• <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
    动漫黄色视频在线观看| 久久久久九九精品影院| 香蕉av资源在线| 伦理电影大哥的女人| 日韩大尺度精品在线看网址| a级毛片免费高清观看在线播放| 男女下面进入的视频免费午夜| 少妇被粗大猛烈的视频| 黄色日韩在线| 欧美激情国产日韩精品一区| 国产熟女xx| 69av精品久久久久久| 女生性感内裤真人,穿戴方法视频| 精品一区二区免费观看| 91字幕亚洲| 婷婷精品国产亚洲av| 深夜a级毛片| 成人国产一区最新在线观看| 日本免费一区二区三区高清不卡| 全区人妻精品视频| 国产精品一区二区性色av| 久久精品91蜜桃| 欧美区成人在线视频| 国产熟女xx| 国产精品亚洲av一区麻豆| 亚洲狠狠婷婷综合久久图片| 噜噜噜噜噜久久久久久91| 深爱激情五月婷婷| 精品无人区乱码1区二区| 欧美最黄视频在线播放免费| 日韩精品青青久久久久久| 久久久久久国产a免费观看| 男人和女人高潮做爰伦理| 国产又黄又爽又无遮挡在线| 一级黄色大片毛片| 宅男免费午夜| 真人一进一出gif抽搐免费| 久久草成人影院| 中文在线观看免费www的网站| 色综合婷婷激情| 网址你懂的国产日韩在线| 好男人电影高清在线观看| 精品人妻视频免费看| 日本精品一区二区三区蜜桃| 久久天躁狠狠躁夜夜2o2o| 51国产日韩欧美| 色av中文字幕| 精品久久久久久久久久免费视频| 国产黄片美女视频| 国产三级在线视频| 天堂动漫精品| 高清毛片免费观看视频网站| 成人亚洲精品av一区二区| 小蜜桃在线观看免费完整版高清| 小说图片视频综合网站| 少妇丰满av| 亚洲狠狠婷婷综合久久图片| 美女 人体艺术 gogo| 天堂影院成人在线观看| 亚洲av五月六月丁香网| 久久国产乱子伦精品免费另类| 天堂动漫精品| 最近最新免费中文字幕在线| 首页视频小说图片口味搜索| 丁香六月欧美| 小说图片视频综合网站| 色综合亚洲欧美另类图片| 偷拍熟女少妇极品色| 国产欧美日韩一区二区精品| 久久人妻av系列| 国产免费男女视频| 久久人人精品亚洲av| 天堂动漫精品| 久久久久九九精品影院| 一卡2卡三卡四卡精品乱码亚洲| 一卡2卡三卡四卡精品乱码亚洲| 国产在线男女| 午夜福利在线观看免费完整高清在 | 亚洲一区二区三区色噜噜| 一区福利在线观看| 欧美一区二区亚洲| 老司机午夜十八禁免费视频| 亚洲午夜理论影院| 日韩免费av在线播放| 美女黄网站色视频| 91麻豆精品激情在线观看国产| 偷拍熟女少妇极品色| 99精品久久久久人妻精品| 久久久久精品国产欧美久久久| 熟妇人妻久久中文字幕3abv| 婷婷色综合大香蕉| 欧美精品国产亚洲| 亚洲av免费高清在线观看| 国产久久久一区二区三区| 成人欧美大片| 精品一区二区三区人妻视频| 深夜精品福利| 一本久久中文字幕| 精品一区二区三区av网在线观看| 免费无遮挡裸体视频| 亚洲美女黄片视频| 哪里可以看免费的av片| 婷婷丁香在线五月| 国产精品人妻久久久久久| 熟女电影av网| 久久99热这里只有精品18| 99国产综合亚洲精品| 久久久国产成人免费| 中文字幕免费在线视频6| 在线观看舔阴道视频| 不卡一级毛片| 国产免费av片在线观看野外av| 日本免费a在线| 欧美bdsm另类| 成年女人看的毛片在线观看| 午夜福利高清视频| 一级a爱片免费观看的视频| 日韩欧美一区二区三区在线观看| 国产av不卡久久| or卡值多少钱| 一个人免费在线观看电影| 