• <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BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的蕁麻疹證候分類探討

    2020-03-21 03:39:22劉麗蓉詹秀菊
    關(guān)鍵詞:風(fēng)寒蕁麻疹證型

    劉麗蓉, 詹秀菊

    (廣州中醫(yī)藥大學(xué)醫(yī)學(xué)信息工程學(xué)院,廣東廣州 510006)

    蕁麻疹俗稱風(fēng)疹塊,是一種常見的過敏性疾病,是由于皮膚、黏膜小血管擴(kuò)張及滲透性增加而出現(xiàn)的一種局限性水腫反應(yīng)[1]。皮損以風(fēng)團(tuán)為主,大小不等,形態(tài)不一,色澤或鮮紅或濡白,分布或散在或融合成片,可發(fā)生于身體任何部位,伴有劇烈瘙癢,遷延數(shù)日至數(shù)月,且劃痕征陽性[2]。蕁麻疹癥狀嚴(yán)重者可影響患者正常生活以及工作。目前有關(guān)蕁麻疹用藥規(guī)律的研究較多[3-8],但關(guān)于蕁麻疹癥狀與證候的研究鮮有報道。本研究基于文獻(xiàn)資料,利用BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)(support vector machine,SVM)分別探討蕁麻疹證候分類模型,以期為蕁麻疹的中醫(yī)辨證論治提供一定參考。

    1 資料與方法

    1.1 文獻(xiàn)數(shù)據(jù)來源 收集維普數(shù)據(jù)庫(VIP)、萬方數(shù)字化期刊、中國知網(wǎng)(CNKI)等中文數(shù)據(jù)庫中發(fā)表的有關(guān)蕁麻疹臨床治療的文獻(xiàn)。檢索詞為“蕁麻疹”“風(fēng)疙瘩”“風(fēng)疹塊”“鬼風(fēng)疙瘩”“尋麻疹”“風(fēng)團(tuán)”“癮疹”“臨床療效”“臨床效果”“經(jīng)驗”。采用主題詞、關(guān)鍵詞、文摘檢索,并聯(lián)合邏輯詞and、or組成邏輯式進(jìn)行檢索,檢索式為:題名或關(guān)鍵詞為“蕁麻疹”O(jiān)R“風(fēng)疙瘩”O(jiān)R“風(fēng)疹塊”O(jiān)R“鬼風(fēng)疙瘩”O(jiān)R“尋麻疹”O(jiān)R“風(fēng)團(tuán)”O(jiān)R“癮疹”,AND文摘為“臨床療效”O(jiān)R“臨床效果”O(jiān)R“經(jīng)驗”。其中題名或關(guān)鍵詞可換成主題詞。

    1.2 文獻(xiàn)納入標(biāo)準(zhǔn) (1)治療手段為中醫(yī)藥治療或中西醫(yī)結(jié)合治療的文獻(xiàn);(2)中醫(yī)診斷標(biāo)準(zhǔn)參照國家中醫(yī)藥管理局1994年發(fā)布的《中醫(yī)病證診斷療效標(biāo)準(zhǔn)》之“隱疹”的診斷標(biāo)準(zhǔn),西醫(yī)診斷標(biāo)準(zhǔn)參照《安德魯斯臨床皮膚病學(xué)》中有關(guān)蕁麻疹的診斷標(biāo)準(zhǔn)[9];(3)治療有效的文獻(xiàn);(4)病案資料完整,包含證候診斷、臨床表現(xiàn)、治療原則、藥方等。(5)文獻(xiàn)發(fā)表年限為1996年2月至2018年10月。

    1.3 文獻(xiàn)排除標(biāo)準(zhǔn) (1)文獻(xiàn)中未標(biāo)明治療效果及明確標(biāo)明治療效果不佳;(2)文獻(xiàn)數(shù)據(jù)中出現(xiàn)錯誤或者發(fā)表數(shù)據(jù)雷同的文獻(xiàn);(3)動物實驗的文獻(xiàn)以及綜述類文獻(xiàn)。

    1.4 文獻(xiàn)數(shù)據(jù)處理 由3名研究人員完成文獻(xiàn)篩選,其中兩人獨立按照文獻(xiàn)的納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)篩選文獻(xiàn),如有爭議,由第三人做出判斷。篩選后的文獻(xiàn)由兩位研究人員將病例整理錄入Microsoft Excel 2010,錄入內(nèi)容包括文獻(xiàn)名稱、第一作者、臨床癥狀、證候,其中病例中相關(guān)術(shù)語的規(guī)范化參考《中醫(yī)癥狀鑒別診斷學(xué)》[10]、《中醫(yī)診斷學(xué)》[11]、《中醫(yī)證候鑒別診斷學(xué)》[12]。

