• <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 ?

    基于改進(jìn)網(wǎng)格搜索算法的隨機(jī)森林參數(shù)優(yōu)化

    2018-05-21 06:20:42溫博文董文瀚解武杰
    關(guān)鍵詞:分類(lèi)優(yōu)化

    溫博文,董文瀚,解武杰,馬 駿

    空軍工程大學(xué) 航空航天工程學(xué)院,西安 710038

    1 引言

    隨機(jī)森林算法是由Breiman于2001年提出的一種集成學(xué)習(xí)算法,并在文獻(xiàn)[1]用強(qiáng)大數(shù)定理證明了其收斂性。其后,國(guó)內(nèi)外學(xué)者相繼對(duì)其進(jìn)行了后續(xù)研究。在國(guó)外,Kulkarni等通過(guò)將維度分為兩部分,一定程度上提高了正確率[2-3]。Oshiro等證明了隨機(jī)森林的決策樹(shù)數(shù)量存在一個(gè)臨界值使其性能達(dá)到最優(yōu)[4]。Bernard等研究了隨機(jī)森林強(qiáng)度與相關(guān)性的關(guān)系,內(nèi)在分析了隨機(jī)森林的原理[5]。在國(guó)內(nèi),馬景義等綜合了Adaboost算法和隨機(jī)森林算法的優(yōu)勢(shì),提出了擬自適應(yīng)分類(lèi)隨機(jī)森林算法[6]。劉迎春等基于隨機(jī)森林算法,設(shè)計(jì)了互聯(lián)網(wǎng)行業(yè)的大數(shù)據(jù)流式應(yīng)用場(chǎng)景中的流式計(jì)算方法[7]。

    隨機(jī)森林是一種有效的機(jī)器學(xué)習(xí)方法,可應(yīng)用于分類(lèi)問(wèn)題、回歸問(wèn)題以及特征選擇問(wèn)題[8]。隨機(jī)森林是由決策樹(shù)作為基分類(lèi)器的集成學(xué)習(xí)模型,結(jié)合了Bagging和隨機(jī)子空間理論。隨機(jī)森林算法引入了兩個(gè)隨機(jī)量:一是從訓(xùn)練集中有放回地隨機(jī)抽取樣本數(shù)據(jù)組成自助訓(xùn)練集;二是在構(gòu)建決策樹(shù)的過(guò)程中隨機(jī)選擇特征屬性作為候選分裂屬性。正是由于兩個(gè)隨機(jī)量的引入,隨機(jī)森林對(duì)噪聲數(shù)據(jù)不敏感,克服了過(guò)擬合的問(wèn)題。由于隨機(jī)森林具有良好的性能,因此在諸多領(lǐng)域得到了廣泛的應(yīng)用。但到目前為止,對(duì)隨機(jī)森林算法中決策樹(shù)數(shù)量k、候選分裂屬性數(shù)mtry等參數(shù)進(jìn)行優(yōu)化選擇的研究還較少,通常都是通過(guò)經(jīng)驗(yàn)選擇參數(shù),在文獻(xiàn)[1]中,Breiman選取mtry為1和「lb M +1」進(jìn)行了試驗(yàn),M為訓(xùn)練樣本集特征維數(shù)。文獻(xiàn)[9-10]選擇mtry=進(jìn)行試驗(yàn),Panov等[11]則對(duì) mtry=「lb M +1」和mtry=分別進(jìn)行了試驗(yàn)。文獻(xiàn)[12]研究了隨機(jī)森林算法中決策樹(shù)數(shù)量對(duì)其性能的影響,并指出對(duì)于不同的具體對(duì)象而言,使其性能達(dá)到最優(yōu)時(shí)的k值是不同的。通過(guò)經(jīng)驗(yàn)選擇隨機(jī)森林算法的參數(shù),往往得不到性能最優(yōu)的隨機(jī)森林。

    本文針對(duì)上述問(wèn)題,采用改進(jìn)的網(wǎng)格搜索算法,基于袋外數(shù)據(jù)估計(jì),對(duì)隨機(jī)森林算法的決策樹(shù)數(shù)量和候選分裂屬性數(shù)兩個(gè)參數(shù)進(jìn)行優(yōu)化,該方法能夠克服交叉驗(yàn)證的缺點(diǎn),選取到參數(shù)最優(yōu)值。UCI數(shù)據(jù)集的仿真實(shí)驗(yàn)結(jié)果表明,利用本文提出的方法能夠使隨機(jī)森林分類(lèi)性能達(dá)到最優(yōu)。

    2 隨機(jī)森林原理

    隨機(jī)森林算法是由多個(gè)決策樹(shù){h(x,Θk),k=1,2,…}組成的集成算法,其中Θk為相互獨(dú)立且同分布的隨機(jī)變量,決定自助訓(xùn)練集的隨機(jī)抽取和候選分裂屬性的隨機(jī)選擇,即決定決策樹(shù)的生成。對(duì)于分類(lèi)問(wèn)題,采用簡(jiǎn)單多數(shù)投票法的結(jié)果作為隨機(jī)森林的輸出;對(duì)于回歸問(wèn)題,根據(jù)單棵樹(shù)輸出結(jié)果的簡(jiǎn)單平均作為隨機(jī)森林的輸出[13]。

