• <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 ?

    基于全局不相關(guān)的多流形學(xué)習(xí)

    2020-02-08 06:58:56彭永康
    關(guān)鍵詞:流形訓(xùn)練樣本識(shí)別率

    彭永康,李 波

    (1.武漢科技大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,湖北 武漢 430065;2.武漢科技大學(xué)智能信息處理與實(shí)時(shí)工業(yè)系統(tǒng)湖北省重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430065)

    0 引 言

    在人臉識(shí)別[1]任務(wù)中,特征提取是其中非常關(guān)鍵的一環(huán),主要的目的是為了降維,提取出關(guān)鍵的特征信息。在過(guò)去幾十年中,很多針對(duì)高維數(shù)據(jù)降維的算法被相繼提出,維數(shù)約減算法可分為線性方法和非線性方法兩類[2]。典型的線性方法有無(wú)監(jiān)督的主成分分析(principal component analysis,PCA)和有監(jiān)督的線性判別分析(linear discriminant analytics,LDA)[3]。代表性的非線性算法如流形學(xué)習(xí),有拉普拉斯特征映射[4](laplacian eigenmaps,LE)算法,但是LE算法在泛化能力上表現(xiàn)不是很好,換句話說(shuō),測(cè)試數(shù)據(jù)使用訓(xùn)練數(shù)據(jù)得到的投影矩陣計(jì)算其低維空間映射時(shí)是不容易得到的,這個(gè)問(wèn)題也叫作out-of-sample問(wèn)題。針對(duì)這個(gè)問(wèn)題,張量化[5]、核化[6]、線性化[7]等技術(shù)相繼出現(xiàn)來(lái)處理這個(gè)問(wèn)題。相對(duì)于LE算法,局部保持投影[8](locally preserving projections,LPP)算法計(jì)算成本低并且在聚類能力上表現(xiàn)良好。但是以上的LPP算法和LE算法都是基于樣本的局部結(jié)構(gòu)而沒(méi)有考慮樣本的非局部結(jié)構(gòu)信息,之后Yang等提出了一個(gè)非監(jiān)督判別投影算法[9](unsupervised discriminant projection,UDP),不僅注意了樣本的局部結(jié)構(gòu)信息,還將樣本的非局部結(jié)構(gòu)信息考慮進(jìn)去。

    以上的流形學(xué)習(xí)算法是基于點(diǎn)到點(diǎn)之間的距離,有以下缺陷,其一,使用點(diǎn)到點(diǎn)之間的距離學(xué)習(xí)樣本點(diǎn)的幾何結(jié)構(gòu)信息有限,其二,抗干擾能力不強(qiáng),容易受到噪聲的干擾。針對(duì)以上問(wèn)題,近鄰線性組合的方法包括近鄰特征線[10](nearest feature line,NFL)和近鄰特征場(chǎng)[11](nearest feature plane,NFP)相繼被提出。點(diǎn)到特征線的距離和點(diǎn)到特征空間的距離相較于點(diǎn)到點(diǎn)之間的距離,可以挖掘出更多的判別信息,加強(qiáng)算法的判別能力。但是基于點(diǎn)到特征空間的距離依然容易受到噪聲的干擾,無(wú)法充分學(xué)習(xí)樣本點(diǎn)的局部判別信息。為了解決以上算法的缺陷,提出特征空間到特征空間距離,可以更好學(xué)習(xí)樣本之間的結(jié)構(gòu)信息,同時(shí)提升算法的魯棒性,減少噪聲對(duì)算法判別能力的干擾。

    通過(guò)特征抽取得到的判別信息很大程度上會(huì)存在一定的信息冗余,即判別特征向量是統(tǒng)計(jì)相關(guān)的。為了減少其冗余度,使判別特征是全局不相關(guān)的,將不相干約束應(yīng)用于特征空間到特征空間距離度量學(xué)習(xí),可以減少判別信息的相關(guān)性,提高算法的判別能力。

    本文提出一個(gè)基于全局不相關(guān)的多流形學(xué)習(xí)算法(UFDML)。①使用特征空間到特征空間的距離,并使異類特征空間距離最大。②提出一個(gè)不相關(guān)約束應(yīng)用于該算法之上,使得抽取的特征是全局不相關(guān)的。通過(guò)對(duì)LDA,LPP,UDP等算法的比較,本文提出的方法在ORL,Yale,AR人臉庫(kù)中的識(shí)別率是優(yōu)于其它算法的。

    1 點(diǎn)到特征空間距離

    根據(jù)參考文獻(xiàn)[12,13],點(diǎn)到特征空間的距離則可以由如下定義為

    (1)

    (2)

    (3)

