• <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 ?

    面向電力邊緣數(shù)據(jù)分析的圖分類算法研究進展

    2020-09-02 12:38:54許愛東胡志偉蔣屹新張宇南吳濤
    現(xiàn)代計算機 2020年21期
    關(guān)鍵詞:子圖卷積神經(jīng)網(wǎng)絡(luò)

    許愛東,胡志偉,蔣屹新,張宇南,吳濤

    (1.南方電網(wǎng)技術(shù)研究院有限責(zé)任公司,廣州510670;2.重慶郵電大學(xué)通信與信息工程學(xué)院,重慶400065;3.重慶郵電大學(xué)網(wǎng)絡(luò)空間安全與信息法學(xué)院,重慶400065)

    0 引言

    隨著圖數(shù)據(jù)在物聯(lián)網(wǎng)、智能電網(wǎng)等信息領(lǐng)域地標產(chǎn)生與廣泛存在,圖分類成為圖數(shù)據(jù)分析的關(guān)鍵問題之一。圖分類是一種試圖將整個圖用正標簽或負簽來標注的有監(jiān)督學(xué)習(xí)問題。這也是最早將機器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)應(yīng)用于圖數(shù)據(jù)的任務(wù)。

    在智能電網(wǎng)領(lǐng)域,隨著電力系統(tǒng)信息化水平的不斷提高和配用電相關(guān)數(shù)據(jù)量的廣泛采集,各類邊緣裝置都積累了大量的數(shù)據(jù)亟待處理與利用。電網(wǎng)中普遍存在通信故障、設(shè)備故障、電網(wǎng)波動以及用戶異常用電行為等事件,它們都可以通過監(jiān)控數(shù)據(jù)進行捕獲。對于設(shè)備故障及異常用電的檢測,早期普遍采用的是現(xiàn)場檢測方法。隨著人工智能的發(fā)展,人們致力于尋求基于監(jiān)控數(shù)據(jù)分析對電網(wǎng)故障和異常用電行為進行高效的發(fā)現(xiàn)、預(yù)防和處理。

    圖作為復(fù)雜數(shù)據(jù)的代表性表達形式,許多學(xué)者對圖數(shù)據(jù)分類問題已經(jīng)做了大量的研究。在生物信息[1]、惡意軟件檢測[2]、文本分類[3]等領(lǐng)域,圖分類已經(jīng)得到了廣泛的應(yīng)用。為了介紹現(xiàn)有圖分類方法,促進智能電網(wǎng)領(lǐng)域邊緣數(shù)據(jù)分析技術(shù)的發(fā)展,本文對圖分類相關(guān)方法進行歸納與總結(jié)。

    1 概述

    分類是數(shù)據(jù)分析領(lǐng)域中的一個基本問題,是一種有監(jiān)督的機器學(xué)習(xí)方法。其目的是從一組已知類別的數(shù)據(jù)中發(fā)現(xiàn)分類模型,以預(yù)測出新的數(shù)據(jù)未知類別。然而,現(xiàn)在的數(shù)據(jù)存儲一般都是采用關(guān)系數(shù)據(jù)庫或圖,所以出現(xiàn)了圖分類方法的研究。

    圖是表示系統(tǒng)中實體的節(jié)點以及實體之間關(guān)系的連邊的集合。圖數(shù)據(jù)是以圖為對象形式的表示。圖分類是圖數(shù)據(jù)分析中的一個重要研究分支,在物聯(lián)網(wǎng)、智能電網(wǎng)等信息領(lǐng)域有廣泛的應(yīng)用。目前,圖分類問題主要研究二分類問題(正類和負類)。即已知訓(xùn)練圖集和測試圖集,圖分類的目標是構(gòu)建一個分類模型,把兩者區(qū)分開。

    本文根據(jù)基礎(chǔ)模型的不同,將現(xiàn)有圖分類的方法歸納為四類,分別是嵌入方法、基于圖的特征挖掘方法、核函數(shù)方法和深度學(xué)習(xí)方法,如圖1 所示。

    圖1 圖分類的總框架

    2 嵌入方法

    本小節(jié)介紹基于嵌入方法的圖分類模型,并對這些模型進行比較分析。嵌入方法[4-5]為每個圖導(dǎo)出固定數(shù)量的特征,用作分類的矢量表示。嵌入方法的優(yōu)點是能夠兼容任何機器學(xué)習(xí)分類器。

