• <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 ?

    數(shù)據(jù)流挖掘抑制概念漂移不良影響研究

    2018-12-10 09:13:16卞舒逸
    軟件導(dǎo)刊 2018年9期

    卞舒逸

    摘要:提升基于數(shù)據(jù)流的數(shù)據(jù)挖掘正確率并克服概念漂移的影響是當(dāng)前的研究熱點之一。相對于傳統(tǒng)意義上的數(shù)據(jù)挖據(jù),基于數(shù)據(jù)流的數(shù)據(jù)挖掘具有動態(tài)、數(shù)量多、持續(xù)性強(qiáng)等特點。由于傳統(tǒng)的數(shù)據(jù)挖掘算法都是應(yīng)用于靜態(tài)數(shù)據(jù),挖掘結(jié)果并不完全匹配動態(tài)變化。將樣本數(shù)據(jù)流進(jìn)行數(shù)據(jù)塊化處理后使用集成算法,可提升流數(shù)據(jù)挖掘的準(zhǔn)確性。其中集成算法基分類器包括決策樹和KNNModel算法等。對于不同算法的效果給予不同權(quán)值,提升算法相比于基分類器,能夠更加準(zhǔn)確地判定概念漂移的發(fā)生。實驗結(jié)果表明,通過集成學(xué)習(xí)方法可以有效提升學(xué)習(xí)效果及分類判定準(zhǔn)確率,非同質(zhì)類型的集成算法對于抑制概念漂移的不良影響可起到一定作用。

    關(guān)鍵詞:數(shù)據(jù)流挖掘; 概念漂移; 數(shù)據(jù)塊; 集成算法

    DOIDOI:10.11907/rjdk.181079

    中圖分類號:TP3-0

    文獻(xiàn)標(biāo)識碼:A文章編號文章編號:16727800(2018)009006403

    英文標(biāo)題Research on Data Flow Learning Suppression of Concept Drift Adverse Effects

    ——副標(biāo)題

    英文作者BIAN Shuyi

    英文作者單位(School of Computer, Nanjing University of Posts and Telecommunications, Nanjing 210003, China)

    英文摘要Abstract:It is an important research hotspot to improve the accuracy of data mining based on data mining and to deal with the impact of conceptual drift.Compared with data mining in the traditional sense,data mining of the data stream has such characteristics as dynamic, large amount and continuity.As the traditional data mining algorithms are applied to static data, the data mining results do not exactly match.In this paper, we improve the accuracy of streaming data mining by using an integrated algorithm.The integrated algorithm base classifier includes decision tree and KNNModel algorithm.Different weights are given to the corresponding algorithms.Compared with the base classifier, the lifting algorithm can determine the occurrence of concept drift more accurately.The integrated learning method can effectively improve the learning effect.The nonhomogeneous type of integration algorithm plays a certain role in suppressing the adverse effects of concept drift.

    英文關(guān)鍵詞Key Words:data mining; concept drift; data block; integrated algorithm

    0引言

    如今,數(shù)據(jù)流挖掘在越來越多的領(lǐng)域得到大量應(yīng)用,常見應(yīng)用有銀行業(yè)務(wù)中的信用卡欺詐判別、阿里巴巴等在線平臺對客戶消費的推薦與預(yù)測,百度、谷歌等公司對于大量搜索信息的挖掘,電信、移動等運營商的通訊信息處理等。數(shù)據(jù)流挖掘已經(jīng)成為當(dāng)前的研究熱點之一[1]。然而,由于數(shù)據(jù)流本身的動態(tài)特性,特別是其中存在的概念漂移問題,使傳統(tǒng)意義上的數(shù)據(jù)挖掘算法無法達(dá)到令人滿意的效果。由于概念漂移現(xiàn)象的影響,數(shù)據(jù)流挖掘需要在數(shù)據(jù)特性隨時間變化時能夠自適應(yīng)地跟隨變化,從而保證流數(shù)據(jù)挖掘的性能[2]。