    2 基于不相關(guān)的多流形學(xué)習(xí)算法

    2.1 特征空間距離

    (4)

    同樣的方式,樣本點(diǎn)xj在它的近鄰特征空間的投影點(diǎn)可以表示為

    (5)

    所以,空間到空間的距離(S2S distance)可以定義為如下所示

    (6)

    用矩陣的形式表達(dá),則S2S距離矩陣可以表示為

    (7)

    這里T是一個(gè)索引矩陣,并且矩陣的元素滿足以下的公式

    (8)

    2.2 特征空間多流形度量

    (9)

    這里

    (10)

    這里Pij的取值為:當(dāng)xi,xj屬于異類最近鄰樣本點(diǎn),則記作1,否則記作0。

    本算法的目的是為了找到一個(gè)最優(yōu)的線性轉(zhuǎn)化,Y=WTX,通過(guò)該線性轉(zhuǎn)化可以使得異類之間的距離最大,所以尋求的投影點(diǎn)應(yīng)是樣本點(diǎn)在異類特征空間的投影點(diǎn),即上式可以變化成如下所示

    (11)

    M=TTT

    (12)

    結(jié)合式(11)、式(12),上式可以改寫成以下的形式

    (13)

    WXT(Dii-MI)XWT=WXTLXWT

    (14)

    這里L(fēng)是一個(gè)拉普拉斯矩陣L=D-M。

    2.3 不相關(guān)分析

    特征抽取算法在人臉識(shí)別中扮演著非常重要的角色,但是,通過(guò)特征抽取所得到的特征往往含有重疊的判別信息,而在特征抽取算法中加入統(tǒng)計(jì)不相關(guān)的這個(gè)特性可以很好消除判別信息的冗余。但是很多算法往往忽視了這個(gè)性質(zhì),本文提出的算法在基于特征空間距離進(jìn)行特征抽取的同時(shí),加入了不相關(guān)約束,使得抽取的判別特征信息是統(tǒng)計(jì)不相關(guān)的。

    由前文可得到,對(duì)于訓(xùn)練樣本,判別分析可以由如下的變化得到

    (15)

    但是由該式得到的特征分量是統(tǒng)計(jì)相關(guān)的,即

    (16)

    只有該等式等于0時(shí),特征分量yi和yj是統(tǒng)計(jì)不相關(guān)的,但是式(15)并不能保證得到的特征分量是統(tǒng)計(jì)不相關(guān),當(dāng)提取出的特征分量是統(tǒng)計(jì)相關(guān)的,存在著冗余信息,不利于信息的提取和最終的分類。

    2.4 基于全局不相關(guān)的多流形學(xué)習(xí)框架

    基于以上的問(wèn)題,本文提出了一個(gè)基于全局不相關(guān)的多流形學(xué)習(xí)的框架,使得異類樣本之間距離盡可能的大,樣本點(diǎn)經(jīng)過(guò)線性轉(zhuǎn)化后得到的投影向量是全局不相關(guān)的。在式(15)的基礎(chǔ)上,添加一個(gè)不相關(guān)約束,使得到的判別特征是全局不相關(guān)的,并且異類樣本之間的距離盡可能的大。

    提出的不相關(guān)約束要滿足抽取的特征Y=WTX,其中任意兩個(gè)特征向量yi,yj(i≠j),是全局不相關(guān)的,這樣可以得到

    (17)

    這里Wi,Wj是代表矩陣W中不同的倆列,St則是代表訓(xùn)練樣本的全局散度矩陣,可以表示為

    (18)

    (19)

    等式(17)和等式(19)整理得以下式子

    WTStW=I

    (20)

    這里的N指訓(xùn)練樣本點(diǎn)個(gè)數(shù)。

    將該不相關(guān)約束添加到等式中,則我們最終得到的優(yōu)化函數(shù)如下所示

    (21)

    對(duì)這個(gè)優(yōu)化函數(shù)進(jìn)行求解,通過(guò)拉格朗日乘子法,即

    (22)

    對(duì)其求偏導(dǎo)數(shù),則得到以下的形式

    (23)

    令其等于0,則得到

    XLXTW=λStW

    (24)

    這樣,等式(24)求解可以等價(jià)于求解其廣義特征分解問(wèn)題,則得到的特征向量組成的矩陣是所要求的最優(yōu)化的特征轉(zhuǎn)換矩陣W。

    2.5 算法流程

    在上述的理論基礎(chǔ)上,本文提出的UFDML算法步驟見(jiàn)表1。

    表1 基于全局不相關(guān)的多流形學(xué)習(xí)算法步驟

    3 實(shí)驗(yàn)和分析

    為了對(duì)本文提出的方法進(jìn)行驗(yàn)證,將本文提出的UFDML算法與相關(guān)的經(jīng)典算法進(jìn)行實(shí)驗(yàn)結(jié)果比較,比較的方法包括UDP,LPP,LDA算法。實(shí)驗(yàn)的數(shù)據(jù)庫(kù)則選用AR,ORL,Yale這3個(gè)廣泛使用的標(biāo)準(zhǔn)人臉數(shù)據(jù)庫(kù),以此對(duì)本文所提出算法的有效性和實(shí)用性進(jìn)行評(píng)估。

