• <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 ?

    基于層次聚類改進(jìn)SMOTE的過采樣方法

    2020-06-09 12:20:59王圓方
    軟件 2020年2期

    王圓方

    摘 ?要: 針對SMOTE算法在合成少數(shù)類新樣本時存在的不足,提出了一種基于層次聚類算法改進(jìn)的SMOTE過采樣法H-SMOTE。該算法首先對少數(shù)類樣本進(jìn)行層次聚類,其次根據(jù)提出的簇密度分布函數(shù),計算各個簇的簇密度,最后在各個簇中利用改進(jìn)的SMOTE算法進(jìn)行過采樣,提高合成樣本的多樣性,得到新的平衡數(shù)據(jù)集。通過對UCI數(shù)據(jù)集的實驗表明,H-SMOTE算法的分類效果得到明顯的提升。

    關(guān)鍵詞:?過采樣;少數(shù)類;層次聚類;SMOTE

    中圖分類號: TP301.6????文獻(xiàn)標(biāo)識碼:?A????DOI:10.3969/j.issn.1003-6970.2020.02.044

    【Abstract】: For conventional oversampling algorithms, for example, SMOTE, there are several problems such as ignoring within-class imbalances. Based in the comprehensive consideration of within-class imbalance, an oversampling algorithm, which is a hybrid of Aggregation hierarchy clustering?and improved SMOTE(H-SMOTE), is proposed.Firstly, it utilizes the hierarchy clustering?to cluster minority class samples. Secondly, according to the proposed cluster density distribution function, the cluster density of each cluster are calculated. Finally, the H-SMOTE algorithm is adopted to oversample on the lines of the location-distant minority class samples in each cluster, the diversity of synthetic samples is improved and a new balanced data set between and within classes is obtained. Experiments on the UCI data sets show that H-SMOTE can effectively improve the classification performance of the classifier for the minority class samples.

    【Key words】: Oversampling; Minority class; Aggregation hierarchy clustering; SMOTE

    0??引言

    不平衡數(shù)據(jù)集是指數(shù)據(jù)集中某些類的樣本個數(shù)明顯小于其他類的數(shù)據(jù)集[1]。在二分類問題中,定義擁有較多樣本數(shù)量的類別為負(fù)類,將樣本數(shù)量少的類別成為正類[2]。在類不平衡數(shù)據(jù)集的分類問題中,由于少數(shù)類樣本的誤分代價更大,所以少數(shù)類樣本比其他類別數(shù)據(jù)更重要[3]。樣本不平衡會帶來樣本點的空間分布并不能符合真實分布,因此使用SMOTE擴(kuò)充樣本集合時,并不能改變原有樣本的分布的外圍輪廓特征,這就意味著對分類問題中分類邊界的影響比較小。因此,如何有效的解決不平衡數(shù)據(jù)集的分類問題成為了數(shù)據(jù)挖掘領(lǐng)域中的重要研究內(nèi)容。

    SMOTE算法[4]是目前常用的過采樣方法,可以有效的平衡數(shù)據(jù)集。但也存在一些問題:該算法無法克服非平衡數(shù)據(jù)集的數(shù)據(jù)分布問題,容易產(chǎn)生分布邊緣化的問題。由于負(fù)類樣本的分布決定了其可選擇的近鄰,如果一個負(fù)類樣本處在負(fù)類樣本的邊緣,則由這個負(fù)類樣本和近鄰產(chǎn)生的新樣本也在邊緣,從而無法確定正負(fù)類的邊界[5]。

    對于SMOTE算法存在的問題,Han[6]等人提出了Borderline-SMOTE算法,該算法是對位于分類邊界的少數(shù)類樣本進(jìn)行過采樣,加強(qiáng)對分類邊界樣本的學(xué)習(xí)。He[7]等人提出的ADASYN算法根據(jù)數(shù)據(jù)分布自動確定每個少數(shù)類樣本需要生成新樣本的數(shù)量,擁有越多多數(shù)類鄰居的少數(shù)類樣本生成更多的新樣本。相比于SMOTE算法,Borderline-?SMOTE和ADASYN算法只對樣本的分布進(jìn)行了細(xì)致劃分,因此依然存在SMOTE算法出現(xiàn)的問題[8]。

