• <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 ?

    經(jīng)典人工智能算法綜述

    2020-05-28 09:36:21陶陽明
    軟件導刊 2020年3期
    關(guān)鍵詞:遺傳算法深度學習

    摘 要:人工智能算法繁多,但經(jīng)得起實踐考驗的經(jīng)典算法有限,常見的有樸素貝葉斯、決策樹、邏輯回歸、支持向量機、深度學習、強化學習、遺傳算法、蟻群算法、元學習等。依據(jù)人工智能算法理論基礎(chǔ)知識,如概率統(tǒng)計、集合論、空間幾何、圖論、矩陣論等加以分類,并對相應經(jīng)典人工智能算法概念和主要應用領(lǐng)域進行概述,去除結(jié)構(gòu)細化和公式展開所帶來的復雜感,揭開人工智能的神秘面紗,讓算法整體輪廓得以更清晰地呈現(xiàn)。

    關(guān)鍵詞:人工智能算法;樸素貝葉斯;邏輯回歸;深度學習;遺傳算法

    DOI:10. 11907/rjdk. 191702

    中圖分類號:TP3-0 ?? 文獻標識碼:A??????????????? 文章編號:1672-7800(2020)003-0276-05

    Overview of Classical Artificial Intelligence Algorithms

    TAO Yang-ming

    (School of Computer and Information Engineering, Nanning Normal University, Nanning 530023,China)

    Abstract: The artificial intelligence algorithm has a great variety. However, the classical algorithms that can withstand practice and test are actually limited. At present, classical artificial intelligence algorithms include naive Bayes, decision tree, logistic regression, support vector machine, deep learning, reinforcement learning, genetic algorithm, ant colony algorithm, and meta-learning. The paper classifies the main theoretical basic knowledge of artificial intelligence algorithm such as mathematical probability and statistics, set theory, space geometry, graph theory, matrix theory, etc, and summarizes the classical artificial intelligence algorithm concept and main application fields of corresponding classification, and removes the structure. The refinement and formula unfolding brings a sense of complexity to beginners, uncovering the mystery of artificial intelligence, and allowing beginners to have a clear understanding of the overall outline of the algorithm.

    Key Words: artificial intelligence algorithm; naive Bayes; logistic regression; deep learning; genetic algorithm

    0 引言

    人工智能算法起步于20世紀50年代,經(jīng)過不斷發(fā)展,其種類已頗為繁多,然而經(jīng)得起實踐考驗的經(jīng)典算法仍很有限。目前,有依據(jù)算法結(jié)構(gòu)分類的,如迭代、遞歸、貪心算法、動態(tài)策劃、分治策略等;有依據(jù)應用分類的,如回歸算法、分類算法、模式識別算法等;還有一些并沒有嚴格分類,只是就幾種大型方法進行總結(jié)和算法展開。人工智能算法通常比較復雜,依據(jù)上述分類基本上會面臨結(jié)構(gòu)細化、公式代入、各種引用等,這些內(nèi)容一經(jīng)展開無疑十分龐雜。實際上,每種人工智能算法所依據(jù)的概念很簡單,而且很多經(jīng)典庫如Python中的Gensim、TensorFlow、Scikit-Learn等都對一些常用的人工智能算法進行了封裝,初學者可在了解算法基本概念后直接對這些封裝的庫進行使用和實驗。值得注意的是,就應用而言,本文可以幫助初學者迅速理解算法精要并使用現(xiàn)有算法庫;就研究而言,想要創(chuàng)新算法乃至開發(fā)自己獨有的算法,結(jié)構(gòu)細化和公式的深入理解必不可少。

    1 基于集合論分類

    集合論是數(shù)學學科的根基,初等數(shù)學方法有加減乘除等各種運算、映射、函數(shù)、導數(shù)等概念,高等數(shù)學有極限、積分、微分、級數(shù)等概念?;诩险摰慕?jīng)典人工智能算法有K-means(K均值算法)、k-NN(k近鄰算法)、Apriori算法等。

    1.1 K-means算法

    K-means(K均值算法)[1]是非監(jiān)督學習中的經(jīng)典聚類算法,主要基于“物以類聚,人以群分”概念,將未標注的樣本數(shù)據(jù)中的相似部分聚集為同一類。實現(xiàn)流程為:①隨機選取k個對象作為初始聚類中心;②計算每個對象與各聚類中心的距離,并將每個對象分給距離它最近的聚類中心;③重新計算聚類中心,然后重復②,直至滿足終止條件,終止條件可以為沒有對象再分給聚類中心,也可以為聚類中心的誤差平方和局部最小等。

    極大似然估計在規(guī)律分布數(shù)據(jù)集中表現(xiàn)良好,對于含隱藏變量的數(shù)據(jù)集表現(xiàn)較差。鑒于此,最大期望值算法在極大似然估計中加入隱藏變量,實現(xiàn)步驟是:①利用隱藏變量計算出初始期望值;②使用期望值對模型進行最大似然估計;③使用②得到參數(shù)代入①重新計算期望值,重復②,直至得到最大期望值。

    最大期望值算法主要運用于參數(shù)求解和優(yōu)化,尤其是在機器學習領(lǐng)域有廣泛應用。

    2.6 PageRank算法

    PageRank算法[9]是Google專有算法,也稱網(wǎng)頁排名或佩奇算法。PageRank的理念十分簡單,即如果一個頁面被越多的其它網(wǎng)頁引用,其等級也越高;如果一個等級高的頁面引用了一個等級低的頁面,則該等級低的頁面等級會有所提升。

