• <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
    亚洲人成伊人成综合网2020| 国产熟女午夜一区二区三区| 精品国产一区二区三区久久久樱花| 99在线人妻在线中文字幕 | 免费高清在线观看日韩| 丰满的人妻完整版| 精品久久久久久,| 色在线成人网| 每晚都被弄得嗷嗷叫到高潮| 国产亚洲av高清不卡| 精品少妇一区二区三区视频日本电影| 韩国av一区二区三区四区| 久久人人爽av亚洲精品天堂| 熟女少妇亚洲综合色aaa.| 99久久国产精品久久久| 欧美精品人与动牲交sv欧美| 18禁美女被吸乳视频| 黑丝袜美女国产一区| 视频区欧美日本亚洲| 国产欧美亚洲国产| 亚洲熟妇中文字幕五十中出 | 天天影视国产精品| 免费在线观看影片大全网站| 久久久久久免费高清国产稀缺| 一级黄色大片毛片| 9热在线视频观看99| 亚洲午夜精品一区,二区,三区| 日韩制服丝袜自拍偷拍| 日韩欧美国产一区二区入口| 十八禁高潮呻吟视频| 久久国产乱子伦精品免费另类| 女人高潮潮喷娇喘18禁视频| 欧美不卡视频在线免费观看 | 91精品三级在线观看| 国产精品.久久久| 亚洲午夜理论影院| 夜夜躁狠狠躁天天躁| 免费在线观看日本一区| 亚洲 欧美一区二区三区| 久久人妻av系列| 人妻丰满熟妇av一区二区三区 | 97人妻天天添夜夜摸| 一边摸一边抽搐一进一出视频| 国产精品国产高清国产av | 亚洲九九香蕉| 亚洲九九香蕉| 天堂中文最新版在线下载| 欧美在线一区亚洲| 男女下面插进去视频免费观看| 免费人成视频x8x8入口观看| av超薄肉色丝袜交足视频| 国产成人影院久久av| 国产色视频综合| 后天国语完整版免费观看| 精品国产一区二区久久| 十分钟在线观看高清视频www| 日韩一卡2卡3卡4卡2021年| 国产麻豆69| 少妇的丰满在线观看| 精品午夜福利视频在线观看一区| 老司机福利观看| 黑人猛操日本美女一级片| 黄色丝袜av网址大全| 国产aⅴ精品一区二区三区波| 欧美中文综合在线视频| 精品欧美一区二区三区在线| 成人三级做爰电影| 久久精品国产99精品国产亚洲性色 | 天堂中文最新版在线下载| 国产一区二区三区在线臀色熟女 | 露出奶头的视频| 日韩欧美免费精品| 午夜亚洲福利在线播放| 久久99一区二区三区| 久久久久国内视频| 国产精品偷伦视频观看了| 国产精华一区二区三区| 日韩有码中文字幕| 美女 人体艺术 gogo| 极品人妻少妇av视频| 久久久精品国产亚洲av高清涩受| 18禁黄网站禁片午夜丰满| a在线观看视频网站| 欧美日韩乱码在线| 深夜精品福利| 欧美激情 高清一区二区三区| www.999成人在线观看| 国产男女超爽视频在线观看| 久久精品人人爽人人爽视色| 18禁美女被吸乳视频| 亚洲五月婷婷丁香| 别揉我奶头~嗯~啊~动态视频| 十分钟在线观看高清视频www| 亚洲avbb在线观看| 亚洲欧洲精品一区二区精品久久久| 成人18禁高潮啪啪吃奶动态图| 人人澡人人妻人| 精品国产国语对白av| 美国免费a级毛片| 两性午夜刺激爽爽歪歪视频在线观看 | av天堂在线播放| 三上悠亚av全集在线观看| 国产亚洲精品第一综合不卡| 久久国产精品男人的天堂亚洲| 国产精品香港三级国产av潘金莲| 日本欧美视频一区| 欧美黑人精品巨大| 国产91精品成人一区二区三区| 欧美日本中文国产一区发布| 99国产综合亚洲精品| 亚洲精品久久午夜乱码| 精品久久久久久久久久免费视频 | 91国产中文字幕| 日韩有码中文字幕| 亚洲熟女精品中文字幕| 国产精品秋霞免费鲁丝片| 最新在线观看一区二区三区| 