• <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 ?

    稀疏限制的增量式魯棒非負矩陣分解及其應(yīng)用

    2019-08-01 01:48:57楊亮東楊志霞
    計算機應(yīng)用 2019年5期
    關(guān)鍵詞:聚類

    楊亮東 楊志霞

    摘 要:針對魯棒非負矩陣分解(RNMF)的運算規(guī)模隨訓(xùn)練樣本數(shù)量逐漸增多而不斷增大的問題,提出一種稀疏限制的增量式魯棒非負矩陣分解算法。首先,對初始數(shù)據(jù)進行魯棒非負矩陣分解;然后,將其分解結(jié)果參與到后續(xù)迭代運算;最后,在對系數(shù)矩陣增加稀疏限制的情況下與增量式學(xué)習(xí)相結(jié)合,使目標(biāo)函數(shù)值在迭代求解時下降地更快。該算法在節(jié)省運算時間的同時提高了分解后數(shù)據(jù)的稀疏度。在數(shù)值實驗中,將所提算法與魯棒非負矩陣分解算法、稀疏限制的魯棒非負矩陣分解(RNMFSC)算法進行了比較。在ORL和YALE人臉數(shù)據(jù)庫上的實驗結(jié)果表明,所提算法在運算時間和分解后數(shù)據(jù)的稀疏度等方面均優(yōu)于其他兩個算法,并且還具有較好的聚類效果,尤其在YALE人臉數(shù)據(jù)庫上當(dāng)聚類類別數(shù)為3時該算法的聚類準(zhǔn)確率達到了91.67%。

    關(guān)鍵詞:增量式學(xué)習(xí);非負矩陣分解;稀疏限制;聚類;人臉識別

    中圖分類號:TP181

    文獻標(biāo)志碼:A

    Abstract: Aiming at the problem that the operation scale of Robust Nonnegative Matrix Factorization (RNMF) increases with the number of training samples, an incremental robust nonnegative matrix factorization algorithm with sparseness constraints was proposed. Firstly, robust nonnegative matrix factorization was performed on initial data. Then, the factorized result participated in the subsequent iterative operation. Finally, with sparseness constraints, the coefficient matrix was combined with incremental learning, which made the objective function value fall faster in the iterative solution. The cost of computation was reduced and the sparseness of data after factorization was improved. In the numerical experiments, the proposed algorithm was compared with RNMF algorithm and RNMF with Sparseness Constraints (RNMFSC) algorithm. The experimental results on ORL and YALE face databases show that the proposed algorithm is superior to the other two algorithms in terms of operation time and sparseness of factorized data, and has better clustering effect, especially in YALE face database, when the clustering number is 3, the clustering accuracy of the proposed algorithm reaches 91.67%.

    英文關(guān)鍵詞Key words: incremental learning; Nonnegative Matrix Factorization (NMF); sparseness constraint; clustering; face recognition

    0 引言

    圖像處理已經(jīng)廣泛應(yīng)用于生活中各個行業(yè),涉及機器學(xué)習(xí)、模式識別、數(shù)據(jù)挖掘等領(lǐng)域,也與人類大腦的認知原理緊密相關(guān),受到了國內(nèi)外學(xué)者的廣泛關(guān)注。在處理圖像過程中子空間降維是一種最為常見的方法, 主要思路是將高維空間的原始數(shù)據(jù)(包括向量數(shù)據(jù)、矩陣數(shù)據(jù)、張量數(shù)據(jù))映射到低維子空間進行處理,有效避免了維度災(zāi)難[1]所帶來的困難。為了處理矩陣中的數(shù)據(jù)信息以達到降維的目的,通常將矩陣進行分解, 典型的矩陣分解方法主要包括:主成分分析[2]、線性判別分析[3]、獨立分量分析[4]、奇異值分解[5]等。通常這些方法是在一定的限制下對原始數(shù)據(jù)矩陣進行線性變換或分解,從而實現(xiàn)了對原始矩陣降維,但是這些方法的共同點是在求解時有可能會出現(xiàn)負值。 然而在許多應(yīng)用中,負值是與客觀現(xiàn)實相矛盾的,不具有可解釋性。