    隨機(jī)森林的構(gòu)建過(guò)程如圖1所示[14]。

    圖1 隨機(jī)森林的構(gòu)建過(guò)程

    (1)從大小為N的訓(xùn)練數(shù)據(jù)集L中有放回地隨機(jī)抽取N個(gè)訓(xùn)練數(shù)據(jù)樣本,得到一個(gè)自助訓(xùn)練集L(B)k。

    (2)以L(B)k為訓(xùn)練數(shù)據(jù),創(chuàng)建決策樹(shù)Tk(x)。對(duì)每個(gè)節(jié)點(diǎn)的分裂,從M個(gè)特征屬性中隨機(jī)選取mtry個(gè)作為候選分裂屬性,根據(jù)基尼指數(shù)從mtry個(gè)特征屬性中選擇一個(gè)進(jìn)行分裂,重復(fù)上述過(guò)程,直至這棵樹(shù)能夠準(zhǔn)確分類(lèi)訓(xùn)練數(shù)據(jù),或所有特征屬性均已被使用過(guò)。在構(gòu)建決策樹(shù)的過(guò)程中,本文采用CART算法分裂節(jié)點(diǎn),即選用基尼指數(shù)最小的分裂方式進(jìn)行分裂。

    選用基尼指數(shù)進(jìn)行分裂時(shí),如果一個(gè)訓(xùn)練樣本集合T含有m個(gè)不同類(lèi)別的樣本,那么該樣本集合的基尼指數(shù)為[8]:

    式中,pi為第i類(lèi)樣本的概率。如果一個(gè)樣本集T被劃分為了l個(gè)樣本子集T1,T2,…,Tl,子集所含樣本數(shù)分別為N1,N2,…,Nl,則這次分裂的基尼指數(shù)為[8]:

    在上述構(gòu)建隨機(jī)森林的過(guò)程中,第一步利用統(tǒng)計(jì)學(xué)中的重采樣技術(shù)隨機(jī)抽取k個(gè)自助訓(xùn)練集時(shí),對(duì)于每次抽取大約有36.8%的訓(xùn)練樣本未被抽中,這些未被抽中的訓(xùn)練樣本稱(chēng)為袋外數(shù)據(jù)。Breiman在文獻(xiàn)[1]中指出,利用袋外數(shù)據(jù)可以對(duì)決策樹(shù)的強(qiáng)度和決策樹(shù)之間的相關(guān)性進(jìn)行估計(jì)。袋外數(shù)據(jù)估計(jì)的決策樹(shù)的泛化誤差與使用和訓(xùn)練集相同大小的測(cè)試集的泛化誤差相同[15],因此可以利用袋外數(shù)據(jù)對(duì)本文提出的方法進(jìn)行泛化誤差估計(jì)。

    3 基于改進(jìn)網(wǎng)格搜索的隨機(jī)森林參數(shù)優(yōu)化

    網(wǎng)格搜索是指將變量區(qū)域網(wǎng)格化,遍歷所有網(wǎng)格點(diǎn),求解滿(mǎn)足約束函數(shù)的目標(biāo)函數(shù)值,最終比較選擇出最優(yōu)點(diǎn)。遍歷網(wǎng)格上所有點(diǎn)需要大量訓(xùn)練時(shí)間,為了提高訓(xùn)練速度,本文提出了一種基于改進(jìn)的網(wǎng)格搜索的隨機(jī)森林參數(shù)優(yōu)化算法。首先,在較大范圍內(nèi)用大步長(zhǎng)劃分網(wǎng)格,進(jìn)行粗搜索選擇出最優(yōu)點(diǎn)。然后在最優(yōu)點(diǎn)附近利用小步長(zhǎng)劃分網(wǎng)格,使網(wǎng)格劃分更加密集,再次進(jìn)行搜索選擇出最優(yōu)點(diǎn)。重復(fù)以上步驟,直至網(wǎng)格間距或目標(biāo)函數(shù)變化量小于給定值。

    為了提高隨機(jī)森林算法的分類(lèi)性能,需要同時(shí)考慮單棵決策樹(shù)的分類(lèi)正確率和樹(shù)的多樣性,然而兩者之間也存在著一定關(guān)系。到目前為止仍沒(méi)有關(guān)于兩者關(guān)系對(duì)隨機(jī)森林性能影響的研究[16]。本文針對(duì)隨機(jī)森林算法中決策樹(shù)數(shù)k和候選分裂屬性數(shù)mtry為離散值的特點(diǎn),采用網(wǎng)格搜索算法進(jìn)行參數(shù)優(yōu)化。本文提出的基于改進(jìn)的網(wǎng)格搜索的隨機(jī)森林參數(shù)優(yōu)化的目標(biāo)函數(shù)值選用袋外數(shù)據(jù)估計(jì)的分類(lèi)誤差。由于隨機(jī)森林在構(gòu)建過(guò)程中的隨機(jī)性,分類(lèi)誤差可能會(huì)在一定范圍內(nèi)波動(dòng),因此為減小不確定性對(duì)參數(shù)選擇產(chǎn)生的影響,本文在求分類(lèi)誤差時(shí)選用多個(gè)隨機(jī)森林模型分類(lèi)誤差的平均值。具體步驟如下:

