• <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 ?

    基于奇異值分解的簡(jiǎn)化數(shù)據(jù)應(yīng)用

    2019-10-15 02:21陳卉妍張仁龍
    軟件導(dǎo)刊 2019年8期
    關(guān)鍵詞:奇異值分解

    陳卉妍 張仁龍

    摘 要:奇異值分解是提取數(shù)據(jù)特征信息的一種強(qiáng)大工具,其應(yīng)用可以從信息檢索領(lǐng)域擴(kuò)展到金融、醫(yī)療、統(tǒng)計(jì)學(xué)等各領(lǐng)域,是簡(jiǎn)化數(shù)據(jù)、相似度計(jì)算的一種有效方法。對(duì)奇異值分解原理和特性進(jìn)行闡述,介紹了基于Python與其相關(guān)科學(xué)計(jì)算庫(kù)的奇異值分解過程和相似度算法,解釋了將龐大的數(shù)據(jù)矩陣映射到低維空間的轉(zhuǎn)換過程,圖像數(shù)據(jù)通過奇異值分解較原始圖像壓縮了近8倍。分別對(duì)SVD在推薦系統(tǒng)和圖像壓縮兩方面的具體應(yīng)用進(jìn)行描述,總結(jié)出奇異值分解在數(shù)據(jù)降維中的強(qiáng)大應(yīng)用和良好前景。

    關(guān)鍵詞:奇異值分解;推薦引擎;壓縮圖像;相似度計(jì)算;數(shù)據(jù)降維

    DOI:10. 11907/rjdk. 191802 開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):

    中圖分類號(hào):TP392文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672-7800(2019)008-0162-04

    Simplified Data Application Based on Singular Value Decomposition

    CHEN Hui-yan, ZHANG Ren-long

    (College of Computer and Information Engineering, Beijing University of Agriculture, Beijing 102206, China)

    Abstract: Singular value decomposition is a powerful tool to extract data feature information. Its application can be extended from information retrieval to finance, medical, statistics and other fields. It is an effective method to simplify data and similarity calculation. The principle and characteristics of singular value decomposition are expounded in this paper. The process and similarity algorithm of singular value decomposition based on Python and its related scientific computing library are introduced. The mapping of huge data matrix to low-dimensional space is explained. The image data is nearly 8 times compressed by the singular value decomposition than the original image. The specific applications of SVD in recommendation system and image compression are described respectively, and the powerful application and broad prospects of singular value decomposition in data dimension reduction are summarized.

    Key Words:Singular value decomposition; recommendation engine; compressed image; similarity calculation; data dimensionality reduction

    作者簡(jiǎn)介:陳卉妍(1996-),女,北京農(nóng)學(xué)院計(jì)算機(jī)與信息工程學(xué)院碩士研究生,研究方向?yàn)閿?shù)據(jù)分析; 張仁龍(1967-),男,北京農(nóng)學(xué)院計(jì)算機(jī)與信息工程學(xué)院教授、碩士生導(dǎo)師,研究方向?yàn)槌绦蛟O(shè)計(jì)。

    0 引言

    信息時(shí)代,如何從海量數(shù)據(jù)中檢索出具有價(jià)值的信息尤為重要。由于矩陣分解可應(yīng)用于很多實(shí)際問題中,因而在諸多領(lǐng)域得到了廣泛應(yīng)用,例如推薦系統(tǒng)、信號(hào)處理、PCA降維、壓縮數(shù)據(jù)去噪[1]等。在亞馬遜的推薦算法中,將用戶購(gòu)買偏好與其他用戶進(jìn)行對(duì)比,據(jù)此預(yù)測(cè)該用戶最可能感興趣[2]的物品并推送給他。中國(guó)的淘寶、京東商城、當(dāng)當(dāng)書城以及蘇寧易購(gòu)都屬于協(xié)同過濾推薦系統(tǒng)[3]在電子商務(wù)中較為成熟的應(yīng)用典范。

    奇異值分解就是矩陣的一種分解方法,利用這種規(guī)則的分解方式可用小而多的矩陣集表示原始數(shù)據(jù)集。而分解數(shù)據(jù)集的原理就是去除數(shù)據(jù)中的噪聲和冗余信息,將矩陣拆分成一些小矩陣的點(diǎn)乘,這些小的矩陣就是被保留抽取出來(lái)原始數(shù)據(jù)的相關(guān)特征信息。這種分解的核心思想在于其對(duì)矩陣的波動(dòng)并不敏感,因而可以在不改變矩陣相關(guān)度量的前提下,得出矩陣的秩,并且逐漸逼近該矩陣的最佳秩,從而使得數(shù)據(jù)被壓縮[4]、簡(jiǎn)化。同樣,該重要性質(zhì)也可用于協(xié)同過濾[5]的推薦引擎中,將當(dāng)前用戶和其他用戶的數(shù)據(jù)矩陣進(jìn)行比較[6],使用最鄰近方法向用戶實(shí)現(xiàn)產(chǎn)品推薦。

    1 奇異值分解原理

    奇異值分解是一個(gè)能適用于任意矩陣的分解方法,對(duì)于一個(gè)任意m*n的矩陣都有如下分解:

    [Datam*n=Um*mΣm*nVTn*n]? ? ? ? ? ? ? ? ? ? (1)

