• <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 ?

    不平衡標(biāo)記差異性多標(biāo)記特征選擇算法

    2020-05-23 10:57:54王一賓程玉勝江健生
    關(guān)鍵詞:互信息特征選擇分類器

    王一賓,吳 陳,程玉勝,江健生

    1)安慶師范大學(xué)計(jì)算機(jī)與信息院,安徽安慶 246133;2)安徽省高校智能感知與計(jì)算重點(diǎn)實(shí)驗(yàn)室,安徽安慶 246133

    現(xiàn)實(shí)世界廣泛存在著多標(biāo)記學(xué)習(xí)對象,多標(biāo)記學(xué)習(xí)已日漸成為機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和深度學(xué)習(xí)[1-2]等領(lǐng)域的研究熱點(diǎn)之一.這些標(biāo)記之間并非相互獨(dú)立的,而是有著一定的關(guān)聯(lián),如一篇新聞報(bào)道可能同時(shí)屬于“經(jīng)濟(jì)”、“體育”和“國家”;人的面部表情可能同時(shí)被“開心”、“激動”和“興奮”等標(biāo)記.因此,如何利用標(biāo)記的相關(guān)性構(gòu)造出泛化性較強(qiáng)的分類器是多標(biāo)記學(xué)習(xí)的關(guān)鍵之一[3].劉軍煜等[4]通過挖掘標(biāo)記之間的關(guān)聯(lián)性,提出一種關(guān)聯(lián)規(guī)則挖掘的多標(biāo)記分類算法.何志芬等[5]提出基于多標(biāo)記分類和標(biāo)記相關(guān)性的聯(lián)合學(xué)習(xí).蔡亞萍等[6]利用標(biāo)記的局部相關(guān)性進(jìn)行多標(biāo)記學(xué)習(xí)和分類.吳磊等[7]通過構(gòu)建標(biāo)記的類屬屬性提出基于類屬屬性的多標(biāo)記學(xué)習(xí)算法.王一賓等[8]通過關(guān)聯(lián)規(guī)則分析標(biāo)記空間并提出一種基于回歸核極限學(xué)習(xí)機(jī)的多標(biāo)記分類算法.例如,在某個(gè)實(shí)例中,是否有該標(biāo)記與實(shí)例的特征屬性密切相關(guān),如“感冒”和“肺炎”都有“發(fā)燒”和“咳嗽”癥狀,但若還有“流鼻涕”癥狀,則“感冒”的可能性要大于“肺炎”,此現(xiàn)象被稱為標(biāo)記的不平衡性.標(biāo)記的不平衡性廣泛存在于現(xiàn)實(shí)世界中,也正是由于標(biāo)記的不平衡性造成了不同標(biāo)記對樣本實(shí)例的描述程度存在一定的差異性,有些標(biāo)記出現(xiàn)的頻率較多,能描述大部分的樣本;而有些標(biāo)記僅僅存在于少量樣本中,但往往這一小部分的標(biāo)記卻包含了很多信息.可見,實(shí)例的特征會直接影響到標(biāo)記的結(jié)果,因此,研究特征與標(biāo)記的相關(guān)性十分重要.

    傳統(tǒng)處理不平衡性標(biāo)記的方法大多是先通過抽樣或重采樣將不平衡數(shù)據(jù)處理為平衡數(shù)據(jù)再進(jìn)行研究,但是這種方式常會改變原數(shù)據(jù)集屬性,丟失部分信息,降低分類器的分類精度.若能將不同標(biāo)記包含的信息加入到分類過程中,則不僅能保留特征空間的原始屬性,還能提高分類器的精度.在多標(biāo)記學(xué)習(xí)中,為更準(zhǔn)確的描述樣本實(shí)例,往往需要大量特征,且特征越多描述越準(zhǔn)確.但隨著特征數(shù)據(jù)的增加,弱相關(guān)特征和冗余特征也增多,嚴(yán)重影響到分類器的分類精度,甚至造成誤分類.因此,需先對特征數(shù)據(jù)進(jìn)行降維.特征選擇是一種廣泛使用且有效的降維方法,經(jīng)過解析樣本特征與標(biāo)記之間的相關(guān)性,選擇出相關(guān)性高且冗余性小的特征作為特征子集進(jìn)行分類訓(xùn)練與預(yù)測[9].張振海等[10]提出一類基于信息熵的多標(biāo)記特征選擇算法.劉景華等[11]基于互信息提出基于局部子空間的特征選擇算法.LIN等[12-13]通過擴(kuò)展互信息提出一種基于鄰域互信息的多標(biāo)記特征選擇算法,進(jìn)而又提出一種基于模糊互信息的特征選擇算法.

    研究發(fā)現(xiàn),在多標(biāo)記學(xué)習(xí)中,由于標(biāo)記對樣本的描述存在差異性,即在每個(gè)標(biāo)記下正類與負(fù)類出現(xiàn)的頻率不一樣,這種標(biāo)記頻率分布可為多標(biāo)記學(xué)習(xí)的研究提供一定的輔助信息,從而提高分類的精度[14].本研究提出一種不平衡標(biāo)記差異性多標(biāo)記特征選擇(multi-label feature selection algorithm with imbalance label otherness, MSIO)算法,首先計(jì)算標(biāo)記空間中,記錄每個(gè)標(biāo)記下正標(biāo)記(正類)樣本和負(fù)標(biāo)記(負(fù)類)樣本出現(xiàn)的頻率分布,并作為相應(yīng)標(biāo)記的權(quán)值保存在權(quán)值矩陣中;其次,考慮到標(biāo)記空間中的標(biāo)記包含一些輔助信息結(jié)合信息熵設(shè)計(jì)相應(yīng)的度量方法以度量特征與標(biāo)記之間的相關(guān)性;最后,根據(jù)所構(gòu)造出的模型提出不平衡標(biāo)記差異性多標(biāo)記特征選擇算法.在11個(gè)常用公開數(shù)據(jù)集上與5個(gè)常用的多標(biāo)記特征選擇算法[15]對比,證明MSIO算法可提高分類器的分類精度.