    3.1 數(shù)據(jù)集描述

    Yale數(shù)據(jù)集中共計(jì)165張人臉圖片,分別為15個(gè)人在相似背景下的不同光照條件和表情的人臉圖片。實(shí)驗(yàn)中,圖像樣本被處理成64×64的大小。

    ORL數(shù)據(jù)集共計(jì)400幅灰度圖像,分別為40個(gè)人在不同時(shí)間下拍攝完成的,每個(gè)人的人臉圖像的表情變化豐富。實(shí)驗(yàn)中,圖像樣本被處理成64×64的大小[14]。

    AR數(shù)據(jù)集共計(jì)4000多幅圖像,分別為70名男性人臉圖像樣本和56名女性人臉圖像樣本。其中圖像的拍攝都是在不同的光照環(huán)境下拍攝完成的,表情也各不相同。

    表2列出AR,ORL,Yale數(shù)據(jù)集的詳細(xì)信息。

    表2 AR,ORL,Yale數(shù)據(jù)集信息

    3.2 AR,ORL,Yale數(shù)據(jù)集上不同方法的效果比對(duì)

    在AR,ORL,Yale數(shù)據(jù)集對(duì)比實(shí)驗(yàn)中,我們用本文提出的UFDML算法跟其它算法進(jìn)行比較,實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性。實(shí)驗(yàn)過(guò)程中,先通過(guò)各算法對(duì)原始高維數(shù)據(jù)進(jìn)行降維,最后使用KNN分類器得到識(shí)別結(jié)果。

    對(duì)于每個(gè)數(shù)據(jù)集,選取每個(gè)算法10次中的最高識(shí)別準(zhǔn)確率作為最終識(shí)別結(jié)果。識(shí)別結(jié)果如下。

    如表3所示,在這個(gè)實(shí)驗(yàn)中,訓(xùn)練樣本n隨機(jī)的選中為每類6,7,8個(gè),并且每種算法重復(fù)訓(xùn)練10次,得到每個(gè)算法最大識(shí)別率和與之對(duì)應(yīng)的最佳維度。從實(shí)驗(yàn)結(jié)果可以看出,本文提出的算法在訓(xùn)練樣本選中6,7,8個(gè)時(shí),得到的識(shí)別率都是優(yōu)于其它3種算法的。

    表3 UDP,LPP,UFDML,LDA在AR數(shù)據(jù)集上的識(shí)別結(jié)果

    如表4所示,每一類圖像中隨機(jī)選中4,5,6個(gè)作為訓(xùn)練樣本,其余的作為測(cè)試樣本,重復(fù)10次得到每個(gè)算法最大識(shí)別率和最佳維度。從實(shí)驗(yàn)結(jié)果可以看出,本文提出的算法在訓(xùn)練樣本選中4,5,6個(gè)時(shí),本文提出的算法的識(shí)別能力優(yōu)于其它算法。

    表4 UDP,LPP,UFDML,LDA在ORL數(shù)據(jù)集上的識(shí)別結(jié)果

    如表5所示,訓(xùn)練樣本n隨機(jī)的選中為每類6,7,8個(gè)并重復(fù)訓(xùn)練10次,得到每個(gè)算法最大識(shí)別率和對(duì)應(yīng)維度。從實(shí)驗(yàn)結(jié)果可以看出,本文提出的算法在訓(xùn)練樣本選中6,7,8個(gè)時(shí),得到的識(shí)別率都是優(yōu)于其它3種算法的,并且實(shí)驗(yàn)得到的識(shí)別率在分別劃分為6,7,8個(gè)訓(xùn)練樣本時(shí),算法的識(shí)別率是相對(duì)穩(wěn)定的。

    4 結(jié)束語(yǔ)

