• <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
    2021少妇久久久久久久久久久| 黄色视频在线播放观看不卡| 久久久a久久爽久久v久久| 国产伦理片在线播放av一区| 精品熟女少妇av免费看| 99热网站在线观看| 综合色丁香网| 国产乱来视频区| 久久久a久久爽久久v久久| 看十八女毛片水多多多| 国产欧美日韩综合在线一区二区| 两个人看的免费小视频| 狂野欧美激情性bbbbbb| 亚洲国产看品久久| 日韩一本色道免费dvd| 黑人高潮一二区| 丝袜美足系列| 高清在线视频一区二区三区| 九草在线视频观看| 又大又黄又爽视频免费| 精品少妇久久久久久888优播| 人妻少妇偷人精品九色| 日韩一区二区视频免费看| 99视频精品全部免费 在线| 免费在线观看黄色视频的| 成人漫画全彩无遮挡| 午夜激情av网站| tube8黄色片| 成人亚洲欧美一区二区av| 69精品国产乱码久久久| 看免费av毛片| 亚洲美女搞黄在线观看| 国产白丝娇喘喷水9色精品| 亚洲熟女精品中文字幕| 亚洲 欧美一区二区三区| 国产乱来视频区| 久久久欧美国产精品| 纵有疾风起免费观看全集完整版| 男女边吃奶边做爰视频| 亚洲欧美日韩另类电影网站| 国产又色又爽无遮挡免| 国产黄频视频在线观看| 色视频在线一区二区三区| 黄色怎么调成土黄色| 国产精品一区www在线观看| 精品国产一区二区三区四区第35| 亚洲一码二码三码区别大吗| 国产片内射在线| 九色亚洲精品在线播放| 免费在线观看完整版高清| 亚洲精品自拍成人| 国产成人av激情在线播放| 最近的中文字幕免费完整| 久久狼人影院| 天天操日日干夜夜撸| 国产欧美另类精品又又久久亚洲欧美| 男人爽女人下面视频在线观看| 少妇精品久久久久久久| 中文天堂在线官网| 成人影院久久| 香蕉精品网在线| 高清视频免费观看一区二区| 大香蕉久久成人网| 免费大片18禁| 韩国精品一区二区三区 | 搡老乐熟女国产| 久久久久国产精品人妻一区二区| 国产伦理片在线播放av一区| 如日韩欧美国产精品一区二区三区| 精品第一国产精品| 久久久久久久国产电影| 五月开心婷婷网| 久久精品国产自在天天线| 国精品久久久久久国模美| 欧美 日韩 精品 国产| 免费看光身美女| 日本色播在线视频| 精品国产国语对白av| 老熟女久久久| 日本黄大片高清| 精品午夜福利在线看| 2021少妇久久久久久久久久久| 午夜影院在线不卡| 日产精品乱码卡一卡2卡三| 久久久久人妻精品一区果冻| 亚洲国产成人一精品久久久| 精品熟女少妇av免费看| 夫妻午夜视频| 婷婷色av中文字幕| 亚洲av电影在线进入| 国产精品秋霞免费鲁丝片| 亚洲高清免费不卡视频| 亚洲国产看品久久| 91国产中文字幕| 青青草视频在线视频观看| 亚洲成人一二三区av| 99re6热这里在线精品视频| 波多野结衣一区麻豆| 免费观看性生交大片5| 国产精品久久久久久久久免| 国产成人精品福利久久| 自拍欧美九色日韩亚洲蝌蚪91| 国产精品嫩草影院av在线观看| 亚洲三级黄色毛片| 日本与韩国留学比较| 黄色怎么调成土黄色| 亚洲国产成人一精品久久久| 制服丝袜香蕉在线| 色视频在线一区二区三区| 欧美日韩亚洲高清精品| 你懂的网址亚洲精品在线观看| 五月玫瑰六月丁香| 韩国高清视频一区二区三区| 波野结衣二区三区在线| 日本猛色少妇xxxxx猛交久久| 日韩 亚洲 欧美在线| 97超碰精品成人国产| 街头女战士在线观看网站| 午夜免费鲁丝| 国产在线一区二区三区精| av.