一夜夜www| 夜夜爽天天搞| 日本 欧美在线| 欧美激情在线99| 十八禁人妻一区二区| 国产精华一区二区三区| 少妇人妻精品综合一区二区 | 麻豆成人av在线观看| 身体一侧抽搐| 12—13女人毛片做爰片一| 日韩精品青青久久久久久| 欧美黄色片欧美黄色片| 嫩草影院新地址| 精品人妻熟女av久视频| 高潮久久久久久久久久久不卡| 国产一级毛片七仙女欲春2| 亚洲内射少妇av| aaaaa片日本免费| 少妇熟女aⅴ在线视频| 国产蜜桃级精品一区二区三区| 亚洲最大成人手机在线| 欧美激情国产日韩精品一区| 男女床上黄色一级片免费看| 亚洲精品456在线播放app | 色在线成人网| 久久性视频一级片| 亚洲中文日韩欧美视频| 久久婷婷人人爽人人干人人爱| 男人和女人高潮做爰伦理| 9191精品国产免费久久| 在线免费观看的www视频| 国产成人av教育| 特级一级黄色大片| 丰满人妻一区二区三区视频av| 国产美女午夜福利| 三级男女做爰猛烈吃奶摸视频| 天堂动漫精品| 亚洲人成网站在线播| 亚洲人成网站在线播放欧美日韩| 免费大片18禁| 精品一区二区三区av网在线观看| 亚洲精品成人久久久久久| 欧美成人一区二区免费高清观看| 中文资源天堂在线| 男女床上黄色一级片免费看| 婷婷丁香在线五月| 好男人电影高清在线观看| 日本a在线网址| 精品久久久久久久久久久久久| 99久久久亚洲精品蜜臀av| 国产黄色小视频在线观看| 国产av一区在线观看免费| ponron亚洲| 搡老妇女老女人老熟妇| 国产色婷婷99| 男女下面进入的视频免费午夜| 久久久色成人| h日本视频在线播放| 亚洲熟妇中文字幕五十中出| 精品99又大又爽又粗少妇毛片 | 亚洲国产欧洲综合997久久,| 亚洲精品456在线播放app | 五月玫瑰六月丁香| 桃色一区二区三区在线观看| 永久网站在线| 欧美黑人巨大hd| 国产av麻豆久久久久久久| 久久国产乱子免费精品| 国产真实乱freesex| 亚洲va日本ⅴa欧美va伊人久久| 免费电影在线观看免费观看| 婷婷丁香在线五月| 免费在线观看影片大全网站| 一区二区三区免费毛片| 国产精品不卡视频一区二区 | 成人一区二区视频在线观看| 一区福利在线观看| 桃色一区二区三区在线观看| 每晚都被弄得嗷嗷叫到高潮| 欧美在线一区亚洲| 午夜免费男女啪啪视频观看 | 亚洲美女黄片视频| 国产精华一区二区三区| 婷婷亚洲欧美| 舔av片在线| 中文在线观看免费www的网站| 午夜免费成人在线视频| 久久久久国内视频| 757午夜福利合集在线观看| www.999成人在线观看| 男人狂女人下面高潮的视频| 大型黄色视频在线免费观看| a在线观看视频网站| netflix在线观看网站| 婷婷六月久久综合丁香| 成人鲁丝片一二三区免费| 久久精品91蜜桃| 观看美女的网站| 淫妇啪啪啪对白视频| 亚洲成人中文字幕在线播放| 非洲黑人性xxxx精品又粗又长| 波野结衣二区三区在线| 丰满乱子伦码专区| 国产色爽女视频免费观看| 国产午夜精品久久久久久一区二区三区 | 成人永久免费在线观看视频| 国产一区二区在线av高清观看| 亚洲第一欧美日韩一区二区三区| 又粗又爽又猛毛片免费看| 欧美xxxx黑人xx丫x性爽| 赤兔流量卡办理| 久久精品国产清高在天天线| 成人鲁丝片一二三区免费| 身体一侧抽搐| 精品免费久久久久久久清纯| 免费av观看视频| 日韩欧美一区二区三区在线观看| 人妻久久中文字幕网| 一区二区三区高清视频在线| 在线观看午夜福利视频| 