• <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
    国产国语露脸激情在线看| 黄色 视频免费看| 在线观看一区二区三区激情| 成人亚洲精品一区在线观看| 国产精品一区二区在线不卡| 亚洲欧美一区二区三区久久| 日韩免费av在线播放| 日韩 欧美 亚洲 中文字幕| 在线天堂中文资源库| 色精品久久人妻99蜜桃| 法律面前人人平等表现在哪些方面| 99久久99久久久精品蜜桃| 国产无遮挡羞羞视频在线观看| 国产精品久久久av美女十八| 久久人妻熟女aⅴ| 久久这里只有精品19| 国产激情久久老熟女| 国产成人免费无遮挡视频| 在线观看66精品国产| 日韩成人在线观看一区二区三区| 久久精品人人爽人人爽视色| 美女 人体艺术 gogo| av网站在线播放免费| 热re99久久国产66热| 日本黄色视频三级网站网址 | 在线观看免费日韩欧美大片| 亚洲欧洲精品一区二区精品久久久| 成人永久免费在线观看视频| 婷婷精品国产亚洲av在线 | 亚洲午夜理论影院| 免费黄频网站在线观看国产| 免费女性裸体啪啪无遮挡网站| 中文字幕人妻熟女乱码| 日日夜夜操网爽| 国产99白浆流出| 久久天堂一区二区三区四区| 这个男人来自地球电影免费观看| 一级片'在线观看视频| 天天躁日日躁夜夜躁夜夜| 国产精品综合久久久久久久免费 | 欧美日韩av久久| 国产又爽黄色视频| 久久天躁狠狠躁夜夜2o2o| 大码成人一级视频| 老司机亚洲免费影院| av线在线观看网站| 精品久久久久久久毛片微露脸| 制服诱惑二区| 精品一区二区三区av网在线观看| 久久婷婷成人综合色麻豆| 人妻 亚洲 视频| 交换朋友夫妻互换小说| 男女高潮啪啪啪动态图| 一二三四在线观看免费中文在| 欧美在线黄色| 色精品久久人妻99蜜桃| 法律面前人人平等表现在哪些方面| 超碰成人久久| 午夜福利视频在线观看免费| 免费女性裸体啪啪无遮挡网站| 极品人妻少妇av视频| 最近最新中文字幕大全电影3 | 久久香蕉激情| 国产精品秋霞免费鲁丝片| 久久久久久久久免费视频了| 国产99白浆流出| 亚洲成av片中文字幕在线观看| 18禁裸乳无遮挡免费网站照片 | 99久久人妻综合| 亚洲精品美女久久av网站| 高清毛片免费观看视频网站 | 怎么达到女性高潮| 自线自在国产av| 国产精品一区二区在线观看99| 亚洲一卡2卡3卡4卡5卡精品中文| 日日摸夜夜添夜夜添小说| 精品一区二区三区视频在线观看免费 | 女同久久另类99精品国产91| 人妻一区二区av| 欧美成狂野欧美在线观看| 久久久久精品国产欧美久久久| 激情在线观看视频在线高清 | 丰满人妻熟妇乱又伦精品不卡| 欧美激情久久久久久爽电影 | 丝瓜视频免费看黄片| 亚洲熟妇熟女久久| 最新在线观看一区二区三区| 久久精品亚洲熟妇少妇任你| av在线播放免费不卡| 俄罗斯特黄特色一大片| 欧美乱妇无乱码| 国产97色在线日韩免费| 亚洲一区二区三区不卡视频| 97人妻天天添夜夜摸| 亚洲欧美色中文字幕在线| 国产精品av久久久久免费| x7x7x7水蜜桃| 亚洲自偷自拍图片 自拍| 国产亚洲精品第一综合不卡| 久久99一区二区三区| 老司机午夜福利在线观看视频| 美国免费a级毛片| 国产成人系列免费观看| 亚洲国产欧美一区二区综合| 国产精品 欧美亚洲| 老熟妇乱子伦视频在线观看| 久久亚洲精品不卡| 免费观看a级毛片全部| 怎么达到女性高潮| 国产男靠女视频免费网站| 国产av精品麻豆| 久久精品国产99精品国产亚洲性色 | 久久中文字幕人妻熟女| 老司机午夜福利在线观看视频| 不卡av一区二区三区| 