    1 相關(guān)知識

    1.1 多標(biāo)記學(xué)習(xí)框架

    多標(biāo)記學(xué)習(xí)是一種針對實(shí)際生活中普遍存在的多義性現(xiàn)象的學(xué)習(xí)框架,在此框架下,樣本由多個(gè)特征和多個(gè)標(biāo)記構(gòu)成,學(xué)習(xí)目的是將未知的實(shí)例對應(yīng)上更多正確的標(biāo)記[16].

    假設(shè)T是由n個(gè)特征組成的特征集合T={t1,t2, …,tn},L是由m個(gè)標(biāo)記組成的標(biāo)記集合L={l1,l2, …,lm}, 在標(biāo)記集合中,有該標(biāo)記為1,否則為0,則含有z個(gè)樣本的多標(biāo)記數(shù)據(jù)集表示為

    DataSet={(Ti,Li)|1≤i≤z,Ti∈T,Li∈L}

    (1)

    1.2 信息熵與互信息

    定義1[11]若X={x1,x2, …,xm}為隨機(jī)變量,xi的概率為p(xi), 則X的不確定性期望為

    (2)

    H(X)亦被稱為隨機(jī)變量X的熵,其值越小表示X的期望和不確定性程度越?。?/p>

    定義2[11]設(shè)隨機(jī)變量X={x1,x2, …,xm}和Y={y1,y2, …,yn}, 則X和Y的聯(lián)合熵為

    (3)

    定義3[11]設(shè)隨機(jī)變量X={x1,x2, …,xm},Y={y1,y2, …,yn}, 則Y在X條件下的條件熵為

    (4)

    H(Y|X)可用來度量Y在給定X時(shí)的不確定性程度.

    定義4[11]若X和Y為已給定的隨機(jī)變量,則定義X與Y之間的互信息為

    (5)

    I(X;Y)用于衡量隨機(jī)變量X和Y的相關(guān)性,I(X;Y)越大,表明X與Y之間的相關(guān)性越大.同時(shí),互信息還滿足以下關(guān)系

    I(X;Y)=H(X)+H(Y)-H(X,Y)=

    H(X)-H(X|Y)=

    H(Y)-H(Y|X)

    (6)

    2 不平衡標(biāo)記差異性多標(biāo)記特征選擇

    2.1 特征與標(biāo)記集合的互信息

    在多標(biāo)記學(xué)習(xí)中,一個(gè)樣本由多個(gè)特征和標(biāo)記描述,則特征與標(biāo)記集合之間的互信息可定義為:

    定義5[11]對于給定描述樣本的特征f和標(biāo)記集合L={l1,l2, …,lm}, ?li∈L,i=1, 2,…,m, 若特征f與標(biāo)記li之間的互信息為I(f;li), 則特征f與標(biāo)記集合L之間的互信息為

    (7)

    由I(f;li)≥0可知, IML(f;L)≥0. 當(dāng)f和L相互獨(dú)立時(shí),等號成立,此時(shí)特征與標(biāo)記之間不提供任何信息,即該特征與標(biāo)記空間互信息為最小值. 互信息值越大, 特征與標(biāo)記之間的關(guān)系越密切.

    同理,式(8)和式(9)成立.

    IML(f;L)=IML(L;f)

    (8)

    (9)

    根據(jù)式(9)可得,若

    (10)

    則表明標(biāo)記集合L可完全由特征f確定,兩者的不確定度之和取得最大值.

    2.2 不平衡標(biāo)記差異性多標(biāo)記特征選擇模型

    在多標(biāo)記數(shù)據(jù)集中,常因標(biāo)記的不平衡性導(dǎo)致不同標(biāo)記對樣本描述程度有所不同,而目前多數(shù)算法并未考慮這種情況.為此,本研究根據(jù)標(biāo)記空間中的每個(gè)標(biāo)記下的正負(fù)樣本個(gè)數(shù)對標(biāo)記賦予權(quán)值,建立標(biāo)記權(quán)值模型,具體定義為:

    對于傳統(tǒng)的單標(biāo)記運(yùn)用互信息進(jìn)行特征選擇過程中,假使用兩個(gè)特征f1和f2對樣本進(jìn)行刻畫,則對于特征與特征之間的冗余性用I(f1;f2)進(jìn)行有效表示;倘若樣本的特征用給定的f表示,樣本的類別標(biāo)記用l表示,則對于特征與標(biāo)記類別之間的相關(guān)程度用I(f;l)進(jìn)行有效表示.而在現(xiàn)有的多標(biāo)記學(xué)習(xí)中,各個(gè)樣本可用1個(gè)特征向量來表示,也可能隸屬于多個(gè)類別標(biāo)記,同時(shí),充分考慮到標(biāo)記權(quán)值模型下的各樣本所含有的有用信息,因此需對加權(quán)特征和標(biāo)記集合之間的相關(guān)性進(jìn)行更深層次的探究.定義7給出了加權(quán)特征與標(biāo)記集合之間的互信息定義.