    為了解決傳統(tǒng)流形學(xué)習(xí)算法中判別特征信息不夠充足,易受到噪聲影響和判別特征冗余的問(wèn)題,本文提出了一種基于全局不相關(guān)的多流形學(xué)習(xí)算法(UFDML)。該算法首先通過(guò)特征空間到特征空間距離來(lái)代替?zhèn)鹘y(tǒng)的點(diǎn)到點(diǎn)之間的距離,學(xué)習(xí)一個(gè)基于特征空間距離的判別矩陣,使得異類樣本點(diǎn)之間的距離盡可能的大,同時(shí),加入了一個(gè)不相關(guān)的約束條件使判別特征統(tǒng)計(jì)不相關(guān),最終得到最優(yōu)的投影矩陣。UFDML算法有以下優(yōu)點(diǎn),其一,能夠更好地學(xué)習(xí)樣本點(diǎn)局部結(jié)構(gòu)信息和抗噪聲干擾能力強(qiáng),二是經(jīng)過(guò)該算法抽取的特征向量是統(tǒng)計(jì)不相關(guān)的,這樣可以降低其冗余度,樣本點(diǎn)在低維空間的分類能力得到提高。在ORL,AR,Yale人臉數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果驗(yàn)證了UFSDML算法的有效性和魯棒性。不足的是,與其它流形學(xué)習(xí)算法相比,本文提出的算法在計(jì)算時(shí)間上不如其它算法,因?yàn)橛?jì)算投影點(diǎn)所造成的迭代花費(fèi)時(shí)間過(guò)多,下一步的研究方向?qū)⒖紤]如何有效降低算法的時(shí)間復(fù)雜度。