    PageRank算法主要應用于網(wǎng)頁排名。

    3 基于圖論分類

    圖分為有向圖、無向圖、帶權(quán)圖、連通圖、平面圖等傳統(tǒng)圖結(jié)構(gòu),以及歐拉圖和哈密頓圖等一些特殊結(jié)構(gòu)的圖。樹結(jié)構(gòu)也是圖的一種,可以視為非連通圖?;趫D論的人工智能算法有決策樹、Adaboost、Bagging等。

    3.1 決策樹

    決策樹(Decision Tree)[10]是和樸素貝葉斯一樣的經(jīng)典且使用廣泛的分類算法,最初使用ID3算法生成決策樹,后來在ID3的基礎(chǔ)上延伸出C4.5算法和CART算法。決策樹的構(gòu)造步驟非常簡單:①生成整體決策樹框架;②修剪決策樹。相關(guān)案例如圖2所示。

    決策樹主要應用于分類,基本上樸素貝葉斯能運用的領(lǐng)域,決策樹也能,如文本分類、新聞分類、病人分類等。

    3.2 隨機森林

    隨機森林(RandomForest)[11]由多個決策樹構(gòu)成,決策樹是對整個數(shù)據(jù)集進行構(gòu)建,而隨機森林先利用Bagging方法在初始數(shù)據(jù)集進行隨機抽樣并生成多個子數(shù)據(jù)集后,再分別對子數(shù)據(jù)集進行決策樹構(gòu)建。需要注意的是,子數(shù)據(jù)集的數(shù)據(jù)量必須與初始數(shù)據(jù)集的數(shù)據(jù)量相同,如圖3所示。

    隨機森林主要解決決策樹泛化能力弱的缺點,可以理解為“三個臭皮匠頂個諸葛亮”的概念,與決策樹一樣,主要應用領(lǐng)域是分類。

    4 基于空間幾何分類

    空間集合的概念主要是維度,如一維的線條、二維的平面、三維的立體空間、四維及以上的超空間等;再者是向量,通過向量之間的計算可以快速計算出樣本特征各種聯(lián)系、提取關(guān)鍵特征等?;诳臻g幾何的人工智能算法有支持向量機、空間向量模型等。

    4.1 支持向量機

    支持向量機(Support Vector Machines,SVM)[12]主要有3類:線性可分SVM,線性不可分SVM和非線性SVM。線性可分SVM指在二維平面內(nèi)可以用一條線清晰分開兩個數(shù)據(jù)集;線性不可分SVM指在二維平面內(nèi)用一條線分開兩個數(shù)據(jù)集時會出現(xiàn)誤判點;非線性SVM指用一條線分開兩個數(shù)據(jù)集時會出現(xiàn)大量誤判點,此時需要采取非線性映射將二維平面擴展為三維立體,然后尋找一個平面清晰的切開數(shù)據(jù)集。

    在實際應用中,SVM不僅用于二分類,也可用于多分類。SVM在垃圾郵件處理、圖像特征提取及分類、空氣質(zhì)量預測等多方面領(lǐng)域都有應用。

    4.2 向量空間模型

    向量空間模型(Vector Space Model,VSM)[13]主要應用于自然語言處理領(lǐng)域的文本特征提取,如圖4所示。

    有3個文檔D1、D2、Q,D1和D2均含T1、T2、T3特征項,Q只含T2特征項,特征項可以理解為對文檔抽取的關(guān)鍵詞。D1=2T1+3T2+5T3的(2,3,5)表示T1、T2、T3在文檔D1中的權(quán)重,同理(3,7,1)表示T1、T2、T3在文檔D2中的權(quán)重。如果要計算D1和D2相似度,則直接計算(2,3,5)和(3,7,1)的余弦值即可。

    5 基于交叉學科分類

    目前,很多人工智能算法是基于交叉學科的,如通過模擬人類神經(jīng)網(wǎng)絡的深度學習算法、基于“物競天擇適者生存”進化論概念的遺傳算法、通過觀察蟻群活動而產(chǎn)生的蟻群算法等。

    5.1 深度學習(神經(jīng)網(wǎng)絡)

    深度學習的“深度”二字源于神經(jīng)網(wǎng)絡隱藏層的層數(shù)可以人為增加,即整個算法的長度會不斷增加。神經(jīng)網(wǎng)絡算法近幾年給整個計算機領(lǐng)域帶來了革新,同時也影響了其它學科,甚至對整個社會也產(chǎn)生了深遠影響。

    神經(jīng)網(wǎng)絡算法總給人一種神秘莫測的感覺,讓人望而生畏,其實神經(jīng)網(wǎng)絡本質(zhì)很簡單,大概經(jīng)歷了3個階段:①簡易線性前向傳播,此時的神經(jīng)網(wǎng)絡有另外一個名字叫“多層感知機”[14],神經(jīng)元的運算本質(zhì)即為簡單的矩陣相乘而已;②非線性反向傳播,就是在多層感知機的基礎(chǔ)上加入偏置和激活函數(shù)讓線性轉(zhuǎn)化為非線性,利用損失函數(shù)和梯度下降算法轉(zhuǎn)變前向傳播為反向傳播,通過反向傳播不斷改進參數(shù)最終使損失函數(shù)值達到預期,第二階段后期又出現(xiàn)多種優(yōu)化算法如學習率可以改變梯度下降算法的幅度、正則化解決過擬合問題、滑動平均算法使模型更健壯等,第二階段的神經(jīng)網(wǎng)絡稱為“人工神經(jīng)網(wǎng)絡”[15]或者“全連接網(wǎng)絡”;③神經(jīng)網(wǎng)絡進化階段,在人工神經(jīng)網(wǎng)絡的基礎(chǔ)上衍生出能夠權(quán)值共享的卷積神經(jīng)網(wǎng)絡(CNN)[16]、解決序列問題的循環(huán)神經(jīng)網(wǎng)絡(RNN)[17]、在RNN上改進的LSTM以及其它一些遞歸神經(jīng)網(wǎng)絡、生成式對抗網(wǎng)絡(GAN)、脈沖神經(jīng)網(wǎng)絡(SNN)等,同時也衍生出一些基于神經(jīng)網(wǎng)絡的經(jīng)典模型如bi-LSTM、bert模型等。

