• <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 ?

    SUCE:基于聚類集成的半監(jiān)督二分類方法

    2018-11-05 09:13:04閔帆王宏杰劉福倫王軒
    智能系統(tǒng)學(xué)報 2018年6期
    關(guān)鍵詞:標簽聚類精度

    閔帆,王宏杰,劉福倫,王軒

    在機器學(xué)習(xí)[1]領(lǐng)域中,半監(jiān)督學(xué)習(xí)[2-3]和集成學(xué)習(xí)[4]是當(dāng)前的研究熱點。它們被廣泛應(yīng)用于智能信息處理[5]、圖像處理[6]、生物醫(yī)學(xué)[7]等領(lǐng)域。在許多大數(shù)據(jù)場景中,樣本屬性的獲取容易且廉價,而其標簽的獲取則困難且昂貴[8]。如果只使用少量已標記樣本進行學(xué)習(xí),那么訓(xùn)練得到的分類模型通常會造成過度擬合[9]。為此,Merz等[10]于1992年提出半監(jiān)督分類,它不依賴外界交互,充分利用未標記樣本,有效提高分類模型的穩(wěn)定性和精度。

    集成學(xué)習(xí)是指先構(gòu)建多個學(xué)習(xí)器,再采用某種集成策略進行結(jié)合,最后綜合各個學(xué)習(xí)器的結(jié)果輸出最終結(jié)果。集成學(xué)習(xí)中的多個學(xué)習(xí)器可以是同種類型的弱學(xué)習(xí)器,也可以是不同類型的弱學(xué)習(xí)器,基于這些弱學(xué)習(xí)器進行集成后獲得一個精度更高的“強學(xué)習(xí)器”[11-12]。

    基于聚類的分類算法是指先進行數(shù)據(jù)聚類[13],然后根據(jù)類簇和標簽信息進行分類。其優(yōu)點是需要的標簽較少,但單一算法的聚類效果不穩(wěn)定或不符合類標簽分布時,分類效果受到嚴重影響。2002年Strehl等[14]提出“聚類集成”,使用不同類型的聚類算法構(gòu)造不同的學(xué)習(xí)器,結(jié)合這些學(xué)習(xí)器可得到更可靠更優(yōu)的聚類結(jié)果;Fred等[15]提出通過對同一種聚類算法選取不同參數(shù)來構(gòu)造學(xué)習(xí)器;Zhou[16]利用互信息設(shè)定權(quán)重,采用基于投票、加權(quán)投票進行聚類集成學(xué)習(xí);Zhang[17]提出一種無標簽數(shù)據(jù)增強集成學(xué)習(xí)的方法UDEED,能夠同時最大化基分類器在有標簽數(shù)據(jù)上的精度和無標簽數(shù)據(jù)上的多樣性。

    本文針對名詞型數(shù)據(jù)分類問題,在半監(jiān)督學(xué)習(xí)的框架之下,融合聚類和集成學(xué)習(xí)技術(shù),提出一種新的半監(jiān)督分類算法(semi-supervised binary classification based on clustering ensemble,SUCE)。通過在UCI 4個數(shù)據(jù)集上的實驗表明,該方法比傳統(tǒng)的ID3、kNN、C4.5等算法的分類效果要好。而且,當(dāng)標簽較少時,其分類優(yōu)勢更為明顯。

    1 基本概念

    分類問題的基礎(chǔ)數(shù)據(jù)為決策系統(tǒng)。

    定義1[18]決策系統(tǒng)S為一個三元組:

    式中:U是對象集合也稱為論域;C是條件屬性集合;d是決策屬性。本文只研究名詞型數(shù)據(jù)的二分類問題,所以決策屬性只有兩個屬性值即|Vd|=2。一般假設(shè)所有的條件屬性值已知,而僅有部分樣本決策屬性值已知。這些對象構(gòu)成了訓(xùn)練集Ur,而Ut=U–Ur構(gòu)成了測試集。實際上,在半監(jiān)督學(xué)習(xí)中,測試集的對象也參與了訓(xùn)練模型的構(gòu)建。

    聚類問題不涉及決策屬性d。聚類集成是指關(guān)于一個對象集合的多個劃分組合成為一個統(tǒng)一聚類結(jié)果的方法,目標就是要尋找一個聚類,使其對于所有的輸入聚類結(jié)果來說,盡可能多地符合[19]。