白带黄色成豆腐渣| a级毛片免费高清观看在线播放| av黄色大香蕉| 最新中文字幕久久久久| 国产成人欧美在线观看| 国产爱豆传媒在线观看| 久久午夜福利片| 亚洲一区二区三区不卡视频| 久久久久久久午夜电影| 日本黄大片高清| 男女床上黄色一级片免费看| 国产亚洲av嫩草精品影院| 国内久久婷婷六月综合欲色啪| 757午夜福利合集在线观看| www日本黄色视频网| 性插视频无遮挡在线免费观看| 日本在线视频免费播放| 亚洲经典国产精华液单 | 乱码一卡2卡4卡精品| 亚洲精品在线美女| 少妇的逼好多水| aaaaa片日本免费| 在线播放无遮挡| 国产男靠女视频免费网站| 乱人视频在线观看| 久久精品国产99精品国产亚洲性色| 欧美激情久久久久久爽电影| 男女下面进入的视频免费午夜| 亚洲五月婷婷丁香| 欧美潮喷喷水| 午夜福利18| 91久久精品国产一区二区成人| 精品久久久久久久久久久久久| 身体一侧抽搐| 国产精品自产拍在线观看55亚洲| 欧美另类亚洲清纯唯美| 成人特级黄色片久久久久久久| 亚洲精品粉嫩美女一区| 精品熟女少妇八av免费久了| 麻豆一二三区av精品| 日本免费一区二区三区高清不卡| 日本精品一区二区三区蜜桃| 亚洲人与动物交配视频| 91九色精品人成在线观看| 男女下面进入的视频免费午夜| 少妇人妻精品综合一区二区 | 丝袜美腿在线中文| 亚洲欧美日韩东京热| 丰满乱子伦码专区| 99久久精品一区二区三区| 国产私拍福利视频在线观看| 亚洲国产精品久久男人天堂| 久久精品夜夜夜夜夜久久蜜豆| 夜夜夜夜夜久久久久| 免费在线观看影片大全网站| 精品欧美国产一区二区三| 久久国产精品影院| 一区二区三区免费毛片| 国产乱人伦免费视频| 99国产综合亚洲精品| 日日摸夜夜添夜夜添小说| 美女黄网站色视频| 国产aⅴ精品一区二区三区波| 一区福利在线观看| 精品午夜福利视频在线观看一区| 深夜a级毛片| 在线免费观看不下载黄p国产 | 国产精品三级大全| 人妻丰满熟妇av一区二区三区| 婷婷六月久久综合丁香| 久久精品国产亚洲av天美| 午夜福利18| 中文字幕精品亚洲无线码一区| av在线蜜桃| 亚洲欧美清纯卡通| 亚洲成人免费电影在线观看| 中国美女看黄片| 老熟妇乱子伦视频在线观看| 亚洲av熟女| 国产伦一二天堂av在线观看| 一个人免费在线观看的高清视频| 18+在线观看网站| 久久人人爽人人爽人人片va | 婷婷六月久久综合丁香| 别揉我奶头 嗯啊视频| eeuss影院久久| 久久草成人影院| 国产野战对白在线观看| 色视频www国产| 国产精品久久久久久亚洲av鲁大| 国产美女午夜福利| 中文字幕av成人在线电影| 欧美成狂野欧美在线观看| 国产亚洲精品久久久久久毛片| 欧美成人a在线观看| 欧美精品啪啪一区二区三区| 久久久久久久精品吃奶| 亚洲色图av天堂| 亚洲av熟女| 免费看光身美女| 欧美日韩乱码在线| 免费看光身美女| 欧美一区二区亚洲| 日韩国内少妇激情av| 我要搜黄色片| 老司机深夜福利视频在线观看| 偷拍熟女少妇极品色| 亚洲国产日韩欧美精品在线观看| 国产精品自产拍在线观看55亚洲| 成人永久免费在线观看视频| 嫩草影院新地址| 内射极品少妇av片p| 超碰av人人做人人爽久久| 赤兔流量卡办理| 女生性感内裤真人,穿戴方法视频| 看免费av毛片| 国产黄a三级三级三级人| 淫妇啪啪啪对白视频| 美女高潮喷水抽搐中文字幕| 淫妇啪啪啪对白视频| 美女高潮喷水抽搐中文字幕| 国产探花在线观看一区二区| 亚洲内射少妇av| 99精品在免费线老司机午夜| 欧美性猛交黑人性爽| 