    Σ對(duì)角線上的元素對(duì)應(yīng)原始數(shù)據(jù)Data中的奇異值[7],也即Data*DataT特征值的平方根。通常情況下,前1%~10%的奇異值就可以達(dá)到全部奇異值的90%[8]以上,因此可以利用前k個(gè)奇異值近似描述整個(gè)矩陣。將原始的m行n列數(shù)據(jù)矩陣分解成為m行k列的矩陣U、k行k列的矩陣Σ和k行n列的矩陣 VT。k是遠(yuǎn)遠(yuǎn)小于m和n的數(shù),當(dāng)k與n越相似時(shí),3個(gè)矩陣相乘的結(jié)果越接近于原始數(shù)據(jù)Data。

    [Datam*n≈Um*kΣk*kVTk*n] (2)

    在Python的科學(xué)計(jì)算庫(kù)NumPy中有一個(gè)很好的線性代數(shù)工具箱linalg,可以方便地實(shí)現(xiàn)SVD的具體分解。數(shù)據(jù)存儲(chǔ)以科學(xué)計(jì)數(shù)法的形式展現(xiàn),當(dāng)數(shù)值過小時(shí)可以忽略不計(jì)以0代替。當(dāng)Σ的對(duì)角元素中出現(xiàn)0時(shí),為了節(jié)省存儲(chǔ)空間,NumPy會(huì)自動(dòng)將為0的元素刪除,以提高運(yùn)算效率。矩陣的存儲(chǔ)面積越小,存儲(chǔ)量就會(huì)遠(yuǎn)遠(yuǎn)小于原始數(shù)據(jù)矩陣Data,并且會(huì)在很大程度上提高相似度。分解后具體所需數(shù)據(jù)如圖1所示。

    圖1 深灰色為計(jì)算需要數(shù)據(jù)

    2 推薦引擎

    2.1 應(yīng)用原理

    在傳統(tǒng)推薦算法中,通常根據(jù)產(chǎn)品和用戶數(shù)據(jù)構(gòu)成的系數(shù)矩陣進(jìn)行不同項(xiàng)目之間的相似度計(jì)算[9],以完成相似物品推薦。但真實(shí)存在的數(shù)據(jù)往往都是稀疏矩陣,會(huì)存在大量空值,使得計(jì)算機(jī)在運(yùn)算中做了很多無(wú)用功。奇異值分解可以解決這類問題,將原始數(shù)據(jù)映射到低維空間[10]中,通過減少特征空間從而提高推薦效果,不僅克服了矩陣的稀疏性[11],還在最大程度上還原了原始數(shù)據(jù)矩陣。

    推薦系統(tǒng)的基本思路是:首先加載原始數(shù)據(jù)集,定義計(jì)算相似度的方法,通過計(jì)算奇異值的百分比確定縮小的維度,再對(duì)降維數(shù)據(jù)中為空值的數(shù)據(jù)進(jìn)行數(shù)值預(yù)測(cè),最后以降序排列方式將評(píng)分最高的產(chǎn)品返回給用戶完成產(chǎn)品推薦。

    2.2 基于SVD的推薦引擎

    在推薦系統(tǒng)中,使用最為普遍的一種推薦方法就是協(xié)同過濾[12]。首先對(duì)數(shù)據(jù)矩陣進(jìn)行橫向分析,利用奇異值分解找到與目標(biāo)用戶具有相似喜好的用戶,再以矩陣的列為標(biāo)準(zhǔn)對(duì)比產(chǎn)品與產(chǎn)品之間的相似度,對(duì)用戶沒有評(píng)分的產(chǎn)品進(jìn)行推薦,并給出相應(yīng)的預(yù)測(cè)分值,以完成產(chǎn)品推薦。

    在現(xiàn)有數(shù)據(jù)中,可以使用不同的距離計(jì)算方法計(jì)算產(chǎn)品之間的相似度。利用皮爾遜相關(guān)系數(shù)計(jì)算距離時(shí),由于其對(duì)用戶的評(píng)分量級(jí)并不敏感,因此這種算法會(huì)認(rèn)為一個(gè)用戶對(duì)所有產(chǎn)品都評(píng)價(jià)極高和一個(gè)用戶對(duì)所有產(chǎn)品都評(píng)價(jià)極低是兩個(gè)相等的向量。在Numpy中利用0.5+0.5*corrcoef()進(jìn)行計(jì)算,最后規(guī)整其值在0~1之間。使用歐氏距離公式計(jì)算產(chǎn)品與產(chǎn)品之間的相似度時(shí),先根據(jù)公式得出距離再利用“1/(1+距離)”計(jì)算相似度,就可以得到規(guī)整的在0和1之間變換的數(shù)據(jù),當(dāng)距離為0時(shí)相似度就越大越趨近于1,當(dāng)距離越遠(yuǎn)相似度也就越趨近于0,以此簡(jiǎn)化運(yùn)算過程。

    [dx,y=(x1-y1)2+(x2-y2)2+?+(xn-yn)2] (3)

    根據(jù)余弦相似度[13]計(jì)算產(chǎn)品之間的相似性時(shí),如果兩個(gè)向量夾角為90°則相似度為0,如果兩個(gè)向量方向相同則相似度為1,可以利用Numpy線性代數(shù)工具所提供的linalg.norm()函數(shù)計(jì)算。

    [similarity=cos(θ)A?B∥A∥∥B∥=i=1nAi×Bii=1n(Ai)2×i=1n(Bi)2] (4)