国产区一区二久久| 法律面前人人平等表现在哪些方面| 欧美另类亚洲清纯唯美| 亚洲欧美一区二区三区黑人| 午夜免费观看网址| 99精品欧美一区二区三区四区| 99在线人妻在线中文字幕 | 极品人妻少妇av视频| 黄色丝袜av网址大全| 一级毛片女人18水好多| 亚洲中文日韩欧美视频| 免费日韩欧美在线观看| 亚洲精品中文字幕在线视频| 久久人人97超碰香蕉20202| 无遮挡黄片免费观看| 午夜影院日韩av| 国产主播在线观看一区二区| 99国产精品免费福利视频| 成人亚洲精品一区在线观看| 狠狠婷婷综合久久久久久88av| 99国产精品一区二区蜜桃av | www日本在线高清视频| 久久国产精品影院| 12—13女人毛片做爰片一| 女人久久www免费人成看片| 欧美亚洲日本最大视频资源| 亚洲成人免费av在线播放| 亚洲视频免费观看视频| 精品国产一区二区三区四区第35| 黄色女人牲交| 亚洲av电影在线进入| 一个人免费在线观看的高清视频| 夜夜爽天天搞| 大香蕉久久成人网| av福利片在线| 777米奇影视久久| av天堂久久9| 色播在线永久视频| 亚洲国产精品合色在线| av免费在线观看网站| 亚洲精品国产区一区二| 91成人精品电影| 日韩精品免费视频一区二区三区| 十八禁网站免费在线| 极品教师在线免费播放| 大香蕉久久成人网| 99久久国产精品久久久| 国内久久婷婷六月综合欲色啪| 丁香六月欧美| 老司机深夜福利视频在线观看| 又紧又爽又黄一区二区| 女人被躁到高潮嗷嗷叫费观| 91成人精品电影| 久久天堂一区二区三区四区| 国产男女超爽视频在线观看| 一级,二级,三级黄色视频| 久久这里只有精品19| 中文字幕色久视频| 窝窝影院91人妻| 欧美精品亚洲一区二区| 乱人伦中国视频| av欧美777| 大香蕉久久网| 亚洲五月天丁香| 午夜老司机福利片| 亚洲欧洲精品一区二区精品久久久| 精品久久久精品久久久| 黑人巨大精品欧美一区二区mp4| 免费看a级黄色片| 亚洲成av片中文字幕在线观看| 最近最新中文字幕大全免费视频| 成人黄色视频免费在线看| 男女高潮啪啪啪动态图| 在线观看舔阴道视频| 热re99久久精品国产66热6| 国产一区在线观看成人免费| 免费高清在线观看日韩| 日韩大码丰满熟妇| 久久草成人影院| 欧美久久黑人一区二区| 国产成人欧美在线观看 | 成人免费观看视频高清| 黄色片一级片一级黄色片| 成人永久免费在线观看视频| 一区在线观看完整版| 99久久国产精品久久久| 50天的宝宝边吃奶边哭怎么回事| 精品福利观看| 精品亚洲成a人片在线观看| 一二三四社区在线视频社区8| 久久99一区二区三区| 日本vs欧美在线观看视频| 亚洲欧美日韩高清在线视频| 老司机亚洲免费影院| 亚洲中文字幕日韩| 亚洲国产看品久久| 欧美激情极品国产一区二区三区| 男人的好看免费观看在线视频 | 亚洲第一青青草原| 亚洲性夜色夜夜综合| 男人的好看免费观看在线视频 | 国产欧美亚洲国产| 亚洲五月天丁香| 最新在线观看一区二区三区| 男男h啪啪无遮挡| ponron亚洲| 午夜福利,免费看| 色精品久久人妻99蜜桃| 老司机午夜福利在线观看视频| 免费一级毛片在线播放高清视频 | 在线观看免费午夜福利视频| 久久人妻av系列| 亚洲一区中文字幕在线| 自线自在国产av| 岛国毛片在线播放| 国产黄色免费在线视频| 高清av免费在线| 欧美乱码精品一区二区三区| 麻豆成人av在线观看| 国产xxxxx性猛交| 国产精品免费一区二区三区在线 | 欧美另类亚洲清纯唯美| 免费在线观看视频国产中文字幕亚洲| 丝瓜视频免费看黄片| 天堂动漫精品| 超色免费av| 99久久综合精品五月天人人| 亚洲情色 制服丝袜| 亚洲欧美日韩高清在线视频| 亚洲国产精品合色在线| 巨乳人妻的诱惑在线观看| 亚洲成av片中文字幕在线观看| 一夜夜www| 操美女的视频在线观看| 少妇猛男粗大的猛烈进出视频| 精品少妇一区二区三区视频日本电影| 欧美av亚洲av综合av国产av| 国产精品.