国产精品久久久av美女十八| 99riav亚洲国产免费| 亚洲欧洲精品一区二区精品久久久| 亚洲欧美日韩另类电影网站| 国产精品九九99| 精品熟女少妇八av免费久了| av电影中文网址| 国产不卡一卡二| 亚洲精品自拍成人| 怎么达到女性高潮| 亚洲欧美色中文字幕在线| 精品免费久久久久久久清纯 | 另类亚洲欧美激情| 18禁黄网站禁片午夜丰满| 看片在线看免费视频| 亚洲 国产 在线| 叶爱在线成人免费视频播放| 高清av免费在线| 国产精品99久久99久久久不卡| 国产免费av片在线观看野外av| 亚洲精品自拍成人| 亚洲 欧美一区二区三区| 久久久久久久国产电影| 欧美日韩亚洲综合一区二区三区_| 99热网站在线观看| 9热在线视频观看99| 人人妻人人爽人人添夜夜欢视频| 18禁黄网站禁片午夜丰满| 9191精品国产免费久久| av欧美777| 欧美精品一区二区免费开放| 王馨瑶露胸无遮挡在线观看| 精品视频人人做人人爽| 波多野结衣一区麻豆| 成人精品一区二区免费| 国产又爽黄色视频| 久久精品亚洲av国产电影网| 黑人操中国人逼视频| 村上凉子中文字幕在线| 久久精品91无色码中文字幕| 窝窝影院91人妻| av天堂在线播放| 天天操日日干夜夜撸| 国产片内射在线| 免费在线观看影片大全网站| 欧美激情高清一区二区三区| 欧美精品av麻豆av| 国产在线一区二区三区精| 中文字幕另类日韩欧美亚洲嫩草| 午夜久久久在线观看| 久久香蕉精品热| 亚洲精品粉嫩美女一区| av网站在线播放免费| 麻豆成人av在线观看| 中文字幕人妻丝袜一区二区| 国产成人一区二区三区免费视频网站| a级毛片黄视频| 99精品欧美一区二区三区四区| 欧美色视频一区免费| 91精品国产国语对白视频| 十八禁高潮呻吟视频| 久久精品国产亚洲av高清一级| 国产精品免费大片| 国产深夜福利视频在线观看| 亚洲av第一区精品v没综合| 国产精品 欧美亚洲| 精品一区二区三区视频在线观看免费 | 久久国产精品男人的天堂亚洲| 日韩人妻精品一区2区三区| 久久国产精品人妻蜜桃| 亚洲色图av天堂| 自线自在国产av| 一a级毛片在线观看| 亚洲精品国产精品久久久不卡| 日韩视频一区二区在线观看| 久久九九热精品免费| 中出人妻视频一区二区| 久久国产亚洲av麻豆专区| 国产精品免费视频内射| 无遮挡黄片免费观看| 19禁男女啪啪无遮挡网站| 这个男人来自地球电影免费观看| av片东京热男人的天堂| 看免费av毛片| 999久久久精品免费观看国产| 日本欧美视频一区| 18禁黄网站禁片午夜丰满| 两性午夜刺激爽爽歪歪视频在线观看 | 久久久精品免费免费高清| 亚洲色图 男人天堂 中文字幕| 99国产精品99久久久久| 两个人免费观看高清视频| 波多野结衣一区麻豆| 亚洲一区二区三区不卡视频| 美女高潮喷水抽搐中文字幕| 少妇的丰满在线观看| 国产精品亚洲一级av第二区| 丝袜美腿诱惑在线| 怎么达到女性高潮| 午夜免费观看网址| 成人三级做爰电影| 国产在线一区二区三区精| cao死你这个sao货| 91老司机精品| 丰满的人妻完整版| 老司机午夜福利在线观看视频| 久久香蕉精品热| 亚洲九九香蕉| 啦啦啦在线免费观看视频4| 色在线成人网| 人人妻人人澡人人看| 不卡av一区二区三区| 免费在线观看完整版高清| x7x7x7水蜜桃| 午夜视频精品福利| 亚洲av欧美aⅴ国产| 亚洲色图综合在线观看| 国产不卡一卡二| 日本一区二区免费在线视频| av免费在线观看网站| 亚洲熟妇熟女久久| 欧美国产精品一级二级三级| 午夜影院日韩av| 成年人黄色毛片网站| 亚洲一区二区三区不卡视频| 