    按照前k個(gè)奇異值的平方和占總奇異值平方和的百分比確定k的值,將原始的11維矩陣轉(zhuǎn)換為3維矩陣。利用相似度計(jì)算方法,實(shí)現(xiàn)根據(jù)產(chǎn)品相似度對(duì)用戶未進(jìn)行評(píng)分的產(chǎn)品進(jìn)行分值預(yù)測(cè)。對(duì)編號(hào)為1的用戶推薦評(píng)分較高的3件商品,降序排列得出的產(chǎn)品序號(hào)和相似度結(jié)果如圖2所示。

    圖2 產(chǎn)品推薦及評(píng)分預(yù)測(cè)

    可以使用交叉檢測(cè)方法對(duì)現(xiàn)有推薦引擎進(jìn)行評(píng)價(jià),將已知的原有數(shù)據(jù)刪除,對(duì)其作出新的預(yù)測(cè),查看原有數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)之間的差異并對(duì)推薦系統(tǒng)進(jìn)行評(píng)價(jià)。通常利用最小均方根誤差作為評(píng)價(jià)標(biāo)準(zhǔn),通過取得均方誤差的平方根進(jìn)行具體數(shù)值評(píng)價(jià)。

    3 圖像壓縮

    3.1 應(yīng)用原理

    圖像壓縮的意義是在保證圖像質(zhì)量的前提下,利用更少的存儲(chǔ)空間保存更接近于原始圖像的圖像。這樣不僅可以壓縮圖像大小,減少存儲(chǔ)位數(shù),還可以加快圖像數(shù)據(jù)傳輸速度,為人們的工作帶來(lái)很大便捷。圖像壓縮[14]的原理是,存儲(chǔ)的數(shù)據(jù)之間存在著大量的重復(fù)和冗余[15],奇異值分解可以最大程度地保留原始數(shù)據(jù)并且去除重復(fù)數(shù)據(jù)[16],以壓縮圖像大小,同時(shí)保證圖像質(zhì)量。

    3.2 基于SVD的手寫數(shù)字壓縮

    現(xiàn)有32*32的手寫數(shù)字6圖像一張,利用函數(shù)遍歷其所有矩陣元素,在當(dāng)前值大于閾值時(shí)打印1否則打印0,就可將原圖片轉(zhuǎn)換為0、1分布的共1 024像素大小的手寫數(shù)字灰度圖像。利用科學(xué)計(jì)算庫(kù)NumPy中的linalg將矩陣分解為k位數(shù)的U、Σ和VT,其中Σ就是將k位數(shù)的奇異值Sigma填充到全0矩陣的對(duì)角線上,U為32*k的矩陣,VT為k*32[17]的矩陣。最后利用SigRecon實(shí)現(xiàn)3個(gè)矩陣的點(diǎn)乘重組[18],最大限度地還原了壓縮前的矩陣圖像。原始圖像與取不同Sigma值時(shí)圖像變化如圖3-圖6所示,Sigma長(zhǎng)度個(gè)數(shù)分析如圖7所示。

    圖3 原始圖像? ? ? ? ? ? ? ? ? ? ? ?圖4 Sigma=3壓縮后圖像

    圖5 Sigma=5壓縮后圖像? ? ? ? ? ?圖6 Sigma=10壓縮后圖像

    從數(shù)據(jù)中可以看出,隨著Sigma值的不斷增加,壓縮后圖像的還原度也越來(lái)越高。一般只要保留矩陣80%~90%的能量,就能夠獲得到主要特征并去除無(wú)用噪聲。由此可以看出,只要有兩個(gè)奇異值就可以實(shí)現(xiàn)以上圖像的壓縮重組。重組后的數(shù)據(jù)由U和VT兩個(gè)均為32*2的矩陣組成,總數(shù)目是32*2+32*2+2=130個(gè),相比原來(lái)的1 024個(gè)數(shù)字縮小了近8倍。以此類推,假設(shè)在n*n個(gè)像素的圖像中,奇異值按照從小到大的遞增順序排序,選擇k個(gè)奇異值逐漸靠近原始圖像,就可以用 k(2n+1)個(gè)像素的數(shù)值替換原有n*n個(gè)像素的圖像。壓縮比為p=n2/k(2n+1),當(dāng)k滿足k

    圖7 Sigma長(zhǎng)度個(gè)數(shù)分析

    4 結(jié)語(yǔ)

    奇異值分解在圖像壓縮中可以減少圖像的內(nèi)存空間,經(jīng)過SVD分解后的圖像比原始圖像壓縮了近8倍,同時(shí)也可以加快圖像傳輸速度,有效提高圖像傳輸效率。其在推薦系統(tǒng)中也起到了很大推動(dòng)作用,可縮小原有矩陣維度,去除冗余提升運(yùn)算效率。但是,推薦系統(tǒng)還需要考慮是選取基于產(chǎn)品[19]還是基于用戶[20]的相似度計(jì)算比較適合,如果用戶數(shù)目較多,可以選擇基于產(chǎn)品的相似度計(jì)算,有利于減少工作量,這些具體實(shí)現(xiàn)方法需根據(jù)實(shí)際情況進(jìn)行更改完善。此外,推薦引擎設(shè)計(jì)還需注意冷啟動(dòng)問題[21],可以將開始的推薦問題轉(zhuǎn)換為搜索問題[22]。例如將不同的產(chǎn)品賦予不同的標(biāo)簽,通過推薦產(chǎn)品的屬性解決新用戶數(shù)據(jù)信息為零的問題,也可以將這些屬性作為相似度計(jì)算所需數(shù)據(jù),轉(zhuǎn)換為基于內(nèi)容的推薦。

