• <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 ?

    基于遷移學(xué)習(xí)的軟件缺陷預(yù)測(cè)算法研究

    2019-12-05 08:35:54何金虎吳翔虎曲明成
    關(guān)鍵詞:遷移學(xué)習(xí)

    何金虎 吳翔虎 曲明成

    摘 要:軟件缺陷預(yù)測(cè)技術(shù)可以用于預(yù)測(cè)軟件缺陷是否存在以及其可能存在的數(shù)目,以決定軟件是否可以交付,對(duì)于軟件性能的提升和質(zhì)量的保證有著重要的意義。遷移學(xué)習(xí)則可以利用不同軟件項(xiàng)目中的數(shù)據(jù),進(jìn)行跨項(xiàng)目的軟件缺陷預(yù)測(cè)工作,以應(yīng)對(duì)傳統(tǒng)缺陷預(yù)測(cè)算法中數(shù)據(jù)不足的問題。本文首先闡述了缺陷預(yù)測(cè)和遷移學(xué)習(xí)的相關(guān)理論研究現(xiàn)狀及其分類,然后對(duì)現(xiàn)有的TrAdaboost算法進(jìn)行優(yōu)化,修改了迭代分類器的評(píng)估指標(biāo),并結(jié)合實(shí)驗(yàn)證明了其合理性和優(yōu)越性。

    關(guān)鍵詞: 遷移學(xué)習(xí);缺陷預(yù)測(cè);不平衡數(shù)據(jù)

    【Abstract】 Software defect prediction technology can be used to predict the existence of software defects and the number of possible defects to determine whether software can be delivered. It is of great significance for software performance improvement and quality assurance. Transfer learning can use the data in different software projects to perform software defect prediction work across projects to solve the problem of insufficient data in traditional defect prediction algorithms. This paper first expounds the current theoretical research and classification of defect prediction and transfer learning, then optimizes the existing TrAdaboost algorithm, modifies the evaluation index of the iterative classifier, and proves its rationality and superiority by combining experiments.

    【Key words】 ?transfer learning; defect prediction; unbalanced data

    0 引 言

    軟件缺陷,通常指的是軟件實(shí)現(xiàn)未能滿足客戶需求。通過對(duì)軟件缺陷的預(yù)測(cè)和發(fā)現(xiàn),可以更好地提高軟件產(chǎn)品質(zhì)量?,F(xiàn)有的軟件缺陷預(yù)測(cè)方法多為通過對(duì)大量已標(biāo)記的軟件缺陷樣本的訓(xùn)練,構(gòu)建一個(gè)軟件缺陷預(yù)測(cè)模型,再對(duì)一個(gè)新的軟件項(xiàng)目進(jìn)行預(yù)測(cè),以判定其內(nèi)部各個(gè)模塊中是否包含缺陷。已有的模型構(gòu)建算法通常是應(yīng)用傳統(tǒng)的機(jī)器學(xué)習(xí)算法,并結(jié)合bagging和Boosting的思想,對(duì)原始數(shù)據(jù)集進(jìn)行訓(xùn)練。但在實(shí)際項(xiàng)目中,一個(gè)新的問題往往會(huì)因?yàn)槿鄙僭紨?shù)據(jù)集樣本而無法進(jìn)行預(yù)測(cè),這也正是遷移學(xué)習(xí)產(chǎn)生的原因。

    遷移學(xué)習(xí)可以利用已經(jīng)學(xué)習(xí)到的知識(shí)對(duì)新的問題進(jìn)行預(yù)測(cè),具體到軟件缺陷預(yù)測(cè)問題中,就可以利用已有的其它項(xiàng)目或公司的已標(biāo)記軟件缺陷數(shù)據(jù),選用合適的數(shù)據(jù)預(yù)處理和模型訓(xùn)練算法,對(duì)一個(gè)新的項(xiàng)目的缺陷進(jìn)行模型構(gòu)建和預(yù)測(cè)?,F(xiàn)有的跨項(xiàng)目缺陷預(yù)測(cè)技術(shù),大多集中在數(shù)據(jù)預(yù)處理階段,如通過度量輔助數(shù)據(jù)集和目標(biāo)數(shù)據(jù)集之間樣本的相關(guān)性,篩選合適的輔助樣本數(shù)據(jù),然后使用傳統(tǒng)的機(jī)器學(xué)習(xí)方法進(jìn)行模型構(gòu)建[1];或者通過降維的方式將2個(gè)數(shù)據(jù)集的數(shù)據(jù)映射到同一個(gè)維度空間等。

    同上文中提出的研究方法不同,本文擬結(jié)合已有的TrAdaboost[2]遷移學(xué)習(xí)算法,并針對(duì)軟件缺陷數(shù)據(jù)集中存在的數(shù)據(jù)不平衡的問題進(jìn)行特殊處理,對(duì)迭代過程中每個(gè)階段的弱分類器的評(píng)估指標(biāo)進(jìn)行了修改,同時(shí)通過一系列的實(shí)驗(yàn)數(shù)據(jù),驗(yàn)證了其相對(duì)于現(xiàn)有算法的優(yōu)越性和合理性。本文對(duì)此將展開研究論述如下。

    1 相關(guān)理論和技術(shù)