    因此,非負矩陣分解(Nonnegative Matrix Factorization, NMF)[6]這種新的矩陣分解方法被提出,它最早由Lee等[7-8] 于1999年在《Nature》雜志上發(fā)表的。它不同于上述典型的矩陣分解算法,其獨特之處是通過添加非負限制,不但保證了分解結(jié)果的可解釋性,還使分解后的數(shù)據(jù)具有局部表達的特性。后來一些學(xué)者在此基礎(chǔ)上又提出了一些非負矩陣分解的改進算法,并將它們成功地應(yīng)用到人臉識別、數(shù)據(jù)挖掘等領(lǐng)域:文獻[9]中提出了增量式非負矩陣分解(Incremental NMF, INMF)算法;進一步文獻[10]中提出了圖正則(稀疏)增量式非負矩陣分解算法等。這些改進算法有一個共同點是損失函數(shù)都是F范數(shù)或KL散度,而文獻[11]中在2011年提出了一種基于L2,1范數(shù)的非負矩陣分解——魯棒非負矩陣分解(Robust Nonnegative Matrix Factorization, RNMF)算法,該算法自提出后立即得到了學(xué)術(shù)界的廣泛關(guān)注,并取得了大量的研究成果。為了達到特定的實驗效果,有些學(xué)者在基本的魯棒非負矩陣分解算法框架中又添加各種限制,如稀疏性、流形、正交性、判別性等,提出了若干種改進的算法,并將其應(yīng)用于各個領(lǐng)域,取得了良好的實驗效果:文獻[12-13]中考慮到原始數(shù)據(jù)中蘊含著幾何結(jié)構(gòu),從而將流行學(xué)習(xí)與魯棒非負矩陣分解相結(jié)合,提出了圖正則的魯棒非負矩陣分解(Graph Regularized RNMF, GRNMF)算法,該算法在分解過程中保留了數(shù)據(jù)集攜帶的局部幾何信息,使得在低維能很好地表示原始樣本近鄰結(jié)構(gòu);? 文獻[14-15]中提出了稀疏限制的魯棒非負矩陣分解(RNMF with Sparseness Constraints, RNMFSC)算法,對系數(shù)矩陣進行了稀疏限制,使分解后人臉圖像有更高的識別率。

    針對魯棒非負矩陣分解的運算時間和分解后數(shù)據(jù)的稀疏程度來說,隨著樣本個數(shù)的實時增加,直接利用魯棒非負矩陣分解時會出現(xiàn)運算規(guī)模不斷增大的現(xiàn)象。本文就將魯棒非負矩陣分解算法(RNMF)與增量式學(xué)習(xí)結(jié)合在一起,并在此基礎(chǔ)上增加了L2,1范數(shù)的稀疏限制,從而提出了稀疏限制的增量式魯棒非負矩陣分解(Incremental Robust Nonnegative Matrix Factorization with Sparseness Constraints, IRNMFSC)算法。該算法不僅有效地提高了分解后數(shù)據(jù)的稀疏度,得到圖像的最佳局部表示,而且結(jié)合增量式學(xué)習(xí)充分利用上一步對初始數(shù)據(jù)的分解結(jié)果,避免重復(fù)計算從而降低運算時間,提升算法迭代優(yōu)化求解時的收斂速度,使得此算法具有較好的聚類準(zhǔn)確率。最后在多個數(shù)據(jù)庫上的仿真結(jié)果表明,本文IRNMFSC算法均優(yōu)于RNMF算法和RNMFSC算法。

    4 結(jié)語

    本文提出了稀疏限制的增量式魯棒非負矩陣分解(IRNMFSC),并給出了相應(yīng)的迭代法則和算法步驟,該算法隨著新增樣本個數(shù)的增加依然保持較好的收斂速度。通過對YALE人臉數(shù)據(jù)和ORL人臉數(shù)據(jù)進行數(shù)值實驗,結(jié)果顯示本文算法在迭代過程中收斂速度更快,尋優(yōu)效果更好,不僅縮短了運算時間,而且使分解后的數(shù)據(jù)更為稀疏,能得到局部表達能力更強的基圖像和比較高的聚類準(zhǔn)確率。但是,算法中依然存在著不足,如迭代初值和稀疏參數(shù)的選取等,目前依然沒有一個統(tǒng)一的標(biāo)準(zhǔn),這些問題都將成為今后要研究的重點。

    參考文獻 (References)

    [1] PARDALOS P M. Approximate Dynamic Programming: Solving the Curses of Dimensionality[M]. New York: Wiley, 2009: 39-50.