    1.5 數(shù)據(jù)分析 利用Matlab R2013a軟件,建立基于BP神經(jīng)網(wǎng)絡(luò)和SVM的蕁麻疹證候分類模型。BP神經(jīng)網(wǎng)絡(luò)是由輸入層、隱含層、輸出層組成的階層型神經(jīng)網(wǎng)絡(luò),相鄰層之間各神經(jīng)元進(jìn)行全連接,而每層各神經(jīng)元之間無連接,其權(quán)值的調(diào)整采用反向傳播的學(xué)習(xí)算法[13]。本研究采用3層BP神經(jīng)網(wǎng)絡(luò)建模,建立存在于數(shù)據(jù)間的函數(shù)關(guān)系。如圖1所示,輸入層為17個中醫(yī)癥狀向量,隱含層公式計算為7,輸出層對應(yīng)風(fēng)寒束表、風(fēng)熱犯表、臟腑濕熱和其他證型共4類。

    圖1 3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Figure 1 Three-layer BP neural network structure

    支持向量機(jī)(SVM)是將所研究的問題向真實模型的一種逼近,將原始特征用核函數(shù)進(jìn)行特定變換映射到高維空間,進(jìn)而分解其特征矩陣,最終把待解決的問題轉(zhuǎn)化為一個對凸二次規(guī)劃問題求解的過程[14]。SVM最優(yōu)超平面決策示意圖如圖2所示。

    圖2 SVM超平面決策面示意圖Figure 2 Schematic diagram of support vector machine hyperplane decision surface

    2 結(jié)果

    2.1 文獻(xiàn)檢索結(jié)果 根據(jù)“1.1項下”的檢索式,從中國知網(wǎng)共檢索到1 130篇文獻(xiàn),維普1 010篇文獻(xiàn),萬方813篇文獻(xiàn),剔除重復(fù)文獻(xiàn)后共獲取文獻(xiàn)2 632篇。通過閱讀文獻(xiàn)題目,按照納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)刪除文獻(xiàn)1 952篇,剩余文獻(xiàn)680篇。再經(jīng)通篇閱讀全文后,篩選符合納入標(biāo)準(zhǔn)的文獻(xiàn)共458篇,從中提取完整的信息,具備完整信息的病例共397例。

    2.2 BP神經(jīng)網(wǎng)絡(luò)證候模型的建立

    2.2.1 訓(xùn)練樣本選擇 按納入標(biāo)準(zhǔn)和排除標(biāo)準(zhǔn)共篩選出符合標(biāo)準(zhǔn)的蕁麻疹病例數(shù)據(jù)為397例,每個樣本包含蕁麻疹常見的17個癥狀以及舌苔和脈象,癥狀按有無分別設(shè)置為1、0,中醫(yī)證型4類證型輸出形式設(shè)置為(0,0,0,1),(0,0,1,0),(0,1,0,0),(1,0,0,0)。從上述的蕁麻疹數(shù)據(jù)中抽取中醫(yī)癥狀及中醫(yī)證型構(gòu)成樣本集合,作為BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和測試樣本。

    2.2.2 網(wǎng)絡(luò)模型訓(xùn)練與分類 將397個樣本存儲于數(shù)據(jù)項data中,將皮疹、瘙癢、皮疹色紅、失眠、紅舌、淡舌、淡紅舌、薄苔、白苔、黃苔、膩苔、細(xì)脈、數(shù)脈、弦脈、浮脈、沉脈、滑脈等17個癥狀作為網(wǎng)絡(luò)模型的輸入變量,輸出層對應(yīng)風(fēng)寒束表、風(fēng)熱犯表、臟腑濕熱和其他證型,為體現(xiàn)模型的優(yōu)良性,訓(xùn)練樣本的選擇采用隨機(jī)抽取方法,從397個樣本中隨機(jī)抽取357個樣本作為訓(xùn)練樣本,隨機(jī)抽取40個樣本數(shù)據(jù)為測試樣本。采用Matlab R2013a編程,確定BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)為17-7-4,設(shè)定訓(xùn)練函數(shù)為trainbfg函數(shù),設(shè)定最大訓(xùn)練步數(shù)為100次,學(xué)習(xí)率為0.01。以風(fēng)寒束表證為例,風(fēng)寒束表證BP神經(jīng)網(wǎng)絡(luò)的測試過程如圖3所示,其測試樣本的預(yù)測準(zhǔn)確率為72.50%(29/40),BP神經(jīng)網(wǎng)絡(luò)分類誤差如圖4所示。利用同樣的方法與拓?fù)浣Y(jié)構(gòu)進(jìn)行風(fēng)熱犯表證、臟腑濕熱證與其他證型的分類器建立。風(fēng)熱犯表證分類模型測準(zhǔn)確率90.00%(36/40),臟腑濕熱分類器準(zhǔn)確率為87.50%(35/40),其他證型分類器模型準(zhǔn)確率為82.50%(33/40)。