    最早提出的針對概念漂移的數(shù)據(jù)流分類方法是2001年Hulten等[3]提出的CVFDT算法,其將VFDT算法進(jìn)行改進(jìn),通過構(gòu)建替代子樹的方法克服概念漂移的影響。當(dāng)檢測到概念漂移時,CVFDT使用所構(gòu)建的替代子樹替換原有VFDT樹中的子樹,使VFDT能夠及時更新,從而適應(yīng)新數(shù)據(jù)環(huán)境。因此,CVFDT算法不僅繼承了VFDT分類效率高的特點,而且能夠克服概念漂移對模型造成的影響,以保持分類的準(zhǔn)確與穩(wěn)定。隨著研究的深入,利用增量式學(xué)習(xí)思想對模型進(jìn)行實時更新成為新的研究熱點。Aboalsamh等[4]提出一種使用增量式學(xué)習(xí)方法的數(shù)據(jù)流分類模型,通過將分類模型學(xué)習(xí)過程進(jìn)行增量式處理,能夠加快模型的自我更新速度,從而通過不斷更新模型的方式解決概念漂移問題;Kuncheva等[5]對數(shù)據(jù)流分類模型進(jìn)行研究,發(fā)現(xiàn)分類模型的準(zhǔn)確率不僅受到概念漂移及數(shù)據(jù)本身質(zhì)量的影響,而且還與滑動窗口大小有關(guān)。因此,基于以上觀察,提出一種可變滑動窗口的數(shù)據(jù)流分類模型。當(dāng)發(fā)生概念漂移時,滑動窗口能夠自動放大或縮小窗口,使分類模型能夠有效地檢測概念漂移,以保證分類模型的及時更新,提高分類過程的準(zhǔn)確率;Seo等[6]對多變量數(shù)據(jù)流進(jìn)行研究,使用時間變量挖掘數(shù)據(jù)流中各屬性之間的關(guān)聯(lián)關(guān)系,進(jìn)而使用這些關(guān)系對數(shù)據(jù)流分類進(jìn)行指導(dǎo)。

    根據(jù)強(qiáng)可學(xué)習(xí)和弱可學(xué)習(xí)的概念,由于在實際應(yīng)用中,弱可學(xué)習(xí)算法更容易被發(fā)現(xiàn),而其又可以被證明與強(qiáng)可學(xué)習(xí)算法等價[7],所以使用集成學(xué)習(xí)方法,對應(yīng)不同應(yīng)用條件,相對賦予其中算法不同權(quán)值,可以得到更好的學(xué)習(xí)效果。本文主要研究非同質(zhì)型集成算法對于概念漂移自適應(yīng)能力的提升。

    1基礎(chǔ)分類器算法介紹

    1.1基于增量的KNNModel算法

    KNNModel算法與傳統(tǒng)的KNN算法相比,k值的確定更為容易,而且KNNModel能較好地滿足數(shù)據(jù)流挖掘工作對效率的要求。KNNModel算法的核心思想與KNN相近,以一個特征點為圓心作為分類區(qū)域,一方面盡可能包括相同樣本,另一方面要避免包括異類,使圓盡量大[8]。保存下來比較有效的模型簇形式是四元組和五元組,包括類別、半徑、數(shù)量和圓心。通過不斷迭代,最終達(dá)到分類目的[9]。

    層次糾錯輸出編碼相對于傳統(tǒng)算法事先構(gòu)造出同一編碼矩陣進(jìn)行分割,其能使用簇描述數(shù)據(jù)分布,是一種構(gòu)建層次的方法。層次糾錯輸出編碼的核心思想是,通過對同類簇采用一一對應(yīng)的方式編碼,使相同簇合并,并按照由多到少、由下到上的順序?qū)⒆罱咏膬蓚€簇合并起來[10]。上述方法的通用性在于其可以與其它算法相融合,擴(kuò)大算法適用范圍,從而使該算法在分類和糾錯方面具有突出效果。

    在此基礎(chǔ)上發(fā)展而來的基于增量的KNNModel動態(tài)層次糾錯輸出編碼算法可以處理概念漂移問題,其核心思想為:首先將數(shù)據(jù)流劃分為數(shù)據(jù)塊,在第一個數(shù)據(jù)塊上進(jìn)行學(xué)習(xí);然后建立類別規(guī)則區(qū)域,之后建立層次樹層次碼,并以中心點和邊界距離為依據(jù);最后采用可增量學(xué)習(xí)分類算法進(jìn)行學(xué)習(xí),生成分類器集合。分類器集合生成過程的終點利用活躍程度進(jìn)行判斷[11]。

    基于增量的KNNModel算法學(xué)習(xí)過程具體步驟如下:

    (1)在數(shù)據(jù)塊上進(jìn)行預(yù)學(xué)習(xí),建立規(guī)則區(qū)域,選擇合適的代表簇,建立層次樹層次編碼,利用學(xué)習(xí)算法學(xué)習(xí)后生成分類器集。

    (2)開始進(jìn)行增量學(xué)習(xí),具體步驟為:①數(shù)據(jù)到來后,根據(jù)代表簇對層次樹進(jìn)行更新;②有新類別出現(xiàn)時,依次計算已有類別的漂移度;③從漂移度最小的類別開始,根據(jù)情況進(jìn)行更新。