    定義7對于給定樣本空間U={x1,x2,…,xz}, 標(biāo)記空間L={l1,l2, …,lm}, ?li∈L,i=1,2,…,m, 由定義6和式(7)可知,加權(quán)特征f與標(biāo)記之間的互信息為

    (11)

    2.3 MSIO算法描述

    考慮到標(biāo)記對樣本的描述存在一定的差異性,為使描述的樣本實(shí)例更準(zhǔn)確,同時(shí)也為了更充分地挖掘存在于少量樣本中但包含眾多有用信息的一些標(biāo)記,首先計(jì)算標(biāo)記空間中同一標(biāo)記下正負(fù)標(biāo)記的權(quán)值;其次,利用加權(quán)信息熵度量特征與標(biāo)記空間之間的相關(guān)性,并由此得出兩組不同的特征重要度排序;最后,將兩組重要度不同的特征進(jìn)行融合排序,得出最終特征序列.MSIO算法偽代碼如圖1.

    輸入:多標(biāo)記訓(xùn)練集D輸出:排序后的特征序列rank1) IML=?;2)for each fi∈F3) rank=?4) for each lj∈L5) 根據(jù)定義5計(jì)算和IML(fi; L+j)和IML(fi; L-j)6) end7) 根據(jù)式(11)計(jì)算每個(gè)特征fi在同一標(biāo)記的不同情況下的互信息8)end9)根據(jù)7)得到的互信息降序排序,得到正標(biāo)記的特征序列rank+和負(fù)標(biāo)記的特征序列rank-10)對rank+和rank-融合排序,得到最終序列rank,并輸出

    圖1 MSIO算法偽代碼

    Fig.1 Pseudocode of MSIO algorithm

    分析圖1的算法可見,MSIO算法先通過統(tǒng)計(jì)標(biāo)記空間中類標(biāo)記下的正負(fù)標(biāo)記密度,然后計(jì)算標(biāo)記空間與特征空間的相關(guān)性,并按照標(biāo)記密度對特征進(jìn)行賦權(quán)得分輸出兩組序列,再按照一定關(guān)系對兩組序列加權(quán)得出最終序列.此方法簡單易行且運(yùn)行快速,既考慮了多種因素,又能有效提高分類器的分類精度.MSIO算法流程圖如圖2.

    3 實(shí)驗(yàn)數(shù)據(jù)及結(jié)果分析

    3.1 實(shí)驗(yàn)數(shù)據(jù)

    采用Mulan數(shù)據(jù)庫[16]中11個(gè)常用的公開實(shí)驗(yàn)數(shù)據(jù)集 (表1),來驗(yàn)證算法MSIO的有效性.

    3.2 評價(jià)指標(biāo)

    利用平均準(zhǔn)確率(average precision, AP)、排位損失(ranking loss, RL)、1-錯(cuò)誤(one-error, OE)和海明損失(Hamming loss, HL) 4個(gè)評價(jià)指標(biāo)[18]對多標(biāo)記實(shí)驗(yàn)實(shí)驗(yàn)結(jié)果進(jìn)行驗(yàn)證和評價(jià)度量.

    AP為評估預(yù)測標(biāo)記排在前列且正確存在于相關(guān)樣本標(biāo)記的平均概率,如式(12).該值越大表示分類效果越好,最優(yōu)值為1.

    (12)

    其中,Yi為隸屬于樣本xi的相關(guān)標(biāo)記集合.

    RL用于評估無關(guān)標(biāo)記在相關(guān)標(biāo)記的樣本前列的多少,如式(13).該值越小表示分類效果越好,最優(yōu)值為0.

    (13)

    HL用于衡量樣本在單一標(biāo)記上的非正確匹配情況,如式(14).該值越小,分類效果越好,最優(yōu)值為0.

    (14)

    其中,Yi為隸屬于xi的相關(guān)標(biāo)記集合;h(·)為分類器,即可得xi的預(yù)測標(biāo)記向量.

    OE用于衡量最高排序中樣本的標(biāo)記不存在于相關(guān)標(biāo)記集合中的情況,如式(15).該值越小,表示分類效果越好,最優(yōu)值為0.

    (15)

    在4個(gè)評價(jià)指標(biāo)中,除去AP值越大越優(yōu),其余的越小越優(yōu).

    3.3 實(shí)驗(yàn)結(jié)果及分析

    本研究實(shí)驗(yàn)代碼均在Matlab2016a中運(yùn)行,硬件環(huán)境Inter?CoreTMi7-7700HQ CPU @ 2.80 GHz,8 Gbyte內(nèi)存;操作系統(tǒng)為Windows 10.以多標(biāo)記k近鄰(multi-labelk-nearest neighbor, ML-kNN)[19]作為基礎(chǔ)分類器,對基于最大相關(guān)性的多標(biāo)記維數(shù)約簡(multi-label dimensionality reduction via dependence maximization, MDDM)算法[20-21]、基于多變量互信息的多標(biāo)記特征選擇算法PMU(pairwise multivariate mutual information)[22]、 多標(biāo)記樸素貝葉斯分類的特征選擇(feature selection for multi-label naive Bayes classification, MLNB)算法[23]、 基于標(biāo)記相關(guān)性的多標(biāo)記特征選擇(multi-label feature selection with label correlation, MUCO)算法[13]和MSIO算法的AP、RL、OE和HL值進(jìn)行排序.其中,MDDM算法按照參數(shù)所選擇的不同分為MDDMspc與MDDMproj算法.由于MDDM、PMU、MUCO和MSIO算法得到的是一組特征序列,于是設(shè)置特征子集的個(gè)數(shù)與MLNB算法一致,并設(shè)ML-kNN中的平滑系數(shù)s=1, 近鄰個(gè)數(shù)k=10. 表2至表5列舉了6種算法在數(shù)據(jù)集中的AP、RL、OE和HL值.