    表5 UDP,LPP,UFDML,LDA在Yale數(shù)據(jù)集上的識(shí)別結(jié)果

    猜你喜歡
    流形訓(xùn)練樣本識(shí)別率
    緊流形上的Schr?dinger算子的譜間隙估計(jì)
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測(cè)
    人工智能
    迷向表示分為6個(gè)不可約直和的旗流形上不變愛(ài)因斯坦度量
    基于真耳分析的助聽(tīng)器配戴者言語(yǔ)可懂度指數(shù)與言語(yǔ)識(shí)別率的關(guān)系
    Nearly Kaehler流形S3×S3上的切觸拉格朗日子流形
    提升高速公路MTC二次抓拍車牌識(shí)別率方案研究
    寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識(shí)別算法
    基于稀疏重構(gòu)的機(jī)載雷達(dá)訓(xùn)練樣本挑選方法
    亚洲内射少妇av| 岛国在线免费视频观看| 26uuu在线亚洲综合色| 精品酒店卫生间| 乱码一卡2卡4卡精品| 日韩亚洲欧美综合| 听说在线观看完整版免费高清| 五月伊人婷婷丁香| 成年女人看的毛片在线观看| 免费无遮挡裸体视频| 18+在线观看网站| 亚洲人成网站在线观看播放| 成人一区二区视频在线观看| 少妇熟女欧美另类| 亚洲av一区综合| 国产欧美另类精品又又久久亚洲欧美| 男人舔奶头视频| h日本视频在线播放| 欧美高清成人免费视频www| 如何舔出高潮| 在线免费观看不下载黄p国产| 岛国在线免费视频观看| 亚洲av免费在线观看| 久久欧美精品欧美久久欧美| 少妇高潮的动态图| 久久精品熟女亚洲av麻豆精品 | 3wmmmm亚洲av在线观看| 全区人妻精品视频| 中国美白少妇内射xxxbb| 午夜久久久久精精品| 亚洲欧美一区二区三区国产| 91精品伊人久久大香线蕉| 国产一区二区亚洲精品在线观看| 少妇丰满av| 边亲边吃奶的免费视频| 久久久久国产网址| 最近最新中文字幕大全电影3| 免费在线观看成人毛片| 中文乱码字字幕精品一区二区三区 | 国产综合懂色| 亚洲一区高清亚洲精品| 在线免费十八禁| av国产久精品久网站免费入址| 九九热线精品视视频播放| 亚洲av男天堂| 3wmmmm亚洲av在线观看| 三级国产精品欧美在线观看| 99久久人妻综合| 久久久国产成人精品二区| 一区二区三区免费毛片| 99在线人妻在线中文字幕| 亚洲国产精品sss在线观看| 亚洲精品aⅴ在线观看| 看十八女毛片水多多多| 少妇的逼水好多| 成人二区视频| 国产淫片久久久久久久久| 午夜亚洲福利在线播放| 久久久久久久久久黄片| 免费av毛片视频| 少妇被粗大猛烈的视频| 欧美精品一区二区大全| 小说图片视频综合网站| 中国美白少妇内射xxxbb| 午夜视频国产福利| 亚洲国产精品久久男人天堂| 精品人妻熟女av久视频| 免费搜索国产男女视频| 一级二级三级毛片免费看| 亚洲内射少妇av| 久久99热这里只有精品18| 深夜a级毛片| 日韩一本色道免费dvd| 精品人妻偷拍中文字幕| 亚洲精品成人久久久久久| 久久精品综合一区二区三区| 久久久久久久午夜电影| 少妇人妻一区二区三区视频| 亚洲经典国产精华液单| 18+在线观看网站| 丝袜喷水一区| 日韩一区二区三区影片| av国产久精品久网站免费入址| 国产亚洲最大av| 亚洲美女视频黄频| 1000部很黄的大片| 免费av不卡在线播放| 日日啪夜夜撸| 精品一区二区免费观看| 精品久久国产蜜桃| 91精品伊人久久大香线蕉| 国产v大片淫在线免费观看| 久久这里有精品视频免费| 夜夜看夜夜爽夜夜摸| 看非洲黑人一级黄片| 97在线视频观看| 男人的好看免费观看在线视频| 久久久久九九精品影院| 日本黄色片子视频| 大又大粗又爽又黄少妇毛片口| 99久久精品一区二区三区| 人人妻人人澡人人爽人人夜夜 | 国产亚洲91精品色在线| 国产精品人妻久久久影院| 我要搜黄色片| 美女cb高潮喷水在线观看| 一边摸一边抽搐一进一小说| 亚洲欧美日韩卡通动漫| 国语对白做爰xxxⅹ性视频网站| 麻豆av噜噜一区二区三区| 国产精品国产三级国产专区5o | 神马国产精品三级电影在线观看| 亚洲欧美成人综合另类久久久 | 青春草国产在线视频| 午夜爱爱视频在线播放| 女人被狂操c到高潮| 国产乱人偷精品视频| 国产探花在线观看一区二区| 亚洲国产日韩欧美精品在线观看| 国产午夜精品一二区理论片| 亚洲经典国产精华液单| 欧美精品一区二区大全| 久久久成人免费电影| 校园人妻丝袜中文字幕| 人妻系列 视频| 成人欧美大片| 少妇高潮的动态图| 91午夜精品亚洲一区二区三区| 