    圖1 聚類集成過程示意圖Fig. 1 The diagram of clustering ensemble

    集成學(xué)習(xí)中,學(xué)習(xí)器之間的差異性被認為是影響集成結(jié)果的關(guān)鍵因素之一[20]。聚類集成的第一步是通過不同類型聚類基學(xué)習(xí)器產(chǎn)生多個聚類結(jié)果,從不同的方面反映數(shù)據(jù)集的結(jié)構(gòu),有利于集成[21]。在本文中,k-Means[22]、EM[23]、Farthest-First[24]和HierarchicalClusterer[25]4個聚類算法將作為聚類集成的基礎(chǔ)學(xué)習(xí)算法,并且每次運行都設(shè)置不同的參數(shù)。k-Means原理簡單運行速度較快,但依賴于初始參數(shù)設(shè)置使得聚類結(jié)果存在不穩(wěn)定性,并且不能有效針對非凸形狀分布數(shù)據(jù)聚類。EM不需要事先設(shè)定類別數(shù)目,計算結(jié)果穩(wěn)定、準確,但算法相對復(fù)雜,收斂較慢不適用于大規(guī)模數(shù)據(jù)集和高維數(shù)據(jù)。HierarchicalClusterer沒有任何目標函數(shù),簇合并后不可逆轉(zhuǎn),將局部最優(yōu)作為全局最優(yōu)解,聚類結(jié)果依賴于主觀獲得。FarthestFirst在迭代過程中減少待聚類樣本數(shù)和類別數(shù),具有精簡聚類結(jié)果的效果。每個算法各有優(yōu)劣,適用的場景不同;因此需要對它們進行集成化來實現(xiàn)優(yōu)勢互補。因為本文只研究名詞型數(shù)據(jù)的二分類問題,所以在聚類時,聚簇的數(shù)量直接設(shè)為類別數(shù)量,在實驗中,本文將所有聚類算法的聚簇數(shù)量設(shè)定為2。

    聚類效果的主要評價指標有JC系數(shù)、FM指數(shù)、DB指數(shù)和DI指數(shù)等。本文通過聚類方法研究二分類問題,使用Ur的聚類純度對聚類結(jié)果進行評估。通常來說,聚類純度越高則表明聚類效果越好。

    定義2 聚類純度(purity of cluster, PC)

    設(shè)數(shù)據(jù)集U=Ut∪Ur,對于任意聚類學(xué)習(xí)器類結(jié)果,其中表示xi∈Ur的真實標簽。

    那么基學(xué)習(xí)器C對于Ur的聚類純度可表示為

    另外,聚類集成學(xué)習(xí)存在一個必須要解決的問題:簇標簽與真實標簽的對應(yīng)。

    本文用t(x)和d'(x)分別表示樣本x∈Ut的聚類標簽和預(yù)測標簽。θ是用戶設(shè)置的閾值,當(dāng)PC(Ur)>θ時,即表示聚類標簽與類標簽相匹配,將調(diào)用normal(Ut)函數(shù),并直接把聚類標簽作為預(yù)測標簽;當(dāng)PC(Ur)>θ時,即表示聚類標簽與類標簽相反,將調(diào)用covert(Ut)函數(shù),把聚類標簽取反后作為預(yù)測標簽;當(dāng)PC(Ur)介于1?θ和θ之間,即認為聚類結(jié)果不適于指導(dǎo)標簽預(yù)測,調(diào)用reset(Ut)函數(shù),用?1表示x∈Ut的預(yù)測標簽。

    例2 采用與例1中相同的Ut和Ur,且|=3,若C1的預(yù)測標簽,若C2的預(yù)測標簽

    2 算法設(shè)計與分析

    本節(jié)首先描述算法的總體框架,然后進行算法偽代碼描述,最后分析算法復(fù)雜度。

    2.1 算法總體方案

    基于集成的半監(jiān)督分類方法主要是通過集成學(xué)習(xí)控制無標記樣本的標注過程來減少未標記的不確定性[12]。然而,目前在利用集成學(xué)習(xí)輔助半監(jiān)督學(xué)習(xí)方面的方法研究較少,主要是存在如下矛盾:半監(jiān)督學(xué)習(xí)適用于標記樣本不足的情況,然而傳統(tǒng)的集成學(xué)習(xí)本身就需要大量的標記樣本進行訓(xùn)練[12]。針對上述問題,SUCE綜合聚類集成與半監(jiān)督學(xué)習(xí),在已知標簽較少的情況下,有效提高分類器的精度。

    如圖2所示,基于聚類集成的半監(jiān)督分類過程為:第1個分圖說明,首先通過聚類集成,將B中部分沒有類別樣本C的類標簽預(yù)測出來;達到“擴大”有類別的樣本集合(A變成了A+C),“縮小”了未標記類別集合(B變成了B')。第2個分圖說明,對于擴大后的集合(A+C)利用分類模型,完成預(yù)測沒有類別的樣本B'。

    圖2 基于聚類集成的半監(jiān)督分類示意圖Fig. 2 The diagram of semi-supervised classification based on clustering ensemble

    2.2 算法描述

    在訓(xùn)練階段,本算法將依次對數(shù)據(jù)集進行4步處理,從而生成分類器:

    1) 通過getLabel(Ur)獲取訓(xùn)練集Ur的標簽。然后,利用remove(Ur)對Ur去標簽得到Ur′;并將 Ur′∪Ut得到無標簽 U。

    2) 通過多個基于 EM、K-Means、Farthest-First和HierarchicalClusterer等聚類算法的個體學(xué)習(xí)器對U進行全局聚類。根據(jù)已獲取的,計算第i個聚類學(xué)習(xí)器在Ur上的聚類純度PC(i)。如果PC(i)高于閾值θ,將繼續(xù)參加集成學(xué)習(xí),并將移入到學(xué)習(xí)器集合E中即E∪。

