• <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
    欧洲精品卡2卡3卡4卡5卡区| 国内精品一区二区在线观看| 久久久久性生活片| 精品久久久久久久末码| 91在线精品国自产拍蜜月 | 最近最新免费中文字幕在线| 床上黄色一级片| 88av欧美| 亚洲片人在线观看| 村上凉子中文字幕在线| 欧美日韩黄片免| av福利片在线观看| 免费av观看视频| 国产成人av激情在线播放| 制服人妻中文乱码| 国产精品久久电影中文字幕| 欧美黄色淫秽网站| 嫁个100分男人电影在线观看| 天美传媒精品一区二区| 老汉色av国产亚洲站长工具| 午夜a级毛片| 神马国产精品三级电影在线观看| av在线蜜桃| 亚洲中文字幕一区二区三区有码在线看| 成人高潮视频无遮挡免费网站| 国产免费男女视频| 亚洲在线观看片| 成熟少妇高潮喷水视频| 免费在线观看亚洲国产| 精品熟女少妇八av免费久了| 搡老妇女老女人老熟妇| 久久久精品欧美日韩精品| 俄罗斯特黄特色一大片| 亚洲18禁久久av| 香蕉av资源在线| 国产精品久久久久久精品电影| 日韩欧美精品v在线| 美女大奶头视频| 色在线成人网| 伊人久久大香线蕉亚洲五| 精品电影一区二区在线| 亚洲中文字幕日韩| 久久国产精品影院| 日本黄色视频三级网站网址| 亚洲专区国产一区二区| 99久久九九国产精品国产免费| 九色国产91popny在线| 制服人妻中文乱码| 亚洲人成网站在线播| 成人亚洲精品av一区二区| 蜜桃亚洲精品一区二区三区| 狂野欧美激情性xxxx| 国产精品亚洲av一区麻豆| 免费在线观看成人毛片| 亚洲欧美日韩高清专用| 亚洲av一区综合| 少妇裸体淫交视频免费看高清| 亚洲av一区综合| 男女之事视频高清在线观看| 噜噜噜噜噜久久久久久91| 久久久国产精品麻豆| 18禁在线播放成人免费| 乱人视频在线观看| 综合色av麻豆| 九色成人免费人妻av| 久久香蕉国产精品| 亚洲国产欧洲综合997久久,| www.999成人在线观看| 国产91精品成人一区二区三区| 波多野结衣高清作品| 一二三四社区在线视频社区8| 欧美黄色片欧美黄色片| 黄色女人牲交| 午夜免费观看网址| 天堂√8在线中文| 国产精品日韩av在线免费观看| 国产精品女同一区二区软件 | 丁香欧美五月| 一级a爱片免费观看的视频| 久久精品国产自在天天线| 午夜a级毛片| www.色视频.com| 日韩精品中文字幕看吧| 岛国在线免费视频观看| 婷婷丁香在线五月| 高清日韩中文字幕在线| 国产熟女xx| 国产美女午夜福利| 在线观看免费视频日本深夜| 精品久久久久久成人av| 男人和女人高潮做爰伦理| 亚洲,欧美精品.| 亚洲专区中文字幕在线| 久久人妻av系列| 国产真实乱freesex| 九九热线精品视视频播放| 91麻豆精品激情在线观看国产| 国产高潮美女av| 人妻丰满熟妇av一区二区三区| 在线观看免费午夜福利视频| 性色av乱码一区二区三区2| 亚洲片人在线观看| 日本黄大片高清| 亚洲午夜理论影院| 久久伊人香网站| 99精品久久久久人妻精品| 天美传媒精品一区二区| 欧美午夜高清在线| 一区二区三区高清视频在线| 亚洲一区二区三区不卡视频| 成年免费大片在线观看| 在线观看美女被高潮喷水网站 | 男女之事视频高清在线观看| 深夜精品福利| 日韩 欧美 亚洲 中文字幕| 精品一区二区三区人妻视频| 国产亚洲精品综合一区在线观看| 在线看三级毛片| 乱人视频在线观看| 色在线成人网| 国产亚洲精品久久久久久毛片| 天堂av国产一区二区熟女人妻| 精品99又大又爽又粗少妇毛片 | 免费人成在线观看视频色| www国产在线视频色| 18美女黄网站色大片免费观看| 淫秽高清视频在线观看| 欧美午夜高清在线| 国产成人系列免费观看| 欧美三级亚洲精品| 久久久国产成人精品二区| 制服丝袜大香蕉在线| 无遮挡黄片免费观看| 国产视频一区二区在线看| www.