    2.1 算法模型

    文獻[6]提出一種基于嵌入表示的圖分類方法。該方法采用基于類別信息的特征子圖選擇策略,不但考慮了子圖的結(jié)構(gòu)信息,而且在頻繁子圖挖掘過程中充分利用直接選擇特征子圖以及生成分類規(guī)則。

    針對大型圖的嵌入,文獻[7]提出了學(xué)習(xí)圖卷積層(Learning Graph Convolutional Layer,LGCL)的模型框架,對于每個特征維,LGCL 方法中的每個節(jié)點都會從其鄰近的具有值排序的節(jié)點中選擇一定數(shù)量的特征。如圖2 所示,圖中的每個節(jié)點都有一個維數(shù)特征向量n=3。對于目標節(jié)點(3,7,8),它的六個鄰居的第一個特性組件的值為9,6,5,3,0,0。如果我們把窗口大小設(shè)為k=4,然后是選中左邊四個最大的值(即9,6,5,3)。同樣的過程在剩下的兩個有限元中重復(fù)。通過包含目標節(jié)點本身的特征向量,得到維數(shù)(k+1)×n 的數(shù)據(jù)矩陣。為了嵌入大規(guī)模圖,采用子圖選擇方法來減少內(nèi)存和資源需求。文獻[8]提出了圖劃分神經(jīng)網(wǎng)絡(luò)(Graph Partition Neural Networks,GPNN)的模型框架,GPNN 擴展了圖神經(jīng)網(wǎng)絡(luò)(Graph Neural Networks,GNNs)來嵌入超大圖,它在局部(節(jié)點間的支撐信息)和全局信息傳播(子圖間的消息)之間交替進行,這種調(diào)度方法可以避免序列調(diào)度所需的深度計算圖。文獻[9]提出了LINE 模型框架,LINE 模型用于嵌入任意類型的圖,如無向圖、有向圖和加權(quán)圖。它利用正則抽樣來降低優(yōu)化復(fù)雜度。這三個模型框架均解決了可擴展性的問題。

    圖2 可學(xué)習(xí)的圖卷積層方法[7]

    2.2 小結(jié)

    文獻[6]巧妙地將嵌入方法與頻繁子圖特征挖掘相結(jié)合的形式進行圖分類,性能較好。這一做法為嵌入方法與頻繁子圖特征挖掘提供了新的思路。

    3 基于圖的特征挖掘方法

    在本節(jié)中,本文介紹了有關(guān)基于圖的特征挖掘的圖分類模型,并對這些模型進行分析。圖的特征挖掘使用了類似于子圖發(fā)現(xiàn)的方法,因為圖的特征挖掘的一般做法是在圖實例中尋找所有頻繁或者有意義的子圖。這些子結(jié)構(gòu)被用于將圖數(shù)據(jù)表示成一個單表的數(shù)據(jù)表示,然后傳統(tǒng)的分類算法可以將圖實例進行分類。

    3.1 算法模型

    傳統(tǒng)的特征濾波方法不依賴于任何分類器來選擇特征。與選擇冗余特征的濾波方法相比,包裝器方法通過子集空間搜索,利用分類器對特征子集的分類能力進行評估,識別出最優(yōu)子集[10],從而識別出高信息量的特征。最大邊際特征選擇[11]是一種包裝方法。在該方法中,它利用信息增益來衡量每個特征與類標簽之間的相關(guān)性,然后選擇冗余較少的特征,覆蓋新的訓(xùn)練樣本。

    文獻[12]提出了一個多任務(wù)圖分類問題,其中多個圖分類任務(wù)被聯(lián)合規(guī)則化,以找到所有學(xué)習(xí)任務(wù)共享的判別子圖。文獻[13]提出了一種高效的圖特征選擇方法,該方法使用頻繁子圖作為圖分類的特征。兩者都是通過子圖特征的形式探索圖分類的性能。

    為了對圖進行學(xué)習(xí)表示,需要一種既具有一定獨特性和穩(wěn)定性又能快速計算圖特征表示。文獻[14]發(fā)現(xiàn)了圖的譜距離簇及其基于圖的特征表示。通過將其應(yīng)用于圖分類問題,評估出圖的普距離簇生成的圖特征的質(zhì)量以及其實用性。為了建立更高精度的圖分類模型,文獻[15]提出了一種新的網(wǎng)絡(luò)分類方法,它獨立于網(wǎng)絡(luò)大小,并采用無對齊的網(wǎng)絡(luò)比較度量。該方法是基于監(jiān)督機器學(xué)習(xí)算法并且利用網(wǎng)絡(luò)的拓撲相似性來進行分類任務(wù)。