    3) 對測試集的預(yù)測標簽進行集成學(xué)習(xí)。通過h(x)一致性函數(shù)依次對測試集每個樣本x∈Ut的預(yù)測標簽進行一致性處理。如果E中所有學(xué)習(xí)器對x的預(yù)測標簽均一致,將預(yù)測標簽d'(x)賦給x得到x'=(x, d'(x))。x'移入到訓(xùn)練集Ur∪{x'},同時在測試集中將其刪除Ut-{x}。

    4) 對擴大規(guī)模后的Ur進行學(xué)習(xí),再對縮減規(guī)模后的Ut進行分類=classifier(Ur, Ut)得到Ut的類標簽;然后,獲取Ur的標簽=getLabel(Ur)。最終得到U類標簽=combine(,)。

    SUCE:基于集成聚類的半監(jiān)督分類算法

    算法 SUCE

    輸入 訓(xùn)練集Ur,測試集Ut,閾值;

    輸出 Ut的類標簽向量。

    優(yōu)化目標:最大化分類精度;

    1)U=?,E=?;//初始化

    9)for (i=0; i<4; i++) do //篩選基學(xué)習(xí)器

    10) if (PC(i)>θ) then

    12)end if

    13)end for

    14)for (each x∈Ut) do //標簽一致性處理

    17)else then

    19)end if

    20)end for

    21)for (each x∈Ut) do //擴充訓(xùn)練集

    23)x'=(x, d'(x))

    24)Ur∪{x'};

    25)Ut-{x};

    2.3 復(fù)雜度分析

    為方便討論,假設(shè)訓(xùn)練集Ur的對象數(shù)量為n,條件屬性數(shù)量為c,測試集Ut的對象數(shù)量為m?;鶎W(xué)習(xí)器數(shù)量為|E|, 迭代次數(shù)為t、聚類簇數(shù)為k。SUCE算法細分為以下4個階段。

    1) 對數(shù)據(jù)集進行去標簽化預(yù)處理。在隱藏Ur類標簽之前,需先記錄其真實類標簽,如第2)行所示再隱藏Ur中的類標簽,如第(3)行所示。至此,需要對Ur進行兩次遍歷,共執(zhí)行2n次計算。接下來是合并去標簽后的Ur和Ut,構(gòu)建無標簽論域U。第1階段,計算機將共執(zhí)行3n+m次運算,故該階段的時間復(fù)雜度為O(n+m)。

    2) 分別通過基于 K-Means、EM、Farthest-First和HierarchicalClusterer基學(xué)習(xí)器對U進行全局聚類,如第5)~8)行所示。其時間復(fù)雜度分別為 O(kt(n+m))、O(ct(n+m))、O(k(n+m))、O((n+m)2lg(n+m)),然后計算基學(xué)習(xí)器的聚類純度,并對其進行篩選,共執(zhí)行n×|E|次運算,如第9)~13)行所示。

    3) 對Ut中的對象進行一致化處理。遍歷Ut中對象,共執(zhí)行m次處理,如第14)-20)行所示。然后將Ut中置信度高的對象移入到Ur,如第21)~27)行所示,共執(zhí)行2m次計算,故時間復(fù)雜度為O(m)。

    4) 對擴展后的Ur進行學(xué)習(xí),并對Ut進行分類。該階段的時間復(fù)雜度根據(jù)所采用的具體分類算法變化而變化。

    3 實驗及分析

    本節(jié)通過實驗回答以下3個問題:1) 如何設(shè)置合適的θ閾值;2) SUCE應(yīng)用于哪些基礎(chǔ)算法效果更好;3) 相比于流行的分類算法,SUCE能否提高分類器的精度。

    3.1 實驗設(shè)置

    實驗采用了UCI數(shù)據(jù)庫中的Sonar、Iono-sphere、Wdbc和 Voting4個數(shù)據(jù)集。Sonar、Wdbc是連續(xù)型數(shù)據(jù),因此通過Weka應(yīng)用默認方法對其進行離散化處理。

    根據(jù)UCI數(shù)據(jù)集的樣本數(shù)量,實驗設(shè)置的訓(xùn)練集規(guī)模分別為2%、4%、6%、8%、10%、12%、14%和16%。在測試集中,樣本標簽不可見,直到所有的未分類樣本都得到預(yù)測標簽。為減小實驗隨機誤差,每個結(jié)果均為200次相同實驗的平均值。所有(對比)實驗均采用上述相同的實驗參數(shù),如表1所示。

    表 1 數(shù)據(jù)集的描述Table 1 Description of the data set

    3.2 實驗結(jié)果與分析

    圖3顯示了 Sonar、Wdbc、Ionosphere和 Voting數(shù)據(jù)集在不同閾值θ和訓(xùn)練集規(guī)模下的平均分類精度變化。通過實驗數(shù)據(jù)觀察發(fā)現(xiàn),θ=0.8左右時,SUCE在4個數(shù)據(jù)集上均能取得最好的分類效果。在Sonar和Voting數(shù)據(jù)集上,對于不同的θ取值,隨著訓(xùn)練集規(guī)模的擴大,平均分類精度會呈現(xiàn)出先增加后趨于穩(wěn)定的趨勢。因為隨著閾值θ的提高,篩選過后還保留的個體學(xué)習(xí)器通常會變得更少,所以獲得的樣本標簽并沒有提高,從而導(dǎo)致分類效果沒有提升。對于Ionosphere和Wdbc,訓(xùn)練集規(guī)模并不太影響平均分類精度。