    (1)確定決策樹(shù)的數(shù)量k和候選分裂屬性數(shù)mtry的范圍,設(shè)定步長(zhǎng),在k和mtry坐標(biāo)系上建立二維網(wǎng)格,網(wǎng)格節(jié)點(diǎn)就是相應(yīng)的k和mtry的參數(shù)對(duì)。

    (2)對(duì)網(wǎng)格節(jié)點(diǎn)上的每一組參數(shù)構(gòu)建隨機(jī)森林,并利用袋外數(shù)據(jù)估計(jì)分類(lèi)誤差。

    (3)選擇分類(lèi)誤差最小的參數(shù)k,mtry,若分類(lèi)誤差或者步長(zhǎng)滿(mǎn)足要求,則輸出最優(yōu)參數(shù)和分類(lèi)誤差;否則,縮小步長(zhǎng),重復(fù)上述步驟,繼續(xù)搜索。

    上述搜索過(guò)程可用圖2所示的流程圖進(jìn)行表示。

    圖2 基于改進(jìn)的網(wǎng)格搜索算法的隨機(jī)森林參數(shù)尋優(yōu)流程圖

    4 仿真驗(yàn)證

    本文選取了UCI數(shù)據(jù)庫(kù)中的11個(gè)數(shù)據(jù)集,表1對(duì)數(shù)據(jù)集的樣本數(shù)、特征維數(shù)、類(lèi)別數(shù)做出了簡(jiǎn)要描述。

    表1 UCI數(shù)據(jù)集

    現(xiàn)以spambase數(shù)據(jù)集為例基于網(wǎng)格搜索對(duì)隨機(jī)森林算法的參數(shù)進(jìn)行優(yōu)化。spambase是歸類(lèi)為“垃圾郵件”和“非垃圾郵件”兩類(lèi)的電子郵件數(shù)據(jù)集。在進(jìn)行大步長(zhǎng)粗搜索時(shí),決策樹(shù)的數(shù)量k的取值范圍設(shè)定為50≤k≤500,步長(zhǎng)設(shè)定為50,候選分裂屬性mtry取值范圍設(shè)定為1≤mtry≤57,步長(zhǎng)設(shè)定為10。搜索結(jié)果如圖3所示。

    圖3 隨機(jī)森林參數(shù)粗搜索結(jié)果圖

    由圖3可以看出,基于網(wǎng)格搜索進(jìn)行大步長(zhǎng)粗搜索時(shí),發(fā)現(xiàn)當(dāng)決策樹(shù)數(shù)量k=400,候選分裂屬性數(shù)mtry=5時(shí),隨機(jī)森林的泛化誤差最小,為0.055 963。同時(shí)可以看出,隨著隨機(jī)森林的候選分裂屬性數(shù)mtry增大,分類(lèi)的效果并不是越來(lái)越好。這是因?yàn)殡S機(jī)森林的泛化誤差與決策樹(shù)之間的相關(guān)性成正比。隨著候選分裂屬性的增多,決策樹(shù)之間的相關(guān)性越高,所以在mtry增加到某一數(shù)值后,分類(lèi)效果反而出現(xiàn)了下降。隨著決策樹(shù)的數(shù)量逐漸增加,隨機(jī)森林的泛化誤差逐漸減小,當(dāng)決策樹(shù)的數(shù)量增加到某一數(shù)值后,泛化誤差趨于穩(wěn)定。

    圖4為利用網(wǎng)格搜索對(duì)隨機(jī)森林進(jìn)行參數(shù)優(yōu)化選擇的結(jié)果。在粗搜索得到的最優(yōu)點(diǎn)k=400,mtry=5附近進(jìn)行網(wǎng)格劃分。k的取值范圍為360≤k≤440,步長(zhǎng)設(shè)定為10,mtry的取值范圍為1≤mtry≤9,步長(zhǎng)設(shè)定為1。由圖4可以看出,當(dāng)決策樹(shù)的數(shù)量k=440,候選分裂屬性數(shù)mtry=5時(shí),隨機(jī)森林的泛化誤差最小,為0.053 518。

    圖4 隨機(jī)森林參數(shù)大步長(zhǎng)搜索結(jié)果圖

    為驗(yàn)證本文提出的方法對(duì)其他數(shù)據(jù)集也適用,本文對(duì)表1中剩余數(shù)據(jù)集重復(fù)上述步驟,進(jìn)行網(wǎng)格搜索,得到隨機(jī)森林相應(yīng)的決策樹(shù)數(shù)量k和候選分裂屬性數(shù)mtry的優(yōu)化參數(shù)以及優(yōu)化參數(shù)后的泛化誤差如表2。

    表2 基于UCI數(shù)據(jù)集的隨機(jī)森林參數(shù)尋優(yōu)結(jié)果

    表2中的第4列為mtry=lb「 M +1」,k=200時(shí)隨機(jī)森林的泛化誤差,第5列為利用本文提出的方法進(jìn)行參數(shù)選擇后隨機(jī)森林的泛化誤差。由表2可以看出,基于改進(jìn)的網(wǎng)格搜索算法對(duì)隨機(jī)森林算法的參數(shù)進(jìn)行優(yōu)化,可以使隨機(jī)森林的分類(lèi)效果得到一定程度的提高。