欧美黑人欧美精品刺激| av片东京热男人的天堂| 国产精品久久久久久精品古装| 黄色视频,在线免费观看| 丰满人妻熟妇乱又伦精品不卡| 成人国产一区最新在线观看| 超色免费av| 国产免费男女视频| 午夜福利免费观看在线| 国产在线精品亚洲第一网站| 国产xxxxx性猛交| 午夜精品久久久久久毛片777| 一本大道久久a久久精品| 免费在线观看完整版高清| e午夜精品久久久久久久| 国产亚洲av高清不卡| 久久国产精品大桥未久av| 久久ye,这里只有精品| 嫩草影视91久久| 这个男人来自地球电影免费观看| 色播在线永久视频| 国产欧美亚洲国产| 色老头精品视频在线观看| 一二三四社区在线视频社区8| 女人精品久久久久毛片| 每晚都被弄得嗷嗷叫到高潮| 日韩人妻精品一区2区三区| 男男h啪啪无遮挡| 一进一出好大好爽视频| 在线观看免费午夜福利视频| 国产精品亚洲一级av第二区| 99国产综合亚洲精品| 最新美女视频免费是黄的| 日本五十路高清| 成人黄色视频免费在线看| 成年人午夜在线观看视频| 亚洲精品美女久久av网站| 校园春色视频在线观看| 亚洲美女黄片视频| 两人在一起打扑克的视频| 日韩中文字幕欧美一区二区| 久久久久久久久久久久大奶| 超碰成人久久| 少妇裸体淫交视频免费看高清 | 王馨瑶露胸无遮挡在线观看| av视频免费观看在线观看| 性少妇av在线| 久久精品国产a三级三级三级| 99riav亚洲国产免费| 中文字幕精品免费在线观看视频| 国产精品.久久久| 国产成人啪精品午夜网站| 国产精品影院久久| 视频区图区小说| 亚洲熟女毛片儿| 69av精品久久久久久| 看片在线看免费视频| 一进一出好大好爽视频| 国产激情久久老熟女| 国产精品影院久久| 亚洲人成伊人成综合网2020| 国产无遮挡羞羞视频在线观看| 18禁美女被吸乳视频| 亚洲色图综合在线观看| 美女高潮喷水抽搐中文字幕| 黄色丝袜av网址大全| 精品久久久久久,| 无人区码免费观看不卡| 亚洲精品中文字幕在线视频| 国产成人影院久久av| av不卡在线播放| 90打野战视频偷拍视频| 99精品在免费线老司机午夜| 日韩欧美三级三区| 两个人看的免费小视频| 两个人免费观看高清视频| 欧美丝袜亚洲另类 | 麻豆成人av在线观看| 视频区欧美日本亚洲| av天堂久久9| avwww免费| 国产成人欧美在线观看 | 777米奇影视久久| videos熟女内射| 别揉我奶头~嗯~啊~动态视频| 变态另类成人亚洲欧美熟女 | 国产午夜精品久久久久久| 少妇的丰满在线观看| 黄色成人免费大全| 国产91精品成人一区二区三区| 久久久久久久久久久久大奶| 国产片内射在线| 国产高清视频在线播放一区| 99精品欧美一区二区三区四区| 最新的欧美精品一区二区| 黑人猛操日本美女一级片| 日韩中文字幕欧美一区二区| www.999成人在线观看| 国产国语露脸激情在线看| 亚洲一区二区三区不卡视频| 啦啦啦免费观看视频1| 亚洲精华国产精华精| 久久人妻av系列| 男女午夜视频在线观看| 国产成人精品久久二区二区91| 国产高清videossex| 黄色 视频免费看| 亚洲精品中文字幕一二三四区| 中文字幕最新亚洲高清| 久久人人97超碰香蕉20202| 狠狠婷婷综合久久久久久88av| 欧洲精品卡2卡3卡4卡5卡区| 日韩中文字幕欧美一区二区| 久久国产精品大桥未久av| 欧美一级毛片孕妇| 丝袜在线中文字幕| 亚洲av熟女| 啦啦啦在线免费观看视频4| 精品国产一区二区三区四区第35| 久久精品国产99精品国产亚洲性色 | 一区在线观看完整版| 搡老岳熟女国产| 欧美色视频一区免费| 成年人午夜在线观看视频| 