    1.1 遷移學(xué)習(xí)定義

    文中,將討論遷移學(xué)習(xí)中所涉及到的域和任務(wù)的定義。域通常包含2部分內(nèi)容,即特征空間X與特征空間的邊緣分布函數(shù)P(x),研究中就將域表示為D={X,P(x)}。當(dāng)域不同時(shí),則往往擁有不同的邊緣分布函數(shù)或特征空間,就軟件缺陷預(yù)測(cè)問題而言,2個(gè)域的特征空間是一致的。任務(wù)是同域相結(jié)合的,同樣包含2部分,即標(biāo)簽空間Y與目標(biāo)預(yù)測(cè)函數(shù)f(x),該目標(biāo)預(yù)測(cè)函數(shù)又可表示為P(Y|X),因此任務(wù)往往可以表示為T={Y,P(X|Y)}。

    目前,遷移學(xué)習(xí)算法處理的通常是只有一個(gè)輔助領(lǐng)域和一個(gè)目標(biāo)領(lǐng)域的問題,其中輔助領(lǐng)域中存在大量含標(biāo)簽的樣本,目標(biāo)領(lǐng)域中僅包含少量含目標(biāo)樣本,或不含樣本。兩者所面臨的任務(wù)相同或存在一定關(guān)聯(lián)。

    結(jié)合上述定義的符號(hào),遷移學(xué)習(xí)定義[3]如下:已知輔助領(lǐng)域Ds和輔助任務(wù)Ts、目標(biāo)領(lǐng)域Dt和目標(biāo)任務(wù)Tt,且輔助領(lǐng)域和目標(biāo)領(lǐng)域之間、輔助任務(wù)和目標(biāo)任務(wù)之間至少存在一個(gè)不同點(diǎn),此時(shí),遷移學(xué)習(xí)即為使用輔助領(lǐng)域Ds和Ts中的知識(shí)提升或優(yōu)化目標(biāo)領(lǐng)域Dt中目標(biāo)預(yù)測(cè)函數(shù)ft(x)的學(xué)習(xí)效果。

    只有當(dāng)域和任務(wù)兩者之一存在差異時(shí),才會(huì)用到遷移學(xué)習(xí),否則直接應(yīng)用傳統(tǒng)的機(jī)器學(xué)習(xí)方法即可。同時(shí),研究中還要求目標(biāo)領(lǐng)域存在較少、甚至不存在已標(biāo)記數(shù)據(jù),否則同樣不需要使用遷移學(xué)習(xí)方法。相對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)方法而言,遷移學(xué)習(xí)構(gòu)建的模型就性能和準(zhǔn)確性而言還是有一定差距的,當(dāng)傳統(tǒng)的機(jī)器學(xué)習(xí)方法條件可以得到滿足時(shí),優(yōu)先使用機(jī)器學(xué)習(xí)方法來構(gòu)建模型和獲得任務(wù)中的預(yù)測(cè)函數(shù)f(x)。

    1.2 軟件缺陷預(yù)測(cè)技術(shù)概述

    軟件作為一款虛擬的產(chǎn)品,雖然不會(huì)因?yàn)橛布膿p耗而產(chǎn)生錯(cuò)誤或者性能下降,但卻有可能因?yàn)楸旧砉逃械膯栴},在運(yùn)行的過程中失效或者產(chǎn)生錯(cuò)誤的結(jié)果,造成經(jīng)濟(jì)損失。

    為了盡可能地避免這種損失,預(yù)測(cè)尚未被發(fā)現(xiàn)的缺陷,軟件缺陷預(yù)測(cè)技術(shù)則應(yīng)運(yùn)而生。該項(xiàng)技術(shù)研發(fā)時(shí),可以將預(yù)測(cè)結(jié)果應(yīng)用于軟件測(cè)試的指導(dǎo)工作,根據(jù)待預(yù)測(cè)模塊中包含缺陷的概率,以及預(yù)測(cè)的缺陷數(shù)目,對(duì)包含缺陷概率較大或者數(shù)目較多的模塊進(jìn)行優(yōu)先和重點(diǎn)測(cè)試,從而在測(cè)試資源和時(shí)間有限的情況下盡可能地發(fā)現(xiàn)更多的缺陷,保證軟件產(chǎn)品的質(zhì)量。

    研究表明,隨著軟件開發(fā)過程成熟度的提高,軟件缺陷的數(shù)目也在隨之下降;此外,開發(fā)人員經(jīng)驗(yàn)是否豐富,軟件結(jié)構(gòu)是否合理,軟件規(guī)模是否龐大等一系列因素也都在影響著軟件缺陷的存在數(shù)目,如果可以通過建模,發(fā)現(xiàn)并量化各種因素同缺陷之間的關(guān)系,就可以利用統(tǒng)計(jì)學(xué)的方法來進(jìn)行軟件缺陷預(yù)測(cè)的工作。軟件度量指標(biāo)和軟件質(zhì)量以及軟件缺陷預(yù)測(cè)模型之間的關(guān)系如圖1所示,其中軟件度量元包括原始數(shù)據(jù)以及相關(guān)的域和任務(wù),在構(gòu)建模型過程中,需要對(duì)這些數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,包括降噪、特征選擇等,以提高軟件缺陷預(yù)測(cè)模型的正確性。

    軟件缺陷預(yù)測(cè)技術(shù)主要包括靜態(tài)預(yù)測(cè)技術(shù)和動(dòng)態(tài)預(yù)測(cè)技術(shù)兩類[4]。其中,靜態(tài)預(yù)測(cè)技術(shù)出現(xiàn)得較早,也是當(dāng)前的研究重點(diǎn)所在,設(shè)計(jì)原理就是利用軟件度量元的統(tǒng)計(jì)對(duì)缺陷的數(shù)目和分布做出預(yù)測(cè),常見的分類包括基于軟件度量元的缺陷預(yù)測(cè)技術(shù)、軟件缺陷分布預(yù)測(cè)技術(shù)、缺陷預(yù)測(cè)模型技術(shù);動(dòng)態(tài)缺陷預(yù)測(cè)技術(shù)則是針對(duì)軟件缺陷隨著軟件工程過程或者軟件運(yùn)行生命周期的變化而變化的趨勢(shì)進(jìn)行預(yù)測(cè),得到其分布規(guī)律。