    SVD作為一種強(qiáng)大的降維和壓縮工具,可以得到數(shù)據(jù)中的重要特征并去除冗余[23]信息,很大程度上保留了原有數(shù)據(jù)結(jié)構(gòu)。作為機(jī)器學(xué)習(xí)中的一種基本算法,奇異值分解在信號(hào)處理、神經(jīng)網(wǎng)絡(luò)、水印處理、模式識(shí)別等方面也有廣泛應(yīng)用,是值得推薦和深度學(xué)習(xí)的一種算法。

    參考文獻(xiàn):

    [1] 王騰飛. 推薦系統(tǒng)的改進(jìn)[D]. 南京:南京大學(xué),2018.

    [2] 王東. 基于用戶與物品信息挖掘的矩陣分解推薦算法研究[D].? 西安:西安電子科技大學(xué),2017.

    [3] 劉國(guó)樞. 基于局部全局相似度的奇異值分解的協(xié)同過濾算法研究[D].? 鄭州:鄭州大學(xué),2016.

    [4] 陳亞雄,黃樟燦,馮磊. 基于奇異值分解和Contourlet變換的圖像壓縮算法[J]. 計(jì)算機(jī)應(yīng)用研究,2017,34(1):317-320.

    [5] 李衛(wèi)疆,齊靜,余正濤,等. 融合信任傳播和奇異值分解的社會(huì)化推薦算法[J]. 計(jì)算機(jī)工程,2017,43(8):236-242.

    [6] 余剛,王知衍,邵璐,等. 基于奇異值分解的個(gè)性化評(píng)論推薦[J]. 電子科技大學(xué)學(xué)報(bào),2015,44(4):605-610.

    [7] 黃長(zhǎng)春,徐抒巖,胡君. 奇異值分解遙感圖像壓縮算法研究[J]. 計(jì)算機(jī)仿真,2011,28(8):226-228,353.

    [8] 徐翔,王煦法. 基于SVD的協(xié)同過濾算法的欺詐攻擊行為分析[J]. 計(jì)算機(jī)工程與應(yīng)用,2009(20):93.

    [9] BOBADILLA J, ORTEGA F, HERNANDO A, et al. Recommender systems survey[J]. Knowledge-Based Systems,2013,46(1):109-132.

    [10] 張建軍,陸國(guó)生,劉征宇. 基于奇異值分解和項(xiàng)目屬性的推薦算法[J]. 合肥工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2018,41(6):761-765,858.

    [11] 魏港明,劉真,李林峰,等. 加入用戶對(duì)項(xiàng)目屬性偏好的奇異值分解推薦算法[J]. 西安交通大學(xué)學(xué)報(bào),2018,52(5):101-107.

    [12] JAMALI M,ESTER M.A matrix factorization technique with trust propagation for recommendation in social networks[C]. Proceedings of the 4th ACM Conference on Recommender Systems,2010: 135-142.

    [13] 王娟,林耀進(jìn),朱月秀. 聯(lián)合奇異值分解與余弦相似性推薦的盲水印算法[J]. 小型微型計(jì)算機(jī)系統(tǒng),2015,36(12):2784-2788.

    [14] RUFAI A M,ANBARJAFARI G,DEMIREL H. Lossy medical image compression using Huffman coding and singular value decomposition[C]. Proceedings of Signal Processing and Communications Applications Conference,2013: 1-4.

    [15] 王懷光,張培林,張?jiān)茝?qiáng),等. 基于奇異值分解和小波變換的圖像壓縮算法[J]. 火炮發(fā)射與控制學(xué)報(bào),2012(4):38-42.

    [16] KHARATE, G K, PATIL, V H. Color image compression based on wavelet packet best tree[J].? International Journal of Computer Science Issues, 2010,7(4): 31-35.

    [17] 張曉鋒,賈曉強(qiáng). 基于奇異值分解的數(shù)字圖像壓縮技術(shù)研究[J]. 電子設(shè)計(jì)工程,2017,25(19):179-182,186.

    [18] 蔣卓蕓,夏雪. 奇異值分解及其簡(jiǎn)單應(yīng)用[J]. 成都大學(xué)學(xué)報(bào):自然科學(xué)版,2015,34(4):364-366,370.

    [19] 王佳蕾,郭耀,劉志宏. 基于社交網(wǎng)絡(luò)信任關(guān)系的服務(wù)推薦方法[J]. 計(jì)算機(jī)科學(xué),2018,45(S2):402-408.

    [20] 林子揚(yáng). 基于相似度建模及SVD優(yōu)化的協(xié)同過濾推薦引擎研究與設(shè)計(jì)[D]. 西安:西安電子科技大學(xué),2017.

    [21] 魏琳東,黃永峰. 融合用戶屬性信息的冷啟動(dòng)推薦算法[J]. 電子技術(shù)應(yīng)用,2017,43(10):137-140,144.

    [22] GANTNER Z, DRUMOND L, FREUDENTHALER C, et al. Learning attribute-to-feature mappings for cold-start recommendations[C]. 2010 IEEE 10th International Conference on Data Mining (ICDM), 2010:176-185.