    神經(jīng)網(wǎng)絡目前已經(jīng)得到了廣泛應用,人臉識別、機器翻譯、文本分類、無人駕駛等。神經(jīng)網(wǎng)絡在應用領(lǐng)域幾乎是萬能的,以至于好多科研人員已經(jīng)得出“神經(jīng)網(wǎng)絡之后再無智能算法”的結(jié)論。

    雖然神經(jīng)網(wǎng)絡算法如此強大,但目前仍有兩大問題無法解決:一是可以使用神經(jīng)網(wǎng)絡得出想要的結(jié)果,但為何會得出這樣的結(jié)果始終無法破解,現(xiàn)在還沒有這方面的理論能夠說服大家,也即神經(jīng)網(wǎng)絡的內(nèi)部是個黑盒,能夠拿來用并且得出不錯的結(jié)果,可是“知其然不知其所以然”;二是神經(jīng)網(wǎng)絡根基的反向傳播算法目前都受到質(zhì)疑,尤其作為神經(jīng)網(wǎng)絡之父的Hinton設(shè)計了Capsule算法代替反向傳播算法,之后又有研究者提出離散優(yōu)化等方法取代反向傳播算法。

    5.2 遺傳算法

    遺傳算法[18]是模擬人類和生物的遺傳—進化機制,主要基于達爾文的生物進化論:物競天擇、適者生存和優(yōu)勝劣汰。具體實現(xiàn)流程是:①從初代群體里選出比較適應環(huán)境且表現(xiàn)良好的個體;②利用遺傳算子對篩選后的個體進行組合交叉和變異,然后生成第二代群體;③從第二代群體中選出環(huán)境適應度良好的個體進行組合交叉和變異形成第三代群體,如此不斷進化,直至產(chǎn)生末代種群即問題的近似最優(yōu)解。

    遺傳算法通常應用于路徑搜索問題,如迷宮尋路問題、8字碼問題等。

    5.3 蟻群算法

    蟻群算法[19]的靈感來源于觀察螞蟻集體覓食行為的現(xiàn)象,單個螞蟻在覓食過程中會在路徑中遺留下“信息素”,螞蟻都具備判別“信息素”濃度的本能,如果在某條路徑上有高濃度的“信息素”即可判定為該路徑是最佳覓食路徑。實現(xiàn)流程同樣類似:①初始化參數(shù),構(gòu)建整體路徑框架;②隨機將預先設(shè)定好的螞蟻數(shù)量放置在不同的出發(fā)點,記錄每個螞蟻走的路徑,并在路徑中釋放信息素;③更新信息素濃度,判定是否達到最大迭代次數(shù),若否,重復第二步,若是則結(jié)束程序,輸出信息濃度最大的路徑即為獲取的最佳路徑。

    蟻群算法和遺傳算法類似,主要用于尋找最佳路徑,尤其在旅行商問題(TSP)上被廣泛采納。

    5.4 退火算法

    退火的概念來源于物理學科熱力學,指要得到固體的理想有序結(jié)晶狀態(tài),需要先加溫加快固體內(nèi)部的分子運動,再緩慢降溫降低分子運動,直至得到規(guī)則有序的結(jié)晶狀態(tài);不可快速降溫,過快的降溫是無法得到理想結(jié)晶狀態(tài)的。如圖5所示。

    退火算法(Simulated Annealing)[20]和爬山算法(Hill Climbing )有些類似,都屬于貪心算法。爬山算法的缺點是只能得到局部最優(yōu)解,退火算法由于加入了隨機因素,所以在找到局部最優(yōu)解后會跳出來繼續(xù)尋找,直至找到全局最優(yōu)解。

    退火算法在尋找最優(yōu)解中被廣泛使用,如優(yōu)化車間調(diào)度流程、旅行商問題等。

    5.5 強化學習、遷移學習和元學習

    強化學習(Reinforcement Learning)[21],也叫評價學習或再勵學習。強化學習的算法概念基于心理學的行為主義理論,即在一定環(huán)境中給有機體獎勵或者懲罰,能夠刺激有機體養(yǎng)成利益最大化的慣性行為。強化學習本質(zhì)上是一種算法思想,需要同其它算法結(jié)合使用,比如結(jié)合神經(jīng)網(wǎng)絡算法。

    遷移學習(Transfer Learning)[22]的本質(zhì)可以濃縮為“舉一反三”,此概念可以追溯到1901年的心理學家桑代克和伍德沃思,主要思想是將某個領(lǐng)域獲取的經(jīng)驗、知識遷移到另外一個領(lǐng)域的學習中。需要注意的是,遷移學習和預訓練方法有本質(zhì)不同,遷移學習針對的是兩個不同的數(shù)據(jù)集,預訓練方法是在原有數(shù)據(jù)集的基礎(chǔ)上添加新數(shù)據(jù)。

    元學習(Meta Learning),也稱之為學會學習(Learning to Learn)。元學習的概念很簡單,就是利用以往學過的知識和經(jīng)驗能夠自主學習并培養(yǎng)出新技能。由于傳統(tǒng)機器學習都需要靠給機器喂大量的數(shù)據(jù)才能讓機器具備一定的智能,因此元學習概念的提出是革命性的。目前,元學習相關(guān)研究處于“百家爭鳴”的狀態(tài),有基于記憶方法、基于預測梯度方法、基于注意力機制等。