在线天堂| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲欧美一区二区三区国产| 日韩成人伦理影院| 午夜91福利影院| 乱码一卡2卡4卡精品| 成人亚洲欧美一区二区av| 精品久久蜜臀av无| 一级黄片播放器| 亚洲在久久综合| 久久精品国产自在天天线| videossex国产| 国产一区有黄有色的免费视频| 纵有疾风起免费观看全集完整版| av在线播放精品| 欧美成人精品欧美一级黄| 亚洲av电影在线进入| 爱豆传媒免费全集在线观看| 热re99久久精品国产66热6| 国产欧美亚洲国产| 777米奇影视久久| 少妇人妻精品综合一区二区| 90打野战视频偷拍视频| 一本色道久久久久久精品综合| 成年人午夜在线观看视频| 考比视频在线观看| 国产极品粉嫩免费观看在线| 国产 精品1| 欧美激情 高清一区二区三区| 国产一区二区三区av在线| 最近中文字幕高清免费大全6| 韩国精品一区二区三区 | 在线免费观看不下载黄p国产| 亚洲,欧美精品.| 日韩中字成人| 国产精品久久久久成人av| 亚洲精品久久成人aⅴ小说| 欧美日韩成人在线一区二区| 91精品国产国语对白视频| 涩涩av久久男人的天堂| 日韩av在线免费看完整版不卡| 校园人妻丝袜中文字幕| 天天影视国产精品| 国产熟女午夜一区二区三区| 成人无遮挡网站| 男人添女人高潮全过程视频| 国产一区二区在线观看日韩| a级毛片黄视频| 熟女av电影| 又大又黄又爽视频免费| 一级黄片播放器| 女人久久www免费人成看片| 中国三级夫妇交换| 亚洲成人一二三区av| 日韩熟女老妇一区二区性免费视频| 日韩中文字幕视频在线看片| 香蕉精品网在线| av.在线天堂| av天堂久久9| 精品99又大又爽又粗少妇毛片| 免费观看av网站的网址| 久久综合国产亚洲精品| 十八禁高潮呻吟视频| 日韩人妻精品一区2区三区| xxxhd国产人妻xxx| 久久国产精品男人的天堂亚洲 | 在线亚洲精品国产二区图片欧美| 久久久久久久久久久久大奶| 啦啦啦视频在线资源免费观看| 国产精品麻豆人妻色哟哟久久| 寂寞人妻少妇视频99o| 青春草亚洲视频在线观看| 精品99又大又爽又粗少妇毛片| 男女免费视频国产| 最近中文字幕高清免费大全6| tube8黄色片| 在线观看免费日韩欧美大片| 成年人午夜在线观看视频| 91精品三级在线观看| 亚洲av.av天堂| 九色亚洲精品在线播放| 老司机影院毛片| 伦理电影免费视频| 亚洲国产毛片av蜜桃av| 欧美bdsm另类| 三级国产精品片| 国产高清不卡午夜福利| 一级毛片电影观看| 乱人伦中国视频| 亚洲精品乱码久久久久久按摩| 亚洲精品av麻豆狂野| 国产日韩欧美在线精品| 国产国语露脸激情在线看| 日韩免费高清中文字幕av| 亚洲欧美成人精品一区二区| 18禁裸乳无遮挡动漫免费视频| 久久99热6这里只有精品| 熟女电影av网| 国精品久久久久久国模美| 久久狼人影院| 七月丁香在线播放| 三上悠亚av全集在线观看| 天天操日日干夜夜撸| 日日爽夜夜爽网站| 免费在线观看完整版高清| 一级毛片 在线播放| 韩国av在线不卡| 99国产综合亚洲精品| 精品第一国产精品| 久热这里只有精品99| 久久这里只有精品19| 侵犯人妻中文字幕一二三四区| 人人妻人人澡人人爽人人夜夜| 丰满乱子伦码专区| 亚洲伊人色综图| 亚洲av国产av综合av卡| 2021少妇久久久久久久久久久| 99国产精品免费福利视频| 在线观看三级黄色| 亚洲国产欧美日韩在线播放| 成人亚洲精品一区在线观看| 亚洲国产精品一区二区三区在线| 久久精品国产a三级三级三级| 