    (3)根據(jù)編碼矩陣訓(xùn)練單分類器。

    (4)學(xué)習(xí)后檢查編碼個數(shù),對編碼進(jìn)行修剪。

    1.2CVFDT決策樹算法

    該算法中最重要的步驟是對概念漂移的判斷與處理,在接收到數(shù)據(jù)時,解決窗口內(nèi)的概念差異。該算法將窗口劃分為若干個基本窗口,然后選擇最新概念的數(shù)據(jù)。為了保證準(zhǔn)確性,算法記錄了滑動窗口的歷史分類[12]。若模型判斷發(fā)生了概念漂移,則選用集成分類器,去掉沒有價值的決策樹分支子樹并進(jìn)行重建。因為概率分布不均,若滑動窗口概念混亂將造成決策樹分類錯誤,所以不一致的分類屬性需要暫時緩存。決定對決策樹中各個節(jié)點進(jìn)行分類或替代需要等待一段時間進(jìn)行處理[13],該處理方法可以在數(shù)據(jù)處理過程中減少噪聲的影響。

    決策樹處理過程如下:

    輸入:W={D1,D2,…,Dm}是滑動窗口數(shù)據(jù)塊集合;

    輸出:Tree是用來分類的決策樹;

    過程:For W 中的每個實例K

    用Tree將K排入葉子節(jié)點L中

    For 實例K所經(jīng)過的每個節(jié)點L

    更新流入L節(jié)點實例概要結(jié)構(gòu)的N

    For L節(jié)點替代子樹ALT中的每一個子樹

    遞歸調(diào)用該過程處理決策樹的子樹

    若L節(jié)點觀察的實例不全屬于同一類,且在當(dāng)前節(jié)點觀察的實例數(shù)大于數(shù)據(jù)塊

    借助概要結(jié)構(gòu)N找到最佳分裂屬性Xa和次佳分類屬性Xb

    若Xa與Xb間的信息熵之差滿足在閾值內(nèi)

    則可認(rèn)為Xa是最佳分裂屬性,并在L點進(jìn)行分裂

    初始化各個分裂節(jié)點的ALT樹與概要結(jié)構(gòu)N

    2非同質(zhì)型集成算法

    在集成算法中,分為同質(zhì)型集成算法即基分類器類別相同,以及非同質(zhì)型集成算法即基分類器類型不同。當(dāng)個體分類器差異變小時,不易提高集成分類器的準(zhǔn)確率,所以嘗試將KNN和決策樹兩種不同模型進(jìn)行混合,以期達(dá)到更好的學(xué)習(xí)性能[14]。

    在集成策略中,使用最廣泛的是經(jīng)典提升算法Adaboost。Adaboost算法與Bagging算法類似,都有放回抽樣,不同的是訓(xùn)練數(shù)據(jù)權(quán)重不同。在Adaboost算法中,每個訓(xùn)練數(shù)據(jù)被賦予相同的初始權(quán)值。隨著分類訓(xùn)練的進(jìn)行,錯誤樣本會得到更高的權(quán)重,而正確分類的數(shù)據(jù)則會被降低權(quán)重。對于分類器,樣本權(quán)重越高,分類難度越大[15]。由于所有訓(xùn)練數(shù)據(jù)都被更新過一次,因此需要再次對其進(jìn)行規(guī)范化處理。

    算法過程如下:

    輸入:

    訓(xùn)練數(shù)據(jù)集D

    成員分類模型個數(shù)k

    學(xué)習(xí)算法SM

    輸出:集成分類模型M

    方法:

    將訓(xùn)練數(shù)據(jù)集D中的每條數(shù)據(jù)初始化權(quán)重置為1/d;

    For i=1…k

    從訓(xùn)練數(shù)據(jù)集D中挑出高權(quán)重樣本并產(chǎn)生訓(xùn)練子集D1;

    對訓(xùn)練子集Di使用選定算法得到成員分類器Mi;

    通過計算成員分類Mi的分類誤差;

    If成員分類器Mi的分類誤差>0.5

    重新將訓(xùn)練子集數(shù)據(jù)的初始化權(quán)重置為1/d;

    再對抽樣訓(xùn)練數(shù)據(jù)子集產(chǎn)生新的成員分類器Mi;

    End if

    For 訓(xùn)練子集Di中被正確分類的數(shù)據(jù)

    更新權(quán)重,用現(xiàn)有權(quán)重乘以error(Mi)/(1-error(Mi))

    對更新完權(quán)重的數(shù)據(jù)作規(guī)范化處理;

    Return M;

    通過集成算法可以更加準(zhǔn)確地發(fā)現(xiàn)概念漂移現(xiàn)象,并及時調(diào)整分類模型,提高分類正確率。改進(jìn)的KNN和CVFDT都對概念漂移有一定自適應(yīng)能力,將這兩個模型作為弱分類器,采用集成算法結(jié)合生成混合模型。新模型對數(shù)據(jù)流變化有更好的適應(yīng)能力,同時也可通過混合模型方式減少決策樹算法對樣本的過度依賴。