国产有黄有色有爽视频| 99久久99久久久精品蜜桃| 黄色视频不卡| 色综合婷婷激情| 视频区欧美日本亚洲| 久久青草综合色| 99在线人妻在线中文字幕 | 成人亚洲精品一区在线观看| 久久青草综合色| 欧美日本中文国产一区发布| 午夜免费鲁丝| 亚洲中文av在线| 国产成人av激情在线播放| 91麻豆精品激情在线观看国产 | 亚洲国产精品合色在线| 亚洲一码二码三码区别大吗| 色老头精品视频在线观看| 性色av乱码一区二区三区2| 女人爽到高潮嗷嗷叫在线视频| videosex国产| 精品无人区乱码1区二区| 美女视频免费永久观看网站| 国产精华一区二区三区| 黄网站色视频无遮挡免费观看| 18禁美女被吸乳视频| av电影中文网址| 国产伦人伦偷精品视频| 中文字幕精品免费在线观看视频| 国产伦人伦偷精品视频| 欧美国产精品va在线观看不卡| 精品国产一区二区三区久久久樱花| 看片在线看免费视频| 成年人免费黄色播放视频| 国产精品一区二区免费欧美| 99re6热这里在线精品视频| 91大片在线观看| 亚洲精品一二三| 最新美女视频免费是黄的| 午夜免费观看网址| xxxhd国产人妻xxx| 亚洲人成77777在线视频| 国产成人精品久久二区二区免费| 一个人免费在线观看的高清视频| 亚洲午夜理论影院| 亚洲国产精品一区二区三区在线| 曰老女人黄片| 桃红色精品国产亚洲av| 国产一区二区三区视频了| 国产精品偷伦视频观看了| 日韩中文字幕欧美一区二区| 欧美大码av| 99re6热这里在线精品视频| 精品一区二区三区av网在线观看| 捣出白浆h1v1| 欧美日韩国产mv在线观看视频| av有码第一页| 午夜福利影视在线免费观看| 免费女性裸体啪啪无遮挡网站| 欧美乱色亚洲激情| 亚洲七黄色美女视频| 欧美日韩瑟瑟在线播放| 欧美精品人与动牲交sv欧美| 麻豆成人av在线观看| 丝袜人妻中文字幕| 中文字幕制服av| bbb黄色大片| 午夜免费成人在线视频| 亚洲色图 男人天堂 中文字幕| 色婷婷久久久亚洲欧美| 夜夜爽天天搞| 国产精品久久久久久精品古装| 一区在线观看完整版| 亚洲精品国产一区二区精华液| 久久久久久人人人人人| 国产麻豆69| 亚洲欧美色中文字幕在线| 精品午夜福利视频在线观看一区| 国产高清激情床上av| 国产亚洲欧美精品永久| 日韩制服丝袜自拍偷拍| 这个男人来自地球电影免费观看| 国产精品九九99| 国产人伦9x9x在线观看| 午夜视频精品福利| 大香蕉久久成人网| 午夜两性在线视频| 国产成人精品久久二区二区91| 亚洲成人手机| 一二三四社区在线视频社区8| 免费av中文字幕在线| 涩涩av久久男人的天堂| 99久久国产精品久久久| 成人av一区二区三区在线看| 久久久久国内视频| 久久香蕉精品热| 色精品久久人妻99蜜桃| 欧美性长视频在线观看| 国产欧美亚洲国产| 久久人妻av系列| 日韩欧美一区视频在线观看| 欧洲精品卡2卡3卡4卡5卡区| 国产精品免费一区二区三区在线 | 在线观看66精品国产| 大香蕉久久成人网| 亚洲伊人色综图| 校园春色视频在线观看| 欧美老熟妇乱子伦牲交| 国精品久久久久久国模美| 午夜福利在线免费观看网站| 免费日韩欧美在线观看| 最新的欧美精品一区二区| 老汉色∧v一级毛片| 99久久国产精品久久久| 丁香欧美五月| 两个人看的免费小视频| 国产精品.