    針對以上過采樣算法存在的問題,本文提出了H-SMOTE算法。首先,對少數(shù)類樣本使用層次聚類算法進(jìn)行聚類;其次,根據(jù)本文提出的密度函數(shù)計算簇密度;最后,在每個簇中使用改進(jìn)的 SMOTE 算法(H-SMOTE)進(jìn)行過采樣,得到類間和類內(nèi)均達(dá)到平衡的新數(shù)據(jù)集,并且合成的少數(shù)類樣本具有多樣性。

    1??理論知識

    1.1 ?SMOTE算法

    SMOTE算法[4]的基本原理是在近鄰少數(shù)列樣本之間進(jìn)行線性差值,合成新的少數(shù)類樣本。具體步驟如下:

    (3)將生成的新樣本全部加入原始訓(xùn)練數(shù)據(jù)?中,消除訓(xùn)練數(shù)據(jù)集的不平衡度。

    1.2??層次聚類算法

    層次聚類[9](hierarchical clustering)是一種基于原型的聚類算法,試圖在不同層次對數(shù)據(jù)集進(jìn)行劃分,從而形成樹形的聚類結(jié)構(gòu)。數(shù)據(jù)集的劃分可采用“自底向上”的聚合策略,也可以采用“自頂向下”的分拆策略。層次聚類算法的優(yōu)勢在于,可以通過繪制樹狀圖(dendrogram),幫助我們使用可視化的方式來解釋聚類結(jié)果。

    層次聚類[10]可以分為凝聚(agglomerative)層次聚類和分裂(divsive)層次聚類。分裂層次聚類采用的就是“自頂而下”的思想,先將所有的樣本都看作是同一個簇,然后通過迭代將簇劃分為更小的簇,直到每個簇中只有一個樣本為止。凝聚層次聚類采用的是“自底向上”的思想,先將每一個樣本都看成是一個不同的簇,通過重復(fù)將最近的一對簇進(jìn)行合并,直到最后所有的樣本都屬于同一個簇??為止。

    在文本中我們選用的是凝聚層次聚類,在凝聚層次聚類[11]中,判定簇間距離的兩個標(biāo)準(zhǔn)方法就是單連接(single linkage)和全連接(complete linkage)。單連接,是計算每一對簇中最相似兩個樣本的距離,并合并距離最近的兩個樣本所屬簇。全連接,通過比較找到分布于兩個簇中最不相似的樣本(距離最遠(yuǎn)),從而來完成簇的合并。

    凝聚層次聚類除了通過單連接和全連接來判斷兩個簇之間的距離之外,還可以通過平均連接(average linkage)和ward連接。使用平均連接時,合并兩個簇所有成員間平均距離最小的兩個簇。使用ward連接,合并的是使得SSE增量最小的兩個簇。

    給定要聚類的N的對象以及N*N的距離矩??陣(或者是相似性矩陣), 層次聚類方法的基本步驟如下:

    (1)將每個對象歸為一類, 共得到N類,每類僅包含一個對象。類與類之間的距離就是它們所包含的對象之間的距離,這里使用歐氏距離,即

    (2)找到最接近的兩個類并合并成一類,于是總的類數(shù)少了一個。

    (3)重新計算新的類與所有舊類之間的距離。

    (4)重復(fù)第2步和第3步,直到最后合并成一個類為止(此類包含了N個對象)。

    2??基于層次聚類改進(jìn)SMOTE的過采樣方法

    針對SMOTE等傳統(tǒng)過采樣算法存在的問題,本文先將SMOTE算法進(jìn)行改進(jìn),并結(jié)合層次聚類算法,提出了H-SMOTE過采樣算法。

    2.1??簇密度分布函數(shù)

    相比于SMOTE等傳統(tǒng)算法,H-SMOTE算法引入簇密度分布函數(shù)的定義,因此該算法可以有效解決少數(shù)類樣本類內(nèi)不平衡的問題。H-SMOTE 算法在兩個相距較遠(yuǎn)的樣本點的連線上不斷合成新樣本,可以提高合成少數(shù)類樣本的多樣性,為分類器提供更多有效的分類信息。

    3 ?實驗設(shè)計與結(jié)果分析

    3.1 ?數(shù)據(jù)集

    本實驗采用UCI數(shù)據(jù)庫中的五個數(shù)據(jù)集作為實驗數(shù)據(jù),5個數(shù)據(jù)集的特征如表1所示:

    3.2??評價指標(biāo)

    傳統(tǒng)的分類學(xué)習(xí)方法中,一般采用分類精度作為評價指標(biāo),然而對于不平衡數(shù)據(jù)集,用分類精度來評價分類器的性能是不合理的[13-14]。所以對于不平衡數(shù)據(jù)集,有新的評價指標(biāo),F(xiàn)-value、G-mean等,基本上都是建立在混淆矩陣基礎(chǔ)上的。