    [23] 吳俊政. 一種基于奇異值分解的圖像壓縮方法[J]. 計(jì)算機(jī)與數(shù)字工程,2009,37(5):136-138.

    (責(zé)任編輯:孫 娟)

    猜你喜歡
    奇異值分解
    結(jié)合PCA及字典學(xué)習(xí)的高光譜圖像自適應(yīng)去噪方法
    基于本地人工信道的新型OFDM信道估計(jì)方法
    迭代奇異值分解的學(xué)生成績(jī)恢復(fù)方法
    亚洲国产精品国产精品| 亚洲成国产人片在线观看| 天天躁夜夜躁狠狠久久av| 国产av精品麻豆| 欧美最新免费一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 精品人妻熟女毛片av久久网站| 国产爽快片一区二区三区| 乱人伦中国视频| 国产乱来视频区| 少妇 在线观看| 高清欧美精品videossex| av不卡在线播放| 夜夜骑夜夜射夜夜干| 亚洲国产精品成人久久小说| av不卡在线播放| 水蜜桃什么品种好| 黄色视频在线播放观看不卡| 人妻系列 视频| 成人二区视频| 高清毛片免费看| 亚洲图色成人| 欧美激情国产日韩精品一区| 日本午夜av视频| 免费大片18禁| 999精品在线视频| 中国美白少妇内射xxxbb| 婷婷色麻豆天堂久久| 日韩三级伦理在线观看| 亚洲欧洲日产国产| 日本爱情动作片www.在线观看| 99九九在线精品视频| 久久99热6这里只有精品| 国产av一区二区精品久久| 免费观看在线日韩| 日本wwww免费看| 亚洲精品av麻豆狂野| 成人二区视频| 国产精品一区二区在线观看99| 美女主播在线视频| 亚洲高清免费不卡视频| 久久久a久久爽久久v久久| 国产av精品麻豆| 亚洲av.av天堂| 咕卡用的链子| 涩涩av久久男人的天堂| 九九在线视频观看精品| 国产成人免费观看mmmm| 亚洲欧洲精品一区二区精品久久久 | 女人精品久久久久毛片| 午夜av观看不卡| 成人国产麻豆网| 欧美另类一区| 好男人视频免费观看在线| 最近手机中文字幕大全| 一边摸一边做爽爽视频免费| 久久精品夜色国产| 三上悠亚av全集在线观看| 乱码一卡2卡4卡精品| a级片在线免费高清观看视频| 大话2 男鬼变身卡| 男女边摸边吃奶| 成人国产av品久久久| 人人妻人人添人人爽欧美一区卜| 国产亚洲精品久久久com| 丝袜脚勾引网站| av在线观看视频网站免费| 99久久中文字幕三级久久日本| √禁漫天堂资源中文www| 国产综合精华液| 高清欧美精品videossex| 天天躁夜夜躁狠狠躁躁| 午夜精品国产一区二区电影| 少妇 在线观看| 女人被躁到高潮嗷嗷叫费观| 欧美97在线视频| 黄色配什么色好看| 婷婷色麻豆天堂久久| 亚洲一级一片aⅴ在线观看| av国产精品久久久久影院| 黄色视频在线播放观看不卡| 国产乱人偷精品视频| 国产在线视频一区二区| 高清黄色对白视频在线免费看| 美女主播在线视频| 日本猛色少妇xxxxx猛交久久| 久久韩国三级中文字幕| 久久人人爽人人片av| 一个人免费看片子| 不卡视频在线观看欧美| 一级片免费观看大全| 亚洲国产精品专区欧美| 最近中文字幕高清免费大全6| 亚洲国产色片| 久久久久久久国产电影| 考比视频在线观看| 99国产综合亚洲精品| 亚洲色图 男人天堂 中文字幕 | 久久 成人 亚洲| 久久人人爽人人片av| 青春草视频在线免费观看| 国产高清不卡午夜福利| 波多野结衣一区麻豆| 亚洲欧洲精品一区二区精品久久久 | 国产亚洲一区二区精品| 男女无遮挡免费网站观看| 久久女婷五月综合色啪小说| 一级,二级,三级黄色视频| 日韩中文字幕视频在线看片| 国精品久久久久久国模美| 曰老女人黄片| 亚洲国产成人一精品久久久| 午夜免费观看性视频| 久久女婷五月综合色啪小说| 国产一区二区三区av在线| 九色成人免费人妻av| 精品卡一卡二卡四卡免费| 三级国产精品片| 成人综合一区亚洲| 黄色一级大片看看| 免费女性裸体啪啪无遮挡网站| 国产熟女午夜一区二区三区| 欧美国产精品一级二级三级| 在线 av 中文字幕| 婷婷成人精品国产| 另类亚洲欧美激情| 国产女主播在线喷水免费视频网站| 精品国产一区二区久久| 亚洲国产欧美在线一区| 亚洲国产最新在线播放| 女的被弄到高潮叫床怎么办| 久久国产精品男人的天堂亚洲 | 国产成人免费无遮挡视频| 欧美 日韩 精品 国产| 久久久精品免费免费高清| av.