久久久| 好看av亚洲va欧美ⅴa在| 久久精品国产亚洲av高清一级| 国产乱人伦免费视频| 亚洲五月婷婷丁香| 韩国精品一区二区三区| 国产精品亚洲av一区麻豆| 91成人精品电影| 成人18禁在线播放| 啦啦啦 在线观看视频| 午夜91福利影院| 一级片免费观看大全| 在线观看www视频免费| 99香蕉大伊视频| 国产精品久久久av美女十八| 久久ye,这里只有精品| 亚洲精品美女久久av网站| 99久久99久久久精品蜜桃| 久久99一区二区三区| 欧美成人午夜精品| 国产成人av教育| 在线观看免费视频网站a站| 黑人欧美特级aaaaaa片| 久久久久久久午夜电影 | 免费少妇av软件| 国产日韩一区二区三区精品不卡| 女性生殖器流出的白浆| www日本在线高清视频| 最新的欧美精品一区二区| 老熟妇仑乱视频hdxx| 欧美丝袜亚洲另类 | 人人妻,人人澡人人爽秒播| 婷婷丁香在线五月| 国产欧美日韩精品亚洲av| 欧美日韩国产mv在线观看视频| 亚洲一码二码三码区别大吗| 激情视频va一区二区三区| 亚洲人成电影免费在线| tube8黄色片| 国产在线精品亚洲第一网站| 免费高清在线观看日韩| 欧美精品亚洲一区二区| 国产熟女午夜一区二区三区| 精品久久久久久,| 欧美久久黑人一区二区| 老司机影院毛片| 亚洲午夜精品一区,二区,三区| 国产精华一区二区三区| 人人妻,人人澡人人爽秒播| 美女扒开内裤让男人捅视频| 十八禁网站免费在线| 精品久久久精品久久久| 久久精品成人免费网站| 自线自在国产av| 免费av中文字幕在线| 国产欧美亚洲国产| 国产乱人伦免费视频| 国产欧美日韩一区二区精品| 日韩成人在线观看一区二区三区| 国产人伦9x9x在线观看| 久久精品人人爽人人爽视色| 亚洲色图av天堂| 免费在线观看黄色视频的| 丁香欧美五月| 国产99久久九九免费精品| 欧美日韩乱码在线| 丰满饥渴人妻一区二区三| 99久久精品国产亚洲精品| 两个人免费观看高清视频| 中文字幕av电影在线播放| 男女免费视频国产| 三上悠亚av全集在线观看| 亚洲综合色网址| 岛国毛片在线播放| 岛国在线观看网站| 一进一出抽搐动态| 国产欧美日韩一区二区三| 中文字幕高清在线视频| 69av精品久久久久久| 老司机靠b影院| 99久久综合精品五月天人人| 精品乱码久久久久久99久播| 精品国产国语对白av| 中国美女看黄片| 国产野战对白在线观看| 成人18禁高潮啪啪吃奶动态图| 国产成人精品在线电影| 一二三四在线观看免费中文在| 免费在线观看黄色视频的| av在线播放免费不卡| 国产99久久九九免费精品| 亚洲av第一区精品v没综合| 国产亚洲一区二区精品| 在线av久久热| 99在线人妻在线中文字幕 | 欧美乱妇无乱码| 日韩 欧美 亚洲 中文字幕| av国产精品久久久久影院| 久久99一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 成熟少妇高潮喷水视频| 啦啦啦 在线观看视频| 亚洲午夜精品一区,二区,三区| 一级作爱视频免费观看| 国产淫语在线视频| 啦啦啦在线免费观看视频4| 欧美在线一区亚洲| 老熟女久久久| 久久人人爽av亚洲精品天堂| 少妇裸体淫交视频免费看高清 | 91成人精品电影| 怎么达到女性高潮| 交换朋友夫妻互换小说| 18禁观看日本| 久久影院123| 国产亚洲精品久久久久5区| 妹子高潮喷水视频| 一级片'在线观看视频| 黄色视频不卡| 在线观看免费视频日本深夜| 无人区码免费观看不卡| 在线永久观看黄色视频| 色综合婷婷激情| 欧美成狂野欧美在线观看| 巨乳人妻的诱惑在线观看| 脱女人内裤的视频| 日韩人妻精品一区2区三区| 人人妻,人人澡人人爽秒播| 最新美女视频免费是黄的| 午夜亚洲福利在线播放| 黄色 视频免费看| 久久久久精品国产欧美久久久| 成在线人永久免费视频| 久久久精品区二区三区| 欧美一级毛片孕妇| 亚洲av电影在线进入|