熟女人妻精品国产| 欧美成人性av电影在线观看| 他把我摸到了高潮在线观看| 国产伦一二天堂av在线观看| 很黄的视频免费| 国产精品三级大全| 我要搜黄色片| 一a级毛片在线观看| 亚洲国产日韩欧美精品在线观看 | 久久精品国产综合久久久| 三级毛片av免费| 国产精品久久久久久人妻精品电影| 大型黄色视频在线免费观看| 亚洲成av人片在线播放无| 婷婷丁香在线五月| 最后的刺客免费高清国语| 九九热线精品视视频播放| 男人舔奶头视频| 亚洲成人免费电影在线观看| 天堂影院成人在线观看| 一夜夜www| www日本黄色视频网| 757午夜福利合集在线观看| 欧美极品一区二区三区四区| 观看美女的网站| 五月伊人婷婷丁香| 亚洲av五月六月丁香网| 91麻豆av在线| 亚洲国产精品成人综合色| 丰满的人妻完整版| 91久久精品电影网| 美女被艹到高潮喷水动态| 久久精品国产99精品国产亚洲性色| 国产欧美日韩一区二区精品| 日本免费a在线| 中文字幕av成人在线电影| 国产单亲对白刺激| 亚洲精品粉嫩美女一区| 成年女人毛片免费观看观看9| 日本与韩国留学比较| 亚洲国产中文字幕在线视频| 男人舔女人下体高潮全视频| 午夜久久久久精精品| 中文字幕人成人乱码亚洲影| 久久久色成人| 国产精品影院久久| 久久久国产成人精品二区| 此物有八面人人有两片| 国产成人欧美在线观看| 91麻豆精品激情在线观看国产| 国产综合懂色| 国产精品三级大全| 伊人久久精品亚洲午夜| 男人的好看免费观看在线视频| 黄片小视频在线播放| 美女免费视频网站| www.色视频.com| 岛国视频午夜一区免费看| 少妇的逼好多水| 18禁在线播放成人免费| 亚洲aⅴ乱码一区二区在线播放| 性色av乱码一区二区三区2| 男人的好看免费观看在线视频| 18禁黄网站禁片午夜丰满| 蜜桃亚洲精品一区二区三区| 亚洲第一电影网av| 午夜精品一区二区三区免费看| 在线十欧美十亚洲十日本专区| 不卡一级毛片| 成人国产一区最新在线观看| 少妇丰满av| 老汉色av国产亚洲站长工具| 亚洲狠狠婷婷综合久久图片| 亚洲aⅴ乱码一区二区在线播放| 成年人黄色毛片网站| 午夜激情福利司机影院| 首页视频小说图片口味搜索| 亚洲avbb在线观看| xxx96com| 99久久99久久久精品蜜桃| 午夜两性在线视频| 好男人电影高清在线观看| 亚洲成人精品中文字幕电影| 日韩成人在线观看一区二区三区| 国产爱豆传媒在线观看| 国产野战对白在线观看| 久久久成人免费电影| xxxwww97欧美| 日本黄大片高清| 最好的美女福利视频网| 国产精品香港三级国产av潘金莲| www日本黄色视频网| 草草在线视频免费看| 一a级毛片在线观看| 欧美黄色片欧美黄色片| 一个人免费在线观看电影| 成人无遮挡网站| 操出白浆在线播放| 日本三级黄在线观看| 欧美一级毛片孕妇| 国产精品 欧美亚洲| 成人18禁在线播放| 久久久久久久亚洲中文字幕 | 可以在线观看的亚洲视频| 少妇人妻精品综合一区二区 | 欧美成人免费av一区二区三区| 男女那种视频在线观看| 天堂网av新在线| 国产av一区在线观看免费| 国产亚洲精品久久久com| 两个人视频免费观看高清| 国产精品免费一区二区三区在线| 