    由于缺陷預(yù)測(cè)數(shù)據(jù)集為不平衡數(shù)據(jù)集,包含有缺陷的樣本所占比例通常不足10%,使用常用的遷移學(xué)習(xí)算法很難對(duì)其做到正確分類,因此需要針對(duì)該問題對(duì)現(xiàn)有算法加以優(yōu)化,并使用AUC[5]值和缺陷檢出率PD值對(duì)其性能進(jìn)行評(píng)估。

    2 問題定義和算法設(shè)計(jì)

    2.1 問題定義

    為了更好地理解算法偽代碼中的符號(hào)含義,現(xiàn)在對(duì)研究中可能出現(xiàn)的一些符號(hào)進(jìn)行定義,詳見表1。

    其中,訓(xùn)練數(shù)據(jù)集中輔助領(lǐng)域數(shù)據(jù)集和目標(biāo)領(lǐng)域數(shù)據(jù)集的長(zhǎng)度分別為n和m,一般情況下,n>>m,且m值較小,因?yàn)槿绻鹠值較大,則說明在目標(biāo)領(lǐng)域中含有大量的可以用于模型構(gòu)建和類別預(yù)測(cè)的訓(xùn)練數(shù)據(jù),并可以獨(dú)立獲取預(yù)測(cè)函數(shù),此時(shí)應(yīng)用傳統(tǒng)的機(jī)器學(xué)習(xí)方法即可。就數(shù)據(jù)分布而言,Tb和S來源于同一個(gè)數(shù)據(jù)域,具有相同的邊緣概率分布,而Ta則有著與S不同的分布。通常意義上,Ta和Tb可以用于預(yù)測(cè)類似的或者相關(guān)的任務(wù),否則2個(gè)不同分布的數(shù)據(jù)很難用于同一個(gè)問題的訓(xùn)練工作。結(jié)合前述內(nèi)容,研究中可以做出如下問題定義:

    給定大量輔助領(lǐng)域含標(biāo)簽數(shù)據(jù)集Ta和少量目標(biāo)領(lǐng)域含標(biāo)簽數(shù)據(jù)Tb,以及待預(yù)測(cè)未標(biāo)注的測(cè)試數(shù)據(jù)集S,Tb和S同分布。無論是Ta、還是Tb數(shù)據(jù)集,均滿足正類數(shù)目遠(yuǎn)遠(yuǎn)小于負(fù)類數(shù)目,存在類別不平衡問題。研究中需要利用Ta和Tb結(jié)合算法來構(gòu)建預(yù)測(cè)模型,使其可以用于S中的標(biāo)簽預(yù)測(cè)和標(biāo)注。

    2.2 TrAdaboost優(yōu)化算法設(shè)計(jì)與分析

    在軟件缺陷預(yù)測(cè)模型構(gòu)建過程中,選用的數(shù)據(jù)集包括輔助數(shù)據(jù)集和目標(biāo)數(shù)據(jù)集在內(nèi)均存在數(shù)據(jù)不平衡問題,數(shù)據(jù)集中含有缺陷的模塊僅占很小的一部分,這也導(dǎo)致在訓(xùn)練模型過程中,正例和反例不能被同等重視,如果僅僅依據(jù)預(yù)測(cè)正確率,則無法正確反映模型性能。就軟件缺陷預(yù)測(cè)問題而言,研究需要預(yù)測(cè)出更多的包含缺陷的模塊,因此使用缺陷檢出率PD來評(píng)估模型能夠更好地契合預(yù)定目標(biāo),同時(shí)PD也是ROC曲線坐標(biāo)軸的縱軸,F(xiàn)PR為橫軸。

    該算法的優(yōu)化思想為:在每次執(zhí)行TrAdaboost算法迭代時(shí),不再通過錯(cuò)誤率來評(píng)估單次迭代分類器的重要性,而是通過簡(jiǎn)易的AUC值來度量。這樣可以在每次迭代的過程中,有傾向性地提高真正例率,從而得到更優(yōu)的預(yù)測(cè)結(jié)果。優(yōu)化后TrAdaboost算法的設(shè)計(jì)代碼見如下。

    本次優(yōu)化的部分為算法for循環(huán)內(nèi)的步驟(3),其中計(jì)算的AUC值并不準(zhǔn)確,而是將閾值固定后直接依據(jù)分類器的預(yù)測(cè)結(jié)果和實(shí)際標(biāo)簽來結(jié)合權(quán)重進(jìn)行計(jì)算,得到TPR和FPR兩個(gè)值,在此基礎(chǔ)上計(jì)算點(diǎn)(0,0),(TPR,F(xiàn)PR),(1,1)以及(1,0)圍成的面積,由于閾值不變,因此該面積僅為近似面積,小于實(shí)際的值。關(guān)于AUC值的下限設(shè)置為0.51,這是因?yàn)槿粼O(shè)置0.5,權(quán)值將不會(huì)發(fā)生變化,則下次迭代的結(jié)果會(huì)完全一致。

    3 實(shí)驗(yàn)結(jié)果

    本實(shí)驗(yàn)中,采用的數(shù)據(jù)集來自于ESEM2016[6]。ESEM2016數(shù)據(jù)集是作者使用增項(xiàng)的SZZ算法和JHawk工具生成的。目前有研究指出,軟件缺陷預(yù)測(cè)問題常用的數(shù)據(jù)集還包括NASA的數(shù)據(jù)集,但卻存在不開源、前后數(shù)據(jù)不一致等問題,因此本實(shí)驗(yàn)未采用該數(shù)據(jù)集。