    表2顯示了SUCE作用在ID3、J48、Bayes、kNN、Logistic、OneR等基礎(chǔ)算法上,并對Sonar、Wdbc、Ionosphere和Voting數(shù)據(jù)集進行半監(jiān)督分類的分類結(jié)果。實驗參數(shù)設(shè)置為:θ=0.8,訓(xùn)練集比例=4%。Win值的計算如下:在某一數(shù)據(jù)集上,如果某種算法效果比其對比算法精度高1%以上,則該算法得1分;否則兩種算法效果相當(dāng)且均不得分。

    通過表2可以統(tǒng)計發(fā)現(xiàn),SUCE獲勝14次,打平5次,失敗5次。在Sonar、Wdbc和Ionosphere數(shù)據(jù)集上的分類效果要優(yōu)于基礎(chǔ)算法。但SUCE在Voting數(shù)據(jù)集上對基礎(chǔ)算法分類效果的提升不明顯。

    SUCE更適用于ID3、C4.5、OneR等基礎(chǔ)算法。例如,在Sonar數(shù)據(jù)上,SUCE-C4.5獲得了高達14%的精度提升。然而,SUCE對Naive Bayes算法的改進不明顯。

    圖3 SUCE-ID3在不同數(shù)據(jù)集上的分類比較Fig. 3 The diagram of comparison of SUCE-ID3 classification on different datasets

    現(xiàn)在可以回答本節(jié)提出的問題。1)取為0.8左右較合適;2) SUCE應(yīng)用于ID3、C4.5、OneR等基礎(chǔ)算法效果更好;3)相比基礎(chǔ)算法,SUCE通??梢蕴岣叻诸惼鞯木?。

    表 2 SUCE與基礎(chǔ)算法分類精度對比Table 2 Comparing the classification accuracy of SUCE and basic algorithms

    4 結(jié)束語

    本文提出的基于集成聚類的半監(jiān)督二分類算法SUCE解決了樣本過少情況下的分類效果較差的問題。優(yōu)點在于通過集成聚類的學(xué)習(xí)充分挖掘大量未標記樣本中的重要信息,而不需要去求助外界來解決,降低了學(xué)習(xí)的成本。在未來的工作中,進一步研究以下3個方向:1)由目前只能解決二分類問題過渡到多分類問題;2)加入更多學(xué)習(xí)能力強的聚類算法,擴大集成學(xué)習(xí)個體學(xué)習(xí)器的規(guī)模;3)引入代價敏感,增強集成學(xué)習(xí)的能力。