    表2 六種算法在11個(gè)數(shù)據(jù)集中的平均準(zhǔn)確率排序1)Table 2 Average precision ranking of 6 algorithms in 11 datasets

    1)平均準(zhǔn)確率指標(biāo)越大越好,灰底數(shù)值表示在該指標(biāo)上取得的最優(yōu)結(jié)果; 2)括號內(nèi)數(shù)字表示在11個(gè)數(shù)據(jù)集中算法獲得最優(yōu)值的個(gè)數(shù) 表3 六種算法在11個(gè)數(shù)據(jù)集中的排位損失排序1)Table 3 Ranking loss of 6 algorithms in 11 datasets

    1)排位損失指標(biāo)越小越好,灰底數(shù)值表示在該指標(biāo)上取得的最優(yōu)結(jié)果;2)括號內(nèi)的數(shù)字表示在11個(gè)數(shù)據(jù)集中算法獲得最優(yōu)值的個(gè)數(shù)

    表4 六種算法在11個(gè)數(shù)據(jù)集中的1-錯(cuò)誤上排序1)Table 4 One-error ranking of 6 algorithms in 11 datasets

    1)1-錯(cuò)誤指標(biāo)越小越好,灰底數(shù)值表示在該指標(biāo)上取得的最優(yōu)結(jié)果;2)括號內(nèi)數(shù)字表示在11個(gè)數(shù)據(jù)集中算法獲得最優(yōu)值的個(gè)數(shù)

    (續(xù)表5)

    1)海明損失指標(biāo)越小越好,灰底數(shù)值表示在該指標(biāo)上取得的最優(yōu)結(jié)果;2)括號內(nèi)數(shù)字表示在11個(gè)數(shù)據(jù)集中算法獲得最優(yōu)值的個(gè)數(shù)

    由表2至表5可見:

    1)MSIO算法在4種評價(jià)指標(biāo)中的最優(yōu)數(shù)目和平均值均位列第1,且在Art、Computer、Rec和Ref數(shù)據(jù)集中的所有評價(jià)指標(biāo)均優(yōu)于其他算法.

    2)在AP指標(biāo)上,僅MUCO算法在部分?jǐn)?shù)據(jù)集上占優(yōu),但最優(yōu)的Cal500數(shù)據(jù)集也僅提高了2.15%;在RL指標(biāo)上,6種算法各有千秋,其中,在Emotions數(shù)據(jù)集中MDDMspc算法占優(yōu)最大,為11.12%;在OE和HL指標(biāo)上,最優(yōu)的分別高7.46%和3.58%.

    圖3為6種算法在不同評價(jià)指標(biāo)上的箱型圖.由圖3可見,6種算法在4種評價(jià)指標(biāo)上展現(xiàn)的分類性能對比中,MSIO算法在箱形圖中的中位數(shù)表現(xiàn)明顯占優(yōu).可見,MSIO算法穩(wěn)定性更好的,且分類精度更高,性能優(yōu)于其他特征選擇算法.

    圖3 六種算法在不同評價(jià)指標(biāo)上的箱型圖Fig.3 Box-plot of six algorithms on different evaluation indexes

    3.4 算法性能統(tǒng)計(jì)分析

    運(yùn)用統(tǒng)計(jì)學(xué)知識,對在11個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果進(jìn)行顯著性水平為5%的Nemenyi統(tǒng)計(jì)假設(shè)檢驗(yàn),若在所有數(shù)據(jù)集上兩個(gè)對比算法平均排序的差低于臨界差(critical difference, CD),則認(rèn)為它們無顯著性差異,否則,認(rèn)為這兩個(gè)對比算法有顯著性差異.本研究設(shè)顯著性水平α=0.05,qα=2.850(第k個(gè)對應(yīng)數(shù)), 算法個(gè)數(shù)k=6, 數(shù)據(jù)集個(gè)數(shù)N=11,則

    (16)

    圖4給出了各個(gè)算法在不同評價(jià)指標(biāo)下的對比.坐標(biāo)軸上的刻度描述了各種算法在不同指標(biāo)中的平均排序,軸上數(shù)字越小,表明算法性能越優(yōu).不同線型相接的算法表示在性能之間無顯著性差異.由圖4可見,MSIO算法排名除在RL指標(biāo)上比MUCO稍微遜色,在其余指標(biāo)中均明顯較優(yōu).

    圖4 各算法Nemenyi檢驗(yàn)的性能對比Fig.4 Performance comparison of Nemenyi test of each algorithm

    結(jié) 語

    通過對不同標(biāo)記在樣本空間的描述程度存在一定的差異性的思考,結(jié)合信息熵的相關(guān)知識,提出一種不平衡標(biāo)記差異性特征選擇算法MSIO,通過不同標(biāo)記下的正負(fù)標(biāo)記權(quán)值修正傳統(tǒng)的信息熵,由于加入了標(biāo)記空間的信息,使選出的特征具有更加豐富的信息.在多組數(shù)據(jù)集上的多個(gè)評價(jià)指標(biāo)中,MSIO算法性能都優(yōu)于目前多數(shù)的特征選擇算法.但是,MSIO算法在進(jìn)行特征選擇時(shí)僅考慮了特征與標(biāo)記的相關(guān)性,而未對特征空間本身進(jìn)行冗余性約簡,這也是下一步的研究方向.