    6 常見特征提取及優(yōu)化方法

    現(xiàn)實生活中的文本、圖像、語音等需要被轉(zhuǎn)化為二進制數(shù)據(jù)才能被計算機識別,因此需要對這些原始材料進行數(shù)據(jù)轉(zhuǎn)化,該過程被稱為特征提取。特征提取方法層出不窮,在特征提取過程中,涌現(xiàn)出了很多優(yōu)化方法,使得特征提取更快、更有效。

    6.1 特征提取方法

    提取圖像特征最常用的方法就是二維矩陣轉(zhuǎn)化,很多工具都可以方便實現(xiàn),如MATLAB、Numpy等?;叶葓D片被提取為一個通道的二維矩陣,彩色圖片被提取為3個通道(RGB)的二維矩陣。

    提取文本的方法非常多樣化,有基于統(tǒng)計方法的詞集模型和詞袋模型,有基于獨熱編碼的獨熱模型,有基于熵概念的信息增益方法,有基于神經(jīng)網(wǎng)絡的詞向量模型等。目前,詞向量模型效果最好,基本上自然語言處理領(lǐng)域具備一定智能的模型或者系統(tǒng)都繞不開詞向量模型。

    6.2 優(yōu)化方法

    通過特征提取方法得到的數(shù)據(jù)集經(jīng)常會面臨一些問題,比如維度過大、特征稀疏且分散等。因此,需要一些優(yōu)化方法對得到的數(shù)據(jù)集進行優(yōu)化,用于降維的常用方法有奇異值分解(SVD)和主成分分析(PCA),常用的關(guān)鍵特征提取方法有注意力機制等。

    7 結(jié)語

    本文對經(jīng)典人工智能算法進行了概述,并介紹了每種算法的應用領(lǐng)域和實際應用案例。人工智能算法所基于的理念和概念其實非常簡單,但要實現(xiàn)這些理念和概念就繞不開繁瑣的數(shù)學公式和復雜的算法結(jié)構(gòu)。本文簡明扼要地直擊每種算法的要義,去除繁瑣的公式和復雜的算法結(jié)構(gòu)設(shè)計,讓初學者快速把握算法整體輪廓,并且在最短時間內(nèi)通過MATLAB、Gensim、Scikit-Learn等庫直接對實際案例進行操作。最后,介紹了數(shù)據(jù)集的特征提取和優(yōu)化方法,讓初學者對人工智能算法的數(shù)據(jù)集來源有最基本的認識。

    參考文獻:

    [1]KANUNGO T, MOUNT D M, NETANYAHU N S, et al. An efficient K-means clustering algorithm:analysis and implementation[J].? IEEE Transactions on Pattern Analysis & Machine Intelligence,2002,24(7):881-892.

    [2]ZOUHAL L M, DENOEUX T. An evidence-theoretic k-NN rule with parameter optimization[J].? IEEE Transactions on Systems Man & Cybernetics Part C Applications & Reviews,1998,28(2):263-271.

    [3]陸麗娜,陳亞萍,魏恒義,等. 挖掘關(guān)聯(lián)規(guī)則中Apriori算法的研究[J]. 小型微型計算機系統(tǒng), 2000,21(9):940-943.

    [4]王國才. 樸素貝葉斯分類器的研究與應用[D]. 重慶:重慶交通大學,2010.

    [5]李榮陸,王建會,陳曉云,等. 使用最大熵模型進行中文文本分類[J]. 計算機研究與發(fā)展,2005,42(1):94-101.

    [6]杜世平. 隱馬爾可夫模型的原理及其應用[D]. 成都:四川大學, 2004.

    [7]魏大成,周賢剛. 影響綜合康復治療神經(jīng)根型頸椎病療效的危險因素邏輯回歸分析[J]. 中國康復醫(yī)學雜志,2009,24(9):807-809.

    [8]基于極大似然準則和最大期望算法的自適應UKF算法[J]. 自動化學報,2012,38(7):1200-1210.

    [9]李稚楹,楊武,謝治軍. PageRank算法研究綜述[J]. 計算機科學, 2011(b10):185-188.

    [10]楊靜,張楠男,李建,等. 決策樹算法的研究與應用[J]. 計算機技術(shù)與發(fā)展, 2010,20(2):114-116.

    [11]隨機森林算法優(yōu)化研究[D]. 北京:首都經(jīng)濟貿(mào)易大學, 2014.

    [12]丁世飛,齊丙娟,譚紅艷. 支持向量機理論與算法研究綜述[J].? 電子科技大學學報, 2011, 40(1):2-10.

    [13]姚清耘. 基于向量空間模型的中文文本聚類方法的研究[D]. 上海:上海交通大學,2008.

    [14]王之倉. 多層感知器學習算法研究[D]. 蘇州:蘇州大學,2006.

    [15]朱大奇. 人工神經(jīng)網(wǎng)絡研究現(xiàn)狀及其展望[J]. 江南大學學報, 2004,3(1):103-110.

    [16]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 計算機學報,2017,40(6):1229-1251.

    [17]朱小燕,王昱,徐偉. 基于循環(huán)神經(jīng)網(wǎng)絡的語音識別模型[J]. 計算機學報,2001,24(2):213-218.

    [18]丁建立,陳增強,袁著祉.? 遺傳算法與螞蟻算法的融合[J]. 計算機研究與發(fā)展,2003,40(9):1351-1356.

    [19]段海濱,王道波,朱家強,等. 蟻群算法理論及應用研究的進展[J]. 控制與決策,2004,19(12):1321-1326.