    猜你喜歡
    標簽聚類精度
    無懼標簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    不害怕撕掉標簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    標簽化傷害了誰
    GPS/GLONASS/BDS組合PPP精度分析
    基于改進的遺傳算法的模糊聚類算法
    基于多進制查詢樹的多標簽識別方法
    計算機工程(2015年8期)2015-07-03 12:20:27
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    改進的Goldschmidt雙精度浮點除法器
    一级毛片精品| 欧美另类亚洲清纯唯美| 91大片在线观看| 日韩欧美国产在线观看| 欧美日韩精品网址| 国语自产精品视频在线第100页| 国产精品免费视频内射| 色综合亚洲欧美另类图片| 成在线人永久免费视频| av超薄肉色丝袜交足视频| 久久天堂一区二区三区四区| 亚洲精品在线观看二区| 亚洲乱码一区二区免费版| 午夜影院日韩av| 国产精品亚洲一级av第二区| 欧美一级毛片孕妇| 给我免费播放毛片高清在线观看| 亚洲色图 男人天堂 中文字幕| 香蕉国产在线看| 别揉我奶头~嗯~啊~动态视频| 国内久久婷婷六月综合欲色啪| 久久这里只有精品中国| 99re在线观看精品视频| 亚洲成人久久性| 国产在线观看jvid| 美女高潮喷水抽搐中文字幕| 欧美成人一区二区免费高清观看 | 免费看日本二区| 看黄色毛片网站| 每晚都被弄得嗷嗷叫到高潮| 久久久久久国产a免费观看| 麻豆成人午夜福利视频| 脱女人内裤的视频| 99国产精品一区二区三区| 久久香蕉精品热| 每晚都被弄得嗷嗷叫到高潮| 婷婷六月久久综合丁香| 在线免费观看的www视频| 久久精品综合一区二区三区| 极品教师在线免费播放| www.999成人在线观看| 国产一区二区在线av高清观看| 免费看a级黄色片| 精华霜和精华液先用哪个| 日本一二三区视频观看| 夜夜爽天天搞| 1024手机看黄色片| 成人国语在线视频| 中文在线观看免费www的网站 | 少妇粗大呻吟视频| 男人舔女人下体高潮全视频| 美女高潮喷水抽搐中文字幕| 九九热线精品视视频播放| 久久亚洲真实| a级毛片在线看网站| 男插女下体视频免费在线播放| 成人手机av| 免费在线观看亚洲国产| 精品欧美一区二区三区在线| 18美女黄网站色大片免费观看| 麻豆av在线久日| 久久精品成人免费网站| 久久这里只有精品19| 午夜福利成人在线免费观看| 黑人欧美特级aaaaaa片| 色哟哟哟哟哟哟| 五月玫瑰六月丁香| 狂野欧美白嫩少妇大欣赏| 啦啦啦韩国在线观看视频| 我的老师免费观看完整版| 波多野结衣高清作品| 欧美成狂野欧美在线观看| 一级毛片女人18水好多| 大型黄色视频在线免费观看| 亚洲中文av在线| 国产成人一区二区三区免费视频网站| 人人妻人人看人人澡| 国产精品久久久久久亚洲av鲁大| 大型av网站在线播放| 法律面前人人平等表现在哪些方面| 黄色成人免费大全| 九色成人免费人妻av| 亚洲一卡2卡3卡4卡5卡精品中文| 国产伦在线观看视频一区| 亚洲美女黄片视频| 男女视频在线观看网站免费 | 国产私拍福利视频在线观看| 国产精华一区二区三区| 高潮久久久久久久久久久不卡| 两个人的视频大全免费| 听说在线观看完整版免费高清| 老司机午夜十八禁免费视频| 久久久久国产精品人妻aⅴ院| 色噜噜av男人的天堂激情| 最近最新免费中文字幕在线| 淫妇啪啪啪对白视频| 我的老师免费观看完整版| 亚洲中文av在线| 在线看三级毛片| 久久久久国产一级毛片高清牌| 国产成人欧美在线观看| 亚洲欧美精品综合一区二区三区| 天堂√8在线中文| 亚洲人与动物交配视频| 成人高潮视频无遮挡免费网站| 五月伊人婷婷丁香| 欧美乱妇无乱码| 脱女人内裤的视频| 啦啦啦免费观看视频1| 免费人成视频x8x8入口观看| 久久久精品大字幕| 国产三级中文精品| 老鸭窝网址在线观看| 亚洲天堂国产精品一区在线| 人人妻,人人澡人人爽秒播| 在线观看美女被高潮喷水网站 | 国产爱豆传媒在线观看 | 久久国产精品影院| 亚洲无线在线观看| 久久伊人香网站| 一区二区三区激情视频| 亚洲狠狠婷婷综合久久图片| svipshipincom国产片| 国产精品久久久久久久电影 | 午夜免费观看网址| aaaaa片日本免费| 岛国在线观看网站| 一二三四社区在线视频社区8| 国产真实乱freesex| 9191精品国产免费久久| 婷婷六月久久综合丁香| 久99久视频精品免费| 搡老熟女国产l中国老女人| 中文字幕人成人乱码亚洲影| 麻豆成人午夜福利视频| 