    猜你喜歡
    互信息特征選擇分類器
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    改進(jìn)的互信息最小化非線性盲源分離算法
    電測與儀表(2015年9期)2015-04-09 11:59:22
    基于增量式互信息的圖像快速匹配方法
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    基于特征選擇和RRVPMCD的滾動軸承故障診斷方法
    桃花免费在线播放| av线在线观看网站| 日韩中文字幕视频在线看片| 日韩,欧美,国产一区二区三区| 精品福利观看| 亚洲av男天堂| 亚洲av电影在线进入| 老熟妇仑乱视频hdxx| 欧美精品av麻豆av| 大型av网站在线播放| 国产日韩欧美亚洲二区| 精品久久久精品久久久| 欧美中文综合在线视频| 青草久久国产| 精品少妇黑人巨大在线播放| 国产深夜福利视频在线观看| 一本久久精品| 亚洲综合色网址| 麻豆av在线久日| 深夜精品福利| 女人高潮潮喷娇喘18禁视频| 精品福利观看| 久久国产亚洲av麻豆专区| 大码成人一级视频| 肉色欧美久久久久久久蜜桃| 精品人妻在线不人妻| 成人av一区二区三区在线看 | 亚洲国产日韩一区二区| 久久精品国产a三级三级三级| 丝袜脚勾引网站| 啦啦啦中文免费视频观看日本| 成人国语在线视频| 麻豆av在线久日| 久久国产精品大桥未久av| 日本欧美视频一区| 老汉色∧v一级毛片| 又黄又粗又硬又大视频| 亚洲情色 制服丝袜| 女人精品久久久久毛片| 中国美女看黄片| 女性生殖器流出的白浆| 久久人人97超碰香蕉20202| 一本久久精品| 久久国产精品人妻蜜桃| 一进一出抽搐动态| 国产免费福利视频在线观看| 欧美黄色片欧美黄色片| 亚洲专区中文字幕在线| 99九九在线精品视频| 美女扒开内裤让男人捅视频| 波多野结衣一区麻豆| 欧美xxⅹ黑人| 岛国毛片在线播放| av欧美777| 亚洲精品一区蜜桃| 丰满饥渴人妻一区二区三| 国产在视频线精品| 午夜免费鲁丝| 欧美另类亚洲清纯唯美| 三级毛片av免费| 日韩大码丰满熟妇| 天堂中文最新版在线下载| 视频区欧美日本亚洲| 侵犯人妻中文字幕一二三四区| 色播在线永久视频| 亚洲av电影在线观看一区二区三区| 国产区一区二久久| 欧美人与性动交α欧美精品济南到| 中亚洲国语对白在线视频| 天天添夜夜摸| 国产精品二区激情视频| 青春草视频在线免费观看| 亚洲伊人色综图| 日韩欧美一区视频在线观看| 国产欧美日韩一区二区三 | 搡老岳熟女国产| 狠狠精品人妻久久久久久综合| 狂野欧美激情性bbbbbb| 一本久久精品| 国产99久久九九免费精品| 两性午夜刺激爽爽歪歪视频在线观看 | 国产老妇伦熟女老妇高清| 在线观看免费高清a一片| 制服人妻中文乱码| 一本久久精品| 久久久久久久国产电影| 精品一品国产午夜福利视频| 国产欧美亚洲国产| 在线永久观看黄色视频| 在线观看人妻少妇| 性色av一级| 在线 av 中文字幕| 国精品久久久久久国模美| 国产精品 欧美亚洲| 99热网站在线观看| 成人手机av| 国产亚洲精品久久久久5区| 老汉色av国产亚洲站长工具| 欧美精品高潮呻吟av久久| 黄色视频在线播放观看不卡| 中文字幕av电影在线播放| 狂野欧美激情性xxxx| 午夜精品久久久久久毛片777| 99久久国产精品久久久| 日本wwww免费看| 日韩人妻精品一区2区三区| 如日韩欧美国产精品一区二区三区| 精品久久蜜臀av无| 黄色a级毛片大全视频| 国产精品熟女久久久久浪| 久久久久久久国产电影| 国产免费av片在线观看野外av| 欧美日韩亚洲高清精品| 免费日韩欧美在线观看| 国产亚洲av高清不卡| 亚洲精品av麻豆狂野| 欧美一级毛片孕妇| 国产黄频视频在线观看| 亚洲国产av新网站| www.熟女人妻精品国产| 看免费av毛片| 亚洲av成人一区二区三| 欧美日韩av久久| 又黄又粗又硬又大视频| 亚洲av成人一区二区三| 亚洲中文日韩欧美视频| 国产成人a∨麻豆精品| 在线观看免费高清a一片| 脱女人内裤的视频| 精品国内亚洲2022精品成人 | 少妇粗大呻吟视频| 国产亚洲一区二区精品| 欧美日韩av久久| 亚洲欧美一区二区三区久久| 亚洲精品av麻豆狂野| 啦啦啦中文免费视频观看日本| 久久青草综合色| 亚洲综合色网址| 成年人黄色毛片网站| 在线看a的网站| 国产精品九九99| 蜜桃在线观看..