国产日韩欧美在线精品| 最近最新中文字幕大全免费视频 | 一级毛片电影观看| 少妇 在线观看| 秋霞伦理黄片| 一区二区三区精品91| 久久99热这里只频精品6学生| 啦啦啦啦在线视频资源| 日韩视频在线欧美| 在线天堂最新版资源| 日本黄大片高清| 日韩精品有码人妻一区| 亚洲色图综合在线观看| 999精品在线视频| 不卡视频在线观看欧美| 日本av免费视频播放| 天美传媒精品一区二区| 天堂俺去俺来也www色官网| 国产毛片在线视频| 最黄视频免费看| 日本爱情动作片www.在线观看| 在线亚洲精品国产二区图片欧美| 九草在线视频观看| 黑人高潮一二区| 三上悠亚av全集在线观看| av网站免费在线观看视频| 99久久综合免费| 成人影院久久| 久久这里有精品视频免费| 美女国产视频在线观看| 国产爽快片一区二区三区| 亚洲av国产av综合av卡| 水蜜桃什么品种好| 最近最新中文字幕大全免费视频 | 成年美女黄网站色视频大全免费| 精品国产国语对白av| 亚洲久久久国产精品| 免费久久久久久久精品成人欧美视频 | 国产成人精品一,二区| 国产熟女午夜一区二区三区| 国产亚洲一区二区精品| 汤姆久久久久久久影院中文字幕| 国产在视频线精品| videosex国产| 久久国产亚洲av麻豆专区| h视频一区二区三区| 极品人妻少妇av视频| 999精品在线视频| 亚洲精品乱码久久久久久按摩| 国语对白做爰xxxⅹ性视频网站| 精品人妻熟女毛片av久久网站| 久久人人爽人人爽人人片va| 国产成人精品一,二区| 国产精品秋霞免费鲁丝片| 亚洲成人一二三区av| 天天躁夜夜躁狠狠久久av| 亚洲综合精品二区| 大陆偷拍与自拍| 日日摸夜夜添夜夜爱| 色5月婷婷丁香| 欧美国产精品一级二级三级| h视频一区二区三区| 色吧在线观看| 日日啪夜夜爽| 色婷婷av一区二区三区视频| 亚洲国产精品国产精品| 国产一区二区在线观看日韩| 飞空精品影院首页| 波多野结衣一区麻豆| 韩国av在线不卡| 成人毛片a级毛片在线播放| 丰满少妇做爰视频| 99国产综合亚洲精品| 啦啦啦视频在线资源免费观看| 免费在线观看完整版高清| 国国产精品蜜臀av免费| 精品一品国产午夜福利视频| 免费久久久久久久精品成人欧美视频 | 人人妻人人澡人人爽人人夜夜| 久久久久久久精品精品| 亚洲,欧美,日韩| 精品一区在线观看国产| 考比视频在线观看| 欧美另类一区| 人妻 亚洲 视频| 一级片'在线观看视频| 新久久久久国产一级毛片| av福利片在线| 亚洲精品456在线播放app| 1024视频免费在线观看| 日韩 亚洲 欧美在线| 国产福利在线免费观看视频| a级毛片黄视频| 大陆偷拍与自拍| 亚洲欧美日韩卡通动漫| 黄色配什么色好看| 亚洲综合色网址| 国产乱来视频区| 天天操日日干夜夜撸| 国产精品熟女久久久久浪| 欧美日韩一区二区视频在线观看视频在线| 欧美人与性动交α欧美软件 | 97精品久久久久久久久久精品| 亚洲av日韩在线播放| av不卡在线播放| 国产有黄有色有爽视频| 性色avwww在线观看| 久久久久久久久久久免费av| 毛片一级片免费看久久久久| 免费高清在线观看日韩| 一区二区三区乱码不卡18| 黑丝袜美女国产一区| 久久97久久精品| 免费人成在线观看视频色| 色网站视频免费| 超碰97精品在线观看| 在线天堂中文资源库| 精品午夜福利在线看| 亚洲欧美一区二区三区国产| 90打野战视频偷拍视频| 精品一区在线观看国产| av黄色大香蕉| 寂寞人妻少妇视频99o| 十分钟在线观看高清视频www| 亚洲av免费高清在线观看| 中文字幕免费在线视频6| 