    3仿真驗證

    為了驗證非同質(zhì)型集成算法的自適應(yīng)能力與應(yīng)對概念漂移的有效性,采用MATLAB仿真工具對新集成算法的有效性進(jìn)行檢測與分析,測試該方法在多種數(shù)據(jù)集下的效果。該仿真數(shù)據(jù)集由MATLAB仿真工具隨機(jī)生成,生成的數(shù)據(jù)集特征如表1所示。

    從以上實驗結(jié)果可以看出,相對于改進(jìn)的KNN和決策樹,其集成后的模型性能得到提升。KNN對概念漂移的自適應(yīng)是最慢的,最后穩(wěn)定效果也最差;改進(jìn)的決策樹初始效果超過了KNN,最后的穩(wěn)定性能也比KNN好,但有可能出現(xiàn)過度依賴樣本的狀況;集成算法開始時的自適應(yīng)效果比決策樹略差,但之后逐漸提升,最后穩(wěn)定在比決策樹略高的水平上。由此可得,這種差異化的集成算法在應(yīng)對概念漂移方面具有更好的性能。

    4結(jié)語

    混合模型吸取了集成算法的優(yōu)點,將弱學(xué)習(xí)模型通過一定比例組合,以提升模型性能,并通過試驗進(jìn)行了驗證,但模型復(fù)雜度也相對變大。在決策樹算法中由罰函數(shù)抑制過擬合問題,可防止決策樹模型過于復(fù)雜,但只能適應(yīng)樣本,無法適應(yīng)新數(shù)據(jù)。對于該項研究的下一階段目標(biāo)是仿照決策樹方法,構(gòu)建合適的罰函數(shù)模型,以檢測該混合模型是否出現(xiàn)了過擬合現(xiàn)象。

    參考文獻(xiàn)參考文獻(xiàn):

    [1]李思男,李寧,李戰(zhàn)懷.多標(biāo)簽數(shù)據(jù)挖掘技術(shù)研究綜述[J].計算機(jī)科學(xué),2013,40(4):1421.

    [2]ELWELL R,POLIKAR R.Incremental learning of concept drift in nonstationary environments [J].Neural Networks,IEEE Transactions on,2011,22(10):15171531.

    [3]KOTSIANTIS S B,PINTELAS P E.Recent advances in clustering:a brief survey [J].WSEAS Trans on Information Science and Application,2004,11(1):7381.

    [4]WANG S,MINKU L L,GHEZZI D,et al.Concept drift detection for online class imbalance learning[C].Neural Networks (IJCNN),The 2013 International Joint Conference on.IEEE,2013:110.

    [5]GUO G,WANG H,BELL D,et al.Using KNN model for automatic text categorization [J].Soft Computing,2006,10(5):423430.

    [6]李培培.數(shù)據(jù)流中概念漂移檢測與分類方法研究[D].合肥:合肥工業(yè)大學(xué),2012.

    [7]TSYMBAL A,PECHENIZKIY M,CUNNINGHAM P,et al.Dynamic integration of classifiers for handling concept drift [J].Information Fusion,2008,9(1):5668.

    [8]KOLTER J Z,MALOOF M A.Dynamic weighted majority:an ensemble method for drifting concepts [J].Journal of Machine Research,2007,8(12):27552790.