    [2] 史衛(wèi)亞,郭躍飛,薛向陽.一種解決大規(guī)模數(shù)據(jù)集問題的核主成分分析算法[J]. 軟件學(xué)報, 2009, 8(20): 2153-2159. (SHI W Y, GUO Y F, XUE X Y. A kernel principal component analysis algorithm for solving large scale data sets problem[J]. Journal of Software, 2009, 8(20): 2153-2159.)

    [3] 張燕平,竇蓉蓉,趙姝,等. 基于集成學(xué)習(xí)的規(guī)范化LDA人臉識別[J].計算機工程, 2010, 36(14):144-146.(ZHANG Y P, DOU R R, ZHAO S, et al. Regularized linear discriminant analysis for face recognition based on ensemble learning[J]. Computer Engineering, 2010, 36(14):144-146.)

    [4] KOLDOVSKY Z, TICHAVSKY P. Efficient variant of algorithm fastica for independent component analysis attaining the cramerRAO lower bound[C]// Proceedings of the 2005 IEEE/SP Workshop on Statistical Signal Processing. Piscataway, NJ: IEEE, 2005:1090-1095.

    [5] GOLUB G H, REINSCH C. Singular Value Decomposition and Least Squares Solutions[M]. Berlin: Springer, 1971: 403-420.

    [6] PAATERO P, TAPPER U. Positive matrix factorization: a nonnegative factor model with optimal utilization of error estimates of data values[J]. Environmental Surveying, 1994, 5(2):111-126.

    [7] LEE D D, SEUNG H S. Learning the parts of objects with nonnegative matrix factorization[J]. Nature, 1999, 401(6755):788-791.

    [8] LEE D D. Algorithms for nonnegative matrix factorization[J]. Advances in Neural Information Processing Systems, 2001, 13(6):556-562.

    [9] BUCAK S S, GUNSEL B. Incremental subspace learning via nonnegative matrix factorization[J]. Pattern Recognition, 2009, 42(5):788-797.

    [10] YU Z Z, LIU Y H, LI B, et al. Incremental graph regulated nonnegative matrix factorization for face recognition[J]. Journal of Applied Mathematics, 2014, 2014(1): Article ID 928051.

    [11] KONG D, HUANG H. Robust nonnegative matrix factorization using L21norm[C]// Proceedings of the 20th ACM International Conference on Information and Knowledge Management. New York: ACM, 2011:673-682.

    [12] HUANG S, WANG H, LI T, et al. Robust graph regularized nonnegative matrix factorization for clustering[J]. ACM Transactions on Knowledge Discovery from Data, 2017, 11(3): Article No. 33.

    [13] DAI L Y, FENG C M, LIU J X, et al. Robust nonnegative matrix factorization via joint graph laplacian and discriminative information for identifying differentially expressed genes[J]. Complexity, 2017, 2017(40): Article ID 4216797.

    [14] YANG S, HOU C, ZHANG C, et al. Robust nonnegative matrix factorization via joint sparse and graph regularization[C]// Proceedings of the 2013 International Joint Conference on Neural Networks. Piscataway, NJ: IEEE, 2014:541-559.

    [15] DU S, SHI Y, WANG W. L(3/2) sparsity constrained graph nonnegative matrix factorization for image representation[C]// Proceedings of the 26th Chinese Control and Decision Conference. Piscataway, NJ: IEEE, 2014:2962-2965.

    [16] CAI D, HE X, WU X, et al. Nonnegative matrix factorization on manifold[C]// Proceedings of the 8th IEEE International Conference on Data Mining. Piscataway, NJ: IEEE, 2008: 63-72.

    [17] XU W, LIU X, GONG Y. Document clustering based on nonnegative matrix factorization[C]// Proceedings of the 26th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. New York: ACM, 2003:267-273.

    [18] 汪金濤, 曹玉東, 孫福明. 稀疏約束圖正則非負矩陣分解的增量學(xué)習(xí)算法[J]. 計算機應(yīng)用, 2017,37(4): 1071-1074.(WANG J T, CAO Y D, SUN F M. Incremental learning algorithm based on graph regularized nonnegative matrix factorization with sparseness constraints[J]. Journal of Computer Applications, 2017, 37(4): 1071-1074.)