久久国产精品大桥未久av| 亚洲国产av新网站| 一本大道久久a久久精品| 夜夜爽夜夜爽视频| 18在线观看网站| 狂野欧美激情性xxxx在线观看| 国产一区有黄有色的免费视频| 美女主播在线视频| 一区二区三区四区激情视频| 国产又色又爽无遮挡免| 日韩三级伦理在线观看| 婷婷成人精品国产| 国产有黄有色有爽视频| 亚洲精品久久午夜乱码| 亚洲第一av免费看| 亚洲美女黄色视频免费看| 久久久久网色| 国产av一区二区精品久久| 午夜av观看不卡| √禁漫天堂资源中文www| 三上悠亚av全集在线观看| 91午夜精品亚洲一区二区三区| av国产久精品久网站免费入址| 在线精品无人区一区二区三| 久久久国产一区二区| 精品亚洲成a人片在线观看| 日产精品乱码卡一卡2卡三| 2021少妇久久久久久久久久久| 欧美日本中文国产一区发布| 亚洲情色 制服丝袜| 精品国产一区二区三区四区第35| 精品一区二区免费观看| 欧美日韩亚洲高清精品| 大话2 男鬼变身卡| 在线观看免费高清a一片| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 曰老女人黄片| 宅男免费午夜| av福利片在线| 青春草国产在线视频| 欧美xxⅹ黑人| 视频中文字幕在线观看| 婷婷成人精品国产| 久久精品aⅴ一区二区三区四区 | 国产黄频视频在线观看| 欧美 亚洲 国产 日韩一| 少妇的逼水好多| 婷婷色综合大香蕉| 亚洲综合精品二区| 99精国产麻豆久久婷婷| 免费观看无遮挡的男女| 亚洲国产看品久久| 欧美bdsm另类| 日本欧美国产在线视频| 久久久久国产网址| 一边亲一边摸免费视频| 在线亚洲精品国产二区图片欧美| 一级毛片黄色毛片免费观看视频| 国产精品免费大片| 香蕉国产在线看| av卡一久久| 国产av一区二区精品久久| 国产欧美另类精品又又久久亚洲欧美| 婷婷色av中文字幕| 22中文网久久字幕| 最后的刺客免费高清国语| 国产在线视频一区二区| 精品一区在线观看国产| av在线老鸭窝| 极品人妻少妇av视频| 晚上一个人看的免费电影| 一级,二级,三级黄色视频| 久久精品国产综合久久久 | 美女xxoo啪啪120秒动态图| 成年女人在线观看亚洲视频| 亚洲一级一片aⅴ在线观看| 欧美日韩亚洲高清精品| 免费人妻精品一区二区三区视频| 在线 av 中文字幕| 精品国产一区二区三区久久久樱花| 一区二区三区四区激情视频| 80岁老熟妇乱子伦牲交| 欧美日韩一区二区视频在线观看视频在线| 综合色丁香网| 亚洲人成网站在线观看播放| 草草在线视频免费看| 韩国高清视频一区二区三区| 亚洲av欧美aⅴ国产| 人妻人人澡人人爽人人| 国产欧美亚洲国产| av天堂久久9| 91成人精品电影| 欧美bdsm另类| 国产乱来视频区| 亚洲欧美精品自产自拍| 久久97久久精品| 亚洲欧美成人精品一区二区| 国产亚洲欧美精品永久| 久久精品国产亚洲av天美| 两性夫妻黄色片 | 日韩在线高清观看一区二区三区| 啦啦啦在线观看免费高清www| 伊人久久国产一区二区| 中国三级夫妇交换| 日韩在线高清观看一区二区三区| 毛片一级片免费看久久久久| 成人毛片60女人毛片免费| 国产日韩欧美视频二区| 草草在线视频免费看| 欧美97在线视频| 两个人看的免费小视频| 最近中文字幕2019免费版| 亚洲四区av| 亚洲av中文av极速乱| 纯流量卡能插随身wifi吗| 成人国语在线视频| a级片在线免费高清观看视频| av国产精品久久久久影院| 国产成人精品福利久久| 婷婷色综合www| 国产黄色免费在线视频| 国产深夜福利视频在线观看| 