    模型訓(xùn)練結(jié)果提示,風(fēng)熱犯表證在BP神經(jīng)網(wǎng)絡(luò)模型中擬合度最高,其次臟腑濕熱證,風(fēng)寒束表證最次。分析其原因,可能是由于風(fēng)寒束表證候樣本偏少,導(dǎo)致其訓(xùn)練不夠;或是針對風(fēng)寒束表證,其模型選擇的輸入因子和輸出因子不夠緊密,以至于出現(xiàn)這種現(xiàn)象。但模型訓(xùn)練結(jié)果較為理想,說明BP神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性和可靠性,且模型具有較強(qiáng)的魯棒性(robustness,反映控制系統(tǒng)抗干擾能力的參數(shù),即系統(tǒng)的健壯性,是在異常和危險情況下系統(tǒng)生存的關(guān)鍵),提示基于BP神經(jīng)網(wǎng)絡(luò)機(jī)分類器在蕁麻疹模型應(yīng)用中具有一定的可行性。

    圖3 風(fēng)寒束表證分類器分類輸出Figure 3 Classification output for wind-cold attacking exterior syndrome classifier

    圖4 風(fēng)寒束表證分類器分類誤差Figure 4 Classification error of wind-cold attacking exterior syndrome classifier

    2.3 SVM證候模型的建立

    2.3.1 選定訓(xùn)練集與測試集 選取蕁麻疹數(shù)據(jù)397例,將癥狀設(shè)置為輸入變量,風(fēng)寒束表證、風(fēng)熱犯表證、臟腑濕熱證和其他證型分別設(shè)置為1、2、3、4,并作為輸出變量。選取357例數(shù)據(jù)作為訓(xùn)練樣本,其余每類證型提取10例數(shù)據(jù)為測試樣本。

    2.3.2 SVM模型的訓(xùn)練與預(yù)測 參數(shù)懲罰因子C、核函數(shù)以及其參數(shù)的選定可影響SVM模型的性能。C越大則對數(shù)據(jù)的擬合程度越高,容易出現(xiàn)“過學(xué)習(xí)”的現(xiàn)象;當(dāng)C取值過小時,則對經(jīng)驗誤差懲罰過小,就會出現(xiàn)“欠學(xué)習(xí)”的現(xiàn)象[15]。為了解決該現(xiàn)象,本研究SVM模型采用的是RBF徑向基核函數(shù),設(shè)置核函數(shù)參數(shù)t=2。利用K-CV(K-folder cross-validation,K折交叉驗證)法對SVM模型的參數(shù)c(懲罰系數(shù))和g(RBF核函數(shù)的系數(shù))計算和選取,初設(shè)置懲罰函數(shù)參數(shù)c與gamma參數(shù)g的取值范圍為[2-10,210]。利用svmcgForClass函數(shù)進(jìn)行計算,得出對應(yīng)參數(shù)c和參數(shù)g模型的分類結(jié)果和準(zhǔn)確率,通過K-CV驗證比較不同參數(shù)c和參數(shù)g的分類準(zhǔn)確率,選擇最佳參數(shù)c和參數(shù)g。經(jīng)計算,SVM模型的最佳參數(shù)c設(shè)置為0.574 35,g設(shè)置為0.108 82。其模型測試樣本的預(yù)測正確率為92.50%(37/40)。如圖5所示。

    圖5 SVM模型的實際測試集分類和預(yù)測測試集分類Figure 5 Practical test set classification and predicted test set classification in SVM model

    圖5 顯示,藍(lán)色圓圈為實際輸出分類,紅色星號為期望輸出分類;分類輸出結(jié)果在很大程度上與期望結(jié)果相重合,僅有3例樣本與期望輸出不相符合。說明本研究所架構(gòu)的SVM分類器應(yīng)用于蕁麻疹證型分類科學(xué)可行,結(jié)果較好,準(zhǔn)確率較高。

    基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的分類器的平均準(zhǔn)確率為81.13%,SVM分類模型準(zhǔn)確率為92.50%。結(jié)果表明,在蕁麻疹中醫(yī)證型分類應(yīng)用,SVM分類模型與BP神經(jīng)網(wǎng)絡(luò)模型均具有較好的魯棒性和穩(wěn)定性,但SVM分類模型優(yōu)于BP神經(jīng)網(wǎng)絡(luò)分類模型。

    3 討論

    本研究利用BP神經(jīng)網(wǎng)絡(luò)與SVM分類器對蕁麻疹證候進(jìn)行分類,建立以蕁麻疹17種常見的癥狀為輸入變量,以風(fēng)寒束表證、風(fēng)熱犯表證、臟腑濕熱證、其他證型共4種證型為輸出變量的證候分類模型。其模型擬合效果較好,精確度良好,SVM模型擬合效果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