可以在线观看毛片的网站| 变态另类丝袜制服| 午夜免费男女啪啪视频观看 | 亚洲国产欧洲综合997久久,| 国产av麻豆久久久久久久| 国产欧美日韩精品亚洲av| 精品久久久久久久久久免费视频| 精品乱码久久久久久99久播| 精品一区二区三区av网在线观看| 床上黄色一级片| 亚洲av成人精品一区久久| 美女高潮喷水抽搐中文字幕| 免费人成在线观看视频色| 黄色女人牲交| 真实男女啪啪啪动态图| 少妇的逼好多水| 日日摸夜夜添夜夜添小说| 欧美一区二区国产精品久久精品| 韩国av一区二区三区四区| 深爱激情五月婷婷| 日韩精品中文字幕看吧| 国产精品久久视频播放| 国产午夜福利久久久久久| 一本一本综合久久| 精品人妻偷拍中文字幕| 国产亚洲欧美98| 国产午夜精品久久久久久一区二区三区 | 男人舔女人下体高潮全视频| 黄色丝袜av网址大全| 国产精品一及| 欧美最黄视频在线播放免费| 国产精品日韩av在线免费观看| 国产激情偷乱视频一区二区| 国产精品自产拍在线观看55亚洲| 欧美绝顶高潮抽搐喷水| 欧美成人a在线观看| 国产老妇女一区| 桃红色精品国产亚洲av| 国产高清视频在线播放一区| 日本撒尿小便嘘嘘汇集6| av在线观看视频网站免费| 国产单亲对白刺激| 草草在线视频免费看| 日韩欧美国产在线观看| 亚洲av成人av| 在线国产一区二区在线| 少妇裸体淫交视频免费看高清| 两性午夜刺激爽爽歪歪视频在线观看| 天天躁日日操中文字幕| 国产极品精品免费视频能看的| 一级作爱视频免费观看| 自拍偷自拍亚洲精品老妇| 国产精品亚洲av一区麻豆| 成人三级黄色视频| 亚洲精品乱码久久久v下载方式| 国产蜜桃级精品一区二区三区| 国产 一区 欧美 日韩| 长腿黑丝高跟| 亚洲成av人片在线播放无| 99热这里只有精品一区| 婷婷精品国产亚洲av在线| 高清毛片免费观看视频网站| 特级一级黄色大片| 有码 亚洲区| 午夜久久久久精精品| 亚洲国产精品999在线| 国产精品嫩草影院av在线观看 | 欧美绝顶高潮抽搐喷水| 亚洲无线在线观看| 免费人成在线观看视频色| 高清日韩中文字幕在线| 校园春色视频在线观看| 91av网一区二区| 91麻豆av在线| 美女大奶头视频| 国产精品亚洲av一区麻豆| 在线观看av片永久免费下载| 精品一区二区三区视频在线| 国产精品亚洲一级av第二区| 日韩av在线大香蕉| 亚洲欧美日韩东京热| 日韩欧美免费精品| 亚洲国产日韩欧美精品在线观看| 欧美一区二区国产精品久久精品| 国产色婷婷99| 美女黄网站色视频| 欧美另类亚洲清纯唯美| 精品午夜福利在线看| 亚洲三级黄色毛片| 99国产综合亚洲精品| 白带黄色成豆腐渣| 午夜精品在线福利| 国产精品久久久久久亚洲av鲁大| 午夜福利成人在线免费观看| 男女床上黄色一级片免费看| 中文资源天堂在线| 色精品久久人妻99蜜桃| 久久久久久九九精品二区国产| 欧美3d第一页| 亚洲综合色惰| 丁香六月欧美| 一个人免费在线观看电影| 在线观看66精品国产| 精品一区二区三区视频在线| 深夜a级毛片| 又爽又黄a免费视频| 有码 亚洲区| 特级一级黄色大片| 一本久久中文字幕| av天堂在线播放| 国产成人啪精品午夜网站| 国产精品一区二区三区四区久久| 色5月婷婷丁香| 亚洲黑人精品在线| 亚洲第一区二区三区不卡| 51国产日韩欧美| 亚洲国产精品999在线| 日韩欧美国产在线观看| a级毛片a级免费在线| 日本熟妇午夜| 亚洲av免费高清在线观看| 亚洲真实伦在线观看| 别揉我奶头 嗯啊视频| 变态另类丝袜制服| 可以在线观看毛片的网站| 国产国拍精品亚洲av在线观看| 中文资源天堂在线| 亚洲精品久久国产高清桃花| 97碰自拍视频| 国产精品永久免费网站| 有码 亚洲区| 亚洲欧美日韩东京热| 免费观看的影片在线观看| 日韩欧美国产一区二区入口| 精品久久久久久成人av| 亚洲精品粉嫩美女一区| 黄色配什么色好看| 成年人黄色毛片网站| 国产av在哪里看| www.