菩萨蛮人人尽说江南好唐韦庄 | 久久精品国产亚洲网站| 赤兔流量卡办理| 日日啪夜夜撸| 日韩制服骚丝袜av| 一边亲一边摸免费视频| 免费搜索国产男女视频| 在现免费观看毛片| 中文乱码字字幕精品一区二区三区 | 国产高清不卡午夜福利| 国产精品一区二区性色av| 国产精品福利在线免费观看| 欧美日韩一区二区视频在线观看视频在线 | 久久人人爽人人爽人人片va| 日韩一本色道免费dvd| 婷婷色麻豆天堂久久 | 国产人妻一区二区三区在| 麻豆av噜噜一区二区三区| 青春草国产在线视频| 级片在线观看| 久久久久久久久中文| 两性午夜刺激爽爽歪歪视频在线观看| 欧美最新免费一区二区三区| ponron亚洲| 国产一区二区在线观看日韩| 国产男人的电影天堂91| 搡老妇女老女人老熟妇| 亚洲高清免费不卡视频| 中文字幕精品亚洲无线码一区| 日韩视频在线欧美| 国产黄片美女视频| 夜夜看夜夜爽夜夜摸| 欧美又色又爽又黄视频| 国产真实伦视频高清在线观看| 1000部很黄的大片| 男的添女的下面高潮视频| 久久99精品国语久久久| 日韩制服骚丝袜av| 男女边吃奶边做爰视频| 91在线精品国自产拍蜜月| 国产精品精品国产色婷婷| 男女边吃奶边做爰视频| 亚洲av一区综合| 欧美成人a在线观看| 最近手机中文字幕大全| 久久久色成人| 麻豆成人午夜福利视频| 亚洲一区高清亚洲精品| 精品久久久久久久久久久久久| 欧美一级a爱片免费观看看| 免费av观看视频| 亚洲av日韩在线播放| 亚洲欧美成人综合另类久久久 | 在线免费十八禁| 成人亚洲精品av一区二区| 精品久久久噜噜| 久久精品国产亚洲av涩爱| 精品不卡国产一区二区三区| 日韩av在线免费看完整版不卡| 热99在线观看视频| 久久久精品欧美日韩精品| 久久久久久大精品| 久久99热这里只频精品6学生 | 成人鲁丝片一二三区免费| 乱码一卡2卡4卡精品| 在线播放无遮挡| 免费av不卡在线播放| 看十八女毛片水多多多| 国产成人精品久久久久久| 少妇人妻一区二区三区视频| 亚洲熟妇中文字幕五十中出| 搡老妇女老女人老熟妇| 在现免费观看毛片| 又爽又黄a免费视频| 中国美白少妇内射xxxbb| 亚洲精品亚洲一区二区| 亚洲内射少妇av| 观看美女的网站| 性色avwww在线观看| 亚洲国产精品成人久久小说| 国产视频内射| 欧美97在线视频| 欧美变态另类bdsm刘玥| 少妇裸体淫交视频免费看高清| 又粗又硬又长又爽又黄的视频| 91精品伊人久久大香线蕉| 久久精品夜色国产| 一级爰片在线观看| 国产午夜精品论理片| 你懂的网址亚洲精品在线观看 | av在线天堂中文字幕| 2021少妇久久久久久久久久久| 九九爱精品视频在线观看| 蜜桃久久精品国产亚洲av| av黄色大香蕉| 国产午夜精品一二区理论片| 高清视频免费观看一区二区 | 国产又色又爽无遮挡免| 美女脱内裤让男人舔精品视频| 亚洲自拍偷在线| 亚洲自偷自拍三级| 岛国在线免费视频观看| 18禁裸乳无遮挡免费网站照片| 久久精品久久久久久久性| 真实男女啪啪啪动态图| 看免费成人av毛片| 男人舔奶头视频| 婷婷六月久久综合丁香| 久久久精品94久久精品| 两个人视频免费观看高清| 午夜老司机福利剧场| 亚洲精品456在线播放app| 欧美变态另类bdsm刘玥| 精品国产露脸久久av麻豆 | av专区在线播放| 日本熟妇午夜| 午夜福利网站1000一区二区三区| 26uuu在线亚洲综合色| 麻豆一二三区av精品| kizo精华| 精品熟女少妇av免费看| 搡女人真爽免费视频火全软件| 听说在线观看完整版免费高清| 1024手机看黄色片| 天堂网av新在线| 欧美不卡视频在线免费观看| 你懂的网址亚洲精品在线观看 | 春色校园在线视频观看| 中文乱码字字幕精品一区二区三区 | 伦精品一区二区三区| 大话2 男鬼变身卡| 亚洲怡红院男人天堂| 18禁在线播放成人免费| 最近中文字幕高清免费大全6| 成人性生交大片免费视频hd| 精品久久久久久久久久久久久| 18禁动态无遮挡网站| 熟妇人妻久久中文字幕3abv| 成人国产麻豆网| 中文乱码字字幕精品一区二区三区 | 九色成人免费人妻av| 亚洲va在线va天堂va国产| 少妇猛男粗大的猛烈进出视频 | 日本-黄色视频高清免费观看| 97人妻精品一区二区三区麻豆| 国产高清国产精品国产三级 | 男插女下体视频免费在线播放| 国产精品国产三级国产专区5o | 亚洲av.av天堂| 少妇裸体淫交视频免费看高清| 99久久精品国产国产毛片| 老司机福利观看| 麻豆一二三区av精品| 全区人妻精品视频| 亚洲成人中文字幕在线播放| 日本猛色少妇xxxxx猛交久久| 美女内射精品一级片tv| 久久精品久久久久久久性| 美女被艹到高潮喷水动态| 欧美区成人在线视频| 中文亚洲av片在线观看爽| 