    猜你喜歡
    聚類
    稠密度聚類在艦船網(wǎng)絡(luò)微弱信號自適應(yīng)增強中的應(yīng)用
    基于K-means聚類的車-地?zé)o線通信場強研究
    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
    基于高斯混合聚類的陣列干涉SAR三維成像
    條紋顏色分離與聚類
    基于Spark平臺的K-means聚類算法改進及并行化實現(xiàn)
    局部子空間聚類
    基于改進的遺傳算法的模糊聚類算法
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    基于熵權(quán)和有序聚類的房地產(chǎn)周期分析
    河南科技(2014年23期)2014-02-27 14:19:14
    99久久精品一区二区三区| 尾随美女入室| 久久精品国产鲁丝片午夜精品| 国产久久久一区二区三区| 18禁动态无遮挡网站| 日韩欧美精品免费久久| av国产精品久久久久影院| 高清不卡的av网站| 99九九线精品视频在线观看视频| 多毛熟女@视频| 少妇裸体淫交视频免费看高清| 一级毛片电影观看| 青春草亚洲视频在线观看| 国产视频首页在线观看| 在线观看国产h片| 美女xxoo啪啪120秒动态图| 久久综合国产亚洲精品| 亚洲精品久久午夜乱码| 久久97久久精品| 啦啦啦视频在线资源免费观看| 亚洲成人手机| 国产老妇伦熟女老妇高清| 一本一本综合久久| 国产精品久久久久久精品电影小说 | 观看av在线不卡| 男女边摸边吃奶| 91aial.com中文字幕在线观看| 少妇人妻一区二区三区视频| 久久久亚洲精品成人影院| 22中文网久久字幕| 久久久亚洲精品成人影院| 日日啪夜夜撸| av播播在线观看一区| 99热国产这里只有精品6| 欧美精品一区二区免费开放| 欧美精品一区二区免费开放| 日韩不卡一区二区三区视频在线| 亚洲伊人久久精品综合| 纯流量卡能插随身wifi吗| 亚洲精品乱码久久久v下载方式| 欧美成人一区二区免费高清观看| 夜夜骑夜夜射夜夜干| 国产中年淑女户外野战色| 国产精品久久久久久久久免| 狠狠精品人妻久久久久久综合| 久久精品国产鲁丝片午夜精品| 国产色婷婷99| 熟女av电影| 波野结衣二区三区在线| 欧美三级亚洲精品| 国产乱人视频| 亚洲熟女精品中文字幕| 久久久久久伊人网av| 午夜激情久久久久久久| 国产精品女同一区二区软件| 亚洲婷婷狠狠爱综合网| 性色avwww在线观看| 亚洲av免费高清在线观看| 乱系列少妇在线播放| 简卡轻食公司| 一级黄片播放器| 女的被弄到高潮叫床怎么办| 国产一级毛片在线| 人妻系列 视频| 免费看日本二区| 精品亚洲成a人片在线观看 | 一区在线观看完整版| 日韩精品有码人妻一区| 国产成人免费观看mmmm| 国产亚洲欧美精品永久| 激情 狠狠 欧美| 国精品久久久久久国模美| 亚洲综合精品二区| 五月天丁香电影| 成年免费大片在线观看| 特大巨黑吊av在线直播| videos熟女内射| 国产欧美日韩精品一区二区| 国产伦在线观看视频一区| 国产在线免费精品| 高清黄色对白视频在线免费看 | 我的老师免费观看完整版| 1000部很黄的大片| 国产真实伦视频高清在线观看| 九九久久精品国产亚洲av麻豆| 一本色道久久久久久精品综合| 有码 亚洲区| av在线播放精品| 春色校园在线视频观看| 久久久久性生活片| 丝瓜视频免费看黄片| 中文字幕亚洲精品专区| 国产成人精品一,二区| 亚洲精华国产精华液的使用体验| 久久精品国产亚洲av涩爱| av福利片在线观看| 寂寞人妻少妇视频99o| 