在线天堂| 色吧在线观看| 久久韩国三级中文字幕| 狠狠精品人妻久久久久久综合| 人妻一区二区av| 免费高清在线观看视频在线观看| 多毛熟女@视频| 夜夜骑夜夜射夜夜干| 久久精品国产鲁丝片午夜精品| 久久久久精品人妻al黑| 丝袜人妻中文字幕| 最近最新中文字幕免费大全7| 99久久综合免费| 麻豆精品久久久久久蜜桃| 日韩精品免费视频一区二区三区 | 国产精品人妻久久久影院| 哪个播放器可以免费观看大片| 男人舔女人的私密视频| 久久久久国产网址| 亚洲av国产av综合av卡| 五月玫瑰六月丁香| 成人18禁高潮啪啪吃奶动态图| 人妻少妇偷人精品九色| 日日啪夜夜爽| 纯流量卡能插随身wifi吗| 国产精品不卡视频一区二区| 亚洲一码二码三码区别大吗| 亚洲一级一片aⅴ在线观看| 午夜91福利影院| 晚上一个人看的免费电影| 成人综合一区亚洲| 国产有黄有色有爽视频| 制服诱惑二区| 成人国语在线视频| 成人无遮挡网站| 纯流量卡能插随身wifi吗| kizo精华| 天堂中文最新版在线下载| 中国三级夫妇交换| 黄色毛片三级朝国网站| 国产日韩欧美视频二区| 人妻 亚洲 视频| 纵有疾风起免费观看全集完整版| 一本色道久久久久久精品综合| 亚洲国产最新在线播放| 伊人久久国产一区二区| 日韩成人伦理影院| 日韩人妻精品一区2区三区| 99热网站在线观看| 午夜免费鲁丝| 久久久精品区二区三区| 欧美+日韩+精品| 国产永久视频网站| 国产激情久久老熟女| 日本爱情动作片www.在线观看| 久久久久国产精品人妻一区二区| 亚洲av在线观看美女高潮| 99视频精品全部免费 在线| 女人精品久久久久毛片| 国产亚洲精品久久久com| 午夜影院在线不卡| 国产免费福利视频在线观看| 在线观看三级黄色| 99久国产av精品国产电影| 国产在线一区二区三区精| 欧美+日韩+精品| 日本与韩国留学比较| 中文字幕最新亚洲高清| 大香蕉97超碰在线| 丁香六月天网| 99国产综合亚洲精品| 国产一区二区在线观看av| 一边亲一边摸免费视频| 又黄又粗又硬又大视频| 97在线人人人人妻| 久久久久久久久久人人人人人人| 久久久久精品久久久久真实原创| 久久97久久精品| 内地一区二区视频在线| 五月开心婷婷网| 黄片无遮挡物在线观看| 久久午夜综合久久蜜桃| 三级国产精品片| 另类亚洲欧美激情| 只有这里有精品99| 久久热在线av| 超碰97精品在线观看| 大香蕉久久网| 婷婷色麻豆天堂久久| 黄片播放在线免费| 999精品在线视频| 不卡视频在线观看欧美| 欧美人与性动交α欧美精品济南到 | 亚洲精品久久成人aⅴ小说| 老司机影院毛片| 精品一区二区三区四区五区乱码 | 国产免费视频播放在线视频| 国产爽快片一区二区三区| 色94色欧美一区二区| 视频区图区小说| 卡戴珊不雅视频在线播放| 丝袜在线中文字幕| 国产一区二区三区综合在线观看 | 国产精品一二三区在线看| 日韩成人伦理影院| 亚洲熟女精品中文字幕| 精品少妇内射三级| 亚洲精品一区蜜桃| 亚洲第一区二区三区不卡| 久久久久久伊人网av| 午夜91福利影院| 日本91视频免费播放| 高清黄色对白视频在线免费看| 久久久精品94久久精品| 啦啦啦啦在线视频资源| 亚洲精品美女久久av网站| 少妇被粗大猛烈的视频| 成人漫画全彩无遮挡| 国产精品久久久久久精品古装| 人人妻人人爽人人添夜夜欢视频| 亚洲天堂av无毛| 亚洲 欧美一区二区三区| 国产亚洲精品第一综合不卡 | www日本在线高清视频| 免费人成在线观看视频色| av网站免费在线观看视频| av天堂久久9| 韩国高清视频一区二区三区| 久久久久久久久久成人| 中文欧美无线码| 免费观看无遮挡的男女| 欧美日韩亚洲高清精品| 亚洲伊人色综图| 高清在线视频一区二区三区| 久久久久久久久久成人| 久久免费观看电影| 成人国产av品久久久| 国产成人欧美| 亚洲人与动物交配视频| 天堂俺去俺来也www色官网| 国产成人精品一,二区| 国产av码专区亚洲av| 香蕉国产在线看| 男女高潮啪啪啪动态图| 国产片特级美女逼逼视频| 国产一区有黄有色的免费视频| 亚洲国产精品一区二区三区在线| 免费久久久久久久精品成人欧美视频 | 欧美日韩视频高清一区二区三区二| 999精品在线视频| av有码第一页| 爱豆传媒免费全集在线观看| 成年人午夜在线观看视频| 亚洲,欧美,日韩| 国产国语露脸激情在线看| av电影中文网址| 精品国产一区二区三区四区第35| 亚洲精品视频女| 中文字幕av电影在线播放| 国产在线一区二区三区精| 成年美女黄网站色视频大全免费| √禁漫天堂资源中文www| 欧美成人午夜精品| 