少妇熟女aⅴ在线视频| 国产av一区二区精品久久| 中国美女看黄片| 脱女人内裤的视频| 午夜a级毛片| 丝袜人妻中文字幕| 韩国av一区二区三区四区| 99re在线观看精品视频| 别揉我奶头~嗯~啊~动态视频| 级片在线观看| 日韩欧美国产在线观看| 国产高清视频在线播放一区| 国产成人精品无人区| 级片在线观看| 亚洲乱码一区二区免费版| 男女视频在线观看网站免费 | 午夜福利免费观看在线| 亚洲精品国产一区二区精华液| 18禁美女被吸乳视频| 久久久水蜜桃国产精品网| 亚洲一码二码三码区别大吗| 国产区一区二久久| 国产亚洲精品综合一区在线观看 | 亚洲无线在线观看| 国产av又大| 国产精品一区二区免费欧美| 亚洲电影在线观看av| 国产精品免费一区二区三区在线| 18禁裸乳无遮挡免费网站照片| 亚洲天堂国产精品一区在线| 亚洲精品一卡2卡三卡4卡5卡| 伊人久久大香线蕉亚洲五| 男人舔女人下体高潮全视频| 日日干狠狠操夜夜爽| 精品熟女少妇八av免费久了| 国内久久婷婷六月综合欲色啪| 国产伦一二天堂av在线观看| 悠悠久久av| 巨乳人妻的诱惑在线观看| 久久久精品欧美日韩精品| 真人一进一出gif抽搐免费| 午夜成年电影在线免费观看| 国产亚洲精品综合一区在线观看 | 成人手机av| 日韩欧美在线二视频| 久久精品国产综合久久久| 一进一出抽搐gif免费好疼| 1024香蕉在线观看| 日韩av在线大香蕉| 亚洲第一欧美日韩一区二区三区| 亚洲av电影在线进入| 精品人妻1区二区| 性色av乱码一区二区三区2| www.熟女人妻精品国产| 国产精品影院久久| 两性夫妻黄色片| 真人做人爱边吃奶动态| 久久婷婷人人爽人人干人人爱| 嫁个100分男人电影在线观看| 日日夜夜操网爽| 欧美av亚洲av综合av国产av| 亚洲成av人片免费观看| 99国产精品一区二区三区| 国产91精品成人一区二区三区| 亚洲成人久久爱视频| 亚洲自偷自拍图片 自拍| 少妇被粗大的猛进出69影院| 99久久精品国产亚洲精品| 亚洲午夜精品一区,二区,三区| 99在线人妻在线中文字幕| 又爽又黄无遮挡网站| 中文亚洲av片在线观看爽| 琪琪午夜伦伦电影理论片6080| 亚洲欧美精品综合久久99| 麻豆成人av在线观看| 亚洲无线在线观看| 日本三级黄在线观看| 欧美一区二区精品小视频在线| 亚洲九九香蕉| 久久久精品大字幕| 一区福利在线观看| 在线观看免费午夜福利视频| 亚洲专区国产一区二区| 黄色视频,在线免费观看| 一卡2卡三卡四卡精品乱码亚洲| 三级国产精品欧美在线观看 | 非洲黑人性xxxx精品又粗又长| 国内精品一区二区在线观看| videosex国产| 99热这里只有是精品50| 99国产极品粉嫩在线观看| 亚洲性夜色夜夜综合| 18禁黄网站禁片午夜丰满| 天堂影院成人在线观看| 国产亚洲精品一区二区www| 黄色 视频免费看| 丰满的人妻完整版| 99国产精品一区二区蜜桃av| 人妻久久中文字幕网| 欧美乱码精品一区二区三区| 18禁观看日本| 九色成人免费人妻av| 欧美日韩一级在线毛片| 成人一区二区视频在线观看| 久久久久久免费高清国产稀缺| 国产97色在线日韩免费| 免费人成视频x8x8入口观看| 国产v大片淫在线免费观看| 国产亚洲精品综合一区在线观看 | 可以在线观看的亚洲视频| 人人妻人人看人人澡| 国产在线观看jvid| 性色av乱码一区二区三区2| 精品久久久久久久久久免费视频| 亚洲美女视频黄频| 狂野欧美激情性xxxx| 午夜视频精品福利| 一本久久中文字幕| 婷婷亚洲欧美| 日韩欧美免费精品| 日日摸夜夜添夜夜添小说| av在线播放免费不卡| 可以在线观看的亚洲视频| 久久精品国产综合久久久| 免费在线观看影片大全网站| 欧美性猛交黑人性爽| 久久精品91无色码中文字幕| 99久久精品国产亚洲精品| 国产伦在线观看视频一区| 国产野战对白在线观看| 成在线人永久免费视频| 午夜激情福利司机影院| 中文字幕av在线有码专区| 国产视频一区二区在线看| 婷婷六月久久综合丁香| 亚洲国产欧美一区二区综合| 欧美色欧美亚洲另类二区| 欧美最黄视频在线播放免费| 久久婷婷成人综合色麻豆| 亚洲精品美女久久av网站| 午夜精品久久久久久毛片777| 国产激情欧美一区二区| 国产精品影院久久| 91av网站免费观看| 欧美一级毛片孕妇| 国产精品一区二区三区四区免费观看 | 特级一级黄色大片| 国产精品久久久人人做人人爽| 久久久久国内视频| 啦啦啦观看免费观看视频高清| 女人高潮潮喷娇喘18禁视频| 亚洲欧美日韩高清专用| 麻豆成人av在线观看| 亚洲av熟女| 香蕉久久夜色| 亚洲九九香蕉| 日本一本二区三区精品| 国产午夜福利久久久久久| 国产不卡一卡二| 1024视频免费在线观看| 日韩欧美国产在线观看| 