免费人妻精品一区二区三区视频| 99热网站在线观看| av又黄又爽大尺度在线免费看| 久久影院123| 少妇猛男粗大的猛烈进出视频| 亚洲婷婷狠狠爱综合网| 黄色视频在线播放观看不卡| 久久精品国产亚洲网站| 精品亚洲乱码少妇综合久久| 亚洲人成网站高清观看| 国产欧美日韩精品一区二区| 亚洲最大成人中文| 日本黄大片高清| 中文欧美无线码| 欧美日韩精品成人综合77777| 亚洲自偷自拍三级| 丰满迷人的少妇在线观看| 国产黄片视频在线免费观看| 美女cb高潮喷水在线观看| 国产成人aa在线观看| 少妇 在线观看| 午夜老司机福利剧场| 我要看日韩黄色一级片| 99热网站在线观看| 自拍偷自拍亚洲精品老妇| 久久久久久久久久人人人人人人| 午夜视频国产福利| 高清毛片免费看| 乱系列少妇在线播放| videossex国产| 少妇裸体淫交视频免费看高清| 午夜激情久久久久久久| 日日撸夜夜添| 午夜日本视频在线| 三级国产精品欧美在线观看| 成人亚洲精品一区在线观看 | 久久久久久久久久成人| 网址你懂的国产日韩在线| 在线观看av片永久免费下载| 视频区图区小说| 亚洲精品国产色婷婷电影| 欧美成人一区二区免费高清观看| 干丝袜人妻中文字幕| 亚洲av.av天堂| 99热网站在线观看| 久久6这里有精品| 麻豆精品久久久久久蜜桃| 国产亚洲av片在线观看秒播厂| 麻豆成人av视频| 高清黄色对白视频在线免费看 | 精品久久久久久电影网| 色哟哟·www| 天天躁日日操中文字幕| 欧美3d第一页| 亚洲丝袜综合中文字幕| 亚洲经典国产精华液单| freevideosex欧美| 亚洲综合色惰| 久久ye,这里只有精品| 国产亚洲精品久久久com| 精品亚洲乱码少妇综合久久| 99re6热这里在线精品视频| 国产免费一级a男人的天堂| 国产成人91sexporn| 久久国产亚洲av麻豆专区| 久久久久网色| 亚洲精品一区蜜桃| 人妻一区二区av| 国内少妇人妻偷人精品xxx网站| 日韩不卡一区二区三区视频在线| 日韩三级伦理在线观看| 91精品伊人久久大香线蕉| 少妇人妻精品综合一区二区| 国产午夜精品一二区理论片| 蜜桃久久精品国产亚洲av| 亚洲第一av免费看| 男女下面进入的视频免费午夜| 亚洲精品aⅴ在线观看| 亚洲性久久影院| 国产av一区二区精品久久 | 久久国内精品自在自线图片| 激情五月婷婷亚洲| 欧美日韩视频精品一区| 菩萨蛮人人尽说江南好唐韦庄| 色吧在线观看| 夜夜看夜夜爽夜夜摸| 久久国产乱子免费精品| 午夜福利高清视频| 亚洲精品日韩在线中文字幕| 精华霜和精华液先用哪个| 亚洲欧洲国产日韩| 各种免费的搞黄视频| 日本av手机在线免费观看| 国产片特级美女逼逼视频| 纯流量卡能插随身wifi吗| 午夜精品国产一区二区电影| 免费黄色在线免费观看| 亚洲综合精品二区| 99热全是精品| 成人二区视频| 久久精品国产a三级三级三级| 久久久久久人妻| 中文字幕久久专区| 欧美xxxx性猛交bbbb| av又黄又爽大尺度在线免费看| 国产欧美另类精品又又久久亚洲欧美| 欧美另类一区| 激情 狠狠 欧美| 黄色视频在线播放观看不卡| 国产精品伦人一区二区| 中文字幕人妻熟人妻熟丝袜美| 久热这里只有精品99| 成年女人在线观看亚洲视频| 欧美+日韩+精品| 精品国产一区二区三区久久久樱花 | 国产男女内射视频| 国产黄片视频在线免费观看| 国产在视频线精品| 国产黄色视频一区二区在线观看| 免费看日本二区| 国产精品久久久久久精品古装| 亚洲精品456在线播放app| 丝瓜视频免费看黄片| 一级毛片aaaaaa免费看小| 最近最新中文字幕大全电影3| 小蜜桃在线观看免费完整版高清| 国产男女超爽视频在线观看| 