    ESEM2016數(shù)據(jù)集由2部分組成,也就是:ClassLevel、即類級(jí)別和MethodLevel、即方法級(jí)別,每一個(gè)數(shù)據(jù)集中則包含有42種度量元對(duì)應(yīng)的統(tǒng)計(jì)數(shù)據(jù)。本次實(shí)驗(yàn)主要使用ClassLevel級(jí)別的數(shù)據(jù),著重測(cè)試不同項(xiàng)目之間的遷移效果。

    本文通過對(duì)比TrAdaboost與優(yōu)化后的TrAdaboost算法在不同數(shù)據(jù)集上的預(yù)測(cè)效果,驗(yàn)證了對(duì)權(quán)值調(diào)整后的算法在面對(duì)數(shù)據(jù)集不平衡問題時(shí)的有效性和優(yōu)越性。該實(shí)驗(yàn)選擇的評(píng)估數(shù)據(jù)包括正確率、AUC值以及PD值三種。其中,正確率為統(tǒng)計(jì)預(yù)測(cè)結(jié)果正確的樣本數(shù)目所占的比例,AUC值則是通過計(jì)算ROC曲線下方區(qū)域的面積得到;PD又稱為錯(cuò)誤檢出率,PD=TP/(TP+FN)。正如前文研究得到的,正確率無法正確反映預(yù)測(cè)結(jié)果的性能,AUC值和PD值均可反映正例被正確預(yù)測(cè)的比例,但AUC值同等對(duì)待2個(gè)類別的預(yù)測(cè),而在軟件缺陷預(yù)測(cè)問題中,研究是致力于能夠更多地檢測(cè)出存在的缺陷,同時(shí)允許一定數(shù)量的誤判,即將無缺陷樣本預(yù)測(cè)為有缺陷,因此較好的PD值度量更符合本次研發(fā)的實(shí)驗(yàn)要求。

    實(shí)驗(yàn)選取了11個(gè)不同的數(shù)據(jù)集,并按照文件名排序后使相鄰的2個(gè)數(shù)據(jù)集兩兩結(jié)合,前者作為輔助數(shù)據(jù)集,后者作為目標(biāo)數(shù)據(jù)集,再用其來進(jìn)行模型的構(gòu)建和評(píng)估,實(shí)驗(yàn)結(jié)果見表2。

    實(shí)驗(yàn)結(jié)果表明,在數(shù)據(jù)集不平衡的軟件缺陷預(yù)測(cè)問題中,優(yōu)化后的算法在大部分情況下PD值是優(yōu)于原有的TrAdaboost算法的,而AUC值方面兩者則比較接近,較大的PD值也表示可以有更多的缺陷被預(yù)測(cè)出來。與此同時(shí)還發(fā)現(xiàn),相對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)方法而言,遷移學(xué)習(xí)的預(yù)測(cè)效果相對(duì)較差,因此在擁有足夠的訓(xùn)練數(shù)據(jù)時(shí),將優(yōu)先使用傳統(tǒng)的機(jī)器學(xué)習(xí)算法。

    4 結(jié)束語(yǔ)

    軟件缺陷預(yù)測(cè)可以對(duì)軟件的測(cè)試和交付提供指導(dǎo)意見,對(duì)軟件質(zhì)量的保證具有實(shí)際意義。本文參考了TrAdaboost算法,結(jié)合軟件缺陷預(yù)測(cè)問題的特征,對(duì)TrAdaboost算法進(jìn)行了優(yōu)化,可以在一定程度上應(yīng)對(duì)不平衡數(shù)據(jù)集帶來的問題。

    但需指出,該算法還存在一定的局限性。一個(gè)缺陷預(yù)測(cè)模型的構(gòu)建,除了需要優(yōu)化訓(xùn)練算法,對(duì)于數(shù)據(jù)的預(yù)處理也同樣重要。在未來的工作中,需要在輔助數(shù)據(jù)的篩選和度量元的選擇方法上繼續(xù)深入研究,以進(jìn)一步提升預(yù)測(cè)模型的性能。

    參考文獻(xiàn)

    [1]TURHAN B, MENZIES T, BENER A B, et al. On the relative value of cross-company and within-company data for defect prediction[J]. Empirical Software Engineering, 2009, 14(5):540-578.

    [2]DAI Wenyuan,YANG Qiang,XUE Guirong,et al. Boosting for transfer learning[C]// Machine Learning, Proceedings of the Twenty-Fourth International Conference (ICML 2007). Corvallis, Oregon, USA:ACM,2007: 193-200.

    [3]PAN S J , YANG Qiang. A survey on transfer learning[J]. IEEE Transactions on Knowledge and Data Engineering, 2010, 22(10):1345-1359.

    [4]王青,伍書劍,李明樹. 軟件缺陷預(yù)測(cè)技術(shù)[J]. 軟件學(xué)報(bào),2008,19(7):1565-1580.

    [5]FAWCETT T. An introduction to ROC analysis[J].Pattern Recognition Letters, 2006,27(8):861-874.

    [6]SHIPPEY T, HALL T, COUNSELL S, et al. So you need more method level datasets for your software defect prediction?: Voila![C]// the 10th ACM/IEEE International Symposium. Ciudad Real, Spain : ACM, 2016:12.