    二分類問題的混淆矩陣如表2所示。其中,TP表示少數(shù)類樣本判為少數(shù)類的數(shù)目,TN表示多數(shù)類樣本判為多數(shù)類的數(shù)目,F(xiàn)N、FP分別表示判決錯誤的實際少數(shù)類和多數(shù)類樣本數(shù)目。

    3.3 ?實驗結(jié)果與分析

    本文實現(xiàn)了SMOTE、Borderline-SMOTE、ASMOTE、KM-SMOTE、H-SMOTE和SVM算法。將SMOTE、Borderline-SMOTE、ASMOTE、Random-?SMOTE算法中的上采樣倍數(shù)設(shè)為同一數(shù)值,使用SVM算法[15]進(jìn)行分類。實驗結(jié)果如表3、表4所示。

    由表3和表4可知,Pima和Ionosphere兩個數(shù)據(jù)集的不平衡程度較高,H-SMOTE和SVM組合算法較其他算法在F-value和G-mean上提升效果明顯。主要是數(shù)據(jù)集不平衡程度較高,存在較多的孤立少數(shù)類樣本,H-SMOTE算法通過接近度能夠選擇這些孤立樣本,避免孤立點被噪聲淹沒。Ecoli1和Segment兩個數(shù)據(jù)集的不平衡程度較低,本文改進(jìn)的算法較其它算法相比,F(xiàn)-value和G-mean也有明顯的提升。

    以上結(jié)果總體來看,本文提出的H-SMOTE過???采樣算法可以有效提升分類器對少數(shù)類樣本的分類?性能。

    4??結(jié)論

    本文針對SMOTE算法合成少數(shù)類新樣本存在的不足,引入了層次聚類算法,提出一種基于層次聚類改進(jìn)的SMOTE算法。該算法首先使用層次聚類算法對少數(shù)類樣本聚類;其次,利用簇密度分布函數(shù)計算各個簇的采樣權(quán)重,最后,使用改進(jìn)的SMOTE算法合成新的少數(shù)類樣本。實驗結(jié)果表明,H-SMOTE算法可以有效地提高分類器的分類性能。

    參考文獻(xiàn)

    Li J, Fong S, Wong R K, et al. Adaptive multi-objective swarm fusion for imbalanced data classification[J]. In-formation Fusion, 2018, 39: 1-24.

    Cao Peng, Liu Xiaoli, Zhang Jian, et al. ?2, 1 norm regu-larized multi-kernel based joint nonlinear feature selec-?tion and over-sampling for imbalanced data classifica-tion[J]. Neurocomputing, 2017, 234: 38-57.

    Bahnsen A C, Aouada D, Stojanovic A, et al. Feature engineering strategies for credit card fraud detection[J]. Expert?Systems with Applications An International Jour-nal, 2016, 51(C): 134-142.

    Chawlan, V., Bowyer, K. W. and Hall, L. O. (2002) SMOTE: Synthetie minority over-sampling technique. Journal of Aflificial Intelligence Research, 16(1), 321- 357.

    向鴻鑫, 楊云. 不平衡數(shù)據(jù)挖掘方法綜述[J]. 計算機(jī)工程與應(yīng)用, 2019, 55(4): 6-21.

    Han Hui, Wang Wenyuan, Mao Binghuan. Border-line-?SMOTE: A new over-sampling method in imbal-anced data sets learning[C]//International Conference on Intelligent Computing, 2005: 878-887.

    He Haibo, Bai Yang, Garcia E A, et al. ADASYN: Adap-tive Synthetic Sampling Approach for Imbalanced Learn-ing[C]//?IEEE International Joint Conference on Neural Networks, 2008: 1322-1328.

    李軍. 不平衡數(shù)據(jù)學(xué)習(xí)的研究[D]. 長春: 吉林大學(xué), 2011.

    代翔, 黃細(xì)鳳, 唐瑞, 蔣夢婷, 陳興蜀, 王海舟, 羅梁. 基于層次聚類的子話題檢測算法[J]. 華南理工大學(xué)學(xué)報(自然科學(xué)版), 2019, 47(08): 84-95.

    王韞燁, 孔珊. 一種基于檢測器集層次聚類的免疫否定選擇算法[J/OL]. 計算機(jī)工程: 1-6[2019-10-23]. http://kns.?cnki.net/kcms/detail/31.1289.TP.20190814.0950.006.html.