    BP算法已經(jīng)被證實具有實現(xiàn)任何復(fù)雜非線性映射的功能,適合用于求解內(nèi)部機(jī)制復(fù)雜的問題,因此使用BP人工神經(jīng)網(wǎng)絡(luò)解決中醫(yī)證型問題是可行而科學(xué)的。但BP算法本質(zhì)上是梯度下降算法,所要優(yōu)化的目標(biāo)函數(shù)又非常復(fù)雜,容易出現(xiàn)“鋸齒形現(xiàn)象”,令BP算法學(xué)習(xí)速度緩慢。本課題訓(xùn)練樣本量少,因此建模迭代次數(shù)較少,導(dǎo)致算法效率低下的弊端并不明顯,與SVM分類器無太大差異。更多的訓(xùn)練樣本能在一定程度上提升BP算法擬合結(jié)果的準(zhǔn)確度,而本研究所收集的樣本數(shù)量難以支撐BP算法取得更高的準(zhǔn)確度。SVM是一種小樣本學(xué)習(xí)方法,龐大的訓(xùn)練樣本規(guī)模反而不利于SVM的學(xué)習(xí)。因此在樣本量較少的情況下,使用SVM構(gòu)建分類器將比使用BP算法更合適。

    本研究利用BP神經(jīng)網(wǎng)絡(luò)與SVM分類器可取得較好的擬合結(jié)果,提示人工神經(jīng)網(wǎng)絡(luò)技術(shù)可能適合中醫(yī)研究的需求。本研究把人工神經(jīng)網(wǎng)絡(luò)技術(shù)與蕁麻疹證型研究相結(jié)合,但因限于一些客觀條件,無法在結(jié)果數(shù)據(jù)的準(zhǔn)確度上更進(jìn)一步。就目前來看,不論是蕁麻疹證型預(yù)測模型還是SVM分類器都還只屬于理論的模型,尚在起步階段,需要進(jìn)一步完善。蕁麻疹領(lǐng)域的人工神經(jīng)網(wǎng)絡(luò)研究,也需要更進(jìn)一步的發(fā)展,今后需從以下方面進(jìn)一步深入:第一,更大的樣本量才能實現(xiàn)更加深入的人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí),更加廣泛的涵蓋度及更加科學(xué)合理的研究結(jié)果。故在未來的研究中,應(yīng)該廣泛收集蕁麻疹臨床數(shù)據(jù),增加樣本數(shù)據(jù)量以增強(qiáng)訓(xùn)練效果,建立基于海量數(shù)據(jù)的、具有實用意義的蕁麻疹證型預(yù)測模型和分類器。第二,利用智能優(yōu)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)參數(shù),提高其模型分類器的精確度。第三,針對數(shù)據(jù)采集過程中可能出現(xiàn)誤差或者噪音等現(xiàn)象,可利用機(jī)器算法篩選SVM懲罰參數(shù),進(jìn)而優(yōu)化SVM分類器模型。