久久久国产一区二区| 伦精品一区二区三区| 欧美日韩国产mv在线观看视频| 国产永久视频网站| 精品99又大又爽又粗少妇毛片| 精品午夜福利在线看| 色5月婷婷丁香| 午夜91福利影院| 日韩av不卡免费在线播放| 欧美 日韩 精品 国产| 免费不卡的大黄色大毛片视频在线观看| 久久久欧美国产精品| 在线观看免费高清a一片| 国产福利在线免费观看视频| 国产一级毛片在线| 日韩中文字幕视频在线看片| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 午夜老司机福利剧场| 久久久亚洲精品成人影院| 午夜精品国产一区二区电影| 午夜激情久久久久久久| 人妻一区二区av| 9191精品国产免费久久| 亚洲精品自拍成人| 欧美成人精品欧美一级黄| 观看av在线不卡| av线在线观看网站| 黑人猛操日本美女一级片| 日本黄色日本黄色录像| 女性被躁到高潮视频| 亚洲精品久久久久久婷婷小说| 久久久久久久国产电影| 久久久国产一区二区| 久久久久久久久久成人| 性色avwww在线观看| 男女啪啪激烈高潮av片| 狂野欧美激情性bbbbbb| 美女主播在线视频| 久久婷婷青草| 在线观看免费高清a一片| 纵有疾风起免费观看全集完整版| 久久久久久久大尺度免费视频| 欧美精品国产亚洲| 99国产精品免费福利视频| 大香蕉97超碰在线| 黄片无遮挡物在线观看| 在线观看一区二区三区激情| 亚洲精品久久午夜乱码| 男女下面插进去视频免费观看 | 99久久中文字幕三级久久日本| 18禁国产床啪视频网站| 午夜91福利影院| 欧美亚洲 丝袜 人妻 在线| 国产亚洲精品第一综合不卡 | 99精国产麻豆久久婷婷| 国产乱来视频区| 色吧在线观看| 91精品三级在线观看| 色婷婷久久久亚洲欧美| 制服诱惑二区| 久久久久久久亚洲中文字幕| 久久青草综合色| 人体艺术视频欧美日本| 欧美成人午夜精品| 一本—道久久a久久精品蜜桃钙片| 亚洲人成网站在线观看播放| 咕卡用的链子| 国产黄色免费在线视频| 成人二区视频| 亚洲av.av天堂| 高清视频免费观看一区二区| 欧美国产精品va在线观看不卡| 日本午夜av视频| 精品一品国产午夜福利视频| 精品少妇内射三级| 18在线观看网站| 国产日韩欧美亚洲二区| 丰满乱子伦码专区| 老司机影院毛片| 水蜜桃什么品种好| 国产麻豆69| 国产不卡av网站在线观看| 久久精品国产综合久久久 | 老熟女久久久| 国产亚洲最大av| 国产有黄有色有爽视频| 国产69精品久久久久777片| 国产男人的电影天堂91| 久久久久国产网址| 久久精品夜色国产| 十分钟在线观看高清视频www| 色5月婷婷丁香| 毛片一级片免费看久久久久| 日产精品乱码卡一卡2卡三| 欧美精品高潮呻吟av久久| 久久青草综合色| 日韩一本色道免费dvd| 乱码一卡2卡4卡精品| 亚洲精品久久午夜乱码| 22中文网久久字幕| 涩涩av久久男人的天堂| 久久青草综合色| 男女啪啪激烈高潮av片| 久久久国产欧美日韩av| av在线播放精品| 亚洲av中文av极速乱| 又黄又爽又刺激的免费视频.| 亚洲欧美日韩卡通动漫| 国产黄色免费在线视频| 一级爰片在线观看| 啦啦啦视频在线资源免费观看| 国产黄色免费在线视频| 在线观看一区二区三区激情| 91精品国产国语对白视频| 日产精品乱码卡一卡2卡三| 国产免费又黄又爽又色| 久久国产亚洲av麻豆专区| 欧美日韩成人在线一区二区| 国产色婷婷99| 国产精品久久久久久av不卡| 久久99蜜桃精品久久| 精品视频人人做人人爽| 午夜91福利影院| 婷婷色综合大香蕉|