亚洲av中文字字幕乱码综合| 国产精品一及| 色5月婷婷丁香| 国产成人freesex在线| 欧美日韩一区二区视频在线观看视频在线| 亚洲美女视频黄频| 好男人视频免费观看在线| 免费黄网站久久成人精品| 免费av不卡在线播放| 少妇人妻久久综合中文| 一区二区三区乱码不卡18| 涩涩av久久男人的天堂| av福利片在线观看| 丰满人妻一区二区三区视频av| 亚洲va在线va天堂va国产| 乱码一卡2卡4卡精品| 亚洲av日韩在线播放| 国产国拍精品亚洲av在线观看| 色婷婷久久久亚洲欧美| 成年av动漫网址| 少妇精品久久久久久久| 久久国产精品大桥未久av | 国产乱人视频| 久久久成人免费电影| 久久久久视频综合| 精品少妇黑人巨大在线播放| 国产伦理片在线播放av一区| 欧美精品一区二区大全| 日日撸夜夜添| 免费大片18禁| 亚洲欧美日韩另类电影网站 | 久久人人爽人人片av| 国内揄拍国产精品人妻在线| 国产精品av视频在线免费观看| 日韩电影二区| 国产男女内射视频| 少妇的逼好多水| 一级毛片电影观看| 日韩免费高清中文字幕av| 久久久久国产精品人妻一区二区| 新久久久久国产一级毛片| 亚洲丝袜综合中文字幕| 91狼人影院| 女性生殖器流出的白浆| 日本免费在线观看一区| 亚洲精品日韩在线中文字幕| 亚洲自偷自拍三级| 久久97久久精品| 99久久人妻综合| 中国美白少妇内射xxxbb| 亚洲国产高清在线一区二区三| 欧美精品一区二区免费开放| 国产男人的电影天堂91| 毛片一级片免费看久久久久| 成人二区视频| 亚洲精品一二三| 亚洲第一区二区三区不卡| 中文欧美无线码| 99热网站在线观看| 国产亚洲午夜精品一区二区久久| 免费观看无遮挡的男女| 亚洲av综合色区一区| 欧美高清成人免费视频www| 亚洲无线观看免费| 大话2 男鬼变身卡| 亚洲国产欧美在线一区| 热99国产精品久久久久久7| 人人妻人人看人人澡| 亚洲欧美精品专区久久| 国产免费视频播放在线视频| 丝袜喷水一区| 中文字幕av成人在线电影| 国产综合精华液| 亚洲精品成人av观看孕妇| 久久久欧美国产精品| 这个男人来自地球电影免费观看 | 国产精品熟女久久久久浪| 免费黄网站久久成人精品| 99视频精品全部免费 在线| 国产一区亚洲一区在线观看| av卡一久久| 久久精品国产鲁丝片午夜精品| 黄色一级大片看看| 99热国产这里只有精品6| 久久国产亚洲av麻豆专区| 男人狂女人下面高潮的视频| 亚洲无线观看免费| 亚洲精品日韩在线中文字幕| 青青草视频在线视频观看| 99热这里只有精品一区| 人人妻人人爽人人添夜夜欢视频 | 成人高潮视频无遮挡免费网站| 午夜日本视频在线| 欧美一区二区亚洲| 亚洲成人一二三区av| 久久久久久久久久久免费av| 国产一区亚洲一区在线观看| 秋霞在线观看毛片| 国产欧美亚洲国产| 一本色道久久久久久精品综合| 国模一区二区三区四区视频| 国产爽快片一区二区三区| 18禁裸乳无遮挡免费网站照片| 天美传媒精品一区二区| 欧美极品一区二区三区四区| 国产有黄有色有爽视频| 九色成人免费人妻av| 97精品久久久久久久久久精品| 欧美高清成人免费视频www| 五月伊人婷婷丁香| 在线观看免费高清a一片| 国产在线一区二区三区精| 在线天堂最新版资源| 99久久中文字幕三级久久日本| 亚洲va在线va天堂va国产| av视频免费观看在线观看| 一区二区三区精品91| 国产av国产精品国产| videos熟女内射| 男人舔奶头视频| 亚洲国产最新在线播放| 免费看光身美女| 十分钟在线观看高清视频www | 国产亚洲最大av| 亚洲av不卡在线观看| 亚洲av二区三区四区| 国产一区二区在线观看日韩| 国产老妇伦熟女老妇高清| 免费少妇av软件| 国产极品天堂在线| 最后的刺客免费高清国语| 人人妻人人看人人澡| 男女下面进入的视频免费午夜| 在线观看免费高清a一片| 一级毛片aaaaaa免费看小| 亚洲精品自拍成人| 国产综合精华液| 丝瓜视频免费看黄片| av.