| 国产xxxxx性猛交| 国产深夜福利视频在线观看| 亚洲成人免费电影在线观看| 欧美激情久久久久久爽电影 | 国产福利在线免费观看视频| 亚洲国产精品一区二区三区在线| 51午夜福利影视在线观看| 国产伦人伦偷精品视频| 免费女性裸体啪啪无遮挡网站| 色94色欧美一区二区| 久久久国产精品麻豆| 天天添夜夜摸| 免费观看人在逋| 国产成人精品久久二区二区91| 男女下面插进去视频免费观看| 亚洲黑人精品在线| 天天操日日干夜夜撸| 一级,二级,三级黄色视频| 亚洲精品久久久久久婷婷小说| 亚洲五月婷婷丁香| 最黄视频免费看| 亚洲精品国产一区二区精华液| 国产男女内射视频| 日韩中文字幕视频在线看片| 成人三级做爰电影| 2018国产大陆天天弄谢| 男女高潮啪啪啪动态图| 丰满迷人的少妇在线观看| 亚洲情色 制服丝袜| 精品国内亚洲2022精品成人 | 天天躁狠狠躁夜夜躁狠狠躁| 天天影视国产精品| 亚洲国产看品久久| 久久精品国产亚洲av香蕉五月 | 久久综合国产亚洲精品| 91老司机精品| 美女福利国产在线| 午夜免费鲁丝| 99国产精品99久久久久| 精品久久久精品久久久| 欧美激情久久久久久爽电影 | 国产成人免费观看mmmm| 黄色a级毛片大全视频| 97人妻天天添夜夜摸| 精品一品国产午夜福利视频| 日韩人妻精品一区2区三区| 亚洲欧洲日产国产| 啦啦啦视频在线资源免费观看| 国产在视频线精品| 97精品久久久久久久久久精品| 性色av一级| 精品人妻1区二区| 99精品欧美一区二区三区四区| 成人免费观看视频高清| 母亲3免费完整高清在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 女人精品久久久久毛片| 国产精品一区二区在线不卡| 一级毛片精品| 女性被躁到高潮视频| 亚洲专区中文字幕在线| 亚洲精品久久成人aⅴ小说| 亚洲av电影在线进入| 十八禁人妻一区二区| 久久久国产成人免费| 精品久久蜜臀av无| 国产伦理片在线播放av一区| 日韩欧美一区视频在线观看| 老汉色av国产亚洲站长工具| 免费高清在线观看日韩| 国内毛片毛片毛片毛片毛片| 纵有疾风起免费观看全集完整版| 国产黄色免费在线视频| 精品国产乱码久久久久久小说| 老司机午夜福利在线观看视频 | 午夜福利在线观看吧| 99香蕉大伊视频| 日韩大片免费观看网站| 高清在线国产一区| 久久99热这里只频精品6学生| 中文字幕精品免费在线观看视频| 国产精品久久久久久精品电影小说| 建设人人有责人人尽责人人享有的| 欧美+亚洲+日韩+国产| 精品国产一区二区三区四区第35| kizo精华| 亚洲人成77777在线视频| 在线看a的网站| 国产一区二区三区av在线| 性少妇av在线| 国产精品 欧美亚洲| 久久久久久久久免费视频了| 美女福利国产在线| 色老头精品视频在线观看| 少妇粗大呻吟视频| 99久久人妻综合| 国产免费av片在线观看野外av| 19禁男女啪啪无遮挡网站| 成年美女黄网站色视频大全免费| 大香蕉久久成人网| 国产成人一区二区三区免费视频网站| 老司机午夜福利在线观看视频 | 国产免费福利视频在线观看| 欧美亚洲 丝袜 人妻 在线| 日本一区二区免费在线视频| 精品欧美一区二区三区在线| 成人影院久久| 真人做人爱边吃奶动态| 777久久人妻少妇嫩草av网站| 999精品在线视频| 国产又爽黄色视频| 欧美黄色片欧美黄色片| 精品国产一区二区三区久久久樱花| 最近最新免费中文字幕在线| 国产一区二区在线观看av| 国产精品欧美亚洲77777| 久久精品国产综合久久久| 国产精品一二三区在线看| 久久久久久人人人人人| 久久久国产欧美日韩av| 美女午夜性视频免费| 男女床上黄色一级片免费看| 国产精品自产拍在线观看55亚洲 | 日日爽夜夜爽网站| 亚洲国产精品成人久久小说| 美女视频免费永久观看网站| 少妇精品久久久久久久| 深夜精品福利| 亚洲av日韩在线播放| 亚洲人成电影免费在线| 国产精品免费大片| 丁香六月欧美| 97人妻天天添夜夜摸| 黑人巨大精品欧美一区二区蜜桃| 在线观看免费视频网站a站| 国产精品九九99| 亚洲激情五月婷婷啪啪| 菩萨蛮人人尽说江南好唐韦庄| 国产精品 欧美亚洲| 99久久99久久久精品蜜桃| 激情视频va一区二区三区| 国产成人系列免费观看| 亚洲久久久国产精品| 美女大奶头黄色视频| 国产精品秋霞免费鲁丝片| 丰满人妻熟妇乱又伦精品不卡| 亚洲中文日韩欧美视频| 建设人人有责人人尽责人人享有的| 日本91视频免费播放| 美女高潮到喷水免费观看| 交换朋友夫妻互换小说| 老司机午夜十八禁免费视频| 正在播放国产对白刺激| 又黄又粗又硬又大视频| 亚洲熟女毛片儿| 午夜福利视频在线观看免费| 男女床上黄色一级片免费看| 免费观看人在逋| 