    猜你喜歡
    風(fēng)寒蕁麻疹證型
    冬讀古詩御風(fēng)寒
    基于因子分析及聚類分析的241例感染后咳嗽中醫(yī)證素證型研究
    治咽炎要分清證型
    不同證型糖尿病的調(diào)理
    風(fēng)寒感冒憂,來碗“神仙粥”
    基于自適應(yīng)矩估計的BP神經(jīng)網(wǎng)絡(luò)對中醫(yī)痛經(jīng)證型分類的研究
    感冒,要分清風(fēng)寒還是風(fēng)熱
    感冒,要分清風(fēng)寒還是風(fēng)熱
    經(jīng)方辨證治療慢性蕁麻疹經(jīng)驗
    中西醫(yī)結(jié)合治療慢性蕁麻疹39例
    久久精品国产亚洲av高清一级| 免费黄频网站在线观看国产| 久久精品国产综合久久久| 亚洲avbb在线观看| 久久久国产成人免费| 欧美xxⅹ黑人| 久久久久精品人妻al黑| 日韩精品免费视频一区二区三区| 天堂俺去俺来也www色官网| 午夜91福利影院| 丰满人妻熟妇乱又伦精品不卡| 99精品久久久久人妻精品| 精品少妇黑人巨大在线播放| 日韩电影二区| 天天躁夜夜躁狠狠躁躁| 亚洲欧美日韩高清在线视频 | 国产成人一区二区三区免费视频网站| 国产色视频综合| 欧美在线一区亚洲| www.av在线官网国产| 啦啦啦免费观看视频1| 嫩草影视91久久| 亚洲熟女毛片儿| 免费在线观看视频国产中文字幕亚洲 | 色综合欧美亚洲国产小说| 午夜日韩欧美国产| 国产精品欧美亚洲77777| 中国国产av一级| 一本大道久久a久久精品| 黑人巨大精品欧美一区二区mp4| 自线自在国产av| kizo精华| 亚洲av日韩在线播放| 操出白浆在线播放| 成人影院久久| 欧美大码av| 免费在线观看日本一区| 亚洲 欧美一区二区三区| 窝窝影院91人妻| 精品国产乱子伦一区二区三区 | 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精品中文字幕在线视频| av不卡在线播放| 免费在线观看视频国产中文字幕亚洲 | 午夜两性在线视频| 国产精品99久久99久久久不卡| 水蜜桃什么品种好| 天堂俺去俺来也www色官网| 久久人人97超碰香蕉20202| 欧美av亚洲av综合av国产av| 精品人妻在线不人妻| 男女床上黄色一级片免费看| 午夜福利免费观看在线| 亚洲欧美一区二区三区黑人| 亚洲精华国产精华精| 美女主播在线视频| 成人三级做爰电影| 啦啦啦视频在线资源免费观看| 美国免费a级毛片| 亚洲精品久久午夜乱码| 一二三四在线观看免费中文在| 无遮挡黄片免费观看| 91精品三级在线观看| 久久久国产精品麻豆| 麻豆av在线久日| 另类亚洲欧美激情| 黑人欧美特级aaaaaa片| 夫妻午夜视频| 日日夜夜操网爽| 国产亚洲精品一区二区www | 婷婷成人精品国产| 国产在线一区二区三区精| 日韩 欧美 亚洲 中文字幕| 久久久精品免费免费高清| 99国产精品免费福利视频| videosex国产| 男女下面插进去视频免费观看| 亚洲精品自拍成人| 亚洲一卡2卡3卡4卡5卡精品中文| 久久久久视频综合| 伦理电影免费视频| 国产1区2区3区精品| 一级a爱视频在线免费观看| 国产淫语在线视频| 午夜福利在线观看吧| av一本久久久久| 一二三四在线观看免费中文在| 久久毛片免费看一区二区三区| 又大又爽又粗| 窝窝影院91人妻| 欧美+亚洲+日韩+国产| 午夜福利免费观看在线| 一级片'在线观看视频| 下体分泌物呈黄色| 欧美午夜高清在线| 69精品国产乱码久久久| 国产在视频线精品| 80岁老熟妇乱子伦牲交| 久9热在线精品视频| 久久 成人 亚洲| 亚洲 国产 在线| 免费高清在线观看日韩| 女人精品久久久久毛片| 老司机在亚洲福利影院| 十八禁网站免费在线| 国产欧美日韩综合在线一区二区| 国产成+人综合+亚洲专区| 老熟女久久久| 男女下面插进去视频免费观看| 国产精品欧美亚洲77777| 99热全是精品| 高清视频免费观看一区二区| 精品一区二区三区四区五区乱码| 欧美日韩av久久| 国产精品久久久人人做人人爽| 欧美亚洲 丝袜 人妻 在线| 欧美久久黑人一区二区| 亚洲精品一区蜜桃| 久久免费观看电影| 窝窝影院91人妻| 十八禁高潮呻吟视频| 欧美日本中文国产一区发布| 中亚洲国语对白在线视频| 亚洲av男天堂| 国产人伦9x9x在线观看| 日日夜夜操网爽| 亚洲国产精品成人久久小说| 欧美日韩黄片免| 天天影视国产精品| 亚洲精品国产精品久久久不卡| 亚洲精品日韩在线中文字幕| 狂野欧美激情性xxxx| 美女福利国产在线| 操出白浆在线播放| 国产亚洲午夜精品一区二区久久| 