    鐘俊坤. 幾種新聚類算法的研究[D]. 西安: 西安電子科技大學(xué), 2014.

    王亮, 冶繼民. 整合DBSCAN和改進(jìn)SMOTE的過采樣算法[J/OL]. 計算機(jī)工程與應(yīng)用: 1-10[2019-10-23]. http://kns.?cnki.net/kcms/detail/11.2127.TP.20190925.1044.010.html.

    Yaxiang G U, Shifei D, 顧亞祥, et al. Advances of Support Vector Machines(SVM)支持向量機(jī)研究進(jìn)展[J]. 計算機(jī)科學(xué), 2011, 38(2): 14-17.

    Yang Y, Shan-Ping L I. Instance Importance Based SVM for Solving Imbalanced Data Classification[J]. Pattern Recognition & Artificial Intelligence, 2009.

    王和勇, 樊泓坤, 姚正安. SMOTE和Biased-SVM相結(jié)合的不平衡數(shù)據(jù)分類方法[J]. 計算機(jī)科學(xué), 2008, 35(5): 174-176.

    青春草亚洲视频在线观看| 99热国产这里只有精品6| 视频在线观看一区二区三区| 久久久国产一区二区| 在线观看免费高清a一片| 欧美丝袜亚洲另类| 高清视频免费观看一区二区| freevideosex欧美| 免费av中文字幕在线| 高清欧美精品videossex| 亚洲av不卡在线观看| 亚洲人成网站在线观看播放| 亚洲精品乱码久久久久久按摩| 亚州av有码| 精品卡一卡二卡四卡免费| 如何舔出高潮| 国产白丝娇喘喷水9色精品| av在线观看视频网站免费| 国产精品三级大全| 欧美xxxx性猛交bbbb| 国产免费又黄又爽又色| 肉色欧美久久久久久久蜜桃| 99久久中文字幕三级久久日本| 少妇猛男粗大的猛烈进出视频| 超碰97精品在线观看| 国产成人午夜福利电影在线观看| av网站免费在线观看视频| 国产欧美另类精品又又久久亚洲欧美| 国产精品嫩草影院av在线观看| 国产亚洲av片在线观看秒播厂| 久久精品人人爽人人爽视色| 国产伦精品一区二区三区视频9| 久久99热这里只频精品6学生| 国产乱来视频区| 国产av一区二区精品久久| 男女免费视频国产| 亚洲内射少妇av| 99久国产av精品国产电影| av黄色大香蕉| 夜夜看夜夜爽夜夜摸| 一级毛片 在线播放| 大片免费播放器 马上看| 三上悠亚av全集在线观看| 国产探花极品一区二区| 国产一区二区三区av在线| 青春草亚洲视频在线观看| 午夜老司机福利剧场| 男人爽女人下面视频在线观看| 午夜福利影视在线免费观看| 久久 成人 亚洲| 一二三四中文在线观看免费高清| 国产免费一区二区三区四区乱码| 婷婷色综合www| 久久久久国产精品人妻一区二区| 一级黄片播放器| 成人二区视频| 乱人伦中国视频| 一级毛片aaaaaa免费看小| 在线播放无遮挡| 五月开心婷婷网| 欧美精品一区二区大全| 菩萨蛮人人尽说江南好唐韦庄| 日韩强制内射视频| 国产亚洲一区二区精品| 精品酒店卫生间| av福利片在线| 国产免费视频播放在线视频| 中文字幕人妻熟人妻熟丝袜美| 精品国产一区二区三区久久久樱花| 日韩制服骚丝袜av| 五月天丁香电影| 夜夜爽夜夜爽视频| 亚洲精品乱码久久久久久按摩| 国产亚洲最大av| 免费黄色在线免费观看| 18禁在线无遮挡免费观看视频| 亚洲精品456在线播放app| 99re6热这里在线精品视频| 制服诱惑二区| 