国内少妇人妻偷人精品xxx网站| 婷婷亚洲欧美| 亚洲人成网站高清观看| 18禁黄网站禁片午夜丰满| 欧美成人性av电影在线观看| 久久久成人免费电影| 亚洲精品在线美女| 国产伦在线观看视频一区| 国产综合懂色| 少妇的丰满在线观看| 一级黄片播放器| 成人无遮挡网站| 精品免费久久久久久久清纯| 国产精品美女特级片免费视频播放器| 人妻久久中文字幕网| 免费av观看视频| 亚洲精品一卡2卡三卡4卡5卡| 欧美一区二区精品小视频在线| 亚洲激情在线av| 18禁在线播放成人免费| 老司机午夜十八禁免费视频| 99久久成人亚洲精品观看| 欧美+日韩+精品| av天堂在线播放| 久久精品国产自在天天线| 国产一区二区亚洲精品在线观看| 一个人观看的视频www高清免费观看| 老司机午夜十八禁免费视频| 国产成人av激情在线播放| 少妇熟女aⅴ在线视频| 国产真实伦视频高清在线观看 | 级片在线观看| 欧美+日韩+精品| 午夜影院日韩av| 国产一区二区在线av高清观看| 国产精华一区二区三区| 免费看日本二区| 韩国av一区二区三区四区| 中文字幕av成人在线电影| 哪里可以看免费的av片| 男插女下体视频免费在线播放| 国产久久久一区二区三区| 少妇熟女aⅴ在线视频| 国产高清视频在线播放一区| 色综合亚洲欧美另类图片| 两个人视频免费观看高清| 国产69精品久久久久777片| 窝窝影院91人妻| 国产免费一级a男人的天堂| 免费av毛片视频| av视频在线观看入口| 两人在一起打扑克的视频| 亚洲av中文字字幕乱码综合| 久久香蕉精品热| 亚洲美女视频黄频| 国产高清有码在线观看视频| 精品无人区乱码1区二区| 免费在线观看日本一区| 成年女人看的毛片在线观看| 亚洲成人中文字幕在线播放| 深爱激情五月婷婷| 夜夜夜夜夜久久久久| 免费在线观看日本一区| 日本黄色视频三级网站网址| 午夜免费观看网址| 欧美成人一区二区免费高清观看| 欧洲精品卡2卡3卡4卡5卡区| 亚洲va日本ⅴa欧美va伊人久久| 日韩人妻高清精品专区| 天堂动漫精品| 高清毛片免费观看视频网站| 99久久综合精品五月天人人| 搡老熟女国产l中国老女人| 伊人久久大香线蕉亚洲五| 亚洲av电影在线进入| 狂野欧美白嫩少妇大欣赏| 国产高清videossex| 黄色视频,在线免费观看| 亚洲五月婷婷丁香| 免费看日本二区| 天堂影院成人在线观看| 一级黄色大片毛片| 九九久久精品国产亚洲av麻豆| 18美女黄网站色大片免费观看| 久久国产精品人妻蜜桃| 伊人久久大香线蕉亚洲五| 亚洲狠狠婷婷综合久久图片| 国产精品嫩草影院av在线观看 | 欧美乱码精品一区二区三区| 亚洲国产高清在线一区二区三| 色综合亚洲欧美另类图片| 男插女下体视频免费在线播放| 两个人看的免费小视频| 99视频精品全部免费 在线| 啦啦啦免费观看视频1| 欧美在线一区亚洲| 天堂影院成人在线观看| 久久久久国产精品人妻aⅴ院| 中文字幕人成人乱码亚洲影| 99国产精品一区二区蜜桃av| 欧美一级毛片孕妇| 国产精品久久久久久久电影 | 免费在线观看成人毛片| 亚洲av中文字字幕乱码综合| 久久国产乱子伦精品免费另类| 综合色av麻豆| 桃色一区二区三区在线观看| 午夜日韩欧美国产| 日韩成人在线观看一区二区三区| 一夜夜www| 国产精品亚洲av一区麻豆| 免费无遮挡裸体视频| 国产精品免费一区二区三区在线| 久99久视频精品免费| 在线播放无遮挡| 亚洲精品成人久久久久久| 亚洲欧美日韩卡通动漫| 国产高清videossex| 亚洲成人久久性| 免费看美女性在线毛片视频| 