    亚洲欧美精品自产自拍| 久久精品国产自在天天线| 搡女人真爽免费视频火全软件 | 国产高潮美女av| 老熟妇乱子伦视频在线观看| 在线观看66精品国产| 成人亚洲欧美一区二区av| 精品不卡国产一区二区三区| 三级经典国产精品| .国产精品久久| 欧美区成人在线视频| 亚洲国产高清在线一区二区三| 免费观看在线日韩| 亚洲成人久久性| 亚洲精品在线观看二区| 最新中文字幕久久久久| 久久精品国产亚洲av香蕉五月| 久久精品国产清高在天天线| 国产黄a三级三级三级人| 久久久久久大精品| 亚洲五月天丁香| 91精品国产九色| 亚洲av中文字字幕乱码综合| 一进一出抽搐gif免费好疼| 免费电影在线观看免费观看| 一级毛片我不卡| 99热这里只有精品一区| 成人亚洲欧美一区二区av| 草草在线视频免费看| 一夜夜www| 高清毛片免费观看视频网站| 久久久国产成人免费| 中文字幕免费在线视频6| 在线看三级毛片| 噜噜噜噜噜久久久久久91| 99在线人妻在线中文字幕| 美女内射精品一级片tv| 干丝袜人妻中文字幕| 99久久精品一区二区三区| 亚洲中文字幕日韩| 3wmmmm亚洲av在线观看| 久久久久久大精品| 亚洲av免费高清在线观看| 91精品国产九色| 91在线观看av| 三级国产精品欧美在线观看| 亚洲av.av天堂| 日韩av在线大香蕉| 老司机午夜福利在线观看视频| 赤兔流量卡办理| 国产极品精品免费视频能看的| 国产精品av视频在线免费观看| 少妇裸体淫交视频免费看高清| 国产成人aa在线观看| 日韩欧美国产在线观看| 免费一级毛片在线播放高清视频| 国产探花极品一区二区| 国产午夜福利久久久久久| 亚洲自拍偷在线| 国产私拍福利视频在线观看| 噜噜噜噜噜久久久久久91| 91久久精品国产一区二区成人| 久久国内精品自在自线图片| 欧美中文日本在线观看视频| 成人性生交大片免费视频hd| 欧美色欧美亚洲另类二区| 亚洲欧美日韩高清专用| 精品无人区乱码1区二区| 国产精品永久免费网站| 欧美高清成人免费视频www| 看十八女毛片水多多多| 成人毛片a级毛片在线播放| 婷婷色综合大香蕉| 色综合站精品国产| 久久久久国内视频| 性欧美人与动物交配| 日韩欧美国产在线观看| 成人永久免费在线观看视频| 亚洲一区二区三区色噜噜| 亚洲国产精品sss在线观看| 精品国产三级普通话版| 综合色av麻豆| 精品免费久久久久久久清纯| 亚洲av中文av极速乱| 日韩精品青青久久久久久| 99热网站在线观看| 国产精品爽爽va在线观看网站| 女人十人毛片免费观看3o分钟| 老司机影院成人| 成人亚洲精品av一区二区| 国产伦精品一区二区三区四那| 网址你懂的国产日韩在线| 成人毛片a级毛片在线播放| 一区福利在线观看| 亚洲熟妇熟女久久| 午夜亚洲福利在线播放| 人妻少妇偷人精品九色| 亚洲精品乱码久久久v下载方式| 91狼人影院| 久久精品91蜜桃| 亚洲欧美日韩无卡精品| 一区二区三区免费毛片| 亚洲国产精品国产精品| 国产探花极品一区二区| 不卡一级毛片| 亚洲精品亚洲一区二区| 午夜影院日韩av| 欧美日韩精品成人综合77777| 国产一区亚洲一区在线观看| 一区二区三区四区激情视频 | 久久久久久大精品| 成人无遮挡网站| 国产精华一区二区三区| 亚洲国产欧美人成| 性色avwww在线观看| 男人狂女人下面高潮的视频| 亚洲在线观看片| 两性午夜刺激爽爽歪歪视频在线观看| 一区二区三区高清视频在线| 热99在线观看视频| 日韩欧美免费精品| 国产人妻一区二区三区在| 欧美高清性xxxxhd video| 中文资源天堂在线| 一区二区三区高清视频在线| 一区福利在线观看| 欧美一区二区亚洲| 久久久色成人| 亚洲美女搞黄在线观看 | 欧美性猛交黑人性爽| 欧美色欧美亚洲另类二区| 国产亚洲精品综合一区在线观看| 亚洲欧美成人综合另类久久久 | 亚洲欧美日韩卡通动漫| 又黄又爽又刺激的免费视频.