在线天堂| 麻豆国产97在线/欧美| 亚洲精品中文字幕在线视频 | 亚洲精品国产av蜜桃| 精品熟女少妇av免费看| 日本爱情动作片www.在线观看| 亚洲av在线观看美女高潮| 国产有黄有色有爽视频| 我要看日韩黄色一级片| 久久精品国产亚洲av天美| 91久久精品电影网| 久久久久人妻精品一区果冻| 欧美成人精品欧美一级黄| 国产高清不卡午夜福利| 久久影院123| 精品亚洲成国产av| 永久免费av网站大全| 深爱激情五月婷婷| 亚洲人成网站在线播| 日韩欧美 国产精品| 国产成人a∨麻豆精品| 日本黄大片高清| 亚洲精品色激情综合| a 毛片基地| 十八禁网站网址无遮挡 | 在线观看三级黄色| 在线亚洲精品国产二区图片欧美 | 亚洲精品第二区| 人人妻人人澡人人爽人人夜夜| 丰满乱子伦码专区| 少妇人妻精品综合一区二区| 国产黄片美女视频| 国国产精品蜜臀av免费| 在线亚洲精品国产二区图片欧美 | 亚洲精品乱码久久久v下载方式| 日韩av不卡免费在线播放| 18禁裸乳无遮挡免费网站照片| 国产精品.久久久| 五月玫瑰六月丁香| 久久久久性生活片| 不卡视频在线观看欧美| 爱豆传媒免费全集在线观看| 男人狂女人下面高潮的视频| 成人亚洲欧美一区二区av| 精品一区在线观看国产| 人妻系列 视频| 亚洲成人av在线免费| 又大又黄又爽视频免费| 午夜老司机福利剧场| 久久精品熟女亚洲av麻豆精品| 男女免费视频国产| 舔av片在线| 欧美97在线视频| 视频区图区小说| 国产精品99久久99久久久不卡 | 国产黄频视频在线观看| 久久 成人 亚洲| 久热这里只有精品99| 男女下面进入的视频免费午夜| 亚洲国产精品成人久久小说| 成人免费观看视频高清| 美女xxoo啪啪120秒动态图| 久久精品国产鲁丝片午夜精品| 久久精品国产自在天天线| 亚洲欧美中文字幕日韩二区| 夫妻性生交免费视频一级片| 18禁在线播放成人免费| 日韩一区二区视频免费看| 欧美少妇被猛烈插入视频| 蜜桃在线观看..| 天美传媒精品一区二区| av福利片在线观看| 在线 av 中文字幕| 男女边摸边吃奶| 建设人人有责人人尽责人人享有的 | 国产一区亚洲一区在线观看| 日韩欧美一区视频在线观看 | 国产视频内射| 日韩伦理黄色片| 久久精品国产鲁丝片午夜精品| 日韩中文字幕视频在线看片 | av在线播放精品| av天堂中文字幕网| 热99国产精品久久久久久7| 男女啪啪激烈高潮av片| 嘟嘟电影网在线观看| 男女下面进入的视频免费午夜| 三级国产精品欧美在线观看| 麻豆成人午夜福利视频| 欧美精品一区二区免费开放| 直男gayav资源| 国产亚洲91精品色在线| 欧美老熟妇乱子伦牲交| 欧美成人a在线观看| 日本免费在线观看一区| 一级黄片播放器| 日韩中字成人| 亚洲av成人精品一区久久| 精品久久国产蜜桃| 亚洲欧美日韩东京热| 日韩欧美精品免费久久| 日韩av在线免费看完整版不卡| 性色av一级| 一区二区av电影网| 精品视频人人做人人爽| 欧美性感艳星| 波野结衣二区三区在线| 麻豆成人午夜福利视频| 亚洲熟女精品中文字幕| 97在线人人人人妻| 一级毛片电影观看| 少妇高潮的动态图| 国内精品宾馆在线| 免费高清在线观看视频在线观看| 亚洲精品国产av蜜桃| 亚洲精品色激情综合| 18+在线观看网站| av国产精品久久久久影院| 国产有黄有色有爽视频| 久久人人爽人人片av| 最新中文字幕久久久久| 