    [20]模擬退火算法的研究及其應用[D]. 昆明:昆明理工大學,2005.

    [21]高陽,陳世福,陸鑫. 強化學習研究綜述[J]. 自動化學報,2004,30(1):86-100.

    [22]莊福振,羅平,何清,等. 遷移學習研究進展[J]. 軟件學報,2015,26(1):26-39.

    (責任編輯:孫 娟)

    收稿日期:2019-05-14

    基金項目:國家自然科學基金項目(61650102);廣西自然科學基金項目(2018GXNSFBA281086);廣西高校中青年教師基礎(chǔ)能力提升項目(KY2016YB278);廣西高??茖W計算與智能信息處理重點實驗室開放項目(GXSCIIP201603)

    作者簡介:陶陽明(1987-),男,南寧師范大學計算機與信息工程學院碩士研究生,研究方向為人工智能自主學習算法設(shè)計。

    猜你喜歡
    遺傳算法深度學習
    遺傳算法對CMAC與PID并行勵磁控制的優(yōu)化
    基于自適應遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應用
    基于遺傳算法和LS-SVM的財務危機預測
    有體驗的學習才是有意義的學習
    電子商務中基于深度學習的虛假交易識別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學習場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應用展望
    協(xié)同進化在遺傳算法中的應用研究
    深度學習算法應用于巖石圖像處理的可行性研究
    軟件導刊(2016年9期)2016-11-07 22:20:49
    亚洲成人免费电影在线观看| 国产又爽黄色视频| 美女大奶头视频| 深夜精品福利| 精品久久久久久久末码| 一卡2卡三卡四卡精品乱码亚洲| 啦啦啦观看免费观看视频高清| 欧美日韩瑟瑟在线播放| 中文字幕人成人乱码亚洲影| 国产亚洲精品久久久久5区| 亚洲成人久久爱视频| svipshipincom国产片| 欧美 亚洲 国产 日韩一| 久久久久久九九精品二区国产 | 亚洲国产精品sss在线观看| 国产精品九九99| 给我免费播放毛片高清在线观看| 久久久久久久久免费视频了| 精品一区二区三区视频在线观看免费| 欧美午夜高清在线| 午夜免费激情av| 欧洲精品卡2卡3卡4卡5卡区| 老司机在亚洲福利影院| 中文字幕人成人乱码亚洲影| av超薄肉色丝袜交足视频| 成年女人毛片免费观看观看9| 在线国产一区二区在线| 国产野战对白在线观看| 最近最新中文字幕大全免费视频| 欧美日韩一级在线毛片| 人人澡人人妻人| 精品福利观看| 国产蜜桃级精品一区二区三区| 久久精品国产亚洲av高清一级| 桃色一区二区三区在线观看| 国产免费男女视频| 嫩草影视91久久| 在线天堂中文资源库| 禁无遮挡网站| 两个人看的免费小视频| 久久婷婷成人综合色麻豆| av中文乱码字幕在线| 可以免费在线观看a视频的电影网站| 亚洲人成网站高清观看| 午夜视频精品福利| 午夜福利免费观看在线| 十分钟在线观看高清视频www| 麻豆一二三区av精品| 国产精品综合久久久久久久免费| a级毛片a级免费在线| 久久久国产成人免费| 男女那种视频在线观看| 每晚都被弄得嗷嗷叫到高潮| 午夜福利免费观看在线| 桃色一区二区三区在线观看| 婷婷亚洲欧美| 午夜免费观看网址| 欧美人与性动交α欧美精品济南到| 亚洲在线自拍视频| 成人国产一区最新在线观看| 亚洲九九香蕉| 欧洲精品卡2卡3卡4卡5卡区| 欧美日韩黄片免| 宅男免费午夜| 国产色视频综合| 午夜免费鲁丝| 成人国产一区最新在线观看| av在线天堂中文字幕| 欧美色欧美亚洲另类二区| 精品国产国语对白av| 午夜免费成人在线视频| 午夜亚洲福利在线播放| 亚洲av电影不卡..在线观看| 国产视频一区二区在线看| 91麻豆精品激情在线观看国产| 中亚洲国语对白在线视频| 亚洲国产中文字幕在线视频| 亚洲 欧美 日韩 在线 免费| 精品乱码久久久久久99久播| 国产成人一区二区三区免费视频网站| 99国产精品一区二区三区| 国产成人系列免费观看| 国产成人影院久久av| 中文在线观看免费www的网站 | 午夜影院日韩av| 99国产综合亚洲精品| 最新在线观看一区二区三区| 777久久人妻少妇嫩草av网站| 国产精品久久久人人做人人爽| 精品久久久久久久末码| 两个人看的免费小视频| 久久婷婷成人综合色麻豆| 国产精品九九99| 午夜老司机福利片| 国产熟女xx| 国产在线观看jvid| 人成视频在线观看免费观看| 国产片内射在线| 亚洲熟女毛片儿| 中文字幕人妻丝袜一区二区| 中文字幕人妻熟女乱码| 免费在线观看视频国产中文字幕亚洲| 日韩欧美一区二区三区在线观看| 