久9热在线精品视频| √禁漫天堂资源中文www| netflix在线观看网站| 亚洲精品成人av观看孕妇| 欧美av亚洲av综合av国产av| 成年人免费黄色播放视频| 永久免费av网站大全| av福利片在线| 天堂8中文在线网| 亚洲午夜精品一区,二区,三区| av在线app专区| 日本黄色日本黄色录像| 两性夫妻黄色片| 欧美国产精品一级二级三级| 国产在视频线精品| 美女视频免费永久观看网站| 国产精品久久久人人做人人爽| 久久精品国产亚洲av高清一级| av网站免费在线观看视频| 国产极品粉嫩免费观看在线| av一本久久久久| 国产成+人综合+亚洲专区| 三上悠亚av全集在线观看| 免费黄频网站在线观看国产| 欧美激情极品国产一区二区三区| 亚洲精品久久久久久婷婷小说| 一级片'在线观看视频| 黑人操中国人逼视频| 国产精品国产三级国产专区5o| 欧美97在线视频| 欧美激情高清一区二区三区| 国产成人av教育| xxxhd国产人妻xxx| 亚洲三区欧美一区| 精品一品国产午夜福利视频| 国产亚洲精品久久久久5区| 国产一区二区在线观看av| 亚洲国产精品一区三区| 男人爽女人下面视频在线观看| 波多野结衣av一区二区av| 成人免费观看视频高清| 日本av免费视频播放| 正在播放国产对白刺激| 一边摸一边抽搐一进一出视频| 精品亚洲成a人片在线观看| 国产亚洲欧美在线一区二区| 欧美人与性动交α欧美精品济南到| 国产精品一区二区在线不卡| 日韩 亚洲 欧美在线| 亚洲欧美色中文字幕在线| 亚洲中文av在线| 最黄视频免费看| 日本av手机在线免费观看| 999久久久精品免费观看国产| 成年动漫av网址| 在线看a的网站| 亚洲综合色网址| 久久精品亚洲熟妇少妇任你| 少妇精品久久久久久久| 中文字幕人妻丝袜制服| 夜夜夜夜夜久久久久| 国产免费视频播放在线视频| 亚洲欧美激情在线| 国产免费av片在线观看野外av| 啪啪无遮挡十八禁网站| 日韩大片免费观看网站| 国产1区2区3区精品| 国产野战对白在线观看| 永久免费av网站大全| www.精华液| 亚洲欧美精品综合一区二区三区| 国产主播在线观看一区二区| 亚洲一区二区三区欧美精品| 国产人伦9x9x在线观看| 国产日韩欧美视频二区| 久久天堂一区二区三区四区| tocl精华| 啦啦啦中文免费视频观看日本| 91字幕亚洲| 视频区欧美日本亚洲| 桃色一区二区三区在线观看| 午夜激情av网站| 午夜a级毛片| 日本一区二区免费在线视频| 天堂av国产一区二区熟女人妻 | avwww免费| 又大又爽又粗| 男女那种视频在线观看| 黄色 视频免费看| 久久香蕉国产精品| 很黄的视频免费| 不卡av一区二区三区| 亚洲片人在线观看| 桃红色精品国产亚洲av| 夜夜躁狠狠躁天天躁| 大型黄色视频在线免费观看| 黄色视频,在线免费观看| 中出人妻视频一区二区| 国产黄片美女视频| 久久久久久久久久黄片| 麻豆国产av国片精品| 精品高清国产在线一区| 午夜影院日韩av| 日韩av在线大香蕉| 高清在线国产一区| 日本黄大片高清| a级毛片a级免费在线| 成人国语在线视频| 曰老女人黄片| 美女黄网站色视频| 一级作爱视频免费观看| 9191精品国产免费久久| 午夜福利18| 欧美在线一区亚洲| 一本精品99久久精品77| 亚洲一区二区三区色噜噜| 欧美日韩中文字幕国产精品一区二区三区| 免费在线观看成人毛片| 一边摸一边做爽爽视频免费| 中文字幕熟女人妻在线| 亚洲欧洲精品一区二区精品久久久| 欧美日本亚洲视频在线播放| 亚洲欧美日韩高清专用| 欧美乱码精品一区二区三区| 男人舔女人下体高潮全视频| www.www免费av| 一级毛片精品| 欧美av亚洲av综合av国产av| 又大又爽又粗| 亚洲精品av麻豆狂野| 日韩欧美精品v在线| 18禁裸乳无遮挡免费网站照片| 国产探花在线观看一区二区| av天堂在线播放| 母亲3免费完整高清在线观看| 国产探花在线观看一区二区| 亚洲成人精品中文字幕电影| 日韩大码丰满熟妇| 可以在线观看毛片的网站| 久久人人精品亚洲av| 亚洲一码二码三码区别大吗| 最新美女视频免费是黄的| 男人舔女人的私密视频| or卡值多少钱| 欧美日韩亚洲国产一区二区在线观看| 亚洲专区国产一区二区| 亚洲精品美女久久久久99蜜臀| 国产区一区二久久| 久久国产精品影院| 精品午夜福利视频在线观看一区| 国产精品一区二区三区四区免费观看 | 在线播放国产精品三级| 老司机靠b影院| 久久中文字幕一级| 国产片内射在线| 好男人电影高清在线观看| 99国产精品一区二区蜜桃av| 亚洲av成人精品一区久久| 欧美又色又爽又黄视频| 