在线观看免费视频日本深夜| 丰满人妻一区二区三区视频av | 国产v大片淫在线免费观看| 成人av一区二区三区在线看| 舔av片在线| 99久久综合精品五月天人人| 久久久水蜜桃国产精品网| 中国美女看黄片| 久久久久免费精品人妻一区二区| 久久精品综合一区二区三区| 真人做人爱边吃奶动态| 黄色视频不卡| 日韩大尺度精品在线看网址| 一二三四社区在线视频社区8| 中文在线观看免费www的网站 | 丰满人妻熟妇乱又伦精品不卡| 在线视频色国产色| 首页视频小说图片口味搜索| 午夜福利18| 精品一区二区三区四区五区乱码| 国内少妇人妻偷人精品xxx网站 | 级片在线观看| 午夜免费观看网址| 制服人妻中文乱码| 草草在线视频免费看| 夜夜夜夜夜久久久久| 欧美一区二区精品小视频在线| 桃红色精品国产亚洲av| 亚洲va日本ⅴa欧美va伊人久久| 欧美性猛交╳xxx乱大交人| 中文字幕久久专区| 深夜精品福利| 国内久久婷婷六月综合欲色啪| 亚洲成人中文字幕在线播放| 国产成人欧美在线观看| 97人妻精品一区二区三区麻豆| 亚洲人成伊人成综合网2020| 波多野结衣高清无吗| 女警被强在线播放| 国产一区二区三区视频了| 久久久久九九精品影院| 久久久久久免费高清国产稀缺| 18禁裸乳无遮挡免费网站照片| 变态另类成人亚洲欧美熟女| 夜夜爽天天搞| 日本成人三级电影网站| 男插女下体视频免费在线播放| 一级黄色大片毛片| 黄片大片在线免费观看| 亚洲电影在线观看av| 俺也久久电影网| 一边摸一边做爽爽视频免费| 一本久久中文字幕| 亚洲精品中文字幕在线视频| 精品熟女少妇八av免费久了| 亚洲 国产 在线| 亚洲一卡2卡3卡4卡5卡精品中文| 天天躁夜夜躁狠狠躁躁| 午夜激情福利司机影院| 2021天堂中文幕一二区在线观| 日本一区二区免费在线视频| 人人妻,人人澡人人爽秒播| 美女 人体艺术 gogo| 很黄的视频免费| 99国产精品99久久久久| 日韩三级视频一区二区三区| 99国产精品99久久久久| 国产精品自产拍在线观看55亚洲| 国产成人精品久久二区二区免费| 亚洲狠狠婷婷综合久久图片| 欧美乱码精品一区二区三区| 精品免费久久久久久久清纯| 精品福利观看| 欧美成人一区二区免费高清观看 | 久久精品aⅴ一区二区三区四区| 91麻豆av在线| 啦啦啦免费观看视频1| 欧美中文日本在线观看视频| 一a级毛片在线观看| 欧美另类亚洲清纯唯美| 国产主播在线观看一区二区| 在线播放国产精品三级| 99热只有精品国产| 窝窝影院91人妻| 久久久久久国产a免费观看| 99国产精品99久久久久| 免费看美女性在线毛片视频| 亚洲最大成人中文| 夜夜爽天天搞| 亚洲国产高清在线一区二区三| 色精品久久人妻99蜜桃| 小说图片视频综合网站| 亚洲欧美日韩高清专用| 老汉色∧v一级毛片| 黄片大片在线免费观看| 国产高清视频在线播放一区| 国产日本99.免费观看| 一进一出抽搐gif免费好疼| 午夜福利在线观看吧| 在线观看舔阴道视频| 在线免费观看的www视频| 精品欧美一区二区三区在线| 欧美三级亚洲精品| 香蕉国产在线看| 一区二区三区高清视频在线| 国产日本99.免费观看| 女人高潮潮喷娇喘18禁视频| 亚洲第一欧美日韩一区二区三区| 国产av一区二区精品久久| 国产aⅴ精品一区二区三区波| 国产精品久久久人人做人人爽| 在线播放国产精品三级| 亚洲精品美女久久久久99蜜臀| 日韩大尺度精品在线看网址| 亚洲,欧美精品.| 欧美中文日本在线观看视频| 每晚都被弄得嗷嗷叫到高潮| 欧美成人性av电影在线观看| 精品第一国产精品| 香蕉av资源在线| av片东京热男人的天堂| 亚洲五月婷婷丁香| 精品高清国产在线一区| 欧美午夜高清在线| 亚洲欧美激情综合另类| 亚洲精品一卡2卡三卡4卡5卡| 久久人妻福利社区极品人妻图片| 91大片在线观看| 色在线成人网| 1024手机看黄色片| 亚洲va日本ⅴa欧美va伊人久久| 久久久水蜜桃国产精品网| 国产v大片淫在线免费观看| 欧美又色又爽又黄视频| 国产亚洲av嫩草精品影院| 老熟妇乱子伦视频在线观看| 国产精品精品国产色婷婷| 国产99久久九九免费精品| 国产精品久久久av美女十八| 亚洲精品久久国产高清桃花| 精品高清国产在线一区| 欧美黄色片欧美黄色片| 法律面前人人平等表现在哪些方面| 人人妻人人澡欧美一区二区| 欧美日韩一级在线毛片| 麻豆成人av在线观看| 少妇裸体淫交视频免费看高清 | 中文字幕高清在线视频| 中文字幕人成人乱码亚洲影| 无人区码免费观看不卡| 少妇粗大呻吟视频| 午夜福利视频1000在线观看| 欧美日韩精品网址| 免费高清视频大片| 国产区一区二久久| 不卡一级毛片| 十八禁人妻一区二区| 国产成+人综合+亚洲专区| 国产精品九九99| 久久久精品大字幕| 