| 一区二区三区高清视频在线| 免费人成视频x8x8入口观看| 99热精品在线国产| 在线观看一区二区三区| 日韩 亚洲 欧美在线| 国产午夜精品论理片| 看非洲黑人一级黄片| 亚洲精品国产av成人精品 | 国产黄色小视频在线观看| 99热这里只有精品一区| 又粗又爽又猛毛片免费看| 一个人免费在线观看电影| 亚洲不卡免费看| 免费观看在线日韩| 亚洲最大成人av| 亚洲av不卡在线观看| 精品不卡国产一区二区三区| av在线天堂中文字幕| 精品久久久久久成人av| 在线天堂最新版资源| 一级毛片电影观看 | 国产成人a∨麻豆精品| 亚洲在线自拍视频| 欧美日韩在线观看h| 美女内射精品一级片tv| 国产激情偷乱视频一区二区| 日韩欧美一区二区三区在线观看| 秋霞在线观看毛片| 精品福利观看| 九九热线精品视视频播放| 蜜桃亚洲精品一区二区三区| 不卡一级毛片| 欧美激情在线99| 久久久a久久爽久久v久久| 又粗又爽又猛毛片免费看| 色综合站精品国产| 国产久久久一区二区三区| 国产精品一区二区性色av| av在线天堂中文字幕| 色尼玛亚洲综合影院| 国产午夜福利久久久久久| 国产精品精品国产色婷婷| 中文字幕免费在线视频6| 久久精品91蜜桃| 国产一区二区激情短视频| 国产精品久久久久久久久免| 日本黄色视频三级网站网址| 嫩草影院新地址| 国产精品一区二区免费欧美| 亚洲精品日韩在线中文字幕 | 淫秽高清视频在线观看| 亚洲最大成人手机在线| 久久久久久久久久久丰满| 午夜视频国产福利| 又黄又爽又刺激的免费视频.| 白带黄色成豆腐渣| 久久精品国产自在天天线| 一个人免费在线观看电影| 桃色一区二区三区在线观看| 国产欧美日韩精品一区二区| 欧美日韩一区二区视频在线观看视频在线 | 美女大奶头视频| 亚洲国产精品成人综合色| 桃色一区二区三区在线观看| 亚洲在线自拍视频| 欧美区成人在线视频| 高清日韩中文字幕在线| 男女视频在线观看网站免费| 十八禁国产超污无遮挡网站| avwww免费| 日韩亚洲欧美综合| 久久鲁丝午夜福利片| 国产高清视频在线观看网站| 日本在线视频免费播放| 91av网一区二区| 日本一二三区视频观看| 国产成人freesex在线 | 日本熟妇午夜| 日本 av在线| 亚洲国产精品成人久久小说 | 五月伊人婷婷丁香| av女优亚洲男人天堂| 久久鲁丝午夜福利片| 哪里可以看免费的av片| 久久精品国产亚洲av天美| 男人舔奶头视频| 亚洲国产精品成人综合色| 日韩一区二区视频免费看| 婷婷色综合大香蕉| 日本黄色片子视频| 国产成人精品久久久久久| 俄罗斯特黄特色一大片| 国产高清三级在线| 97人妻精品一区二区三区麻豆| 亚洲av免费高清在线观看| 日韩,欧美,国产一区二区三区 | 久久久久久伊人网av| 少妇熟女欧美另类| 欧美日韩一区二区视频在线观看视频在线 | АⅤ资源中文在线天堂| 精品人妻一区二区三区麻豆 | 久久久国产成人免费| 大香蕉久久网| 中文字幕熟女人妻在线| 国产精品电影一区二区三区| 99热只有精品国产| 麻豆精品久久久久久蜜桃| 插逼视频在线观看| 嫩草影院入口| 久久久久久久久中文| 丰满的人妻完整版| 欧美成人精品欧美一级黄| 久久久久久九九精品二区国产| 六月丁香七月| 国产毛片a区久久久久| 国产一区二区在线av高清观看| 日本三级黄在线观看| 亚洲精品亚洲一区二区| 麻豆国产av国片精品| 国产精品国产高清国产av| 九九热线精品视视频播放| 国产精品久久电影中文字幕| 免费观看在线日韩| 日韩中字成人| 亚洲精品日韩在线中文字幕 | 国产精品一及| 国内精品宾馆在线| 99热精品在线国产| 大型黄色视频在线免费观看| 成人特级av手机在线观看| 桃色一区二区三区在线观看| 欧美人与善性xxx| 五月伊人婷婷丁香| 美女内射精品一级片tv| 真实男女啪啪啪动态图| 国产女主播在线喷水免费视频网站 | 国产国拍精品亚洲av在线观看| 国产成人aa在线观看| 成人永久免费在线观看视频| 精品国产三级普通话版| 国内精品宾馆在线| 赤兔流量卡办理| 97人妻精品一区二区三区麻豆| 97热精品久久久久久| 91狼人影院| 九色成人免费人妻av| 中文字幕人妻熟人妻熟丝袜美| 精华霜和精华液先用哪个| 秋霞在线观看毛片| 日韩精品青青久久久久久| 在现免费观看毛片| 伦理电影大哥的女人| 国产精品一及| 能在线免费观看的黄片| 1000部很黄的大片| 在现免费观看毛片| 寂寞人妻少妇视频99o| 久久午夜福利片| 内射极品少妇av片p| 色哟哟·www| 乱码一卡2卡4卡精品| 91av网一区二区| 精品无人区乱码1区二区| 国产免费一级a男人的天堂| 六月丁香七月| 欧美最新免费一区二区三区| 欧美成人a在线观看| 一个人看视频在线观看www免费| 女生性感内裤真人,穿戴方法视频| 真实男女啪啪啪动态图| 97超视频在线观看视频| 老师上课跳d突然被开到最大视频| 色噜噜av男人的天堂激情| 桃色一区二区三区在线观看| 