女性生殖器流出的白浆| 久久久久视频综合| 人妻系列 视频| 免费大片黄手机在线观看| 色婷婷av一区二区三区视频| videossex国产| 日韩精品免费视频一区二区三区 | 丰满迷人的少妇在线观看| 女的被弄到高潮叫床怎么办| 国产av精品麻豆| 免费久久久久久久精品成人欧美视频 | 青春草国产在线视频| 看免费成人av毛片| 18禁裸乳无遮挡动漫免费视频| 狂野欧美激情性bbbbbb| 不卡视频在线观看欧美| 成人国产av品久久久| 久久久久久久大尺度免费视频| 99精国产麻豆久久婷婷| xxx大片免费视频| 青春草国产在线视频| 久久精品人人爽人人爽视色| 少妇的丰满在线观看| 人妻系列 视频| 九九在线视频观看精品| 精品一区在线观看国产| 在线亚洲精品国产二区图片欧美| 午夜福利在线观看免费完整高清在| 夫妻午夜视频| 飞空精品影院首页| 99国产综合亚洲精品| av又黄又爽大尺度在线免费看| 少妇 在线观看| 大香蕉久久网| 亚洲欧洲国产日韩| 下体分泌物呈黄色| 国产一区二区三区综合在线观看 | 久久人人97超碰香蕉20202| 午夜福利网站1000一区二区三区| 久久热在线av| 中文字幕免费在线视频6| 日本免费在线观看一区| 久久热在线av| 精品亚洲成a人片在线观看| 交换朋友夫妻互换小说| 日日摸夜夜添夜夜爱| 男人添女人高潮全过程视频| 国产熟女午夜一区二区三区| 精品一区二区三区视频在线| 亚洲在久久综合| 亚洲成国产人片在线观看| 99热全是精品| 亚洲成色77777| 国产片内射在线| 日日啪夜夜爽| 丝袜人妻中文字幕| 午夜91福利影院| 97超碰精品成人国产| 日本wwww免费看| 一边摸一边做爽爽视频免费| 色94色欧美一区二区| 日韩伦理黄色片| 中文字幕精品免费在线观看视频 | 色哟哟·www| 在线亚洲精品国产二区图片欧美| 男的添女的下面高潮视频| 亚洲情色 制服丝袜| 麻豆精品久久久久久蜜桃| 亚洲成人av在线免费| www.熟女人妻精品国产 | 日本vs欧美在线观看视频| 麻豆精品久久久久久蜜桃| 狠狠婷婷综合久久久久久88av| 国产精品一区二区在线不卡| 日日啪夜夜爽| 大香蕉久久成人网| 人妻人人澡人人爽人人| 亚洲精品一二三| av片东京热男人的天堂| 青春草国产在线视频| 久久99一区二区三区| 久久韩国三级中文字幕| 成人午夜精彩视频在线观看| 久久精品久久久久久噜噜老黄| 麻豆乱淫一区二区| 狠狠婷婷综合久久久久久88av| 欧美日韩视频高清一区二区三区二| 夜夜爽夜夜爽视频| 美女主播在线视频| 久久久久国产精品人妻一区二区| 欧美最新免费一区二区三区| 青春草亚洲视频在线观看| 国产乱人偷精品视频| 黄片无遮挡物在线观看| 91在线精品国自产拍蜜月| 80岁老熟妇乱子伦牲交| 精品久久久久久电影网| 国产精品一二三区在线看| 美女大奶头黄色视频| 日韩免费高清中文字幕av| 亚洲国产日韩一区二区| av天堂久久9| 久久国产精品男人的天堂亚洲 | 男人舔女人的私密视频| freevideosex欧美| 久久青草综合色| 秋霞伦理黄片| 亚洲国产精品专区欧美| 晚上一个人看的免费电影| 亚洲一区二区三区欧美精品| av一本久久久久| 内地一区二区视频在线| 亚洲精品,欧美精品| 欧美人与性动交α欧美软件 | 久久综合国产亚洲精品| 久久精品aⅴ一区二区三区四区 | 视频在线观看一区二区三区| 婷婷色综合www| 免费看光身美女| 亚洲精品色激情综合| 亚洲av综合色区一区| 在线看a的网站| 精品卡一卡二卡四卡免费| 色5月婷婷丁香| 少妇的逼好多水| 精品亚洲成a人片在线观看| 少妇被粗大猛烈的视频| 国产黄色视频一区二区在线观看| 亚洲成色77777| 黑人欧美特级aaaaaa片| 久久狼人影院| 桃花免费在线播放| 精品99又大又爽又粗少妇毛片| 欧美精品人与动牲交sv欧美| 久久精品国产综合久久久 | 成人18禁高潮啪啪吃奶动态图| 亚洲国产看品久久| 亚洲国产av新网站| 国产精品99久久99久久久不卡 | 人妻少妇偷人精品九色| 插逼视频在线观看| av国产精品久久久久影院| 国产午夜精品一二区理论片| av片东京热男人的天堂| 欧美成人精品欧美一级黄| 天天操日日干夜夜撸| 一区二区三区乱码不卡18| 久久久久国产网址| 中国国产av一级| 午夜视频国产福利| 亚洲国产欧美在线一区| 高清在线视频一区二区三区| av福利片在线| 性色av一级| 日韩av在线免费看完整版不卡| 亚洲精品国产av成人精品| 欧美日韩综合久久久久久| 看免费av毛片| 蜜桃在线观看..