品视频在线9| 国产成人精品在线电影| 一级毛片女人18水好多| 精品亚洲成a人片在线观看| 超色免费av| 女人爽到高潮嗷嗷叫在线视频| 久久久欧美国产精品| 亚洲伊人久久精品综合| 又紧又爽又黄一区二区| 精品免费久久久久久久清纯 | www.精华液| 又紧又爽又黄一区二区| a级片在线免费高清观看视频| 一区二区av电影网| 一二三四在线观看免费中文在| 国产成人精品在线电影| 久久99热这里只频精品6学生| 亚洲国产看品久久| 免费在线观看黄色视频的| 午夜激情av网站| 色94色欧美一区二区| 丰满人妻熟妇乱又伦精品不卡| 自线自在国产av| 日韩大码丰满熟妇| 97人妻天天添夜夜摸| 91成年电影在线观看| 久久午夜综合久久蜜桃| 午夜免费观看性视频| bbb黄色大片| 亚洲精品一卡2卡三卡4卡5卡 | 亚洲色图综合在线观看| 国产91精品成人一区二区三区 | 久久久久网色| 香蕉丝袜av| 亚洲精品久久午夜乱码| 精品乱码久久久久久99久播| 夫妻午夜视频| 欧美97在线视频| 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| 亚洲精品中文字幕一二三四区 | av天堂在线播放| 亚洲精品日韩在线中文字幕| 日韩免费高清中文字幕av| 18禁国产床啪视频网站| 精品国产乱码久久久久久小说| 夜夜骑夜夜射夜夜干| 久久精品熟女亚洲av麻豆精品| 母亲3免费完整高清在线观看| 久久99热这里只频精品6学生| 一区二区日韩欧美中文字幕| 亚洲第一欧美日韩一区二区三区 | 精品视频人人做人人爽| 首页视频小说图片口味搜索| 精品人妻1区二区| 国产av又大| 丝袜脚勾引网站| 叶爱在线成人免费视频播放| 王馨瑶露胸无遮挡在线观看| 日韩熟女老妇一区二区性免费视频| 91大片在线观看| 午夜影院在线不卡| 一本—道久久a久久精品蜜桃钙片| 亚洲国产欧美日韩在线播放| 久久精品亚洲av国产电影网| 黄色视频在线播放观看不卡| 满18在线观看网站| 国产精品久久久久成人av| 日韩三级视频一区二区三区| 在线av久久热| 一边摸一边抽搐一进一出视频| 一本一本久久a久久精品综合妖精| 午夜激情久久久久久久| 欧美精品高潮呻吟av久久| 国产成人一区二区三区免费视频网站| 三上悠亚av全集在线观看| 亚洲激情五月婷婷啪啪| av免费在线观看网站| 日本a在线网址| 99久久99久久久精品蜜桃| 国产一区二区三区综合在线观看| 久久人人爽av亚洲精品天堂| 久久av网站| 欧美中文综合在线视频| 亚洲精品久久成人aⅴ小说| 国产精品亚洲av一区麻豆| 欧美日韩亚洲高清精品| 国产av又大| 欧美成人午夜精品| 视频在线观看一区二区三区| 777久久人妻少妇嫩草av网站| 日韩欧美免费精品| av电影中文网址| 女性生殖器流出的白浆| 美女福利国产在线| 女性生殖器流出的白浆| 男男h啪啪无遮挡| 人人妻人人爽人人添夜夜欢视频| 欧美国产精品一级二级三级| 久久狼人影院| 亚洲人成电影观看| 日日摸夜夜添夜夜添小说| 一级黄色大片毛片| 欧美午夜高清在线| 中文字幕人妻熟女乱码| 不卡一级毛片| 国产av又大| 午夜两性在线视频| 国产精品偷伦视频观看了| 精品福利观看| a级毛片在线看网站| www日本在线高清视频| 久久国产精品大桥未久av| 一级毛片精品| 岛国毛片在线播放| 国产免费视频播放在线视频| 亚洲av日韩精品久久久久久密| 午夜免费鲁丝| 国产欧美日韩精品亚洲av| 青春草亚洲视频在线观看| av欧美777| 成年女人毛片免费观看观看9 | 亚洲国产欧美网| 大香蕉久久网| 91精品伊人久久大香线蕉| 国产欧美日韩精品亚洲av| 黄片播放在线免费| 少妇被粗大的猛进出69影院| 多毛熟女@视频| 巨乳人妻的诱惑在线观看| 亚洲成国产人片在线观看| 十八禁高潮呻吟视频| 亚洲国产av新网站| 男女午夜视频在线观看| 国产97色在线日韩免费| 国产成人系列免费观看| 