久久久| 午夜精品在线福利| av天堂久久9| 久久久久国产精品人妻aⅴ院 | 99riav亚洲国产免费| 欧美另类亚洲清纯唯美| 看片在线看免费视频| 不卡一级毛片| 欧美激情 高清一区二区三区| 亚洲av日韩在线播放| 国产麻豆69| 午夜日韩欧美国产| 男人舔女人的私密视频| 成年人免费黄色播放视频| 亚洲色图 男人天堂 中文字幕| 国内久久婷婷六月综合欲色啪| 一本大道久久a久久精品| 男女午夜视频在线观看| 日韩熟女老妇一区二区性免费视频| 中文欧美无线码| 中文字幕最新亚洲高清| 九色亚洲精品在线播放| 一a级毛片在线观看| 满18在线观看网站| 成年女人毛片免费观看观看9 | 好男人电影高清在线观看| 在线天堂中文资源库| 午夜精品在线福利| 国产在线精品亚洲第一网站| 丰满饥渴人妻一区二区三| 国产精品久久久人人做人人爽| 久久久久久久久久久久大奶| 成人三级做爰电影| 国产亚洲精品一区二区www | 久9热在线精品视频| 夫妻午夜视频| 老熟妇乱子伦视频在线观看| 国产xxxxx性猛交| 满18在线观看网站| 18禁裸乳无遮挡动漫免费视频| 免费在线观看视频国产中文字幕亚洲| 天天躁狠狠躁夜夜躁狠狠躁| 狠狠狠狠99中文字幕| 精品国产一区二区久久| 日日摸夜夜添夜夜添小说| 不卡一级毛片| 亚洲av成人av| 国产精品美女特级片免费视频播放器 | 欧美乱妇无乱码| 亚洲欧洲精品一区二区精品久久久| 久久久精品区二区三区| 人人妻人人爽人人添夜夜欢视频| 中亚洲国语对白在线视频| 黄片播放在线免费| 免费在线观看影片大全网站| av有码第一页| 久99久视频精品免费| 午夜福利影视在线免费观看| 亚洲美女黄片视频| 51午夜福利影视在线观看| 亚洲综合色网址| 亚洲午夜精品一区,二区,三区| 国产蜜桃级精品一区二区三区 | 精品福利观看| 他把我摸到了高潮在线观看| 制服诱惑二区| 一级毛片女人18水好多| 精品人妻1区二区| 美女午夜性视频免费| 五月开心婷婷网| a级毛片在线看网站| e午夜精品久久久久久久| 亚洲国产欧美网| 国产日韩欧美亚洲二区| 99国产综合亚洲精品| 欧美丝袜亚洲另类 | 久久久久久亚洲精品国产蜜桃av| 韩国av一区二区三区四区| 天天影视国产精品| 久久久久久久久久久久大奶| 最新美女视频免费是黄的| 中文亚洲av片在线观看爽 | 精品午夜福利视频在线观看一区| 免费日韩欧美在线观看| 日韩精品免费视频一区二区三区| 亚洲五月天丁香| 久久人人爽av亚洲精品天堂| 欧美日韩亚洲高清精品| 90打野战视频偷拍视频| e午夜精品久久久久久久| 欧美日韩瑟瑟在线播放| 一a级毛片在线观看| 一区二区三区精品91| 免费在线观看日本一区| 亚洲av成人不卡在线观看播放网| 国产精品九九99| 女人精品久久久久毛片| 中文字幕精品免费在线观看视频| 亚洲精品久久成人aⅴ小说| 嫁个100分男人电影在线观看| 窝窝影院91人妻| 精品电影一区二区在线| 一个人免费在线观看的高清视频| 亚洲第一欧美日韩一区二区三区| 欧美激情久久久久久爽电影 | 久久国产精品人妻蜜桃| 亚洲三区欧美一区| 成人av一区二区三区在线看| 国产一区二区三区综合在线观看| 操美女的视频在线观看| 国产精品1区2区在线观看. | av超薄肉色丝袜交足视频| 