欧美人与性动交α欧美精品济南到| 国产激情偷乱视频一区二区| 国产av在哪里看| 免费看美女性在线毛片视频| 国产人伦9x9x在线观看| 不卡一级毛片| 午夜福利免费观看在线| 成人亚洲精品av一区二区| 亚洲专区国产一区二区| 19禁男女啪啪无遮挡网站| 无人区码免费观看不卡| 婷婷亚洲欧美| 日韩三级视频一区二区三区| 亚洲成国产人片在线观看| 美女国产高潮福利片在线看| 国产91精品成人一区二区三区| 制服诱惑二区| 国产亚洲精品一区二区www| 无遮挡黄片免费观看| 欧美zozozo另类| 丰满人妻熟妇乱又伦精品不卡| 日本黄色视频三级网站网址| 国产黄a三级三级三级人| 免费在线观看成人毛片| 成年版毛片免费区| 天堂√8在线中文| 日韩一卡2卡3卡4卡2021年| 又黄又粗又硬又大视频| 亚洲激情在线av| 国产欧美日韩一区二区精品| 天天一区二区日本电影三级| 亚洲成av片中文字幕在线观看| 免费在线观看黄色视频的| 亚洲一区二区三区不卡视频| 久久天堂一区二区三区四区| 18禁黄网站禁片午夜丰满| 欧美日本视频| 91麻豆精品激情在线观看国产| 欧美人与性动交α欧美精品济南到| 国产亚洲精品综合一区在线观看 | 色综合站精品国产| 午夜福利成人在线免费观看| 老司机靠b影院| 午夜福利免费观看在线| √禁漫天堂资源中文www| 日本黄色视频三级网站网址| 首页视频小说图片口味搜索| 在线看三级毛片| av电影中文网址| 搡老岳熟女国产| av超薄肉色丝袜交足视频| 久久国产精品人妻蜜桃| 免费看a级黄色片| 老鸭窝网址在线观看| 国产精品永久免费网站| 成人av一区二区三区在线看| 69av精品久久久久久| 可以免费在线观看a视频的电影网站| 日韩精品中文字幕看吧| 国产精品九九99| 精品欧美一区二区三区在线| 老熟妇仑乱视频hdxx| 日韩欧美免费精品| 我的亚洲天堂| 国产不卡一卡二| 禁无遮挡网站| 欧美 亚洲 国产 日韩一| 国产精品久久久人人做人人爽| 麻豆成人午夜福利视频| 国产黄片美女视频| 亚洲中文av在线| 中出人妻视频一区二区| 日韩免费av在线播放| 搡老妇女老女人老熟妇| 看免费av毛片| 久久狼人影院| 亚洲人成电影免费在线| 亚洲av五月六月丁香网| 亚洲中文av在线| 色av中文字幕| 亚洲专区中文字幕在线| av在线天堂中文字幕| 国产激情久久老熟女| 国产视频一区二区在线看| 成人亚洲精品一区在线观看| 午夜久久久久精精品| www.自偷自拍.com| 亚洲国产欧美一区二区综合| 男男h啪啪无遮挡| 99re在线观看精品视频| 一进一出抽搐动态| 精品福利观看| 一个人免费在线观看的高清视频| 在线播放国产精品三级| 亚洲精品一区av在线观看| 久久中文字幕人妻熟女| 国内精品久久久久久久电影| 成年女人毛片免费观看观看9| 午夜亚洲福利在线播放| 亚洲成av人片免费观看| 国产av一区在线观看免费| 亚洲av成人一区二区三| 午夜视频精品福利| 亚洲av成人av| 麻豆国产av国片精品| 丰满人妻熟妇乱又伦精品不卡| 韩国av一区二区三区四区| 国产精品久久久久久亚洲av鲁大| 18禁黄网站禁片免费观看直播| 搡老妇女老女人老熟妇| e午夜精品久久久久久久| 成人欧美大片| 夜夜看夜夜爽夜夜摸| 欧美av亚洲av综合av国产av| 亚洲七黄色美女视频| 午夜福利成人在线免费观看| 搞女人的毛片| 自线自在国产av| 波多野结衣高清作品| 18禁裸乳无遮挡免费网站照片 | 夜夜躁狠狠躁天天躁| 国产午夜福利久久久久久| 免费av毛片视频| 欧美日韩福利视频一区二区| 婷婷精品国产亚洲av| 国产精品九九99| 日本三级黄在线观看| 伊人久久大香线蕉亚洲五| 麻豆av在线久日| 91九色精品人成在线观看| 久久天堂一区二区三区四区| 特大巨黑吊av在线直播 | 十分钟在线观看高清视频www| 一区二区三区激情视频| 亚洲国产精品成人综合色| 可以在线观看毛片的网站| 男女下面进入的视频免费午夜 | 国产精品免费视频内射| 欧美日韩乱码在线| 亚洲国产欧美网| 国产精品,欧美在线| 亚洲一区高清亚洲精品| 男人舔奶头视频| 久久精品成人免费网站| 亚洲最大成人中文| 亚洲九九香蕉| 亚洲国产欧美网| avwww免费| 三级毛片av免费| 国产精品亚洲一级av第二区| 69av精品久久久久久| 热re99久久国产66热| 久久天堂一区二区三区四区| 99热这里只有精品一区 | 亚洲国产日韩欧美精品在线观看 | av电影中文网址| 国产欧美日韩精品亚洲av| 法律面前人人平等表现在哪些方面| www.自偷自拍.com| 在线观看日韩欧美| 国产99白浆流出| 啪啪无遮挡十八禁网站| 国产免费男女视频| 国产精品久久久久久精品电影 | 极品教师在线免费播放| 丝袜人妻中文字幕| 精品久久久久久成人av| 少妇 在线观看| 欧美激情 高清一区二区三区| 香蕉国产在线看| 亚洲天堂国产精品一区在线| 亚洲电影在线观看av| 久久 成人 亚洲| www.