国产成人精品一,二区| 男女国产视频网站| 久久久久久久久久久免费av| 国产精品久久久久久精品电影小说 | 一本一本综合久久| 黄片无遮挡物在线观看| 老师上课跳d突然被开到最大视频| 国产精品免费大片| 人妻制服诱惑在线中文字幕| 国产精品嫩草影院av在线观看| 久久久午夜欧美精品| 欧美成人午夜免费资源| 国产亚洲91精品色在线| 不卡视频在线观看欧美| 热99国产精品久久久久久7| 纯流量卡能插随身wifi吗| 精品国产三级普通话版| 日韩视频在线欧美| 久久青草综合色| 插逼视频在线观看| 亚洲精品第二区| 亚洲欧洲国产日韩| 人妻 亚洲 视频| 免费观看无遮挡的男女| 国产女主播在线喷水免费视频网站| 国产视频内射| 色吧在线观看| 人妻一区二区av| 精品久久久久久久末码| 亚洲精品视频女| 高清毛片免费看| 日韩av免费高清视频| 99re6热这里在线精品视频| 国产在视频线精品| 街头女战士在线观看网站| 涩涩av久久男人的天堂| 99九九线精品视频在线观看视频| av福利片在线观看| 99热全是精品| 高清日韩中文字幕在线| 午夜免费男女啪啪视频观看| 91久久精品国产一区二区成人| 纵有疾风起免费观看全集完整版| 特大巨黑吊av在线直播| 一边亲一边摸免费视频| 日韩,欧美,国产一区二区三区| 久久久色成人| 免费观看a级毛片全部| 精品久久久噜噜| 久久青草综合色| 国产免费一级a男人的天堂| 香蕉精品网在线| 亚洲自偷自拍三级| 亚洲国产日韩一区二区| 下体分泌物呈黄色| 少妇被粗大猛烈的视频| 99久久精品一区二区三区| 国产免费视频播放在线视频| 国产乱人视频| 在现免费观看毛片| 最黄视频免费看| 亚洲丝袜综合中文字幕| 天天躁日日操中文字幕| 日韩av不卡免费在线播放| av线在线观看网站| 男女国产视频网站| 精品国产一区二区三区久久久樱花 | h视频一区二区三区| 久久国产亚洲av麻豆专区| 中文字幕av成人在线电影| 直男gayav资源| 青春草亚洲视频在线观看| 久久国产精品大桥未久av | 高清视频免费观看一区二区| 亚洲四区av| 黄片wwwwww| 人妻 亚洲 视频| videossex国产| 在线观看免费日韩欧美大片 | 亚洲美女搞黄在线观看| 夫妻午夜视频| 波野结衣二区三区在线| 精品人妻熟女av久视频| 亚洲美女视频黄频| 欧美老熟妇乱子伦牲交| 国产亚洲精品久久久com| av国产免费在线观看| 久久这里有精品视频免费| 精品久久久久久久末码| 日本与韩国留学比较| tube8黄色片| av在线播放精品| 日韩一本色道免费dvd| 极品少妇高潮喷水抽搐| 一级二级三级毛片免费看| 你懂的网址亚洲精品在线观看| 性色av一级| 大片电影免费在线观看免费| 国产在线免费精品| 国产黄色视频一区二区在线观看| 久久久久久久久大av| 99re6热这里在线精品视频| 在线免费十八禁| 亚洲欧洲国产日韩| 中文资源天堂在线| av不卡在线播放| 婷婷色综合大香蕉| 国产午夜精品一二区理论片| 春色校园在线视频观看| 日本色播在线视频| av视频免费观看在线观看| 国产在视频线精品| 婷婷色综合大香蕉| 国产成人午夜福利电影在线观看| 高清欧美精品videossex| 久久精品国产自在天天线| 国产又色又爽无遮挡免| 亚洲va在线va天堂va国产| 日本午夜av视频| 国产伦精品一区二区三区四那| 性色avwww在线观看| 日本午夜av视频| 国产精品国产av在线观看| 一区二区三区乱码不卡18| 五月伊人婷婷丁香| 欧美高清成人免费视频www| 热99国产精品久久久久久7| 少妇人妻 视频| 麻豆成人av视频| 欧美精品亚洲一区二区| 99热网站在线观看| 久久久久国产网址|