    [7]FREUND Y, SCHAPIRE R E. A decision-theoretic generalization of on-line learning and an application to Boosting[M]//VITNYI P. Computational learning theory. EuroCOLT 1995. Lecture Notes in Computer Science (Lecture Notes in Artificial Intelligence). Berlin/Heidelberg: Springer.1995:23-37.

    [8]JOSHI M V, KUMAR V, AGARWAL R C. Evaluating boosting algorithms to classify rare cases: Comparison and improvements[C]// Proceedings of the 1st IEEE International Conference on Data Mining. Washington DC: IEEE, 2001:257-264.

    猜你喜歡
    遷移學(xué)習(xí)
    《宋史·曾公亮傳》傳主形象論析
    基于深度神經(jīng)網(wǎng)絡(luò)的人體動(dòng)作識(shí)別研究
    威斯頓相互作用法在社會(huì)保險(xiǎn)學(xué)課程教學(xué)中的實(shí)踐
    基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類技術(shù)
    科技視界(2017年32期)2018-01-24 17:54:40
    遷移學(xué)習(xí)在專業(yè)課程教學(xué)中的實(shí)踐研究
    遷移學(xué)習(xí)研究綜述
    從認(rèn)知角度探討大學(xué)英語(yǔ)網(wǎng)絡(luò)教學(xué)模式
    基于多特征融合的跨域情感分類模型研究
    奇異值分解與移移學(xué)習(xí)在電機(jī)故障診斷中的應(yīng)用
    一種基于遷移極速學(xué)習(xí)機(jī)的人體行為識(shí)別模型
    一本色道久久久久久精品综合| 午夜福利网站1000一区二区三区| 亚洲欧美日韩无卡精品| 国产精品女同一区二区软件| 亚洲国产色片| av在线app专区| av在线亚洲专区| 国产乱人视频| 精品久久国产蜜桃| 丝袜脚勾引网站| 97在线人人人人妻| 国产黄片美女视频| 美女主播在线视频| 亚洲,一卡二卡三卡| 亚洲欧美日韩另类电影网站 | 欧美成人午夜免费资源| 免费av不卡在线播放| 少妇被粗大猛烈的视频| 一个人观看的视频www高清免费观看| 一级黄片播放器| 亚洲三级黄色毛片| 男人舔奶头视频| 一边亲一边摸免费视频| 国产美女午夜福利| 日韩成人伦理影院| 97人妻精品一区二区三区麻豆| 国产精品精品国产色婷婷| 欧美xxxx性猛交bbbb| 男人添女人高潮全过程视频| 午夜福利在线观看免费完整高清在| 久久久久精品久久久久真实原创| 一区二区三区四区激情视频| 国产一级毛片在线| 三级经典国产精品| 搡女人真爽免费视频火全软件| 国产av国产精品国产| 天堂俺去俺来也www色官网| 看黄色毛片网站| 午夜福利高清视频| 亚洲国产欧美人成| 免费黄色在线免费观看| 国产伦在线观看视频一区| 亚洲av国产av综合av卡| 校园人妻丝袜中文字幕| 国产v大片淫在线免费观看| 伦精品一区二区三区| 日产精品乱码卡一卡2卡三| 一级片'在线观看视频| 在现免费观看毛片| 一级爰片在线观看| 纵有疾风起免费观看全集完整版| 自拍欧美九色日韩亚洲蝌蚪91 | 国产av国产精品国产| 国产精品蜜桃在线观看| 成人亚洲精品一区在线观看 | 大片电影免费在线观看免费| 亚洲国产精品成人久久小说| 男人添女人高潮全过程视频| 男的添女的下面高潮视频| 2018国产大陆天天弄谢| 成年人午夜在线观看视频| 国产色婷婷99| 久久久久久九九精品二区国产| 亚洲内射少妇av| av女优亚洲男人天堂| 国产成人精品一,二区| 亚洲成色77777| 国产精品av视频在线免费观看| 色播亚洲综合网| 中文字幕免费在线视频6| 九草在线视频观看| 99久久精品热视频| 在线免费十八禁| 91精品一卡2卡3卡4卡| 午夜福利高清视频| 中国国产av一级| 日韩一区二区三区影片| 五月开心婷婷网| 久久精品久久久久久噜噜老黄| 丝袜美腿在线中文| 真实男女啪啪啪动态图| 亚洲精品乱码久久久久久按摩| 丰满乱子伦码专区| 少妇 在线观看| 中文资源天堂在线| 精品国产三级普通话版| 久久久色成人| a级一级毛片免费在线观看| 在线观看av片永久免费下载| 91久久精品国产一区二区三区| 秋霞在线观看毛片| 岛国毛片在线播放| 国产精品一及| 狂野欧美白嫩少妇大欣赏| 亚洲精品一二三| 