一二三四社区在线视频社区8| 精品熟女少妇八av免费久了| 欧美av亚洲av综合av国产av| 国产人伦9x9x在线观看| 国产三级黄色录像| 成人高潮视频无遮挡免费网站| a级毛片在线看网站| 亚洲一区二区三区色噜噜| 日本一区二区免费在线视频| 国产真人三级小视频在线观看| 国产精品 欧美亚洲| www.999成人在线观看| 99久久99久久久精品蜜桃| 岛国在线免费视频观看| 久久久久久免费高清国产稀缺| 国产成人一区二区三区免费视频网站| 午夜福利欧美成人| 久久久久久久久免费视频了| 一个人免费在线观看的高清视频| 白带黄色成豆腐渣| 成人av在线播放网站| 久久人人精品亚洲av| 日本在线视频免费播放| 亚洲国产欧美人成| 国产精品国产高清国产av| 成人手机av| 99国产极品粉嫩在线观看| 熟女少妇亚洲综合色aaa.| 男女床上黄色一级片免费看| 一本综合久久免费| 俺也久久电影网| 嫩草影视91久久| 欧美日韩亚洲国产一区二区在线观看| www.999成人在线观看| 好看av亚洲va欧美ⅴa在| 精品久久久久久久末码| 成人av一区二区三区在线看| 婷婷丁香在线五月| 一二三四社区在线视频社区8| 女人爽到高潮嗷嗷叫在线视频| 中亚洲国语对白在线视频| 麻豆久久精品国产亚洲av| aaaaa片日本免费| 久久精品国产亚洲av香蕉五月| 国产成人av激情在线播放| 99国产综合亚洲精品| 变态另类成人亚洲欧美熟女| 美女 人体艺术 gogo| 亚洲精品久久成人aⅴ小说| 啦啦啦韩国在线观看视频| 一夜夜www| 在线观看www视频免费| 在线看三级毛片| 少妇被粗大的猛进出69影院| 中文字幕av在线有码专区| 啪啪无遮挡十八禁网站| 老司机靠b影院| 亚洲一区高清亚洲精品| 久久久久久久久久黄片| 又黄又粗又硬又大视频| 嫁个100分男人电影在线观看| 午夜免费成人在线视频| 欧美大码av| 国产精品精品国产色婷婷| 又紧又爽又黄一区二区| aaaaa片日本免费| 精品国产美女av久久久久小说| 中文字幕av在线有码专区| 亚洲性夜色夜夜综合| 国产成+人综合+亚洲专区| 国产精品日韩av在线免费观看| 国产又黄又爽又无遮挡在线| www日本黄色视频网| av福利片在线| 久久久久九九精品影院| 人妻久久中文字幕网| 国产一区二区在线观看日韩 | avwww免费| 看片在线看免费视频| 99久久无色码亚洲精品果冻| 亚洲 国产 在线| 欧美国产日韩亚洲一区| 国产午夜精品久久久久久| 在线十欧美十亚洲十日本专区| 成人手机av| 国产在线观看jvid| 国产99久久九九免费精品| 国产成人精品无人区| 欧美一区二区精品小视频在线| 校园春色视频在线观看| 黄色视频不卡| 国产精品1区2区在线观看.| 99精品久久久久人妻精品| avwww免费| 成人精品一区二区免费| 亚洲精品久久国产高清桃花| 最好的美女福利视频网| 亚洲第一电影网av| 一二三四社区在线视频社区8| 亚洲av中文字字幕乱码综合| 啪啪无遮挡十八禁网站| 波多野结衣高清无吗| 成人三级做爰电影| 国产av一区二区精品久久| 久久久久久久久免费视频了| 久久精品国产亚洲av高清一级| 一区二区三区高清视频在线| 日韩欧美在线二视频| 国产精品爽爽va在线观看网站| 国产亚洲av高清不卡| 亚洲一区高清亚洲精品| 亚洲精品美女久久久久99蜜臀| 久久久久国产精品人妻aⅴ院| 久久香蕉激情| 亚洲美女视频黄频| 在线观看舔阴道视频| 欧美乱妇无乱码| 一级a爱片免费观看的视频| 人妻丰满熟妇av一区二区三区| 欧美在线一区亚洲| 天天躁夜夜躁狠狠躁躁| 一本精品99久久精品77| 欧美日韩亚洲综合一区二区三区_| 夜夜看夜夜爽夜夜摸| 国产v大片淫在线免费观看| 国产午夜精品久久久久久| 久热爱精品视频在线9| 久久久久久亚洲精品国产蜜桃av| 亚洲精品美女久久久久99蜜臀| 欧美日韩精品网址| 国产日本99.免费观看| 亚洲18禁久久av| 老司机在亚洲福利影院| 国产日本99.免费观看| 国产高清视频在线观看网站| 亚洲av五月六月丁香网| 97超级碰碰碰精品色视频在线观看| 精品乱码久久久久久99久播| 成人高潮视频无遮挡免费网站| 99久久国产精品久久久| 日韩欧美三级三区| 国产精品一区二区三区四区免费观看 | 亚洲国产欧洲综合997久久,| 白带黄色成豆腐渣| 国产区一区二久久| 日韩三级视频一区二区三区| 国产av一区在线观看免费| 日韩大尺度精品在线看网址| 亚洲国产欧美一区二区综合| 欧美日本亚洲视频在线播放| 国产99久久九九免费精品| 午夜福利在线观看吧| 在线视频色国产色| 99国产精品99久久久久| 91国产中文字幕| 日本 av在线| 国产成+人综合+亚洲专区| 免费在线观看黄色视频的| 在线免费观看的www视频|