    采用基于改進(jìn)的網(wǎng)格搜索的隨機(jī)森林參數(shù)優(yōu)化算法和網(wǎng)格搜索的隨機(jī)森林參數(shù)優(yōu)化算法分別對(duì)表1中的11個(gè)數(shù)據(jù)集進(jìn)行訓(xùn)練,得到二者的訓(xùn)練時(shí)間如表3。

    表3 隨機(jī)森林參數(shù)優(yōu)化算法的訓(xùn)練時(shí)間對(duì)比 s

    對(duì)于dna數(shù)據(jù)集和msplice數(shù)據(jù)集,由于樣本多,維數(shù)高,使用網(wǎng)格搜索算法對(duì)隨機(jī)森林參數(shù)進(jìn)行參數(shù)優(yōu)化時(shí),超出了計(jì)算機(jī)的運(yùn)行內(nèi)存,并未完成訓(xùn)練,而本文提出的優(yōu)化算法完成了訓(xùn)練。由表3可以看出,本文提出的基于改進(jìn)的網(wǎng)格搜索的隨機(jī)森林參數(shù)優(yōu)化算法比基于網(wǎng)格搜索的優(yōu)化算法節(jié)省了大量時(shí)間,并且隨著維數(shù)的增加,節(jié)省的時(shí)間越多。

    5 結(jié)束語(yǔ)

    本文提出了一種基于改進(jìn)的網(wǎng)格搜索的隨機(jī)森林參數(shù)優(yōu)化算法,該方法能夠在一定程度上提高隨機(jī)森林算法的分類(lèi)性能,同時(shí)也比基于網(wǎng)格搜索算法的優(yōu)化算法節(jié)約了大量時(shí)間。但是,在粗搜索的最優(yōu)點(diǎn)附近繼續(xù)進(jìn)行網(wǎng)格搜索可能會(huì)陷入局部最優(yōu),從而不能尋找到最優(yōu)參數(shù)。

    [1]Breiman L.Random forests[J].Machine Learning,2001,45(1):5-32.

    [2]Kulkarni V Y,Pradeep K S.Efficient learning of random forest classifier using disjoint partitioning approach[C]//Proceeding of the Word Congress on Engineering 2013.London:IAENG,2013:1-5.

    [3]Kulkarni V Y,Pradeep K S.Random forest classifiers:a survey and future research directions[J].International Journal of Advanced Computing,2011,36(1):1144-1153.

    [4]Oshiro T M,Perez P S,Baranauskas J A.How many trees in a random forest[C]//Lecture Notes in Computer Science:International Workshop on Machine Learning and Data Mining in Pattern Recognition,2012,7376:154-168.

    [5]Bernard S,Heutte L,Adam S.Towards a better understanding of random forests through the study of strength and correlation[C]//Lecture Notes in Computer Science:International Conference on Intelligent Computing.Berlin,Heidelberg:Springer-Verlag,2009,5755:536-545.

    [6]馬景義,吳喜之,謝邦昌.擬自適應(yīng)分類(lèi)隨機(jī)森林算法[J].數(shù)理統(tǒng)計(jì)與管理,2010,29(5):805-811.

    [7]劉迎春,陳梅玲.流式大數(shù)據(jù)下隨機(jī)森林方法及其應(yīng)用[J].西北工業(yè)大學(xué)學(xué)報(bào),2015,33(6):1055-1061.

    [8]王全才.隨機(jī)森林特征選擇[D].大連:大連理工大學(xué),2011.

    [9]莊進(jìn)發(fā),羅鍵,彭彥卿,等.基于改進(jìn)隨機(jī)森林的故障診斷方法研究[J].計(jì)算機(jī)集成制造系統(tǒng),2009,15(4):777-785.

    [10]Genuer R,Poggi J M,Tuleau-Malot C.Variable selection using random forests[J].Pattern Recognition Letters,2010,31(14):2225-2236.

    [11]Panov P,Deroski D.Combining bagging and random subspaces to create better ensembles[C]//Lecture Notes in Computer Science:Proceedings of the 7th International Conference on Intelligent Data Analysis.Berlin,Heidelberg:Springer-Verlag,2007,4723:118-129.

    [12]Bernard S,Heutte L,Adam S.Influence of hyperparameters on random forest accuracy[C]//Proceedings of the 8th International Workshop on Multiple Classifier System.Berlin,Heidelberg:Springer-Verlag,2009:171-180.

    [13]李貞貴.隨機(jī)森林改進(jìn)的若干研究[D].福建廈門(mén):廈門(mén)大學(xué),2014.

    [14]謝劍斌.視覺(jué)機(jī)器學(xué)習(xí)[M].北京:清華大學(xué)出版社,2015:55-58.

    [15]Breiman L.Stacked regressions[J].Machine Learning,1996,24(1):49-64.

    [16]Adnan M N,Islam M Z.Optimizing the number of trees in a decision forest to discover a subforest with high ensemble accuracy using a genetic algorithm[J].Knowledge-Based Systems,2016,110:86-97.