欧美日韩亚洲国产一区二区在线观看 | 亚洲av成人一区二区三| 免费在线观看影片大全网站| 成在线人永久免费视频| 夜夜夜夜夜久久久久| 亚洲精品一卡2卡三卡4卡5卡| 欧美日本中文国产一区发布| 99热网站在线观看| 欧美精品亚洲一区二区| 亚洲熟妇熟女久久| 精品欧美一区二区三区在线| 中文亚洲av片在线观看爽 | 国产99久久九九免费精品| 三上悠亚av全集在线观看| 亚洲欧美一区二区三区黑人| 伦理电影免费视频| 丝瓜视频免费看黄片| 亚洲黑人精品在线| 一级毛片女人18水好多| 久久国产乱子伦精品免费另类| 这个男人来自地球电影免费观看| 国产成人精品久久二区二区免费| 在线观看一区二区三区激情| 18禁裸乳无遮挡免费网站照片 | www.熟女人妻精品国产| 国产精品98久久久久久宅男小说| 日本黄色日本黄色录像| 中出人妻视频一区二区| 超碰97精品在线观看| 国产av精品麻豆| 黄色丝袜av网址大全| 久久久久久人人人人人| 精品国产一区二区三区久久久樱花| 高清av免费在线| ponron亚洲| av网站免费在线观看视频| 脱女人内裤的视频| 午夜福利欧美成人| 欧美乱妇无乱码| 美国免费a级毛片| 日韩欧美一区二区三区在线观看 | 久久久久久久久免费视频了| 欧美 日韩 精品 国产| 久久99一区二区三区| 欧美大码av| 亚洲伊人色综图| 桃红色精品国产亚洲av| 王馨瑶露胸无遮挡在线观看| 日韩精品免费视频一区二区三区| 免费观看a级毛片全部| 老司机深夜福利视频在线观看| 久久久久久久午夜电影 | 国产精品永久免费网站| 国产深夜福利视频在线观看| 欧美精品人与动牲交sv欧美| 亚洲色图综合在线观看| 亚洲欧美色中文字幕在线| 欧美乱妇无乱码| 99国产精品一区二区三区| 亚洲熟妇中文字幕五十中出 | 精品久久久久久电影网| 成年版毛片免费区| 美女高潮到喷水免费观看| 中出人妻视频一区二区| 黄色视频,在线免费观看| 中文字幕人妻熟女乱码| 曰老女人黄片| 午夜福利在线免费观看网站| 正在播放国产对白刺激| 91成人精品电影| 波多野结衣一区麻豆| 国产精品乱码一区二三区的特点 | 色综合婷婷激情| 在线观看免费视频网站a站| 免费不卡黄色视频| 天堂俺去俺来也www色官网| 免费女性裸体啪啪无遮挡网站| 久久人妻av系列| 波多野结衣av一区二区av| 在线观看免费日韩欧美大片| 老司机深夜福利视频在线观看| 亚洲成av片中文字幕在线观看| 欧美中文综合在线视频| 99国产极品粉嫩在线观看| 黄片大片在线免费观看| 不卡av一区二区三区| 国产三级黄色录像| 丰满人妻熟妇乱又伦精品不卡| 精品亚洲成国产av| 久久精品亚洲av国产电影网| 亚洲va日本ⅴa欧美va伊人久久| 亚洲精品粉嫩美女一区| 亚洲欧洲精品一区二区精品久久久| 亚洲美女黄片视频| 69精品国产乱码久久久| 欧美人与性动交α欧美软件| 亚洲熟妇中文字幕五十中出 | 成人影院久久| 精品一区二区三卡| 免费在线观看亚洲国产| 亚洲精品在线美女| 99国产综合亚洲精品| 精品一区二区三区av网在线观看| 99久久人妻综合| 久久性视频一级片| www日本在线高清视频| 国产精品.