熟女人妻精品国产| 国产三级黄色录像| 好看av亚洲va欧美ⅴa在| or卡值多少钱| 国产伦一二天堂av在线观看| 欧美午夜高清在线| 一夜夜www| 91在线观看av| 最近视频中文字幕2019在线8| 日本五十路高清| 亚洲人成伊人成综合网2020| av中文乱码字幕在线| 女人被狂操c到高潮| 午夜福利18| 俺也久久电影网| 国产老妇女一区| 美女cb高潮喷水在线观看| 亚洲经典国产精华液单 | 婷婷丁香在线五月| 午夜福利欧美成人| 婷婷丁香在线五月| 欧美bdsm另类| 国产成人啪精品午夜网站| 午夜福利欧美成人| 亚洲美女搞黄在线观看 | 看黄色毛片网站| 亚洲av电影在线进入| 国产亚洲精品综合一区在线观看| 俄罗斯特黄特色一大片| 欧美绝顶高潮抽搐喷水| 狠狠狠狠99中文字幕| 白带黄色成豆腐渣| 欧美xxxx黑人xx丫x性爽| 国产精品久久久久久久电影| 禁无遮挡网站| 国产精品综合久久久久久久免费| 亚洲人与动物交配视频| 久久久久亚洲av毛片大全| 免费看日本二区| 国产高清视频在线观看网站| 国内精品一区二区在线观看| 可以在线观看的亚洲视频| av欧美777| 看片在线看免费视频| 哪里可以看免费的av片| 直男gayav资源| 婷婷六月久久综合丁香| 日本一本二区三区精品| 久久人人爽人人爽人人片va | 黄色日韩在线| 性插视频无遮挡在线免费观看| 99视频精品全部免费 在线| 最近中文字幕高清免费大全6 | av在线老鸭窝| 一二三四社区在线视频社区8| 免费人成在线观看视频色| 琪琪午夜伦伦电影理论片6080| 欧美高清成人免费视频www| 我要搜黄色片| 日韩精品中文字幕看吧| 欧美成人一区二区免费高清观看| 熟女电影av网| 国产真实乱freesex| 国产男靠女视频免费网站| 成年女人毛片免费观看观看9| 国产主播在线观看一区二区| 蜜桃久久精品国产亚洲av| 亚洲综合色惰| 成人一区二区视频在线观看| av在线天堂中文字幕| 亚洲最大成人中文| 日韩欧美精品免费久久 | 日韩亚洲欧美综合| 国产不卡一卡二| 国产精品野战在线观看| 天天躁日日操中文字幕| 亚洲av成人不卡在线观看播放网| 国产在视频线在精品| 日本免费a在线| 欧美一区二区精品小视频在线| 国内久久婷婷六月综合欲色啪| 国产一区二区三区在线臀色熟女| 欧美三级亚洲精品| 99久国产av精品| 亚洲av日韩精品久久久久久密| 国产亚洲精品久久久久久毛片| 99久国产av精品| 亚洲无线在线观看| 久久精品91蜜桃| 欧美另类亚洲清纯唯美| 噜噜噜噜噜久久久久久91| 精品一区二区三区视频在线观看免费| 老司机午夜福利在线观看视频| 成年女人永久免费观看视频| 久久香蕉精品热| 老司机福利观看| 中文字幕熟女人妻在线| 国产一区二区三区视频了| 一卡2卡三卡四卡精品乱码亚洲| 综合色av麻豆| 成年女人看的毛片在线观看| 精品久久久久久成人av| 99国产综合亚洲精品| 国产高潮美女av| 日韩欧美国产在线观看| 亚洲七黄色美女视频| 男人舔奶头视频| 欧美一级a爱片免费观看看| 日本 欧美在线| 久久国产乱子免费精品|