亚洲婷婷狠狠爱综合网| videos熟女内射| 国产av精品麻豆| 日日撸夜夜添| 国产老妇伦熟女老妇高清| 大又大粗又爽又黄少妇毛片口| 两个人的视频大全免费| 一级二级三级毛片免费看| 天堂俺去俺来也www色官网| 亚洲国产精品999| 街头女战士在线观看网站| av天堂久久9| 超碰97精品在线观看| 日韩,欧美,国产一区二区三区| 国产一区二区在线观看日韩| 丝袜美足系列| 久久久久久久亚洲中文字幕| 亚洲av国产av综合av卡| 久久精品久久精品一区二区三区| av黄色大香蕉| 一级,二级,三级黄色视频| 在线观看国产h片| 热re99久久精品国产66热6| 99re6热这里在线精品视频| 少妇被粗大猛烈的视频| 日本欧美国产在线视频| 考比视频在线观看| 国产极品粉嫩免费观看在线 | 欧美一级a爱片免费观看看| 在线看a的网站| 九色成人免费人妻av| 51国产日韩欧美| 蜜桃在线观看..| 欧美日韩在线观看h| av国产精品久久久久影院| 精品99又大又爽又粗少妇毛片| 免费av不卡在线播放| 女人精品久久久久毛片| 成年人午夜在线观看视频| 日韩一区二区视频免费看| 国产黄色免费在线视频| 国产黄片视频在线免费观看| av线在线观看网站| 欧美精品一区二区大全| 亚洲色图综合在线观看| 久久久久久久亚洲中文字幕| 中文欧美无线码| 久久 成人 亚洲| 国产亚洲av片在线观看秒播厂| 成人毛片60女人毛片免费| 国产精品一区二区在线不卡| 亚洲av在线观看美女高潮| 一级毛片黄色毛片免费观看视频| 搡老乐熟女国产| 婷婷成人精品国产| 日本免费在线观看一区| 亚洲情色 制服丝袜| 亚洲国产成人一精品久久久| 国产高清不卡午夜福利| 一级毛片电影观看| 久久精品国产a三级三级三级| 国产有黄有色有爽视频| 一级毛片电影观看| 亚洲少妇的诱惑av| 国产精品国产三级专区第一集| 校园人妻丝袜中文字幕| 亚洲欧美色中文字幕在线| 美女大奶头黄色视频| 国产日韩一区二区三区精品不卡 | 精品人妻偷拍中文字幕| 在线观看美女被高潮喷水网站| 丝瓜视频免费看黄片| 狠狠婷婷综合久久久久久88av| 九色成人免费人妻av| 热re99久久精品国产66热6| 久久久久久久久久久免费av| 亚洲欧洲日产国产| 亚洲图色成人| 国产精品 国内视频| 青青草视频在线视频观看| 国产在线一区二区三区精| 欧美xxⅹ黑人| 黄色怎么调成土黄色| 高清毛片免费看| 熟女电影av网| 天堂8中文在线网| 久久精品国产亚洲av天美| 欧美xxⅹ黑人| 日日爽夜夜爽网站| 久久婷婷青草| 免费播放大片免费观看视频在线观看| 欧美日韩av久久| 亚洲在久久综合| 精品一区二区免费观看| 三级国产精品片| 看十八女毛片水多多多| 丰满乱子伦码专区| 亚洲精品一区蜜桃| 超色免费av| 久久 成人 亚洲| 免费少妇av软件| 久久99精品国语久久久| 国语对白做爰xxxⅹ性视频网站| 免费人成在线观看视频色| 国产黄频视频在线观看| 久久久久人妻精品一区果冻| av不卡在线播放| 水蜜桃什么品种好| 内地一区二区视频在线| 久久这里有精品视频免费| 精品酒店卫生间| 最新的欧美精品一区二区| 七月丁香在线播放| 精品卡一卡二卡四卡免费| 自线自在国产av| 亚洲精品一二三| 少妇高潮的动态图| 午夜精品国产一区二区电影| 夜夜爽夜夜爽视频| .国产精品久久| 久久精品久久久久久噜噜老黄| 成人18禁高潮啪啪吃奶动态图 | 乱码一卡2卡4卡精品| 波野结衣二区三区在线| 亚洲欧美成人综合另类久久久| 日本爱情动作片www.