自偷自拍.com| 淫秽高清视频在线观看| 亚洲欧美激情综合另类| 一级毛片高清免费大全| 日韩欧美国产一区二区入口| 欧美激情极品国产一区二区三区| 丝袜人妻中文字幕| 国产精品永久免费网站| 国产99白浆流出| 成人免费观看视频高清| 在线观看日韩欧美| 一级毛片高清免费大全| 亚洲中文字幕日韩| 99热只有精品国产| 在线观看免费日韩欧美大片| 欧美国产日韩亚洲一区| 国产亚洲精品久久久久久毛片| 免费av毛片视频| 国产精华一区二区三区| 我的亚洲天堂| 少妇粗大呻吟视频| 88av欧美| 99在线视频只有这里精品首页| 亚洲中文日韩欧美视频| 男人舔奶头视频| 露出奶头的视频| 桃色一区二区三区在线观看| 亚洲午夜精品一区,二区,三区| 免费av毛片视频| 老司机午夜福利在线观看视频| 91字幕亚洲| 成人手机av| 欧美日韩精品网址| 欧美在线一区亚洲| 日韩精品中文字幕看吧| cao死你这个sao货| 亚洲av五月六月丁香网| 国产黄色小视频在线观看| 人人妻人人看人人澡| АⅤ资源中文在线天堂| 久久热在线av| 日本精品一区二区三区蜜桃| 男女那种视频在线观看| 欧美黑人欧美精品刺激| 人人澡人人妻人| 国产av一区二区精品久久| 精品久久蜜臀av无| 久久人人精品亚洲av| 无人区码免费观看不卡| 久久久久亚洲av毛片大全| av福利片在线| 成人国产一区最新在线观看| 精品一区二区三区四区五区乱码| 神马国产精品三级电影在线观看 | 国产成人欧美在线观看| 无遮挡黄片免费观看| 国内精品久久久久久久电影| 成人国产一区最新在线观看| 久久这里只有精品19| 12—13女人毛片做爰片一| 男人的好看免费观看在线视频 | 国产欧美日韩一区二区三| 美女扒开内裤让男人捅视频| 两个人免费观看高清视频| 亚洲第一欧美日韩一区二区三区| 亚洲国产毛片av蜜桃av| 老司机午夜福利在线观看视频| 国产三级在线视频| 十分钟在线观看高清视频www| 国产精品影院久久| 日韩一卡2卡3卡4卡2021年| 亚洲av成人不卡在线观看播放网| 很黄的视频免费| 国产精品综合久久久久久久免费| 18禁黄网站禁片午夜丰满| ponron亚洲| 欧美色视频一区免费| 不卡一级毛片| 操出白浆在线播放| 国产精品影院久久| 欧美黄色淫秽网站| 国产一区在线观看成人免费| 欧美日韩亚洲国产一区二区在线观看| 男人舔女人下体高潮全视频| www.精华液| 国产主播在线观看一区二区| 天堂影院成人在线观看| 宅男免费午夜| 午夜免费鲁丝| 成人免费观看视频高清| 搡老熟女国产l中国老女人| 国产精品爽爽va在线观看网站 | 国产精品一区二区三区四区久久 | 免费av毛片视频| 国产av一区在线观看免费| 色综合亚洲欧美另类图片| www.熟女人妻精品国产| 国产成年人精品一区二区| 最近最新中文字幕大全电影3 | 国产亚洲欧美精品永久| 国内揄拍国产精品人妻在线 | 欧美av亚洲av综合av国产av| 成熟少妇高潮喷水视频| 黄色女人牲交| 中文字幕最新亚洲高清| 99精品欧美一区二区三区四区| 精品第一国产精品| 哪里可以看免费的av片| 国产成人精品久久二区二区免费| 精品久久久久久久毛片微露脸| 精品高清国产在线一区| 欧美性猛交╳xxx乱大交人| 香蕉久久夜色| 精品免费久久久久久久清纯| 美国免费a级毛片| 99国产综合亚洲精品| 中文字幕精品免费在线观看视频| a级毛片a级免费在线| 国内精品久久久久精免费| 99国产极品粉嫩在线观看| 黑人巨大精品欧美一区二区mp4| 亚洲精品中文字幕一二三四区| 看免费av毛片| 久热这里只有精品99| 精品欧美一区二区三区在线| 97碰自拍视频| 午夜福利视频1000在线观看| 欧美乱码精品一区二区三区| 欧美性猛交黑人性爽| 精品国内亚洲2022精品成人| 久久99热这里只有精品18| 成人三级做爰电影| 91成人精品电影| 99久久国产精品久久久| 精品国产亚洲在线| 夜夜爽天天搞| 色综合婷婷激情| 久久久久久久久久黄片| 欧美黄色淫秽网站| 国产爱豆传媒在线观看 | 天堂√8在线中文| 精品一区二区三区四区五区乱码| 熟女电影av网| 精品免费久久久久久久清纯| 99国产精品99久久久久| 88av欧美| 国产久久久一区二区三区| 最好的美女福利视频网| 亚洲色图 男人天堂 中文字幕| 国产精品国产高清国产av| 国产精品精品国产色婷婷| 99精品在免费线老司机午夜| 1024香蕉在线观看| 99久久综合精品五月天人人| www.