亚洲午夜精品一区,二区,三区| 精品少妇一区二区三区视频日本电影| 欧美97在线视频| 国产视频一区二区在线看| 在线观看人妻少妇| 在线天堂中文资源库| 超色免费av| 色综合欧美亚洲国产小说| 青春草亚洲视频在线观看| 亚洲欧美一区二区三区久久| 一区二区三区激情视频| 日韩 欧美 亚洲 中文字幕| 女人久久www免费人成看片| 亚洲精品久久久久久婷婷小说| 国产成人欧美在线观看 | 中文字幕人妻熟女乱码| 亚洲精品国产色婷婷电影| 下体分泌物呈黄色| 韩国精品一区二区三区| 国产精品一区二区在线观看99| 99香蕉大伊视频| 亚洲综合色网址| 亚洲中文日韩欧美视频| 麻豆乱淫一区二区| 极品少妇高潮喷水抽搐| 久久av网站| 亚洲人成电影观看| 法律面前人人平等表现在哪些方面 | 99国产极品粉嫩在线观看| www.999成人在线观看| 免费看十八禁软件| 午夜激情久久久久久久| 一区二区三区乱码不卡18| 自线自在国产av| 欧美黑人精品巨大| 五月开心婷婷网| 亚洲人成电影观看| 国产亚洲欧美精品永久| av电影中文网址| 国产精品影院久久| 欧美日韩亚洲综合一区二区三区_| 欧美中文综合在线视频| 黑人巨大精品欧美一区二区蜜桃| 母亲3免费完整高清在线观看| 欧美久久黑人一区二区| 国产xxxxx性猛交| 久久精品亚洲av国产电影网| 欧美 亚洲 国产 日韩一| 国产一卡二卡三卡精品| 日韩中文字幕视频在线看片| 纯流量卡能插随身wifi吗| 免费观看av网站的网址| 亚洲精品av麻豆狂野| 丁香六月天网| 国产av又大| 一区二区三区乱码不卡18| 另类亚洲欧美激情| 亚洲精品乱久久久久久| 亚洲精品国产av蜜桃| 51午夜福利影视在线观看| 中文字幕最新亚洲高清| 成年av动漫网址| 免费观看人在逋| 中文字幕最新亚洲高清| 啦啦啦免费观看视频1| 成年人黄色毛片网站| 亚洲专区字幕在线| 美女高潮喷水抽搐中文字幕| 国产区一区二久久| 亚洲国产成人一精品久久久| 视频在线观看一区二区三区| 99国产精品一区二区三区| 18禁国产床啪视频网站| 一级片'在线观看视频| 国产成人欧美| 免费在线观看完整版高清| 丝袜美腿诱惑在线| 午夜免费成人在线视频| 国产日韩欧美在线精品| 久久精品人人爽人人爽视色| 久久九九热精品免费| 国产高清国产精品国产三级| 高清欧美精品videossex| www.自偷自拍.com| 国产欧美日韩精品亚洲av| 桃红色精品国产亚洲av| 免费av中文字幕在线| 不卡av一区二区三区| 亚洲国产精品999| 久久这里只有精品19| 亚洲午夜精品一区,二区,三区| 啦啦啦 在线观看视频| 婷婷丁香在线五月| 午夜两性在线视频| 亚洲av欧美aⅴ国产| 91精品国产国语对白视频| 午夜福利乱码中文字幕| 国产成人av教育| 欧美日韩精品网址| 亚洲性夜色夜夜综合| 青春草亚洲视频在线观看| videos熟女内射| 又大又爽又粗| 下体分泌物呈黄色| 精品少妇黑人巨大在线播放| 亚洲av国产av综合av卡| 人人妻人人添人人爽欧美一区卜| 韩国高清视频一区二区三区| 99国产精品免费福利视频| 国产一区二区三区av在线| 亚洲情色 制服丝袜| 国产日韩欧美视频二区| 在线天堂中文资源库| 亚洲熟女精品中文字幕| 9191精品国产免费久久| 亚洲国产看品久久| 亚洲人成电影观看| 啦啦啦视频在线资源免费观看| 成人av一区二区三区在线看 | 18禁黄网站禁片午夜丰满| 国精品久久久久久国模美| 少妇粗大呻吟视频| 肉色欧美久久久久久久蜜桃| 黑人猛操日本美女一级片| 国产成人免费无遮挡视频| 精品少妇久久久久久888优播| 精品国产一区二区三区四区第35| 午夜福利乱码中文字幕| 午夜福利视频在线观看免费| 日韩大片免费观看网站| 十八禁高潮呻吟视频| 美女高潮到喷水免费观看| 美女脱内裤让男人舔精品视频| 日本猛色少妇xxxxx猛交久久| 亚洲熟女毛片儿| 亚洲男人天堂网一区| 免费人妻精品一区二区三区视频| 久久午夜综合久久蜜桃| 国产精品久久久久久精品古装| 美女高潮喷水抽搐中文字幕| 国产熟女午夜一区二区三区| 99久久综合免费| 国产野战对白在线观看| 女警被强在线播放| 亚洲精品国产区一区二| 欧美精品一区二区大全| 老司机亚洲免费影院| 视频区欧美日本亚洲| 久久热在线av| 亚洲精品一二三| 2018国产大陆天天弄谢| 巨乳人妻的诱惑在线观看| 老司机午夜十八禁免费视频| 久久人人97超碰香蕉20202| 两性夫妻黄色片| 九色亚洲精品在线播放| 久久精品国产亚洲av高清一级| 王馨瑶露胸无遮挡在线观看| 午夜福利在线免费观看网站| 高潮久久久久久久久久久不卡| 在线永久观看黄色视频| 一级毛片电影观看| 考比视频在线观看| 免费av中文字幕在线| 亚洲第一av免费看| 亚洲国产av新网站| 亚洲av成人不卡在线观看播放网 | 高清欧美精品videossex| 亚洲男人天堂网一区| 欧美少妇被猛烈插入视频| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲伊人久久精品综合| 乱人伦中国视频| 亚洲人成电影免费在线| 丰满饥渴人妻一区二区三| 亚洲国产欧美一区二区综合| 97人妻天天添夜夜摸| 日本a在线网址| 搡老熟女国产l中国老女人| 国产精品.