    猜你喜歡
    分類(lèi)優(yōu)化
    超限高層建筑結(jié)構(gòu)設(shè)計(jì)與優(yōu)化思考
    民用建筑防煙排煙設(shè)計(jì)優(yōu)化探討
    關(guān)于優(yōu)化消防安全告知承諾的一些思考
    分類(lèi)算一算
    垃圾分類(lèi)的困惑你有嗎
    大眾健康(2021年6期)2021-06-08 19:30:06
    一道優(yōu)化題的幾何解法
    由“形”啟“數(shù)”優(yōu)化運(yùn)算——以2021年解析幾何高考題為例
    分類(lèi)討論求坐標(biāo)
    數(shù)據(jù)分析中的分類(lèi)討論
    教你一招:數(shù)的分類(lèi)
    一本一本综合久久| 久久伊人香网站| 熟女人妻精品中文字幕| 成年人黄色毛片网站| 国产精品亚洲一级av第二区| 全区人妻精品视频| 色综合婷婷激情| 国产精品99久久99久久久不卡| 欧美激情久久久久久爽电影| 免费无遮挡裸体视频| 亚洲精品一区av在线观看| 国产主播在线观看一区二区| 国产精品九九99| 国产不卡一卡二| 亚洲精品一区av在线观看| 国产私拍福利视频在线观看| 亚洲av美国av| 听说在线观看完整版免费高清| 亚洲中文av在线| av视频在线观看入口| 禁无遮挡网站| 两人在一起打扑克的视频| 成人18禁在线播放| 免费一级毛片在线播放高清视频| 两性午夜刺激爽爽歪歪视频在线观看| 一级黄色大片毛片| 男人舔女人的私密视频| 中文字幕人成人乱码亚洲影| 国产成年人精品一区二区| 久久中文字幕人妻熟女| 最近最新免费中文字幕在线| 亚洲成人久久爱视频| 成熟少妇高潮喷水视频| xxx96com| 欧美乱码精品一区二区三区| av福利片在线观看| 日本黄大片高清| 成人三级黄色视频| 日韩欧美三级三区| 日日摸夜夜添夜夜添小说| 日韩欧美国产在线观看| 窝窝影院91人妻| 12—13女人毛片做爰片一| 免费电影在线观看免费观看| 男插女下体视频免费在线播放| 久久久久性生活片| 天天一区二区日本电影三级| 国产高清激情床上av| 亚洲国产精品成人综合色| 女人被狂操c到高潮| 欧美乱码精品一区二区三区| 色在线成人网| 99国产精品一区二区蜜桃av| 欧美大码av| 国产视频一区二区在线看| 国产精品一及| 成人av在线播放网站| 成人一区二区视频在线观看| 女人高潮潮喷娇喘18禁视频| 国产一区二区三区在线臀色熟女| 成年女人毛片免费观看观看9| 国产伦在线观看视频一区| 日本与韩国留学比较| 免费大片18禁| 国产精品 欧美亚洲| 少妇熟女aⅴ在线视频| 身体一侧抽搐| 亚洲自拍偷在线| 午夜a级毛片| av在线天堂中文字幕| 嫩草影院入口| 精品久久蜜臀av无| 国产1区2区3区精品| 黑人操中国人逼视频| 天天一区二区日本电影三级| 精品国产亚洲在线| 午夜影院日韩av| 国产精品一区二区三区四区久久| 国产伦人伦偷精品视频| 俺也久久电影网| 桃色一区二区三区在线观看| 色尼玛亚洲综合影院| 看黄色毛片网站| 国产乱人伦免费视频| 国产乱人视频| 男女做爰动态图高潮gif福利片| 露出奶头的视频| 久久久久国内视频| 狂野欧美激情性xxxx| 少妇的逼水好多| 婷婷精品国产亚洲av| 午夜免费观看网址| 精品欧美国产一区二区三| 亚洲欧美日韩高清在线视频| 神马国产精品三级电影在线观看| 色播亚洲综合网| 成人18禁在线播放| 亚洲成人免费电影在线观看| 成人特级av手机在线观看| 在线观看日韩欧美| 无限看片的www在线观看| 国产成人系列免费观看| 成人无遮挡网站| 国产 一区 欧美 日韩| 亚洲精品在线美女| 国产精品精品国产色婷婷| 美女 人体艺术 gogo| 高潮久久久久久久久久久不卡| 免费在线观看影片大全网站| 免费大片18禁| 国产 一区 欧美 日韩| 我的老师免费观看完整版| 亚洲中文av在线| 国产97色在线日韩免费| av天堂中文字幕网| 久久久久久国产a免费观看| aaaaa片日本免费| 又黄又粗又硬又大视频| 亚洲,欧美精品.