人妻久久中文字幕网| 免费少妇av软件| 日韩中文字幕视频在线看片| 在线观看人妻少妇| 在线av久久热| 精品一区二区三卡| 亚洲欧洲日产国产| 91麻豆精品激情在线观看国产 | 亚洲av电影在线进入| 日日爽夜夜爽网站| 90打野战视频偷拍视频| 美国免费a级毛片| 亚洲九九香蕉| 我要看黄色一级片免费的| 美女脱内裤让男人舔精品视频| 亚洲国产欧美网| 91成年电影在线观看| 丝袜美足系列| 国内毛片毛片毛片毛片毛片| 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| 一本综合久久免费| 国产福利在线免费观看视频| 手机成人av网站| 亚洲黑人精品在线| 亚洲精品一卡2卡三卡4卡5卡 | 欧美国产精品va在线观看不卡| 亚洲九九香蕉| 男人爽女人下面视频在线观看| 亚洲av日韩在线播放| 欧美精品啪啪一区二区三区 | 亚洲av成人一区二区三| 中文字幕人妻丝袜制服| 老熟妇乱子伦视频在线观看 | www.精华液| 久热这里只有精品99| www.熟女人妻精品国产| 免费在线观看完整版高清| 久久久久久久久免费视频了| 国产精品九九99| 国产免费视频播放在线视频| 国产av精品麻豆| 高清欧美精品videossex| 中文字幕另类日韩欧美亚洲嫩草| 亚洲国产精品成人久久小说| 丝袜人妻中文字幕| 国产无遮挡羞羞视频在线观看| 成人黄色视频免费在线看| 欧美 日韩 精品 国产| 久久精品久久久久久噜噜老黄| 日韩制服丝袜自拍偷拍| 狂野欧美激情性xxxx| 国产真人三级小视频在线观看| 色综合欧美亚洲国产小说| 青春草视频在线免费观看| 夫妻午夜视频| 国产精品二区激情视频| 啦啦啦视频在线资源免费观看| 久久精品人人爽人人爽视色| 人妻人人澡人人爽人人| 99国产精品一区二区蜜桃av | 无限看片的www在线观看| 欧美激情极品国产一区二区三区| av网站在线播放免费| 涩涩av久久男人的天堂| 操出白浆在线播放| 男人爽女人下面视频在线观看| 男女之事视频高清在线观看| a 毛片基地| 亚洲av国产av综合av卡| 老司机影院成人| 国产精品一区二区在线观看99| 久久99热这里只频精品6学生| 亚洲精品美女久久久久99蜜臀| 中文字幕av电影在线播放| 一个人免费在线观看的高清视频 | 黄色视频不卡| 欧美乱码精品一区二区三区| 精品福利永久在线观看| 日韩一区二区三区影片| 一区在线观看完整版| 日韩欧美国产一区二区入口| 中文精品一卡2卡3卡4更新| 日韩 欧美 亚洲 中文字幕| 极品人妻少妇av视频| av超薄肉色丝袜交足视频| 男人爽女人下面视频在线观看| 视频在线观看一区二区三区| 亚洲精品中文字幕在线视频| 国产精品秋霞免费鲁丝片| av在线app专区| av网站在线播放免费| 热99久久久久精品小说推荐| 黄色a级毛片大全视频| 五月开心婷婷网| 99九九在线精品视频| 狠狠狠狠99中文字幕| 又紧又爽又黄一区二区| 久9热在线精品视频| 人人妻,人人澡人人爽秒播| 大码成人一级视频| 欧美午夜高清在线| 日日夜夜操网爽| 美女脱内裤让男人舔精品视频| 成年人午夜在线观看视频| a在线观看视频网站| 中文字幕制服av| 国产97色在线日韩免费| 两个人免费观看高清视频| 国产日韩一区二区三区精品不卡| 美女高潮到喷水免费观看| 日韩免费高清中文字幕av| av网站免费在线观看视频| 亚洲中文字幕日韩| 国产成人av教育| 日本欧美视频一区| 久久影院123| 黄色视频不卡| 两性午夜刺激爽爽歪歪视频在线观看 | 国产成人免费无遮挡视频| 国内毛片毛片毛片毛片毛片| 97人妻天天添夜夜摸| 国产一区二区三区av在线| 欧美+亚洲+日韩+国产| 国产成人欧美在线观看 | 天天躁狠狠躁夜夜躁狠狠躁| 久久久精品94久久精品| 日本黄色日本黄色录像| 国产亚洲精品一区二区www | 免费女性裸体啪啪无遮挡网站| 一级a爱视频在线免费观看| 成人手机av| 人人妻,人人澡人人爽秒播| 熟女少妇亚洲综合色aaa.