久久久| 伦理电影免费视频| 波多野结衣av一区二区av| 黄色片一级片一级黄色片| 国产视频一区二区在线看| 欧美日韩亚洲综合一区二区三区_| 国产精品一区二区免费欧美| 美女午夜性视频免费| 18禁黄网站禁片午夜丰满| 亚洲欧美日韩另类电影网站| 天天添夜夜摸| 一级毛片女人18水好多| 一进一出好大好爽视频| 可以免费在线观看a视频的电影网站| 亚洲全国av大片| 18在线观看网站| 中文字幕精品免费在线观看视频| 国产精品电影一区二区三区 | 777米奇影视久久| 免费看a级黄色片| 国产精品秋霞免费鲁丝片| 黑人巨大精品欧美一区二区mp4| 午夜亚洲福利在线播放| 国产成人免费无遮挡视频| 捣出白浆h1v1| 欧美久久黑人一区二区| 日韩欧美一区视频在线观看| 可以免费在线观看a视频的电影网站| 自线自在国产av| 国产欧美日韩一区二区精品| 欧美成人午夜精品| 母亲3免费完整高清在线观看| 色婷婷久久久亚洲欧美| 国内毛片毛片毛片毛片毛片| 99国产精品99久久久久| 亚洲熟妇熟女久久| 人人澡人人妻人| 欧美激情 高清一区二区三区| 欧美中文综合在线视频| 国产一区在线观看成人免费| 最新在线观看一区二区三区| 黑人巨大精品欧美一区二区蜜桃| 一级作爱视频免费观看| 超碰97精品在线观看| tocl精华| 午夜两性在线视频| 久久精品91无色码中文字幕| 757午夜福利合集在线观看| 中文字幕另类日韩欧美亚洲嫩草| 中文字幕高清在线视频| 国产亚洲欧美在线一区二区| av天堂久久9| 久久亚洲精品不卡| 成年女人毛片免费观看观看9 | 欧美日本中文国产一区发布| 欧美大码av| 国产高清激情床上av| 一级片'在线观看视频| av天堂在线播放| 国产成人免费观看mmmm| 男人舔女人的私密视频| 久99久视频精品免费| 久久久久久免费高清国产稀缺| 在线观看午夜福利视频| 九色亚洲精品在线播放| 午夜亚洲福利在线播放| 男男h啪啪无遮挡| av有码第一页| 中文字幕高清在线视频| 99在线人妻在线中文字幕 | 黄色女人牲交| 777米奇影视久久| 亚洲国产毛片av蜜桃av| 日本撒尿小便嘘嘘汇集6| 在线播放国产精品三级| 在线视频色国产色| 少妇的丰满在线观看| 精品亚洲成国产av| 国产单亲对白刺激| 久久国产乱子伦精品免费另类| 日本vs欧美在线观看视频| 国产高清视频在线播放一区| 久久九九热精品免费| 飞空精品影院首页| 国产精品偷伦视频观看了| 天堂俺去俺来也www色官网| 中国美女看黄片| 在线十欧美十亚洲十日本专区| 免费观看人在逋| 91在线观看av| 国产精品自产拍在线观看55亚洲 | 美女高潮喷水抽搐中文字幕| 欧美大码av| 深夜精品福利| 亚洲精品久久午夜乱码| 久久久水蜜桃国产精品网| 国产精品电影一区二区三区 | 日日夜夜操网爽| 久久精品人人爽人人爽视色| 国产成人精品久久二区二区免费| 极品教师在线免费播放| 欧美人与性动交α欧美软件| 少妇裸体淫交视频免费看高清 | 久久中文字幕人妻熟女| 看黄色毛片网站| av有码第一页| 亚洲一区二区三区不卡视频| 中文字幕人妻丝袜制服| 午夜日韩欧美国产| 叶爱在线成人免费视频播放| 国产免费男女视频| 亚洲一码二码三码区别大吗| 97人妻天天添夜夜摸| 久久久久久久精品吃奶| 国产精品1区2区在线观看. | 成人18禁在线播放| 国产一卡二卡三卡精品| 两个人看的免费小视频| 深夜精品福利| 国产成人免费无遮挡视频| 国产精品自产拍在线观看55亚洲 | 亚洲精品国产精品久久久不卡| 免费一级毛片在线播放高清视频 | 99国产精品一区二区三区| 亚洲黑人精品在线| 亚洲精品成人av观看孕妇| 大香蕉久久成人网| 美女视频免费永久观看网站| 精品久久久久久电影网| 一级a爱片免费观看的视频| 精品欧美一区二区三区在线| 一区福利在线观看| 欧美精品av麻豆av| 欧美日本中文国产一区发布| 精品国产国语对白av| 在线看a的网站| 亚洲精品一卡2卡三卡4卡5卡| 久久久久久久精品吃奶| 黄网站色视频无遮挡免费观看| 国产av又大| 国产在线一区二区三区精| 亚洲第一欧美日韩一区二区三区| 国产主播在线观看一区二区|