免费人成视频x8x8入口观看| 国产av不卡久久| 51午夜福利影视在线观看| 一级毛片女人18水好多| 两个人免费观看高清视频| 国产亚洲av嫩草精品影院| 欧美乱码精品一区二区三区| 久久精品aⅴ一区二区三区四区| 两性夫妻黄色片| 黄色毛片三级朝国网站| 在线视频色国产色| 一本久久中文字幕| 色综合婷婷激情| 欧美在线黄色| 别揉我奶头~嗯~啊~动态视频| 又黄又粗又硬又大视频| 久久这里只有精品中国| 亚洲一卡2卡3卡4卡5卡精品中文| 国产成+人综合+亚洲专区| 色综合亚洲欧美另类图片| 一进一出抽搐动态| 曰老女人黄片| 黄色视频不卡| 成熟少妇高潮喷水视频| 一进一出抽搐gif免费好疼| 男女之事视频高清在线观看| 久久午夜综合久久蜜桃| 亚洲真实伦在线观看| 夜夜爽天天搞| 99国产精品99久久久久| 国产欧美日韩一区二区三| 成人av在线播放网站| 色老头精品视频在线观看| 一二三四社区在线视频社区8| 女人被狂操c到高潮| 亚洲熟女毛片儿| 嫩草影院精品99| 一本精品99久久精品77| 亚洲精品一区av在线观看| 男女视频在线观看网站免费 | 草草在线视频免费看| 热99re8久久精品国产| 又紧又爽又黄一区二区| 国产精品日韩av在线免费观看| 欧美日韩亚洲国产一区二区在线观看| 悠悠久久av| 久久久久久久精品吃奶| 无限看片的www在线观看| 国产一区二区三区在线臀色熟女| 高潮久久久久久久久久久不卡| 久久亚洲精品不卡| 国产97色在线日韩免费| 动漫黄色视频在线观看| 欧美日韩乱码在线| 亚洲人成网站高清观看| 男女午夜视频在线观看| 两性夫妻黄色片| 手机成人av网站| 国产精品爽爽va在线观看网站| xxx96com| 精华霜和精华液先用哪个| 欧美日韩福利视频一区二区| 黄色成人免费大全| 99久久无色码亚洲精品果冻| 老熟妇乱子伦视频在线观看| av超薄肉色丝袜交足视频| 欧美 亚洲 国产 日韩一| 精品国产乱码久久久久久男人| 国产熟女xx| 嫩草影院精品99| 国产亚洲精品综合一区在线观看 | 日韩欧美三级三区| 久久精品aⅴ一区二区三区四区| 国产精华一区二区三区| 白带黄色成豆腐渣| 免费看美女性在线毛片视频| 国产99久久九九免费精品| 久久中文看片网| 午夜成年电影在线免费观看| 日韩欧美精品v在线| 中文字幕精品亚洲无线码一区| 精品一区二区三区视频在线观看免费| 国产精品久久久久久人妻精品电影| 欧美日韩国产亚洲二区| 免费电影在线观看免费观看| 国产精品永久免费网站| 日韩 欧美 亚洲 中文字幕| 欧美中文日本在线观看视频| 麻豆久久精品国产亚洲av| 国产亚洲av嫩草精品影院| 亚洲精品一卡2卡三卡4卡5卡| 一个人免费在线观看电影 | 成人国语在线视频| 日韩欧美 国产精品| 久9热在线精品视频| 亚洲精品中文字幕在线视频| 国产亚洲av嫩草精品影院| 久久久久久免费高清国产稀缺| 国产亚洲av嫩草精品影院| 欧美日韩黄片免| 国产av又大| 成人av一区二区三区在线看| 国产av又大| 久久久久久人人人人人| 日韩有码中文字幕| 99久久久亚洲精品蜜臀av| 一本一本综合久久| 日韩中文字幕欧美一区二区| 欧美成人性av电影在线观看| 香蕉久久夜色| av有码第一页| 在线播放国产精品三级| 欧美在线黄色| 老司机午夜福利在线观看视频| 久久国产乱子伦精品免费另类| 在线看三级毛片| 人人妻,人人澡人人爽秒播| 给我免费播放毛片高清在线观看| 精品不卡国产一区二区三区| 精品久久久久久久末码| 少妇熟女aⅴ在线视频| 露出奶头的视频| 亚洲av片天天在线观看| 黄色视频不卡| 看免费av毛片| 国产午夜福利久久久久久| 午夜福利在线观看吧| 午夜激情av网站| 亚洲黑人精品在线| 天天一区二区日本电影三级| 亚洲欧美一区二区三区黑人| 国产伦在线观看视频一区| 亚洲狠狠婷婷综合久久图片| 看黄色毛片网站| 欧美日韩中文字幕国产精品一区二区三区| 日韩大尺度精品在线看网址| 亚洲精品美女久久av网站| 啦啦啦观看免费观看视频高清| 美女高潮喷水抽搐中文字幕| 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| 国产精品永久免费网站| 丰满的人妻完整版| 久久热在线av| 波多野结衣高清作品| 一级毛片女人18水好多| 亚洲熟妇熟女久久| 久久久久精品国产欧美久久久| 免费电影在线观看免费观看| 欧美久久黑人一区二区| 男女做爰动态图高潮gif福利片| 精品久久久久久久久久久久久| 精品国产美女av久久久久小说| 国产久久久一区二区三区| 亚洲精品久久成人aⅴ小说| 一卡2卡三卡四卡精品乱码亚洲|