| 亚洲综合色网址| 男女午夜视频在线观看 | 18禁动态无遮挡网站| 国产精品偷伦视频观看了| 少妇人妻精品综合一区二区| 亚洲av日韩在线播放| 亚洲欧美日韩卡通动漫| 人妻 亚洲 视频| 2018国产大陆天天弄谢| 又黄又爽又刺激的免费视频.| 国产一区二区在线观看av| 午夜精品国产一区二区电影| 久久99蜜桃精品久久| 侵犯人妻中文字幕一二三四区| 亚洲激情五月婷婷啪啪| 久久久精品94久久精品| 巨乳人妻的诱惑在线观看| 99久久中文字幕三级久久日本| 精品人妻一区二区三区麻豆| 精品国产一区二区久久| 精品99又大又爽又粗少妇毛片| av福利片在线| 999精品在线视频| 91aial.com中文字幕在线观看| 国产精品国产三级国产专区5o| 视频在线观看一区二区三区| 亚洲人与动物交配视频| 永久免费av网站大全| 亚洲国产最新在线播放| 国产免费现黄频在线看| 亚洲色图综合在线观看| 十八禁网站网址无遮挡| 人人澡人人妻人| 色5月婷婷丁香| 在线观看美女被高潮喷水网站| 免费在线观看完整版高清| 天堂8中文在线网| 亚洲,欧美精品.| 免费av中文字幕在线| 日韩一区二区视频免费看| av又黄又爽大尺度在线免费看| 免费黄频网站在线观看国产| 精品一区二区三区四区五区乱码 | 丝袜在线中文字幕| 成人手机av| 欧美3d第一页| 香蕉国产在线看| 丝袜在线中文字幕| 欧美人与性动交α欧美精品济南到 | 成人国产麻豆网| 自线自在国产av| 亚洲美女视频黄频| 久久精品国产a三级三级三级| 国产极品粉嫩免费观看在线| 亚洲精品中文字幕在线视频| 一区二区三区精品91| 国产无遮挡羞羞视频在线观看| 亚洲美女黄色视频免费看| 国产黄色视频一区二区在线观看| 22中文网久久字幕| 中文乱码字字幕精品一区二区三区| 纵有疾风起免费观看全集完整版| 久久久久网色| 伊人亚洲综合成人网| 亚洲欧美中文字幕日韩二区| 满18在线观看网站| 在现免费观看毛片| 最近最新中文字幕大全免费视频 | 乱码一卡2卡4卡精品| 亚洲一级一片aⅴ在线观看| 欧美精品高潮呻吟av久久| 各种免费的搞黄视频| 国产xxxxx性猛交| 九色成人免费人妻av| 秋霞伦理黄片| 男女国产视频网站| 国产精品人妻久久久久久| √禁漫天堂资源中文www| 午夜视频国产福利| 久久久久人妻精品一区果冻| 深夜精品福利| 免费观看性生交大片5| 看免费成人av毛片| 大片免费播放器 马上看| 九九在线视频观看精品| 一本大道久久a久久精品| 免费观看在线日韩| av不卡在线播放| 天天操日日干夜夜撸| 亚洲精品第二区| 只有这里有精品99| 欧美亚洲日本最大视频资源| 少妇被粗大猛烈的视频| 亚洲av在线观看美女高潮| av网站免费在线观看视频| 一级毛片我不卡| 亚洲欧美精品自产自拍| av女优亚洲男人天堂| 亚洲激情五月婷婷啪啪| 建设人人有责人人尽责人人享有的| 日本黄大片高清| 中文乱码字字幕精品一区二区三区| 交换朋友夫妻互换小说| 九色亚洲精品在线播放| 母亲3免费完整高清在线观看 | 91久久精品国产一区二区三区| h视频一区二区三区| 男女国产视频网站| 97超碰精品成人国产| 在线观看美女被高潮喷水网站| 黄色配什么色好看| 久久午夜福利片| 亚洲精品美女久久av网站| 久久青草综合色| 日韩熟女老妇一区二区性免费视频| 亚洲国产最新在线播放| 亚洲欧美精品自产自拍| 日韩 亚洲 欧美在线| 91aial.com中文字幕在线观看| 亚洲国产成人一精品久久久| 七月丁香在线播放| 在线观看一区二区三区激情| 国产激情久久老熟女| 久久av网站| 午夜免费鲁丝| 国产免费现黄频在线看| 咕卡用的链子| 国产成人精品久久久久久| 黄色视频在线播放观看不卡| 汤姆久久久久久久影院中文字幕| 性色av一级| 亚洲国产av新网站| 精品亚洲成a人片在线观看| 国产精品国产三级国产av玫瑰| 精品视频人人做人人爽| av一本久久久久| 黄色配什么色好看| 美女福利国产在线| 亚洲av日韩在线播放| 免费日韩欧美在线观看| 成人毛片60女人毛片免费| 韩国av在线不卡| 69精品国产乱码久久久| 亚洲图色成人| 少妇的丰满在线观看| 久久毛片免费看一区二区三区| 在线观看美女被高潮喷水网站| 成人亚洲精品一区在线观看| 婷婷色综合www| 一级,二级,三级黄色视频| 女人被躁到高潮嗷嗷叫费观| 精品一区二区免费观看| 免费少妇av软件| 精品一区在线观看国产| 久久久久久久久久久免费av| 亚洲四区av| 国产精品国产三级专区第一集| 午夜精品国产一区二区电影|