| 午夜福利,免费看| 午夜日韩欧美国产| 天天操日日干夜夜撸| 热re99久久精品国产66热6| 青草久久国产| 侵犯人妻中文字幕一二三四区| 欧美在线一区亚洲| 人妻人人澡人人爽人人| 久久久水蜜桃国产精品网| 久久ye,这里只有精品| 亚洲男人天堂网一区| 国产免费一区二区三区四区乱码| cao死你这个sao货| 久久久久久免费高清国产稀缺| 亚洲伊人久久精品综合| 国产av一区二区精品久久| 免费在线观看日本一区| 亚洲精品中文字幕一二三四区 | 午夜福利,免费看| netflix在线观看网站| 电影成人av| 国产一级毛片在线| 中文字幕色久视频| 美女高潮喷水抽搐中文字幕| 精品久久久精品久久久| 最新的欧美精品一区二区| 韩国精品一区二区三区| 国产精品欧美亚洲77777| 黄色视频不卡| 国产精品久久久久久精品电影小说| 欧美日韩视频精品一区| 国产一区有黄有色的免费视频| 久久国产精品人妻蜜桃| 黑丝袜美女国产一区| 侵犯人妻中文字幕一二三四区| 视频区图区小说| 青春草视频在线免费观看| 脱女人内裤的视频| 国产成人精品无人区| 老司机靠b影院| 久久久久国产一级毛片高清牌| 欧美激情 高清一区二区三区| 午夜日韩欧美国产| 亚洲精品日韩在线中文字幕| 日本五十路高清| 中文字幕最新亚洲高清| 精品国产一区二区三区久久久樱花| 狂野欧美激情性bbbbbb| 精品久久久久久电影网| 欧美午夜高清在线| 一区二区三区乱码不卡18| 嫁个100分男人电影在线观看| 97在线人人人人妻| 精品第一国产精品| 少妇裸体淫交视频免费看高清 | 欧美亚洲 丝袜 人妻 在线| 亚洲少妇的诱惑av| 精品第一国产精品| 成年美女黄网站色视频大全免费| 免费在线观看视频国产中文字幕亚洲 | 超碰成人久久| 香蕉丝袜av| 不卡av一区二区三区| 欧美xxⅹ黑人| a级毛片黄视频| 国产成人影院久久av| 欧美 日韩 精品 国产| 日本撒尿小便嘘嘘汇集6| 男人添女人高潮全过程视频| 国产高清videossex| 久久中文看片网| 青青草视频在线视频观看| 成人免费观看视频高清| 亚洲av片天天在线观看| 成年美女黄网站色视频大全免费| 国产精品99久久99久久久不卡| 亚洲精品自拍成人| 热re99久久精品国产66热6| 麻豆国产av国片精品| 国产深夜福利视频在线观看| 少妇人妻久久综合中文| 国产真人三级小视频在线观看| 国产亚洲午夜精品一区二区久久| 免费在线观看完整版高清| 丁香六月欧美| 国产在视频线精品| 成在线人永久免费视频| 亚洲va日本ⅴa欧美va伊人久久 | 午夜成年电影在线免费观看| 黄片小视频在线播放| 91精品国产国语对白视频| 亚洲欧美精品自产自拍| 侵犯人妻中文字幕一二三四区| 日韩大码丰满熟妇| 亚洲精品中文字幕在线视频| 99久久精品国产亚洲精品| 亚洲精品久久成人aⅴ小说| 精品第一国产精品| 欧美日本中文国产一区发布| 亚洲成人手机| 久久精品人人爽人人爽视色| 夜夜骑夜夜射夜夜干| 在线看a的网站| 97精品久久久久久久久久精品| 制服诱惑二区| 乱人伦中国视频| 法律面前人人平等表现在哪些方面 | 性色av乱码一区二区三区2| 丝袜脚勾引网站| 国产欧美日韩一区二区精品| 十八禁高潮呻吟视频| 日韩中文字幕视频在线看片| 搡老岳熟女国产| 正在播放国产对白刺激| 一二三四社区在线视频社区8| 亚洲av片天天在线观看| 久久99一区二区三区| 久久国产精品人妻蜜桃| 亚洲精品一区蜜桃| 老司机福利观看| 国产av一区二区精品久久| 亚洲精品国产色婷婷电影| 在线天堂中文资源库| 欧美乱码精品一区二区三区| 亚洲av日韩在线播放| 亚洲三区欧美一区| 一区二区av电影网| 日韩视频在线欧美| 精品第一国产精品| 久久精品人人爽人人爽视色| 欧美激情久久久久久爽电影 | 日韩精品免费视频一区二区三区| 黑人欧美特级aaaaaa片| 亚洲人成77777在线视频| 精品福利观看|