自偷自拍.com| 后天国语完整版免费观看| 在线观看66精品国产| 国产成人精品久久二区二区91| 亚洲av片天天在线观看| 欧美成人性av电影在线观看| 久久香蕉精品热| 一级作爱视频免费观看| 韩国精品一区二区三区| 在线观看日韩欧美| 亚洲国产欧美日韩在线播放| 麻豆av在线久日| 久久久久国产精品人妻aⅴ院| 香蕉久久夜色| 日本黄色视频三级网站网址| 国产成人av教育| 久久国产乱子伦精品免费另类| 亚洲第一欧美日韩一区二区三区| 亚洲激情在线av| 99精品在免费线老司机午夜| 欧美激情高清一区二区三区| 国产精品一区二区精品视频观看| 成年人黄色毛片网站| 好男人电影高清在线观看| 女人被狂操c到高潮| 久久亚洲精品不卡| 夜夜躁狠狠躁天天躁| 亚洲人成77777在线视频| 亚洲va日本ⅴa欧美va伊人久久| 最近最新免费中文字幕在线| 黄色 视频免费看| 99久久精品国产亚洲精品| 中文字幕人成人乱码亚洲影| 国产在线精品亚洲第一网站| 午夜福利免费观看在线| 757午夜福利合集在线观看| 免费看十八禁软件| 久久久久久九九精品二区国产 | 日日摸夜夜添夜夜添小说| 欧美性猛交╳xxx乱大交人| 老熟妇乱子伦视频在线观看| 后天国语完整版免费观看| 女人高潮潮喷娇喘18禁视频| 亚洲国产中文字幕在线视频| 国产av不卡久久| 亚洲专区字幕在线| 国产成人影院久久av| 亚洲专区中文字幕在线| 色av中文字幕| 长腿黑丝高跟| 欧美性长视频在线观看| 久久九九热精品免费| 自线自在国产av| 精品午夜福利视频在线观看一区| 亚洲男人天堂网一区| 一区二区三区国产精品乱码| 色播亚洲综合网| 麻豆久久精品国产亚洲av| aaaaa片日本免费| 久久狼人影院| 国内精品久久久久精免费| 久久中文字幕人妻熟女| 国产亚洲av高清不卡| 人人妻人人澡人人看| 亚洲第一av免费看| 国产在线精品亚洲第一网站| 久久中文字幕一级| 熟女电影av网| 欧美色欧美亚洲另类二区| 两个人免费观看高清视频| 窝窝影院91人妻| 免费女性裸体啪啪无遮挡网站| 久久香蕉精品热| 亚洲人成伊人成综合网2020| 少妇被粗大的猛进出69影院| 丁香六月欧美| 亚洲黑人精品在线| 免费在线观看影片大全网站| 亚洲成国产人片在线观看| 国产精品,欧美在线| 人人妻人人看人人澡| 国产精品 国内视频| 午夜福利高清视频| 亚洲avbb在线观看| 亚洲熟妇中文字幕五十中出| 天天一区二区日本电影三级| 香蕉国产在线看| 天天躁狠狠躁夜夜躁狠狠躁| 九色国产91popny在线| 极品教师在线免费播放| 亚洲中文字幕日韩| 免费在线观看成人毛片| 国内揄拍国产精品人妻在线 | 国产不卡一卡二| 久久久久久久久免费视频了| 听说在线观看完整版免费高清| 亚洲最大成人中文| 欧美成狂野欧美在线观看| 国内少妇人妻偷人精品xxx网站 | 亚洲欧美日韩无卡精品| 亚洲天堂国产精品一区在线| 国产亚洲欧美在线一区二区| 日韩国内少妇激情av| 亚洲精华国产精华精| 欧美一区二区精品小视频在线| 亚洲第一欧美日韩一区二区三区| 国产精品免费一区二区三区在线| 精品国产国语对白av| 99久久无色码亚洲精品果冻| 悠悠久久av| 国产v大片淫在线免费观看| 亚洲av美国av| 亚洲av成人一区二区三| 又大又爽又粗| 精品人妻1区二区| 欧美另类亚洲清纯唯美| 中文字幕人妻丝袜一区二区| 一本综合久久免费| 久久精品成人免费网站| 自线自在国产av| 欧美中文综合在线视频| 色综合站精品国产| 成人国产综合亚洲| 国产真实乱freesex| 搡老岳熟女国产| 黄色a级毛片大全视频| 俄罗斯特黄特色一大片| 精品少妇一区二区三区视频日本电影| 非洲黑人性xxxx精品又粗又长| 男人舔女人下体高潮全视频| 日日夜夜操网爽| 成人午夜高清在线视频 | 免费在线观看亚洲国产| 日韩欧美一区二区三区在线观看| 成人精品一区二区免费| 亚洲精华国产精华精| 午夜福利在线在线| 丰满人妻熟妇乱又伦精品不卡| 欧美性猛交黑人性爽| 国产精品1区2区在线观看.| 国产成人av教育| 黄色女人牲交| 亚洲午夜理论影院| 十八禁人妻一区二区| 男女午夜视频在线观看| 久久热在线av| 国产伦人伦偷精品视频| 精品国产超薄肉色丝袜足j| 久久久久久亚洲精品国产蜜桃av| 国产精品免费一区二区三区在线| 亚洲国产日韩欧美精品在线观看 | 超碰成人久久| 麻豆国产av国片精品| 亚洲国产看品久久| 中文字幕av电影在线播放| 最近最新免费中文字幕在线| 午夜福利在线在线| 中文字幕最新亚洲高清| 黑丝袜美女国产一区| 成人特级黄色片久久久久久久| 亚洲免费av在线视频| 99热只有精品国产| 熟妇人妻久久中文字幕3abv| 好男人在线观看高清免费视频 | 精品第一国产精品| 免费女性裸体啪啪无遮挡网站| 成人av一区二区三区在线看| 欧美成人免费av一区二区三区| 免费电影在线观看免费观看| 99精品在免费线老司机午夜| 欧美日韩亚洲综合一区二区三区_| 婷婷亚洲欧美| 久久午夜亚洲精品久久| 日韩精品青青久久久久久| 欧美黄色淫秽网站| 在线观看一区二区三区| 成人18禁在线播放| 国产欧美日韩精品亚洲av| 成人精品一区二区免费| 日本免费a在线| 麻豆成人av在线观看| 麻豆国产av国片精品| 最好的美女福利视频网| svipshipincom国产片| 天堂√8在线中文|