| 欧美色视频一区免费| 看黄色毛片网站| 美女大奶头视频| 久久久精品欧美日韩精品| 男人和女人高潮做爰伦理| 91老司机精品| 日韩欧美精品v在线| 亚洲国产精品成人综合色| 国产aⅴ精品一区二区三区波| 国产一区二区三区视频了| 亚洲精品国产精品久久久不卡| 97超级碰碰碰精品色视频在线观看| 日本熟妇午夜| 美女黄网站色视频| 国产麻豆成人av免费视频| 搡老熟女国产l中国老女人| 最好的美女福利视频网| 黄片大片在线免费观看| 亚洲国产欧美网| 一级a爱片免费观看的视频| 91久久精品国产一区二区成人 | 国产一区二区激情短视频| 精品一区二区三区四区五区乱码| 日韩精品中文字幕看吧| 老熟妇乱子伦视频在线观看| 色综合亚洲欧美另类图片| 麻豆成人午夜福利视频| 熟妇人妻久久中文字幕3abv| 国产高清激情床上av| 90打野战视频偷拍视频| 天天躁日日操中文字幕| 亚洲人与动物交配视频| 亚洲第一电影网av| 9191精品国产免费久久| 欧美日韩黄片免| 久久这里只有精品中国| www.999成人在线观看| 免费大片18禁| 欧美乱妇无乱码| 女人被狂操c到高潮| 成人一区二区视频在线观看| 三级男女做爰猛烈吃奶摸视频| 丁香欧美五月| 床上黄色一级片| 欧美乱妇无乱码| 国产成人啪精品午夜网站| 亚洲国产精品合色在线| 成人三级黄色视频| 毛片女人毛片| 蜜桃久久精品国产亚洲av| 国产一区二区三区视频了| 99国产综合亚洲精品| 法律面前人人平等表现在哪些方面| 久久精品91蜜桃| 综合色av麻豆| 最新美女视频免费是黄的| 好男人电影高清在线观看| 日日干狠狠操夜夜爽| 日本一本二区三区精品| 亚洲自拍偷在线| 俺也久久电影网| 中文字幕高清在线视频| 久久婷婷人人爽人人干人人爱| 国产真实乱freesex| 欧美绝顶高潮抽搐喷水| 亚洲精品美女久久av网站| 最新在线观看一区二区三区| 欧美日韩黄片免| 免费大片18禁| 久久久久久久久免费视频了| 亚洲 国产 在线| 一夜夜www| 日本在线视频免费播放| 久久欧美精品欧美久久欧美| 99riav亚洲国产免费| 国内精品久久久久精免费| 日本五十路高清| 日本a在线网址| 久久人妻av系列| 亚洲电影在线观看av| 久久久国产精品麻豆| 91麻豆av在线| 国产精品影院久久| 国产亚洲av嫩草精品影院| 国产午夜精品论理片| 国产精品一及| 精品99又大又爽又粗少妇毛片 | а√天堂www在线а√下载| 桃色一区二区三区在线观看| 12—13女人毛片做爰片一| 亚洲av第一区精品v没综合| xxx96com| 美女免费视频网站| 香蕉国产在线看| 成人高潮视频无遮挡免费网站| 深夜精品福利| 国产精品永久免费网站| 精华霜和精华液先用哪个| 1024手机看黄色片| 久久国产精品影院| 狠狠狠狠99中文字幕| 精品国产乱子伦一区二区三区| 久久久国产欧美日韩av| 亚洲国产色片| 亚洲中文字幕日韩| 99久久无色码亚洲精品果冻| 香蕉久久夜色| 久久久国产精品麻豆| 伦理电影免费视频| 巨乳人妻的诱惑在线观看| 精品一区二区三区视频在线 | 18禁黄网站禁片免费观看直播| 男人和女人高潮做爰伦理| 欧美日韩瑟瑟在线播放| 亚洲性夜色夜夜综合| 两个人看的免费小视频| 久久精品夜夜夜夜夜久久蜜豆| 精品欧美国产一区二区三| 久久久久国产精品人妻aⅴ院| 国产午夜精品久久久久久| 国产精品久久电影中文字幕| 亚洲国产精品999在线| 久久久色成人| 日韩中文字幕欧美一区二区| 欧美黑人巨大hd| 在线观看舔阴道视频| 岛国视频午夜一区免费看| 色综合欧美亚洲国产小说| 12—13女人毛片做爰片一| 一个人观看的视频www高清免费观看 | 精品久久久久久久久久免费视频| 热99在线观看视频| 国产v大片淫在线免费观看| 久久久久久人人人人人| 一本一本综合久久| 国产精品久久久久久久电影 | 特大巨黑吊av在线直播| 日韩免费av在线播放| 午夜福利在线观看吧| 搡老熟女国产l中国老女人| 十八禁网站免费在线| 欧美成人免费av一区二区三区| 亚洲 国产 在线| 桃红色精品国产亚洲av| www日本在线高清视频| 欧美一区二区国产精品久久精品| 亚洲在线观看片| 亚洲美女视频黄频| 人妻久久中文字幕网| 男人舔女人的私密视频| 嫁个100分男人电影在线观看| 国产精品乱码一区二三区的特点| 琪琪午夜伦伦电影理论片6080| 国产高清videossex| 日韩成人在线观看一区二区三区| 三级毛片av免费| 全区人妻精品视频| 又大又爽又粗| 久久国产精品影院| 精品久久久久久久末码| 日韩精品中文字幕看吧| 久久中文字幕人妻熟女| 人妻丰满熟妇av一区二区三区| 男女做爰动态图高潮gif福利片| 欧美丝袜亚洲另类 | 欧美激情在线99| 欧美日本视频| 国产一区二区在线av高清观看| 国产av一区在线观看免费| av中文乱码字幕在线| 后天国语完整版免费观看| 变态另类成人亚洲欧美熟女| 母亲3免费完整高清在线观看| 国产熟女xx| 天堂√8在线中文| 最新在线观看一区二区三区| 国语自产精品视频在线第100页| 国产精品一及| 国产精品av久久久久免费| 99久国产av精品| 国产乱人伦免费视频| 日韩欧美三级三区| 99在线视频只有这里精品首页| 久久久精品大字幕| 两个人的视频大全免费| 成人午夜高清在线视频| 老司机福利观看| 黄色成人免费大全| 长腿黑丝高跟| 国产日本99.