在线观看| a级毛色黄片| av视频免费观看在线观看| 亚洲欧美一区二区三区黑人 | 久久久久国产网址| 欧美精品一区二区免费开放| a级毛片免费高清观看在线播放| 伊人久久国产一区二区| 亚洲国产日韩一区二区| 日本av免费视频播放| 亚洲精品国产色婷婷电影| 国产精品嫩草影院av在线观看| 国产色爽女视频免费观看| 99国产综合亚洲精品| 亚洲欧美成人综合另类久久久| 毛片一级片免费看久久久久| 美女视频免费永久观看网站| 久久亚洲国产成人精品v| 精品人妻偷拍中文字幕| 一级a做视频免费观看| 亚洲国产精品成人久久小说| 新久久久久国产一级毛片| 亚洲国产精品999| 欧美激情极品国产一区二区三区 | 插逼视频在线观看| 美女国产视频在线观看| av卡一久久| 九九爱精品视频在线观看| www.av在线官网国产| 免费播放大片免费观看视频在线观看| 久久国产亚洲av麻豆专区| 成年av动漫网址| 国产av精品麻豆| 成人国语在线视频| 春色校园在线视频观看| 欧美一级a爱片免费观看看| 纵有疾风起免费观看全集完整版| 亚洲综合色网址| 男人爽女人下面视频在线观看| 亚洲精品久久成人aⅴ小说 | 亚洲av电影在线观看一区二区三区| 一级黄片播放器| 欧美+日韩+精品| 精品久久久久久久久亚洲| 一区二区三区四区激情视频| 国产精品久久久久久久久免| av有码第一页| 桃花免费在线播放| 一本一本综合久久| 久久这里有精品视频免费| 超色免费av| 黄色毛片三级朝国网站| 日日啪夜夜爽| 寂寞人妻少妇视频99o| 国产亚洲欧美精品永久| 下体分泌物呈黄色| 精品人妻在线不人妻| 汤姆久久久久久久影院中文字幕| 丰满迷人的少妇在线观看| 免费黄网站久久成人精品| 免费高清在线观看日韩| 亚洲一级一片aⅴ在线观看| av不卡在线播放| 高清在线视频一区二区三区| 插逼视频在线观看| 免费久久久久久久精品成人欧美视频 | 夜夜爽夜夜爽视频| 久久久久久久久久久久大奶| 99久久中文字幕三级久久日本| 五月天丁香电影| kizo精华| 国产一区二区在线观看日韩| av电影中文网址| 精品久久久噜噜| 精品国产一区二区三区久久久樱花| 七月丁香在线播放| 下体分泌物呈黄色| 午夜免费男女啪啪视频观看| 日本与韩国留学比较| 亚洲色图综合在线观看| av在线app专区| 大话2 男鬼变身卡| 丰满乱子伦码专区| 嘟嘟电影网在线观看| 亚洲成色77777| 亚洲精品乱久久久久久| 国产片特级美女逼逼视频| 18+在线观看网站| 日本色播在线视频| 99九九在线精品视频| 国产淫语在线视频| 国产极品天堂在线| 免费观看性生交大片5| 熟妇人妻不卡中文字幕| 肉色欧美久久久久久久蜜桃| 一级片'在线观看视频| 午夜激情av网站| 亚洲国产精品999| 亚洲国产av新网站| 中文乱码字字幕精品一区二区三区| 国产精品国产av在线观看| 日本色播在线视频| 王馨瑶露胸无遮挡在线观看| 久久婷婷青草| 国产精品无大码| 丰满少妇做爰视频| 男女无遮挡免费网站观看| 国产精品偷伦视频观看了| 久久 成人 亚洲| 欧美一级a爱片免费观看看| 国产黄频视频在线观看| 成人无遮挡网站| 久久婷婷青草| 一区在线观看完整版| 午夜91福利影院| 久久这里有精品视频免费| 国产精品无大码| 亚洲综合精品二区| 少妇被粗大的猛进出69影院 | 成人毛片60女人毛片免费| 黑人欧美特级aaaaaa片| 亚洲图色成人| 22中文网久久字幕| 久久精品久久精品一区二区三区| 日本91视频免费播放| 日韩av在线免费看完整版不卡| 最近中文字幕高清免费大全6| 国产亚洲av片在线观看秒播厂| 男女边摸边吃奶| 午夜福利视频精品| 国产精品国产av在线观看| 少妇丰满av| 曰老女人黄片| 日韩,欧美,国产一区二区三区| 在线观看三级黄色| 亚洲成人一二三区av| 精品国产一区二区三区久久久樱花| 多毛熟女@视频| 久久久久久人妻| 欧美精品一区二区大全| 亚洲,一卡二卡三卡| 亚洲国产毛片av蜜桃av| 这个男人来自地球电影免费观看 | 女人精品久久久久毛片| 