久久久| xxxhd国产人妻xxx| 亚洲精品美女久久av网站| 国产精品一区二区在线不卡| 久久毛片免费看一区二区三区| 日韩有码中文字幕| 黄色视频在线播放观看不卡| 国产精品.久久久| 狂野欧美激情性xxxx| 亚洲精品成人av观看孕妇| 亚洲精品粉嫩美女一区| 国产成人啪精品午夜网站| 不卡一级毛片| 国产成人精品久久二区二区91| 欧美久久黑人一区二区| 人妻久久中文字幕网| 国产成人精品久久二区二区免费| av欧美777| 国产色视频综合| 中文字幕高清在线视频| 考比视频在线观看| 桃红色精品国产亚洲av| 亚洲精品国产一区二区精华液| 人成视频在线观看免费观看| 国产伦理片在线播放av一区| 免费在线观看完整版高清| 久久中文字幕一级| 制服诱惑二区| 大码成人一级视频| 精品国产乱子伦一区二区三区 | 亚洲五月色婷婷综合| 日韩精品免费视频一区二区三区| 亚洲av电影在线进入| 99热国产这里只有精品6| 午夜福利在线观看吧| 啪啪无遮挡十八禁网站| 熟女少妇亚洲综合色aaa.| 精品少妇久久久久久888优播| 曰老女人黄片| 久久亚洲国产成人精品v| 欧美成狂野欧美在线观看| 亚洲欧美清纯卡通| 精品一品国产午夜福利视频| 一区二区三区精品91| 一级毛片精品| 午夜福利视频在线观看免费| 黄频高清免费视频| 午夜久久久在线观看| 丝袜在线中文字幕| 日韩视频一区二区在线观看| 国产亚洲欧美精品永久| 久久精品亚洲熟妇少妇任你| 亚洲精品久久成人aⅴ小说| 91国产中文字幕| 亚洲精品久久午夜乱码| 亚洲国产毛片av蜜桃av| 久久性视频一级片| 精品卡一卡二卡四卡免费| 日韩 欧美 亚洲 中文字幕| 日本vs欧美在线观看视频| 91字幕亚洲| 操出白浆在线播放| av天堂在线播放| 黄色片一级片一级黄色片| 12—13女人毛片做爰片一| 如日韩欧美国产精品一区二区三区| 麻豆乱淫一区二区| 欧美日韩视频精品一区| 18禁观看日本| 国产一区二区在线观看av| 人人妻,人人澡人人爽秒播| 亚洲国产av影院在线观看| 国产在线一区二区三区精| 菩萨蛮人人尽说江南好唐韦庄| 99国产极品粉嫩在线观看| 色婷婷av一区二区三区视频| 亚洲欧美色中文字幕在线| 国产一区二区在线观看av| 精品人妻1区二区| 桃花免费在线播放| 亚洲第一av免费看| 欧美国产精品一级二级三级| 国产精品国产av在线观看| av一本久久久久| 宅男免费午夜| 亚洲 欧美一区二区三区| 亚洲精品国产精品久久久不卡| 一级毛片精品| 最近中文字幕2019免费版| 无限看片的www在线观看| 肉色欧美久久久久久久蜜桃| 国产一区二区 视频在线| 成年动漫av网址| 在线精品无人区一区二区三| 十八禁网站网址无遮挡| 国产成人欧美在线观看 | 黑丝袜美女国产一区| 免费av中文字幕在线| 乱人伦中国视频| 汤姆久久久久久久影院中文字幕| 亚洲精品久久久久久婷婷小说| 亚洲欧美一区二区三区久久| 91麻豆精品激情在线观看国产 | 精品少妇久久久久久888优播| 精品一区二区三卡| 制服诱惑二区| 老司机在亚洲福利影院| 精品国产一区二区三区久久久樱花| 91大片在线观看| 国产深夜福利视频在线观看| 中国美女看黄片| 在线观看舔阴道视频| 精品人妻熟女毛片av久久网站| 久久久久视频综合| 中文字幕制服av| 中国美女看黄片| 天堂俺去俺来也www色官网| 成人黄色视频免费在线看| 久久久久久人人人人人| 亚洲欧美成人综合另类久久久| 无限看片的www在线观看| 国产一区二区激情短视频 | 日本91视频免费播放| 美女主播在线视频| 热re99久久精品国产66热6| 久久久久久久久久久久大奶| av不卡在线播放| 午夜福利免费观看在线| xxxhd国产人妻xxx| 高清视频免费观看一区二区| 中文字幕最新亚洲高清| 久久精品aⅴ一区二区三区四区| 极品人妻少妇av视频| 国产精品久久久久久精品古装| 欧美精品一区二区大全| 永久免费av网站大全| 午夜免费观看性视频| 精品久久久久久久毛片微露脸 | 欧美xxⅹ黑人| 一级毛片电影观看| 亚洲精品中文字幕在线视频| 