    文獻[16]提出了一種基于特征的網(wǎng)絡(luò)分類方法。通過建立網(wǎng)絡(luò)動力學(xué)模型,計算多個時間尺度下不同網(wǎng)絡(luò)屬性的協(xié)方差,并定義了廣義分類特征。文獻[17]提出了一種基于圖的多尺度時間序列表示方法和一種特征提取方法。圖的多尺度時間序列表示方法將時間序列轉(zhuǎn)換為不同尺度的可見性圖集合,通過研究小序列的概率分布、分類性和程度統(tǒng)計等統(tǒng)計圖特征,并進行特征提取,然后利用這些特征通過泛型分類器建立高精度的分類模型。

    3.2 小結(jié)

    在圖數(shù)據(jù)分類中,最直接的方法是基于頻繁子圖特征挖掘的算法進行分類,而該方法的缺點是利用挖掘算法產(chǎn)生的頻繁子圖的數(shù)目巨大,甚至達到指數(shù)級,計算量大。

    4 核函數(shù)方法

    在本節(jié)中,本文介紹了有關(guān)核函數(shù)的圖分類模型,并對這些模型進行分析。尋找頻繁子圖在計算上是不可行的,一個替代算法使用了核方法。文獻[18]和文獻[19]基于在圖上的游走度量來描述圖核函數(shù)。文獻[19]計數(shù)起點和終點有相同標簽的游走。文獻[19]則考慮了有著相同標簽序列的隨機游走的概率。文獻[20]綜述了結(jié)構(gòu)數(shù)據(jù)中的核方法。

    4.1 算法模型

    近年來,各種圖核函數(shù)被提出。在文獻[21]和文獻[22]中,提出了基于隨機游動的圖核,計算了兩種圖共有的游動數(shù)。從那時起,隨機游動核得到深入的研究,如文獻[23-26]。在文獻[27]中,首先提出了基于樹模式的核函數(shù)。這兩種方法最初應(yīng)用于帶有離散標簽的圖?;谧疃搪窂絒28]的內(nèi)核是通過對轉(zhuǎn)換后的輸入圖執(zhí)行1 步遍歷來計算的,其中邊用最短路徑長度標注。上述方法的一個缺點是計算成本高。

    為使用經(jīng)典的集成學(xué)習(xí)框架在流上實現(xiàn)大規(guī)模圖分類,這就要求不同塊中的數(shù)據(jù)位于同一個特征空間中,為此,文獻[29]提出了一種嵌套子樹哈希(Nested Subtree Hashes,NSH)算法及其派生的NSH 核函數(shù),通過遞歸方式將不同塊的多分辨率子樹模式投影到一組常見的低維特征空間上,其中NSH 核函數(shù)可以在流上支持大規(guī)模的圖分類。

    一般來說,最優(yōu)賦值會產(chǎn)生不定函數(shù),這使得其在內(nèi)核方法中的使用變得復(fù)雜。文獻[30]提出了一類基核用于保證正半定最優(yōu)分配核的方法。這些基核通過直方圖相交在線性時間內(nèi)計算最優(yōu)分配核形成層次結(jié)構(gòu)。雖然計算簡化的直方圖相交,類似于金字塔匹配內(nèi)核[31],但文獻[30]提出的方法并不局限于特定的對象。通過基于最優(yōu)賦值推導(dǎo)出新的圖核,而這些圖核比基于卷積的圖核有了更大改進。

    文獻[32]提出了采用眾所周知的圖上消息傳遞機制的圖內(nèi)核設(shè)計的一般框架。該框架的主要思想是使用迭代過程隱式地更新頂點的表示形式。由于該框架采用了復(fù)雜的置換不變內(nèi)核函數(shù),該框架比神經(jīng)消息傳遞體系結(jié)構(gòu)更具表現(xiàn)力。

    4.2 小結(jié)

    文獻[28]提出的方法在分類的實驗中表現(xiàn)明顯優(yōu)于基于隨機游動的內(nèi)核。對于大規(guī)模的圖數(shù)據(jù)分類,文獻[29]與文獻[30]所提出的方法都有非常好的表現(xiàn)。

    5 深度學(xué)習(xí)方法

    在本節(jié)中,本文介紹了有關(guān)深度學(xué)習(xí)的圖分類模型,并對這些模型進行分析。本節(jié)從基本方法和池化方法兩方面進行敘述圖分類的模型。