人妻系列 视频| 国产成人精品在线电影| 国产亚洲欧美精品永久| 丝袜在线中文字幕| 肉色欧美久久久久久久蜜桃| 亚洲国产精品一区三区| 乱码一卡2卡4卡精品| 超色免费av| 午夜福利影视在线免费观看| 欧美激情国产日韩精品一区| 国产精品国产三级国产av玫瑰| 少妇人妻精品综合一区二区| av有码第一页| 夫妻午夜视频| 黑人巨大精品欧美一区二区蜜桃 | 美女主播在线视频| 大香蕉97超碰在线| 久久精品国产亚洲av涩爱| 日韩三级伦理在线观看| 丰满饥渴人妻一区二区三| 欧美日韩一区二区视频在线观看视频在线| 日韩强制内射视频| 乱码一卡2卡4卡精品| 久久99蜜桃精品久久| 性色avwww在线观看| kizo精华| 免费不卡的大黄色大毛片视频在线观看| 国产视频内射| 纵有疾风起免费观看全集完整版| av国产精品久久久久影院| 亚洲国产毛片av蜜桃av| 欧美日韩视频精品一区| 日韩亚洲欧美综合| 91精品三级在线观看| 色吧在线观看| 婷婷成人精品国产| 两个人的视频大全免费| 91精品伊人久久大香线蕉| 日韩欧美一区视频在线观看| 菩萨蛮人人尽说江南好唐韦庄| 日韩一区二区三区影片| 中文字幕人妻丝袜制服| 校园人妻丝袜中文字幕| 成年女人在线观看亚洲视频| 久久精品久久久久久噜噜老黄| 日韩 亚洲 欧美在线| 亚洲成人av在线免费| 成人漫画全彩无遮挡| 丝袜喷水一区| 最黄视频免费看| 最近2019中文字幕mv第一页| 成人亚洲精品一区在线观看| 青春草亚洲视频在线观看| 男人添女人高潮全过程视频| 日韩伦理黄色片| 国产成人aa在线观看| 九九在线视频观看精品| 久久久久久久精品精品| 日韩欧美一区视频在线观看| 桃花免费在线播放| 国产一级毛片在线| 天天操日日干夜夜撸| 精品少妇内射三级| 亚洲国产精品999| 精品久久久久久久久av| 老女人水多毛片| 男的添女的下面高潮视频| 久久久精品94久久精品| 涩涩av久久男人的天堂| 成人黄色视频免费在线看| 午夜激情av网站| 99国产综合亚洲精品| av国产精品久久久久影院| 赤兔流量卡办理| av又黄又爽大尺度在线免费看| 欧美 日韩 精品 国产| 亚洲av中文av极速乱| 国产亚洲精品久久久com| 少妇高潮的动态图| 亚洲情色 制服丝袜| 亚洲精品久久成人aⅴ小说 | 国产精品嫩草影院av在线观看| 久久久国产精品麻豆| 久久精品久久精品一区二区三区| 亚洲国产毛片av蜜桃av| 视频区图区小说| 久久精品夜色国产| 寂寞人妻少妇视频99o| 大片免费播放器 马上看| 午夜福利,免费看| 色哟哟·www| 日本91视频免费播放| 国产国语露脸激情在线看| 热re99久久精品国产66热6| 日韩av不卡免费在线播放| 色婷婷久久久亚洲欧美| 最近中文字幕2019免费版| 日本av手机在线免费观看| 日韩电影二区| 最近最新中文字幕免费大全7| 国产欧美日韩一区二区三区在线 | 三级国产精品片| 中文天堂在线官网| 美女cb高潮喷水在线观看| 久久久国产精品麻豆| 国产黄片视频在线免费观看| a级片在线免费高清观看视频| 欧美精品国产亚洲| 在线观看人妻少妇| 亚洲国产av影院在线观看| 欧美日韩亚洲高清精品| 在线观看免费日韩欧美大片 | 国产片内射在线| 国产69精品久久久久777片| 久久久久久久久久久久大奶| 欧美 亚洲 国产 日韩一| 国产成人精品在线电影| 亚洲欧美日韩卡通动漫| 亚洲无线观看免费| 搡老乐熟女国产| 国产亚洲av片在线观看秒播厂| 人人妻人人澡人人看| 欧美亚洲日本最大视频资源| 蜜臀久久99精品久久宅男| 下体分泌物呈黄色| 亚洲欧美一区二区三区黑人 | 日本午夜av视频| 韩国高清视频一区二区三区| 亚洲一区二区三区欧美精品| 亚洲欧美中文字幕日韩二区| 日本免费在线观看一区| 99九九在线精品视频| 