欧美亚洲 丝袜 人妻 在线| 99九九线精品视频在线观看视频| 欧美成人精品欧美一级黄| 看免费成人av毛片| 亚洲自偷自拍三级| 久久久久性生活片| 久久久久久久久久久免费av| 色吧在线观看| 亚洲人与动物交配视频| 亚洲最大成人中文| 一区二区av电影网| 老司机影院成人| 赤兔流量卡办理| 国产黄频视频在线观看| 卡戴珊不雅视频在线播放| 日本三级黄在线观看| 欧美最新免费一区二区三区| 黑人高潮一二区| av女优亚洲男人天堂| 国产精品人妻久久久久久| 国产黄频视频在线观看| 免费观看无遮挡的男女| av在线老鸭窝| 免费看a级黄色片| 免费观看性生交大片5| 亚洲久久久久久中文字幕| 三级男女做爰猛烈吃奶摸视频| 免费不卡的大黄色大毛片视频在线观看| 一本一本综合久久| 色5月婷婷丁香| 精品久久久久久久久亚洲| 在线观看免费高清a一片| 新久久久久国产一级毛片| 欧美xxⅹ黑人| 色视频在线一区二区三区| 欧美日韩亚洲高清精品| 精品国产露脸久久av麻豆| 国产国拍精品亚洲av在线观看| 国产黄色视频一区二区在线观看| 看免费成人av毛片| 国产伦精品一区二区三区视频9| 亚洲aⅴ乱码一区二区在线播放| 久久久久久久久久久丰满| 寂寞人妻少妇视频99o| 欧美另类一区| 婷婷色av中文字幕| 国产老妇女一区| 一级毛片电影观看| 亚洲人成网站在线播| 人体艺术视频欧美日本| 色哟哟·www| 亚洲精品456在线播放app| 99热6这里只有精品| 好男人在线观看高清免费视频| 18禁动态无遮挡网站| av女优亚洲男人天堂| 国产成人a区在线观看| 大话2 男鬼变身卡| 国产黄a三级三级三级人| 久久久久九九精品影院| 国产在线男女| 精品久久久久久久久亚洲| 国产成人免费无遮挡视频| 蜜桃久久精品国产亚洲av| h日本视频在线播放| 亚洲国产av新网站| 国产精品99久久99久久久不卡 | 在线观看一区二区三区| 毛片女人毛片| 欧美老熟妇乱子伦牲交| 日韩不卡一区二区三区视频在线| 18禁在线无遮挡免费观看视频| 丝袜喷水一区| 午夜福利在线在线| av国产久精品久网站免费入址| 日本一本二区三区精品| 久久热精品热| 免费观看无遮挡的男女| 欧美一级a爱片免费观看看| 中文天堂在线官网| 久久97久久精品| 又爽又黄a免费视频| av福利片在线观看| 精品一区在线观看国产| 欧美成人午夜免费资源| 午夜福利高清视频| 卡戴珊不雅视频在线播放| 精品亚洲乱码少妇综合久久| 纵有疾风起免费观看全集完整版| 偷拍熟女少妇极品色| 欧美极品一区二区三区四区| 免费观看在线日韩| 亚洲av一区综合| 九九爱精品视频在线观看| 欧美三级亚洲精品| 在线观看美女被高潮喷水网站| 高清毛片免费看| 天堂中文最新版在线下载 | 九九爱精品视频在线观看| 成年女人看的毛片在线观看| 综合色av麻豆| 国产日韩欧美亚洲二区| 日本与韩国留学比较| 国产成人a∨麻豆精品| 一级爰片在线观看| 亚洲精品日韩av片在线观看| 性色avwww在线观看| 欧美变态另类bdsm刘玥| 国产伦精品一区二区三区视频9| 国产亚洲av嫩草精品影院| 国产在线男女| 中国三级夫妇交换| 免费看日本二区| 最近中文字幕2019免费版| 麻豆国产97在线/欧美| 又爽又黄无遮挡网站| 色网站视频免费| 日本猛色少妇xxxxx猛交久久| 欧美3d第一页| 亚洲av欧美aⅴ国产| 国产黄片视频在线免费观看| 一级爰片在线观看| 久久久久精品久久久久真实原创| 天天躁日日操中文字幕| 在线观看免费高清a一片| 久久午夜福利片| 啦啦啦中文免费视频观看日本| 激情 狠狠 欧美| av又黄又爽大尺度在线免费看| 一级毛片电影观看| 色视频在线一区二区三区| 亚洲欧美日韩卡通动漫| 一本久久精品| 五月天丁香电影| 一级片'在线观看视频| 国产精品女同一区二区软件| 一个人观看的视频www高清免费观看| 2021少妇久久久久久久久久久| 国产成人aa在线观看| 国产一级毛片在线| 午夜福利网站1000一区二区三区| 嫩草影院新地址| 在线观看一区二区三区激情| 深夜a级毛片| 少妇猛男粗大的猛烈进出视频 | 久久ye,这里只有精品| 别揉我奶头 嗯啊视频| 久久热精品热| 免费观看的影片在线观看| 日韩成人伦理影院| 久久人人爽人人爽人人片va| 国产91av在线免费观看| 国产精品国产三级专区第一集| 一二三四中文在线观看免费高清| 国产伦精品一区二区三区四那| 99热国产这里只有精品6| 国产精品久久久久久精品电影小说 | 极品少妇高潮喷水抽搐| 久久精品人妻少妇| 一本一本综合久久| 日韩在线高清观看一区二区三区| 搡女人真爽免费视频火全软件| 亚洲成人久久爱视频| 波野结衣二区三区在线| 天美传媒精品一区二区| 日韩欧美一区视频在线观看 | 只有这里有精品99| 久久久色成人| .