国产男靠女视频免费网站| 简卡轻食公司| 在线观看av片永久免费下载| 精品一区二区三区视频在线| 国产高潮美女av| 亚洲最大成人手机在线| 欧美日韩综合久久久久久| 狠狠狠狠99中文字幕| 91在线观看av| 偷拍熟女少妇极品色| 人人妻人人看人人澡| 国产黄a三级三级三级人| 亚洲人成网站高清观看| 亚洲18禁久久av| 国产乱人偷精品视频| 欧美bdsm另类| 亚洲美女搞黄在线观看 | 亚洲在线自拍视频| 波多野结衣高清作品| 最新在线观看一区二区三区| 亚洲人成网站在线播放欧美日韩| 亚洲高清免费不卡视频| 天天一区二区日本电影三级| 国产成人福利小说| 精品久久久久久久久久免费视频| 国产精品人妻久久久影院| 观看免费一级毛片| 精品午夜福利在线看| 国产综合懂色| 日韩欧美三级三区| 黄色欧美视频在线观看| 亚洲av免费在线观看| 国产aⅴ精品一区二区三区波| 热99在线观看视频| 天堂影院成人在线观看| 色吧在线观看| 日本一本二区三区精品| 免费高清视频大片| 亚洲天堂国产精品一区在线| 亚洲精品亚洲一区二区| 免费av毛片视频| 亚洲美女视频黄频| 国产精品久久视频播放| 国产探花在线观看一区二区| 搡老岳熟女国产| 97热精品久久久久久| 在线国产一区二区在线| 久久精品国产自在天天线| 久久久国产成人免费| 久久鲁丝午夜福利片| 女生性感内裤真人,穿戴方法视频| 校园春色视频在线观看| 久久热精品热| 欧美成人一区二区免费高清观看| 午夜日韩欧美国产| av免费在线看不卡| 三级毛片av免费| 日本成人三级电影网站| a级毛片免费高清观看在线播放| 久久精品国产亚洲av天美| 国产av在哪里看| 国产亚洲精品久久久com| 日本熟妇午夜| 亚洲精品粉嫩美女一区| 九九爱精品视频在线观看| 波多野结衣高清无吗| 一本久久中文字幕| 伦精品一区二区三区| 国产男人的电影天堂91| 国产大屁股一区二区在线视频| 丰满的人妻完整版| 天堂网av新在线| 亚洲av成人av| 午夜日韩欧美国产| 校园人妻丝袜中文字幕| 中国美白少妇内射xxxbb| 亚洲av免费在线观看| 菩萨蛮人人尽说江南好唐韦庄 | 最新在线观看一区二区三区| 国产白丝娇喘喷水9色精品| 色哟哟·www| 一级av片app| 内射极品少妇av片p| 91av网一区二区| 精品免费久久久久久久清纯| 欧美色欧美亚洲另类二区| 网址你懂的国产日韩在线| www.色视频.com| 日韩欧美精品免费久久| 岛国在线免费视频观看| 亚洲国产精品国产精品| 无遮挡黄片免费观看| 麻豆成人午夜福利视频| 亚洲无线观看免费| 国产精品免费一区二区三区在线| 国产69精品久久久久777片| 免费在线观看影片大全网站| 男女视频在线观看网站免费| 国产亚洲精品综合一区在线观看| 日韩欧美三级三区| 99热这里只有精品一区| 国产高潮美女av| 国产成人a∨麻豆精品| 啦啦啦观看免费观看视频高清| av国产免费在线观看| 亚洲精品国产av成人精品 | 久久久成人免费电影| 亚洲精品久久国产高清桃花| 真实男女啪啪啪动态图| 亚洲精品一区av在线观看| 欧美在线一区亚洲| 中文在线观看免费www的网站| 日本与韩国留学比较| 久久国内精品自在自线图片| 亚洲国产日韩欧美精品在线观看| 日本 av在线| 亚洲国产精品成人久久小说 | 中文字幕av在线有码专区| 亚洲精品一区av在线观看| 最近中文字幕高清免费大全6| 欧美高清性xxxxhd video| 婷婷亚洲欧美| 精品久久久久久久久av| 国产精品一区www在线观看| 免费无遮挡裸体视频| 久久久精品94久久精品| 亚洲av电影不卡..在线观看| 亚洲欧美精品自产自拍| 九九热线精品视视频播放| 国产精品久久久久久久久免| 老熟妇乱子伦视频在线观看| 国产黄a三级三级三级人| 国产精品久久久久久久久免| 国产精品1区2区在线观看.