国产探花极品一区二区| 久久久亚洲精品成人影院| 美女黄网站色视频| 久久精品久久精品一区二区三区| 国产麻豆成人av免费视频| 亚洲天堂国产精品一区在线| 国产精品99久久久久久久久| 日韩欧美 国产精品| 国产精品久久久久久精品电影| 校园人妻丝袜中文字幕| 国产精品一区www在线观看| 中文在线观看免费www的网站| 亚洲成色77777| 国产高清视频在线观看网站| 99在线视频只有这里精品首页| 亚洲国产精品国产精品| 伦精品一区二区三区| 天天躁夜夜躁狠狠久久av| 日韩中字成人| 一边亲一边摸免费视频| 一本久久精品| 国产精品永久免费网站| 日韩国内少妇激情av| 国产女主播在线喷水免费视频网站 | 老司机影院成人| 亚洲在线自拍视频| 插逼视频在线观看| 丰满人妻一区二区三区视频av| 国语对白做爰xxxⅹ性视频网站| 午夜视频国产福利| 久久热精品热| 综合色av麻豆| 在线免费观看不下载黄p国产| 联通29元200g的流量卡| 日本免费在线观看一区| 99久久中文字幕三级久久日本| 性色avwww在线观看| 中文字幕人妻熟人妻熟丝袜美| 人人妻人人澡人人爽人人夜夜 | 欧美变态另类bdsm刘玥| 三级经典国产精品| 国语自产精品视频在线第100页| 日韩中字成人| 18禁在线无遮挡免费观看视频| 蜜桃久久精品国产亚洲av| 看十八女毛片水多多多| 美女黄网站色视频| 精品一区二区三区视频在线| 天堂av国产一区二区熟女人妻| 日韩欧美 国产精品| 日本猛色少妇xxxxx猛交久久| 最近2019中文字幕mv第一页| 麻豆一二三区av精品| 男的添女的下面高潮视频| 国产精品日韩av在线免费观看| a级毛色黄片| 内射极品少妇av片p| 五月伊人婷婷丁香| 国产免费视频播放在线视频 | 亚洲欧美一区二区三区国产| 成人欧美大片| 午夜福利在线在线| 久久久欧美国产精品| 色网站视频免费| 国产成人91sexporn| av视频在线观看入口| 久久久久久久国产电影| 国产精品.久久久| 亚洲一级一片aⅴ在线观看| 在线免费观看不下载黄p国产| 国产欧美日韩精品一区二区| 欧美又色又爽又黄视频| 青青草视频在线视频观看| 欧美成人午夜免费资源| 亚洲电影在线观看av| 26uuu在线亚洲综合色| 亚洲高清免费不卡视频| 高清在线视频一区二区三区 | 亚洲av.av天堂| 久久精品国产亚洲网站| 内射极品少妇av片p| 久久久久久伊人网av| 日本一二三区视频观看| 中文字幕人妻熟人妻熟丝袜美| 永久免费av网站大全| 岛国在线免费视频观看| av专区在线播放| 免费观看a级毛片全部| 一级毛片我不卡| 午夜视频国产福利| 久久国产乱子免费精品| 国产精品女同一区二区软件| 少妇熟女欧美另类| 国产亚洲精品av在线| 少妇人妻一区二区三区视频| 成人午夜高清在线视频| 久久精品国产亚洲av天美| 你懂的网址亚洲精品在线观看 | 亚洲四区av| 最近最新中文字幕大全电影3| 国产黄片美女视频| 亚洲av免费在线观看| 国产老妇伦熟女老妇高清| 美女被艹到高潮喷水动态| 亚洲精品亚洲一区二区| 乱人视频在线观看| 观看美女的网站| 一级毛片我不卡| 久久久久久久国产电影| 成人高潮视频无遮挡免费网站| 热99在线观看视频| 禁无遮挡网站| 亚洲丝袜综合中文字幕| 欧美日韩精品成人综合77777| 在现免费观看毛片| 高清视频免费观看一区二区 | 午夜福利网站1000一区二区三区| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 女人被狂操c到高潮| 久久久久久久久久久免费av| 九色成人免费人妻av| 国产乱来视频区| 亚洲欧美日韩东京热| 一边亲一边摸免费视频| 国产在线一区二区三区精 | 亚洲精品aⅴ在线观看| 青春草亚洲视频在线观看| 精品久久久久久成人av| 亚洲第一区二区三区不卡| 国产精品日韩av在线免费观看| 三级国产精品片| 黄色一级大片看看| 国产精品,欧美在线| 久久久色成人| 亚洲成av人片在线播放无| 欧美bdsm另类| 2021少妇久久久久久久久久久| 麻豆一二三区av精品| 免费观看a级毛片全部| 最后的刺客免费高清国语| 午夜精品一区二区三区免费看| 午夜日本视频在线| 69av精品久久久久久| videos熟女内射| 午夜日本视频在线| 国产免费视频播放在线视频 | 国产日韩欧美在线精品| 男女啪啪激烈高潮av片| 两个人视频免费观看高清| 一级爰片在线观看| 久久99蜜桃精品久久| 亚洲高清免费不卡视频| 日韩一区二区视频免费看| 看非洲黑人一级黄片| 简卡轻食公司| 日本熟妇午夜| 日韩强制内射视频| 级片在线观看| 亚洲精品,欧美精品| 亚洲四区av| 久久鲁丝午夜福利片| 又粗又硬又长又爽又黄的视频| 99热精品在线国产| 