精品日产1卡2卡| 又紧又爽又黄一区二区| 长腿黑丝高跟| 老司机午夜十八禁免费视频| 内射极品少妇av片p| 国产免费av片在线观看野外av| 18禁裸乳无遮挡免费网站照片| 国内久久婷婷六月综合欲色啪| 亚洲专区国产一区二区| 麻豆国产97在线/欧美| 午夜激情福利司机影院| 久久精品国产综合久久久| 国产精品av视频在线免费观看| 男人和女人高潮做爰伦理| 香蕉久久夜色| 最新中文字幕久久久久| 日韩欧美精品免费久久 | 精品99又大又爽又粗少妇毛片 | 丰满乱子伦码专区| av片东京热男人的天堂| 少妇熟女aⅴ在线视频| 岛国视频午夜一区免费看| 熟女人妻精品中文字幕| 国产亚洲精品一区二区www| 久久精品夜夜夜夜夜久久蜜豆| 一区二区三区免费毛片| 最新美女视频免费是黄的| 两个人的视频大全免费| 97超视频在线观看视频| 久久午夜亚洲精品久久| 亚洲天堂国产精品一区在线| 久久香蕉精品热| 日本精品一区二区三区蜜桃| 操出白浆在线播放| 在线观看舔阴道视频| 午夜a级毛片| 禁无遮挡网站| 亚洲欧美日韩卡通动漫| 少妇的丰满在线观看| 一个人看视频在线观看www免费 | 成年版毛片免费区| 国产免费一级a男人的天堂| 亚洲性夜色夜夜综合| 国产亚洲av嫩草精品影院| 欧美色视频一区免费| 欧美乱码精品一区二区三区| 两个人的视频大全免费| 午夜福利欧美成人| 国产一区二区激情短视频| 噜噜噜噜噜久久久久久91| 少妇的丰满在线观看| 久久久久免费精品人妻一区二区| 亚洲色图av天堂| 午夜福利欧美成人| 天天添夜夜摸| 校园春色视频在线观看| 色综合婷婷激情| 国产免费一级a男人的天堂| 嫩草影院精品99| 最近在线观看免费完整版| 高清在线国产一区| 久久欧美精品欧美久久欧美| 淫秽高清视频在线观看| 欧美另类亚洲清纯唯美| 成人永久免费在线观看视频| 久久精品国产自在天天线| 18禁黄网站禁片午夜丰满| 啦啦啦观看免费观看视频高清| 成人三级黄色视频| 日日干狠狠操夜夜爽| 国产精品久久久久久久久免 | av黄色大香蕉| 国产午夜福利久久久久久| 国产一区二区激情短视频| 久久久久九九精品影院| 特大巨黑吊av在线直播| 丁香六月欧美| 国产探花极品一区二区| 久久这里只有精品中国| 日本免费a在线| 蜜桃亚洲精品一区二区三区| 精品国产超薄肉色丝袜足j| 精品日产1卡2卡| 国产老妇女一区| 亚洲欧美日韩卡通动漫| 国产精品 欧美亚洲| 国产一区在线观看成人免费| xxxwww97欧美| 精品人妻偷拍中文字幕| 男人舔女人下体高潮全视频| 国产成人欧美在线观看| 婷婷精品国产亚洲av在线| 亚洲欧美日韩高清专用| 精品午夜福利视频在线观看一区| 国内精品美女久久久久久| 在线免费观看不下载黄p国产 | 网址你懂的国产日韩在线| 欧美激情在线99| 国产视频一区二区在线看| 久久久国产成人免费| av中文乱码字幕在线| 99久国产av精品| 高清日韩中文字幕在线| 成人精品一区二区免费| 精品免费久久久久久久清纯| 全区人妻精品视频| 日韩有码中文字幕| 在线观看av片永久免费下载| 亚洲七黄色美女视频| 久久香蕉精品热| 女警被强在线播放| 少妇丰满av| 国产成人a区在线观看| 舔av片在线| 欧美高清成人免费视频www| 精品久久久久久久毛片微露脸| 91在线观看av| 国产精品女同一区二区软件 | 婷婷丁香在线五月| 每晚都被弄得嗷嗷叫到高潮| 午夜福利视频1000在线观看| 男人舔奶头视频| 精品99又大又爽又粗少妇毛片 | 丁香欧美五月| 国产精品永久免费网站| 此物有八面人人有两片| 欧美3d第一页| 