成人亚洲精品一区在线观看| 国产av国产精品国产| 人人妻人人爽人人添夜夜欢视频| 男女高潮啪啪啪动态图| av专区在线播放| 精品久久国产蜜桃| 男人添女人高潮全过程视频| 爱豆传媒免费全集在线观看| 精品亚洲成国产av| 色婷婷av一区二区三区视频| 亚洲图色成人| 亚洲av成人精品一二三区| 久久久久久久国产电影| 69精品国产乱码久久久| 亚洲精品色激情综合| 日日啪夜夜爽| 亚洲伊人久久精品综合| 内地一区二区视频在线| 日韩精品有码人妻一区| 如何舔出高潮| 婷婷色综合大香蕉| 18禁动态无遮挡网站| 69精品国产乱码久久久| 香蕉精品网在线| 看非洲黑人一级黄片| 欧美日韩亚洲高清精品| 久久精品久久久久久噜噜老黄| 飞空精品影院首页| 日本午夜av视频| 欧美 日韩 精品 国产| 婷婷色综合大香蕉| 国产精品蜜桃在线观看| 婷婷色综合大香蕉| 日韩一区二区三区影片| 2022亚洲国产成人精品| 少妇熟女欧美另类| 一级,二级,三级黄色视频| 久久精品夜色国产| 欧美日韩成人在线一区二区| 亚洲成人一二三区av| 3wmmmm亚洲av在线观看| 亚洲不卡免费看| 一区在线观看完整版| 亚洲国产成人一精品久久久| 69精品国产乱码久久久| 18禁动态无遮挡网站| 久久精品国产自在天天线| 亚洲精品国产av蜜桃| 人人妻人人澡人人看| 99久久人妻综合| 亚洲国产av新网站| 新久久久久国产一级毛片| 亚洲一级一片aⅴ在线观看| 国产一区有黄有色的免费视频| av又黄又爽大尺度在线免费看| 国产免费又黄又爽又色| 九色成人免费人妻av| 80岁老熟妇乱子伦牲交| 久久ye,这里只有精品| 尾随美女入室| 欧美日韩视频高清一区二区三区二| 一个人看视频在线观看www免费| 高清不卡的av网站| 久久女婷五月综合色啪小说| 王馨瑶露胸无遮挡在线观看| 国产熟女欧美一区二区| 色婷婷久久久亚洲欧美| a级毛片在线看网站| 亚洲精品成人av观看孕妇| av播播在线观看一区| 欧美日韩亚洲高清精品| 精品国产一区二区久久| 日本91视频免费播放| 午夜激情久久久久久久| 久久久精品免费免费高清| av天堂久久9| 十八禁网站网址无遮挡| 一二三四中文在线观看免费高清| 亚洲av二区三区四区| videossex国产| 夜夜看夜夜爽夜夜摸| 久久久久精品性色| 亚洲精品视频女| 性色av一级| 少妇丰满av| 在线观看人妻少妇| 国产精品免费大片| 日日摸夜夜添夜夜添av毛片| 久久精品久久精品一区二区三区| 亚洲经典国产精华液单| 午夜老司机福利剧场| 国产免费一级a男人的天堂| 国产 精品1| 日产精品乱码卡一卡2卡三| 亚洲av综合色区一区| 3wmmmm亚洲av在线观看| 十八禁高潮呻吟视频| 777米奇影视久久| 两个人免费观看高清视频| 人人澡人人妻人| 女人久久www免费人成看片| 最近手机中文字幕大全| 边亲边吃奶的免费视频| 亚洲成人一二三区av| 美女国产视频在线观看| 久久狼人影院| 91久久精品国产一区二区三区| 91精品三级在线观看| 少妇猛男粗大的猛烈进出视频| 你懂的网址亚洲精品在线观看| 男人爽女人下面视频在线观看| 日产精品乱码卡一卡2卡三| 中文字幕亚洲精品专区| 中国三级夫妇交换| 一区二区日韩欧美中文字幕 | 中国三级夫妇交换| 人妻 亚洲 视频| 天美传媒精品一区二区| 成人免费观看视频高清| 亚洲综合精品二区| 亚洲激情五月婷婷啪啪| 亚洲国产欧美日韩在线播放| 七月丁香在线播放| 80岁老熟妇乱子伦牲交| 久久青草综合色| 黑丝袜美女国产一区| 国产 精品1| av免费观看日本| 久久久a久久爽久久v久久| 男女高潮啪啪啪动态图| www.av在线官网国产| 久久国内精品自在自线图片| 亚洲精品亚洲一区二区| 中文字幕制服av| 亚洲精品乱久久久久久|