国产精品久久| 亚洲精品国产色婷婷电影| 亚洲国产精品国产精品| 亚洲精品成人久久久久久| 在线 av 中文字幕| av福利片在线观看| 欧美激情在线99| 80岁老熟妇乱子伦牲交| 777米奇影视久久| 欧美 日韩 精品 国产| 日韩欧美 国产精品| 亚洲aⅴ乱码一区二区在线播放| 国产在线男女| 2018国产大陆天天弄谢| 极品少妇高潮喷水抽搐| 亚洲欧洲国产日韩| 嘟嘟电影网在线观看| 国产高潮美女av| 一个人观看的视频www高清免费观看| 小蜜桃在线观看免费完整版高清| 国产精品一及| 内地一区二区视频在线| 欧美日韩视频精品一区| 中文乱码字字幕精品一区二区三区| 免费大片黄手机在线观看| 亚洲国产欧美人成| 国产一区有黄有色的免费视频| 97人妻精品一区二区三区麻豆| 国产 精品1| 在线a可以看的网站| 噜噜噜噜噜久久久久久91| 久久久a久久爽久久v久久| 五月伊人婷婷丁香| 99热全是精品| 亚洲精品aⅴ在线观看| 久久韩国三级中文字幕| 伦精品一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91 | 乱系列少妇在线播放| 成人亚洲精品av一区二区| 99久久精品一区二区三区| 一个人看的www免费观看视频| 国产一区二区三区av在线| 午夜福利网站1000一区二区三区| 欧美日韩在线观看h| 我的女老师完整版在线观看| 综合色丁香网| 亚洲精品成人av观看孕妇| 欧美97在线视频| 国产老妇女一区| 少妇人妻 视频| 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| 国产色婷婷99| 插逼视频在线观看| 神马国产精品三级电影在线观看| 久久ye,这里只有精品| 成年人午夜在线观看视频| 亚洲av在线观看美女高潮| 国产探花极品一区二区| 只有这里有精品99| 九九久久精品国产亚洲av麻豆| 一级毛片电影观看| 美女cb高潮喷水在线观看| 亚洲精品国产av蜜桃| 国产午夜精品一二区理论片| 制服丝袜香蕉在线| 各种免费的搞黄视频| 插阴视频在线观看视频| 97在线人人人人妻| 成人亚洲精品一区在线观看 | 亚洲电影在线观看av| 在线观看免费高清a一片| 十八禁网站网址无遮挡 | 777米奇影视久久| 中文字幕人妻熟人妻熟丝袜美| 欧美bdsm另类| 狠狠精品人妻久久久久久综合| 亚洲精品,欧美精品| 在线免费观看不下载黄p国产| 制服丝袜香蕉在线| 老司机影院成人| 美女脱内裤让男人舔精品视频| 色播亚洲综合网| 搞女人的毛片| 亚洲色图综合在线观看| 成人高潮视频无遮挡免费网站| 综合色丁香网| 人妻制服诱惑在线中文字幕| 少妇裸体淫交视频免费看高清| 国产精品人妻久久久久久| 欧美国产精品一级二级三级 | 亚洲国产精品成人综合色| 国产中年淑女户外野战色| 美女高潮的动态| 国产日韩欧美亚洲二区| 十八禁网站网址无遮挡 | 国产精品伦人一区二区| 国产毛片在线视频| 国产一区二区三区av在线| 亚洲色图综合在线观看| 久久久久久久国产电影| 99精国产麻豆久久婷婷| 国产成年人精品一区二区| 成年人午夜在线观看视频| 少妇的逼水好多| 久久99精品国语久久久| 少妇裸体淫交视频免费看高清| kizo精华| 久久人人爽av亚洲精品天堂 | 91aial.com中文字幕在线观看| 久久99热6这里只有精品| 日产精品乱码卡一卡2卡三| 亚洲欧美日韩另类电影网站 | 亚洲怡红院男人天堂| 亚洲av在线观看美女高潮| 国产一区有黄有色的免费视频| 国产精品一及| 男女那种视频在线观看| 国产亚洲91精品色在线| 精品久久久久久久人妻蜜臀av| 一级毛片电影观看| 人妻一区二区av| 欧美一区二区亚洲| 免费看光身美女| 国产av国产精品国产| 免费大片黄手机在线观看| 亚洲国产精品成人综合色| 女人久久www免费人成看片| 国产成人a∨麻豆精品| 久久女婷五月综合色啪小说 | 日韩,欧美,国产一区二区三区| av在线播放精品| 99久久九九国产精品国产免费| 国产av国产精品国产| 成人免费观看视频高清| 性色avwww在线观看| 午夜福利在线观看免费完整高清在| 亚洲最大成人手机在线| 亚洲精品aⅴ在线观看| 人妻少妇偷人精品九色| 亚洲激情五月婷婷啪啪| 亚洲成人一二三区av| av免费观看日本| 久热久热在线精品观看| 国产精品秋霞免费鲁丝片| 国产久久久一区二区三区| 亚洲国产av新网站| 成人美女网站在线观看视频| 久久久久久久午夜电影| 国产成人一区二区在线| 91精品伊人久久大香线蕉| 色网站视频免费| 美女cb高潮喷水在线观看| 1000部很黄的大片| 少妇熟女欧美另类| 欧美日韩精品成人综合77777| 蜜桃久久精品国产亚洲av| 国产成人免费观看mmmm| 大又大粗又爽又黄少妇毛片口| 色哟哟·www| 18+在线观看网站| 激情 狠狠 欧美| 国产探花极品一区二区| 97热精品久久久久久| 成人亚洲欧美一区二区av| 美女内射精品一级片tv| 久久久久久久久久人人人人人人| 国产亚洲精品久久久com| 两个人的视频大全免费| 免费黄色在线免费观看| av国产免费在线观看| 国产爽快片一区二区三区| 九九久久精品国产亚洲av麻豆| 国产色爽女视频免费观看| 一边亲一边摸免费视频| 亚洲性久久影院| 