国产免费男女视频| 在线免费观看的www视频| 少妇熟女欧美另类| 亚洲第一区二区三区不卡| 69av精品久久久久久| 99热精品在线国产| 亚洲欧美成人综合另类久久久 | 久久久久国产网址| 高清av免费在线| 别揉我奶头 嗯啊视频| 村上凉子中文字幕在线| 亚洲最大成人手机在线| 日韩亚洲欧美综合| 国产伦理片在线播放av一区| 日韩欧美三级三区| 特大巨黑吊av在线直播| 午夜福利在线在线| 成人av在线播放网站| 日本免费在线观看一区| 丝袜美腿在线中文| 亚洲欧美成人精品一区二区| 免费不卡的大黄色大毛片视频在线观看 | 黄片无遮挡物在线观看| 亚洲va在线va天堂va国产| 久久精品国产亚洲av涩爱| 九色成人免费人妻av| 精品久久久久久成人av| 亚洲av中文av极速乱| 午夜免费激情av| 免费av观看视频| 国产精品,欧美在线| 久久草成人影院| av播播在线观看一区| 国内精品宾馆在线| 欧美激情国产日韩精品一区| av又黄又爽大尺度在线免费看 | 国产精品野战在线观看| 在线观看一区二区三区| 中文字幕精品亚洲无线码一区| 国产极品精品免费视频能看的| 日韩av在线大香蕉| 国产午夜精品论理片| 免费电影在线观看免费观看| 中文字幕制服av| 亚洲精品久久久久久婷婷小说 | 女的被弄到高潮叫床怎么办| 永久免费av网站大全| 亚洲婷婷狠狠爱综合网| 日韩在线高清观看一区二区三区| 国产精品日韩av在线免费观看| 中文字幕久久专区| 国产精品人妻久久久影院| 高清毛片免费看| 深夜a级毛片| a级毛色黄片| 成年女人看的毛片在线观看| 中文字幕熟女人妻在线| 中文在线观看免费www的网站| 免费播放大片免费观看视频在线观看 | 国产高清国产精品国产三级 | 国产午夜精品一二区理论片| 国产av不卡久久| 亚洲av成人精品一区久久| 亚洲欧美成人综合另类久久久 | 国产一级毛片七仙女欲春2| 国产免费视频播放在线视频 | 国产激情偷乱视频一区二区| 免费电影在线观看免费观看| 亚洲av不卡在线观看| 国产精品国产三级专区第一集| 1024手机看黄色片| 在线a可以看的网站| 69人妻影院| 国产精品乱码一区二三区的特点| 亚洲av电影在线观看一区二区三区 | 亚洲中文字幕日韩| 久久6这里有精品| 国产伦一二天堂av在线观看| 我要看日韩黄色一级片| 成人午夜精彩视频在线观看| 久久人人爽人人爽人人片va| 欧美97在线视频| 少妇的逼好多水| 欧美一级a爱片免费观看看| 亚洲国产精品专区欧美| 成年av动漫网址| 亚洲精品日韩av片在线观看| 秋霞在线观看毛片| 国产爱豆传媒在线观看| 大香蕉97超碰在线| 国产成人精品久久久久久| 日韩欧美精品免费久久| 精品国产一区二区三区久久久樱花 | 亚洲不卡免费看| 欧美不卡视频在线免费观看| 亚洲最大成人av| 免费看日本二区| 免费看光身美女| 成人漫画全彩无遮挡| 国产成人午夜福利电影在线观看| 久久久久久大精品| 国产伦理片在线播放av一区| 一级二级三级毛片免费看| 国产又色又爽无遮挡免| 97在线视频观看| av专区在线播放| 久久人人爽人人爽人人片va| 99久久精品一区二区三区| 中文精品一卡2卡3卡4更新| 免费观看精品视频网站| 一边亲一边摸免费视频| 亚洲丝袜综合中文字幕| 国产亚洲午夜精品一区二区久久 | 哪个播放器可以免费观看大片| 建设人人有责人人尽责人人享有的 | 99热6这里只有精品| 永久网站在线| 美女cb高潮喷水在线观看| 在线天堂最新版资源| 男人的好看免费观看在线视频| 成年女人看的毛片在线观看| 国产精品久久久久久精品电影小说 | 免费人成在线观看视频色| 亚洲熟妇中文字幕五十中出| 午夜免费男女啪啪视频观看| 一夜夜www| 人体艺术视频欧美日本| 国产亚洲av嫩草精品影院| 一区二区三区高清视频在线| 51国产日韩欧美| 汤姆久久久久久久影院中文字幕 | 久久久精品欧美日韩精品| 中国美白少妇内射xxxbb| 成人漫画全彩无遮挡| 国产伦在线观看视频一区| 日本av手机在线免费观看| 一级黄色大片毛片| 久久久久网色| 日韩人妻高清精品专区| 国产黄色视频一区二区在线观看 | 在线免费十八禁| 日韩精品青青久久久久久| 国产单亲对白刺激| 日韩精品有码人妻一区| 国产高清三级在线| 成人国产麻豆网| 国产高清三级在线| 听说在线观看完整版免费高清| 亚洲av二区三区四区| 日韩亚洲欧美综合| 深夜a级毛片| 十八禁国产超污无遮挡网站| or卡值多少钱| 国产精品一区二区在线观看99 | 国产午夜精品论理片| 91在线精品国自产拍蜜月| 欧美变态另类bdsm刘玥| 精品久久久久久久末码| 大香蕉97超碰在线| 国产精品综合久久久久久久免费| 国产精品一区www在线观看| 纵有疾风起免费观看全集完整版 | 亚洲高清免费不卡视频|