| 国产私拍福利视频在线观看| 91在线精品国自产拍蜜月| 久久精品国产亚洲网站| 能在线免费观看的黄片| 亚洲,欧美,日韩| 人人妻人人澡欧美一区二区| 99久久无色码亚洲精品果冻| 美女被艹到高潮喷水动态| 国产精品无大码| 麻豆国产av国片精品| 黄色一级大片看看| 国产亚洲91精品色在线| 亚洲人成网站在线播| 一进一出抽搐gif免费好疼| 亚洲aⅴ乱码一区二区在线播放| 欧美人与善性xxx| 少妇的逼好多水| 精品久久久久久久久久免费视频| 日韩制服骚丝袜av| 精品久久久久久成人av| 少妇被粗大猛烈的视频| 干丝袜人妻中文字幕| 在线观看av片永久免费下载| 亚洲高清免费不卡视频| 18+在线观看网站| 国产黄a三级三级三级人| 晚上一个人看的免费电影| 亚洲欧美精品自产自拍| 亚洲最大成人av| 精品久久久久久久久久久久久| 久久精品人妻少妇| а√天堂www在线а√下载| 午夜精品一区二区三区免费看| 国产高清激情床上av| 久久草成人影院| 国产不卡一卡二| 成熟少妇高潮喷水视频| 欧美日本亚洲视频在线播放| 日韩欧美精品免费久久| 伦精品一区二区三区| 精品久久国产蜜桃| 十八禁国产超污无遮挡网站| www日本黄色视频网| 少妇人妻精品综合一区二区 | 国产成人aa在线观看| 欧美+日韩+精品| av免费在线看不卡| aaaaa片日本免费| 老熟妇仑乱视频hdxx| 日韩高清综合在线| 婷婷精品国产亚洲av| 国产国拍精品亚洲av在线观看| 亚洲国产精品久久男人天堂| 国产精品无大码| 久久九九热精品免费| av福利片在线观看| 日韩成人av中文字幕在线观看 | 国产精品综合久久久久久久免费| 日本爱情动作片www.在线观看 | 亚洲精品日韩av片在线观看| 日韩高清综合在线| 日韩在线高清观看一区二区三区| 日韩欧美精品v在线| 精品欧美国产一区二区三| 人妻制服诱惑在线中文字幕| 欧美一区二区国产精品久久精品| 中文在线观看免费www的网站| 亚洲精品日韩在线中文字幕 | www.色视频.com| 99久国产av精品国产电影| 国产免费男女视频| 国产一区亚洲一区在线观看| 人妻少妇偷人精品九色| 亚洲国产精品合色在线| 99热只有精品国产| 亚洲欧美精品综合久久99| 亚洲一区二区三区色噜噜| 日韩欧美免费精品| 国产精品电影一区二区三区| 亚洲一级一片aⅴ在线观看| 午夜久久久久精精品| 亚洲国产精品sss在线观看| 一进一出抽搐动态| 99久久九九国产精品国产免费| 免费高清视频大片| 久久精品国产鲁丝片午夜精品| 久久亚洲精品不卡| 欧美色欧美亚洲另类二区| 午夜福利在线观看免费完整高清在 | 成人一区二区视频在线观看| ponron亚洲| 国产精品乱码一区二三区的特点| 有码 亚洲区| 天堂网av新在线| 男人舔女人下体高潮全视频| 非洲黑人性xxxx精品又粗又长| 精品一区二区三区人妻视频| 午夜老司机福利剧场| 伦理电影大哥的女人| 日韩强制内射视频| 国产欧美日韩精品一区二区| 村上凉子中文字幕在线| 国产黄色视频一区二区在线观看 | 少妇被粗大猛烈的视频| 麻豆精品久久久久久蜜桃| 一区二区三区高清视频在线| 欧美zozozo另类| 成人永久免费在线观看视频| 国产精品一及| 亚洲不卡免费看| 少妇被粗大猛烈的视频| 亚洲成a人片在线一区二区| 我的老师免费观看完整版| 99riav亚洲国产免费| 日韩,欧美,国产一区二区三区 | 国产av麻豆久久久久久久| 99热网站在线观看| 国产单亲对白刺激| 中文字幕av成人在线电影| 老司机影院成人| 日本-黄色视频高清免费观看| 在现免费观看毛片| 日韩人妻高清精品专区| 欧美丝袜亚洲另类| 97碰自拍视频| 乱系列少妇在线播放| 亚洲中文字幕日韩| 午夜精品在线福利| 一级黄色大片毛片| 女人十人毛片免费观看3o分钟| 国内精品一区二区在线观看| 日韩欧美免费精品| 成人高潮视频无遮挡免费网站| 欧美一区二区亚洲| 黄色配什么色好看| 成人无遮挡网站| 国产一级毛片七仙女欲春2| 噜噜噜噜噜久久久久久91| 日韩国内少妇激情av| 美女内射精品一级片tv| 国产视频一区二区在线看| 免费人成视频x8x8入口观看| 欧美激情久久久久久爽电影| 亚洲五月天丁香| 成人特级黄色片久久久久久久| 好男人在线观看高清免费视频| 神马国产精品三级电影在线观看| 国产单亲对白刺激| 男女做爰动态图高潮gif福利片| 久久久精品大字幕| a级毛片a级免费在线| 在线播放无遮挡| 嫩草影院精品99| 不卡视频在线观看欧美| 国产精品久久久久久av不卡| 亚洲精品一卡2卡三卡4卡5卡| 性色avwww在线观看| 精品人妻偷拍中文字幕| 美女高潮的动态| www.色视频.com| 国产欧美日韩精品一区二区| 男女之事视频高清在线观看| 一级黄色大片毛片| 久99久视频精品免费| 国产真实伦视频高清在线观看| 欧美高清性xxxxhd video| 国产精品一区二区三区四区久久| 97超碰精品成人国产| 91在线精品国自产拍蜜月| 在线天堂最新版资源| 秋霞在线观看毛片| 亚洲欧美成人综合另类久久久 |