69av精品久久久久久| av天堂中文字幕网| 在线 av 中文字幕| 22中文网久久字幕| 好男人在线观看高清免费视频| 高清午夜精品一区二区三区| 最新中文字幕久久久久| 国产乱人视频| 欧美xxxx黑人xx丫x性爽| 国产欧美亚洲国产| 亚洲av电影在线观看一区二区三区 | 国产伦理片在线播放av一区| 男女国产视频网站| 少妇的逼水好多| 日韩av免费高清视频| 观看免费一级毛片| 亚洲天堂av无毛| 国产成人aa在线观看| 精品国产露脸久久av麻豆| 一区二区三区四区激情视频| 久久久欧美国产精品| 色视频在线一区二区三区| 十八禁网站网址无遮挡 | 日韩成人av中文字幕在线观看| 99久久九九国产精品国产免费| 婷婷色综合www| 欧美精品人与动牲交sv欧美| 91精品国产九色| 久久久久久伊人网av| 大又大粗又爽又黄少妇毛片口| 亚洲av电影在线观看一区二区三区 | 久久久久久国产a免费观看| 中文资源天堂在线| 六月丁香七月| 人妻夜夜爽99麻豆av| 国产乱来视频区| 3wmmmm亚洲av在线观看| 又黄又爽又刺激的免费视频.| 激情五月婷婷亚洲| 久久久久国产网址| 日本一二三区视频观看| 婷婷色麻豆天堂久久| 中文字幕亚洲精品专区| 在线观看三级黄色| 91狼人影院| 国产免费一区二区三区四区乱码| 日韩欧美 国产精品| 国产精品久久久久久精品古装| 美女国产视频在线观看| 日韩一区二区视频免费看| 在线观看美女被高潮喷水网站| 大陆偷拍与自拍| 久久久久精品性色| 婷婷色综合大香蕉| 观看免费一级毛片| av在线天堂中文字幕| 一个人看的www免费观看视频| 男人爽女人下面视频在线观看| 2021天堂中文幕一二区在线观| 亚洲av在线观看美女高潮| 九色成人免费人妻av| 高清视频免费观看一区二区| 亚洲aⅴ乱码一区二区在线播放| 大话2 男鬼变身卡| 国产精品伦人一区二区| 五月玫瑰六月丁香| 国产精品99久久久久久久久| 99久久精品国产国产毛片| 一区二区三区精品91| 直男gayav资源| 国产黄a三级三级三级人| 国产成人freesex在线| 大香蕉97超碰在线| 国产真实伦视频高清在线观看| 国产乱人偷精品视频| a级毛片免费高清观看在线播放| 欧美激情久久久久久爽电影| 国产精品久久久久久精品电影小说 | 色吧在线观看| 免费看不卡的av| 亚洲精品影视一区二区三区av| 22中文网久久字幕| 高清毛片免费看| 麻豆国产97在线/欧美| 国产精品人妻久久久久久| 搡老乐熟女国产| 国产毛片在线视频| 国产毛片a区久久久久| 亚洲综合色惰| 丝瓜视频免费看黄片| 国内揄拍国产精品人妻在线| 极品教师在线视频| 成人黄色视频免费在线看| 成年免费大片在线观看| 国产精品福利在线免费观看| 亚洲成人一二三区av| 美女主播在线视频| 欧美极品一区二区三区四区| 国产精品av视频在线免费观看| 亚洲图色成人| 99久久中文字幕三级久久日本| 国产日韩欧美亚洲二区| 一本色道久久久久久精品综合| 欧美97在线视频| av一本久久久久| 在线精品无人区一区二区三 | 舔av片在线| 国产伦在线观看视频一区| 久久精品久久精品一区二区三区| 大香蕉久久网| 亚洲婷婷狠狠爱综合网| 一级毛片黄色毛片免费观看视频| 禁无遮挡网站| 成人毛片a级毛片在线播放| 少妇 在线观看| 国产又色又爽无遮挡免| 五月伊人婷婷丁香| 美女视频免费永久观看网站| 精品国产三级普通话版| 乱码一卡2卡4卡精品| 中文字幕亚洲精品专区| 黄片wwwwww| 国产精品一二三区在线看| 深夜a级毛片| 精品99又大又爽又粗少妇毛片| 久久久久精品久久久久真实原创| 欧美极品一区二区三区四区| 99热国产这里只有精品6| av在线app专区| 亚洲伊人久久精品综合| 秋霞在线观看毛片| 欧美日韩视频精品一区| 乱码一卡2卡4卡精品| 综合色av麻豆| 精品少妇黑人巨大在线播放| 久久精品久久精品一区二区三区| 九九在线视频观看精品| 毛片女人毛片| 国产免费福利视频在线观看| 好男人在线观看高清免费视频| 国产精品一区二区性色av| 久久久久国产精品人妻一区二区| 国产黄色免费在线视频| 国产精品伦人一区二区| 九九久久精品国产亚洲av麻豆| 国产日韩欧美在线精品| 亚洲精品国产色婷婷电影| 一个人看视频在线观看www免费| 91精品伊人久久大香线蕉| 成年女人看的毛片在线观看| 黄色视频在线播放观看不卡| 亚洲欧美精品专区久久| 免费看日本二区| 美女国产视频在线观看| 成人一区二区视频在线观看| 欧美性猛交╳xxx乱大交人| 色综合色国产| 国产精品久久久久久av不卡| 日本-黄色视频高清免费观看| 亚洲欧美一区二区三区国产| 蜜臀久久99精品久久宅男| 中文字幕制服av| 国产精品秋霞免费鲁丝片| 观看免费一级毛片| 男女国产视频网站| 在线精品无人区一区二区三 | 乱系列少妇在线播放| 日日撸夜夜添| 看免费成人av毛片| 国产黄色视频一区二区在线观看| 亚洲综合色惰| 久久鲁丝午夜福利片| 亚洲国产色片| 久久99热这里只有精品18| 国产探花极品一区二区|