男女免费视频国产| 王馨瑶露胸无遮挡在线观看| 精品福利永久在线观看| 少妇精品久久久久久久| 亚洲五月婷婷丁香| 亚洲一区中文字幕在线| 欧美激情高清一区二区三区| 国产免费视频播放在线视频| 两个人免费观看高清视频| 国产男女内射视频| 日韩视频在线欧美| 国产区一区二久久| 午夜精品国产一区二区电影| 成人黄色视频免费在线看| 妹子高潮喷水视频| 久久九九热精品免费| 一区二区三区激情视频| av网站免费在线观看视频| 欧美日韩国产mv在线观看视频| 19禁男女啪啪无遮挡网站| 50天的宝宝边吃奶边哭怎么回事| 国产主播在线观看一区二区| 自拍欧美九色日韩亚洲蝌蚪91| 91成人精品电影| 国产一区二区在线观看av| 亚洲少妇的诱惑av| 日韩制服骚丝袜av| 日韩制服丝袜自拍偷拍| 人人妻人人澡人人看| 久久久久久久大尺度免费视频| 啪啪无遮挡十八禁网站| 夜夜骑夜夜射夜夜干| 久久女婷五月综合色啪小说| 久久久久久久久免费视频了| 1024香蕉在线观看| 法律面前人人平等表现在哪些方面 | 美女大奶头黄色视频| 一级毛片女人18水好多| 久热这里只有精品99| 欧美一级毛片孕妇| 久久精品国产a三级三级三级| 别揉我奶头~嗯~啊~动态视频 | 电影成人av| 老司机影院成人| 少妇被粗大的猛进出69影院| 超色免费av| 秋霞在线观看毛片| 又大又爽又粗| 97精品久久久久久久久久精品| 欧美精品人与动牲交sv欧美| 曰老女人黄片| 人成视频在线观看免费观看| www日本在线高清视频| 成年美女黄网站色视频大全免费| 我要看黄色一级片免费的| 欧美日韩亚洲综合一区二区三区_| 在线观看舔阴道视频| 丝袜美腿诱惑在线| 超碰成人久久| 国产福利在线免费观看视频| 亚洲欧美精品综合一区二区三区| 久久久久久久久久久久大奶| 老熟妇乱子伦视频在线观看 | 久久久国产欧美日韩av| 最近最新中文字幕大全免费视频| 91精品国产国语对白视频| 99国产精品免费福利视频| 国产成人av激情在线播放| 国产欧美日韩一区二区三 | 日本av手机在线免费观看| 1024香蕉在线观看| 黑人欧美特级aaaaaa片| 一二三四社区在线视频社区8| 亚洲精品久久午夜乱码| 人人妻人人爽人人添夜夜欢视频| av一本久久久久| 黄片小视频在线播放| 国产高清国产精品国产三级| 日韩欧美一区二区三区在线观看 | 建设人人有责人人尽责人人享有的| 亚洲av国产av综合av卡| 99热全是精品| 久久九九热精品免费| 黄色 视频免费看| 日韩有码中文字幕| 久久人人97超碰香蕉20202| 久久这里只有精品19| 91成人精品电影| 亚洲第一欧美日韩一区二区三区 | 婷婷成人精品国产| 免费在线观看黄色视频的| 丝瓜视频免费看黄片| 操美女的视频在线观看| 亚洲欧美色中文字幕在线| 一级片'在线观看视频| 久热这里只有精品99| av有码第一页| 国产免费一区二区三区四区乱码| 天堂中文最新版在线下载| www日本在线高清视频| 亚洲欧美一区二区三区黑人| 黄色视频在线播放观看不卡| 视频在线观看一区二区三区| 777久久人妻少妇嫩草av网站| 最近最新中文字幕大全免费视频| 欧美精品啪啪一区二区三区 | 国产成人欧美在线观看 | 50天的宝宝边吃奶边哭怎么回事| 人人妻人人爽人人添夜夜欢视频| 黄色a级毛片大全视频| 人人妻人人爽人人添夜夜欢视频| 看免费av毛片| 视频区欧美日本亚洲| 欧美日韩国产mv在线观看视频| 免费高清在线观看日韩| 一本综合久久免费| 国产福利在线免费观看视频| 亚洲专区国产一区二区| 91国产中文字幕| 中文字幕制服av| 亚洲av男天堂| 精品一品国产午夜福利视频| 正在播放国产对白刺激| 亚洲人成77777在线视频| 日韩中文字幕欧美一区二区| 少妇的丰满在线观看| 一二三四社区在线视频社区8| 国产精品久久久久久精品电影小说| 亚洲欧美成人综合另类久久久| 亚洲精品一二三| av不卡在线播放| 久久精品久久久久久噜噜老黄| 他把我摸到了高潮在线观看 | 久久久国产欧美日韩av| 免费在线观看日本一区| 久久免费观看电影| 精品人妻一区二区三区麻豆| 午夜免费鲁丝| 欧美精品一区二区大全| av天堂在线播放| 我的亚洲天堂| 一级片免费观看大全| 精品亚洲乱码少妇综合久久| 青青草视频在线视频观看| 国产福利在线免费观看视频| 国产精品影院久久| 黄色a级毛片大全视频| 美女大奶头黄色视频| 国产日韩欧美亚洲二区| 免费在线观看日本一区| 亚洲精品自拍成人| 午夜影院在线不卡| 91精品国产国语对白视频| 黄片大片在线免费观看| 美女中出高潮动态图| 欧美日韩国产mv在线观看视频| 国产色视频综合| 午夜免费观看性视频| 亚洲专区字幕在线| 一进一出抽搐动态|