免费观看| 欧美激情久久久久久爽电影| 黄片小视频在线播放| 免费观看的影片在线观看| 一级毛片精品| 18禁黄网站禁片免费观看直播| 在线观看午夜福利视频| 国产成人精品久久二区二区免费| 久久天堂一区二区三区四区| 色尼玛亚洲综合影院| 日韩 欧美 亚洲 中文字幕| 国产成人aa在线观看| 国内精品美女久久久久久| 高清毛片免费观看视频网站| 九九在线视频观看精品| 中亚洲国语对白在线视频| 婷婷亚洲欧美| 一个人免费在线观看电影 | 亚洲精品中文字幕一二三四区| 久久精品国产综合久久久| 床上黄色一级片| 午夜精品一区二区三区免费看| 国产精品一及| 国产 一区 欧美 日韩| 国产精品久久久人人做人人爽| 欧美另类亚洲清纯唯美| 国产不卡一卡二| 久久精品国产99精品国产亚洲性色| 亚洲精品一区av在线观看| 美女 人体艺术 gogo| 999久久久国产精品视频| 给我免费播放毛片高清在线观看| 亚洲熟女毛片儿| 丝袜人妻中文字幕| 亚洲电影在线观看av| 性色avwww在线观看| 成人国产综合亚洲| 老鸭窝网址在线观看| 老司机在亚洲福利影院| 男女视频在线观看网站免费| 国产黄片美女视频| 亚洲精华国产精华精| 亚洲av五月六月丁香网| 久久天躁狠狠躁夜夜2o2o| 白带黄色成豆腐渣| 午夜福利在线观看吧| av福利片在线观看| 美女cb高潮喷水在线观看 | 老司机午夜十八禁免费视频| 2021天堂中文幕一二区在线观| 非洲黑人性xxxx精品又粗又长| 久久精品人妻少妇| e午夜精品久久久久久久| 婷婷精品国产亚洲av在线| bbb黄色大片| 18禁观看日本| 中文字幕精品亚洲无线码一区| ponron亚洲| 在线观看免费午夜福利视频| 久久久久亚洲av毛片大全| 国产成人av教育| 男人舔女人的私密视频| 桃色一区二区三区在线观看| 美女免费视频网站| 日本三级黄在线观看| 亚洲美女视频黄频| 九色国产91popny在线| 亚洲av免费在线观看| 黑人欧美特级aaaaaa片| 九色成人免费人妻av| 国产激情欧美一区二区| 露出奶头的视频| 亚洲午夜理论影院| 在线观看美女被高潮喷水网站 | 色av中文字幕| 久久精品aⅴ一区二区三区四区| 国产精品 欧美亚洲| 在线永久观看黄色视频| 淫妇啪啪啪对白视频| 国产精品一区二区三区四区久久| 日日摸夜夜添夜夜添小说| 欧美黑人欧美精品刺激| 两个人看的免费小视频| 国产午夜精品久久久久久| 亚洲在线观看片| 国产av不卡久久| 免费一级毛片在线播放高清视频| av在线天堂中文字幕| 欧美乱色亚洲激情| 亚洲欧美日韩卡通动漫| 国产亚洲av高清不卡| 久久性视频一级片| 午夜福利高清视频| 欧美色欧美亚洲另类二区| 日韩欧美精品v在线| 老司机福利观看| 国产又色又爽无遮挡免费看| 欧美大码av| 天堂动漫精品| 中文字幕高清在线视频| 制服丝袜大香蕉在线| 757午夜福利合集在线观看| 欧美黑人巨大hd| 国产亚洲av高清不卡| 欧美乱妇无乱码| 国产爱豆传媒在线观看| 国产视频内射| 色在线成人网| 国产日本99.免费观看| 国产高潮美女av| 精品久久久久久久末码| 无限看片的www在线观看| 久久久精品欧美日韩精品| 亚洲一区二区三区不卡视频| 色播亚洲综合网| 三级男女做爰猛烈吃奶摸视频| 禁无遮挡网站| 男人舔奶头视频| 欧美3d第一页| 热99在线观看视频| 午夜久久久久精精品| 一二三四社区在线视频社区8| 日日夜夜操网爽| 国产精品自产拍在线观看55亚洲| 亚洲欧美日韩东京热| 国产精品 国内视频| 亚洲 欧美 日韩 在线 免费| 热99re8久久精品国产| 无遮挡黄片免费观看| 老司机福利观看| 亚洲激情在线av| 免费在线观看日本一区| 偷拍熟女少妇极品色| 成人国产综合亚洲| 给我免费播放毛片高清在线观看| 亚洲av成人不卡在线观看播放网| 精品日产1卡2卡| 91麻豆精品激情在线观看国产| 日韩大尺度精品在线看网址| 听说在线观看完整版免费高清| 欧美绝顶高潮抽搐喷水| 日韩高清综合在线| 成人国产一区最新在线观看| 成人三级做爰电影| 欧美黑人欧美精品刺激| 91在线观看av| 亚洲五月天丁香| 色哟哟哟哟哟哟| 