97超视频在线观看视频| 久久久久免费精品人妻一区二区| 午夜老司机福利剧场| 国内少妇人妻偷人精品xxx网站| 三级毛片av免费| 男女下面进入的视频免费午夜| 天堂网av新在线| 国产精品三级大全| 18+在线观看网站| 日本 欧美在线| 国内少妇人妻偷人精品xxx网站| 久久精品国产99精品国产亚洲性色| 国产一区在线观看成人免费| 怎么达到女性高潮| 免费观看人在逋| 又紧又爽又黄一区二区| 免费观看的影片在线观看| 久久欧美精品欧美久久欧美| 亚洲第一电影网av| 亚洲无线在线观看| 老司机在亚洲福利影院| 亚洲五月婷婷丁香| 亚洲自拍偷在线| 最近最新中文字幕大全电影3| 最近视频中文字幕2019在线8| 一本综合久久免费| 给我免费播放毛片高清在线观看| 亚洲欧美日韩无卡精品| 欧美一级a爱片免费观看看| 国产精品一区二区三区四区久久| 国产探花极品一区二区| 日韩亚洲欧美综合| 日韩成人在线观看一区二区三区| 欧美大码av| 19禁男女啪啪无遮挡网站| 色老头精品视频在线观看| 久久午夜亚洲精品久久| 欧美日本亚洲视频在线播放| 熟女少妇亚洲综合色aaa.| 国产精品三级大全| 黄色日韩在线| 狂野欧美白嫩少妇大欣赏| 一级毛片高清免费大全| 最近最新中文字幕大全免费视频| 91久久精品电影网| 日韩欧美在线二视频| 91av网一区二区| 国产精品永久免费网站| 听说在线观看完整版免费高清| 亚洲专区国产一区二区| xxxwww97欧美| 国产三级在线视频| 精品久久久久久久久久免费视频| 51午夜福利影视在线观看| av在线蜜桃| 91久久精品国产一区二区成人 | 99热只有精品国产| 又爽又黄无遮挡网站| 久久久久久久久久黄片| 欧美乱色亚洲激情| 欧美色视频一区免费| 动漫黄色视频在线观看| 成人鲁丝片一二三区免费| 国产精品免费一区二区三区在线| 特级一级黄色大片| 99国产综合亚洲精品| 内射极品少妇av片p| 99在线视频只有这里精品首页| 少妇丰满av| 99精品在免费线老司机午夜| 国产精品三级大全| 在线a可以看的网站| 最新在线观看一区二区三区| 亚洲av成人av| 亚洲欧美精品综合久久99| 麻豆国产97在线/欧美| 免费av不卡在线播放| 国产视频内射| 97人妻精品一区二区三区麻豆| 脱女人内裤的视频| 亚洲国产精品成人综合色| 精品电影一区二区在线| 欧美日韩福利视频一区二区| 久久这里只有精品中国| 国产熟女xx| 最近在线观看免费完整版| 色噜噜av男人的天堂激情| 最新美女视频免费是黄的| 亚洲av第一区精品v没综合| 国内少妇人妻偷人精品xxx网站| 欧洲精品卡2卡3卡4卡5卡区| 亚洲18禁久久av| 亚洲av五月六月丁香网| 国产日本99.免费观看| 国产精品一区二区三区四区久久| 波多野结衣巨乳人妻| 在线观看午夜福利视频| 国产成人系列免费观看| 天堂av国产一区二区熟女人妻| 久久精品综合一区二区三区| 中文亚洲av片在线观看爽| e午夜精品久久久久久久| 老汉色av国产亚洲站长工具| 99久久99久久久精品蜜桃| 亚洲av免费高清在线观看| 国产真人三级小视频在线观看| av专区在线播放| 久久久久久久午夜电影| 日本成人三级电影网站| 性欧美人与动物交配| 国产av不卡久久| 久久久久久久久中文| 母亲3免费完整高清在线观看| 久久人人精品亚洲av| 午夜精品一区二区三区免费看| 亚洲精品美女久久久久99蜜臀| 黄色日韩在线| 国产单亲对白刺激| 欧美日韩中文字幕国产精品一区二区三区| 99热精品在线国产| 成年女人永久免费观看视频| 小说图片视频综合网站|