亚洲欧美激情综合另类| 日韩成人在线观看一区二区三区| 高清在线国产一区| 国产一区二区激情短视频| 欧美日韩国产亚洲二区| 久久精品91无色码中文字幕| 老熟妇仑乱视频hdxx| 精品一区二区三区四区五区乱码| 男女下面进入的视频免费午夜| xxx96com| 极品教师在线免费播放| 国产乱人伦免费视频| 成年人黄色毛片网站| 12—13女人毛片做爰片一| 日本黄色片子视频| 色噜噜av男人的天堂激情| 精品久久久久久久久久久久久| 变态另类丝袜制服| 免费看光身美女| 俺也久久电影网| 97碰自拍视频| 国产v大片淫在线免费观看| 1024香蕉在线观看| 亚洲国产欧美网| 亚洲黑人精品在线| 身体一侧抽搐| 国产精品亚洲av一区麻豆| 热99在线观看视频| 国产精品野战在线观看| 国产成人精品无人区| 欧美在线黄色| 久久热在线av| 噜噜噜噜噜久久久久久91| 白带黄色成豆腐渣| 欧美日韩一级在线毛片| 欧美在线黄色| 免费观看精品视频网站| 免费大片18禁| 午夜两性在线视频| 一本久久中文字幕| 国产高潮美女av| 日韩高清综合在线| 婷婷精品国产亚洲av在线| 法律面前人人平等表现在哪些方面| 一二三四社区在线视频社区8| 在线观看舔阴道视频| 久久天躁狠狠躁夜夜2o2o| 国内少妇人妻偷人精品xxx网站 | 亚洲,欧美精品.| 亚洲国产日韩欧美精品在线观看 | 久久久久精品国产欧美久久久| 亚洲国产欧美人成| 曰老女人黄片| 一本一本综合久久| 成人三级黄色视频| 精品国产乱子伦一区二区三区| 制服丝袜大香蕉在线| 亚洲中文字幕日韩| 最新在线观看一区二区三区| 丰满人妻一区二区三区视频av | 亚洲国产欧美网| 中亚洲国语对白在线视频| 999久久久国产精品视频| 99久久综合精品五月天人人| 亚洲精品美女久久久久99蜜臀| 特级一级黄色大片| 久久久久九九精品影院| www.自偷自拍.com| 亚洲av电影不卡..在线观看| 岛国视频午夜一区免费看| 一区二区三区国产精品乱码| 日本 欧美在线| 欧美+亚洲+日韩+国产| 国产久久久一区二区三区| 日韩三级视频一区二区三区| 亚洲欧美日韩东京热| 午夜福利视频1000在线观看| 欧美av亚洲av综合av国产av| 国产人伦9x9x在线观看| 久久久久久久午夜电影| 精品福利观看| 国产美女午夜福利| 最新中文字幕久久久久 | 2021天堂中文幕一二区在线观| 一本精品99久久精品77| 露出奶头的视频| 免费看光身美女| 国产淫片久久久久久久久 | 亚洲一区二区三区不卡视频| 美女cb高潮喷水在线观看 | 国产精品久久电影中文字幕| 亚洲中文av在线| 国产精品1区2区在线观看.| 精品无人区乱码1区二区| 热99在线观看视频| 亚洲国产欧美网| 午夜免费激情av| 午夜福利18| 午夜精品一区二区三区免费看| 一个人免费在线观看电影 | 三级毛片av免费| 国内揄拍国产精品人妻在线| 国产1区2区3区精品| 一个人观看的视频www高清免费观看 | 久久久成人免费电影| netflix在线观看网站| 俺也久久电影网| 亚洲乱码一区二区免费版| 天堂网av新在线| 久久久久久久精品吃奶| ponron亚洲| 高清在线国产一区| 久久久精品欧美日韩精品| 国产黄片美女视频| 男插女下体视频免费在线播放| 三级男女做爰猛烈吃奶摸视频| 男人舔奶头视频| a在线观看视频网站| 小说图片视频综合网站| 给我免费播放毛片高清在线观看| 国产一级毛片七仙女欲春2| 午夜精品在线福利| 精品人妻1区二区| 欧美丝袜亚洲另类 | 亚洲色图av天堂| 午夜福利视频1000在线观看| 亚洲av成人不卡在线观看播放网| 黄色片一级片一级黄色片| 精品一区二区三区视频在线观看免费| 毛片女人毛片| 男人舔女人的私密视频| 国产亚洲欧美98| 草草在线视频免费看| 中文字幕久久专区| 亚洲无线在线观看| 757午夜福利合集在线观看| 欧美成人一区二区免费高清观看 | 最近在线观看免费完整版| 好男人电影高清在线观看| 99久久综合精品五月天人人| 亚洲片人在线观看| 精品日产1卡2卡| 色噜噜av男人的天堂激情| 精品久久久久久成人av| 久久中文看片网| 天堂av国产一区二区熟女人妻| 亚洲aⅴ乱码一区二区在线播放| 黄色 视频免费看| 欧美丝袜亚洲另类 | av视频在线观看入口| 夜夜看夜夜爽夜夜摸| 久久这里只有精品19| 国产一区二区在线观看日韩 | 91久久精品国产一区二区成人 | 成人国产综合亚洲| 一级作爱视频免费观看| 亚洲精品在线观看二区| 午夜成年电影在线免费观看| 亚洲精品美女久久av网站|