    5.1 基本方法

    本小節(jié)主要介紹的基本方法是運用神經(jīng)網(wǎng)絡(luò)的方法將圖數(shù)據(jù)進行分類,接下來主要介紹卷積神經(jīng)網(wǎng)絡(luò)、門控圖神經(jīng)網(wǎng)絡(luò)、圖膠囊網(wǎng)絡(luò)和膠囊圖神經(jīng)網(wǎng)絡(luò)四個模型。

    (1)算法模型

    圖片是排列成網(wǎng)格形狀,因此,圖片可以直接運用卷積操作。但是對于圖數(shù)據(jù)來說,需要一個從圖到向量的映射的一個預(yù)處理過程。文獻[33]提出一種方法可以基于任意的圖結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)。該方法通過從圖中選擇一個固定長度的節(jié)點序列,并對序列中的每個節(jié)點收集固定大小的鄰居集合,最后對由當(dāng)前節(jié)點及其對應(yīng)的鄰居構(gòu)成的子圖進行規(guī)范化,作為卷積結(jié)構(gòu)的輸入三步構(gòu)建卷積分片,并利用卷積結(jié)構(gòu)分別對每個分片進行操作。

    在文獻[34]關(guān)于圖神經(jīng)網(wǎng)絡(luò)的研究基礎(chǔ)上,文獻[35]研究了圖形結(jié)構(gòu)輸入的特征學(xué)習(xí)技術(shù),并提出一種新的模型門控圖神經(jīng)網(wǎng)絡(luò)(Gating Graph Neural Networks,GGNNs),該模型采用門控遞歸單元作為遞歸函數(shù)[36],將遞歸次數(shù)減少到一定的步長。與圖神經(jīng)網(wǎng)絡(luò)不同,GGNNs 使用時間反向傳播來學(xué)習(xí)參數(shù),它不再需要約束參數(shù)來保證收斂性。

    文獻[37]利用文獻[38]提出的膠囊概念,提出了一種新的基于基本膠囊思想的圖膠囊網(wǎng)絡(luò)模型,解決了現(xiàn)有圖卷積神經(jīng)網(wǎng)絡(luò)(Graph Convolutional Neural Network,GCNN)模型無法獲取更多局部結(jié)構(gòu)信息的問題。而文獻[39]受到文獻[40]提出的膠囊網(wǎng)絡(luò)的啟發(fā),提出膠囊圖神經(jīng)網(wǎng)絡(luò)。它采用了膠囊的概念來解決現(xiàn)有基于圖神經(jīng)網(wǎng)絡(luò)的圖嵌入算法的不足。通過以膠囊的形式抓取節(jié)點的特征,利用路由機制來捕獲圖級別的重要信息。

    (2)小結(jié)

    文獻[33]提出的方法在多個數(shù)據(jù)集上優(yōu)于圖內(nèi)核方法,美中不足的是容易在較小的數(shù)據(jù)集上過度擬合。對于大規(guī)模的圖數(shù)據(jù),文獻[35]提出的門控圖神經(jīng)網(wǎng)絡(luò)的缺點是需要在所有節(jié)點上多次運行遞歸函數(shù),從而重新查詢要存儲在內(nèi)存中的所有節(jié)點的中間狀態(tài),將會增加運算量。

    5.2 池化方法

    本小節(jié)主要介紹運用圖卷積神經(jīng)網(wǎng)絡(luò)的方法將圖數(shù)據(jù)分類,圖卷積神經(jīng)網(wǎng)絡(luò)中的池化層在不斷的改進中,表現(xiàn)效果不斷提升。接下來主要敘述了可微圖池模塊、自注意力機制圖池、圖的傅里葉變換的特征池的卷積網(wǎng)絡(luò)和關(guān)系池四個模型。

    (1)算法模型

    目前的圖神經(jīng)網(wǎng)絡(luò)方法本質(zhì)上是扁平的,并且不能學(xué)習(xí)圖的層次表示,這一限制對于圖分類任務(wù)來說尤其成問題,其目標是預(yù)測與整個圖相關(guān)的標簽。在此,文獻[41]提出了一個可微圖池模塊。該模型可以生成圖的層次表示,并且可以以端到端的方式與各種圖神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相結(jié)合。受自注意機制的影響,文獻[42]提出了一種基于自注意力機制的圖池化。該方法可以使用相對較少的參數(shù)以端到端方式學(xué)習(xí)分層的語句表示。利用自我注意機制來區(qū)分應(yīng)該刪除的節(jié)點和應(yīng)該保留的節(jié)點,并考慮了節(jié)點特征和圖的拓撲結(jié)構(gòu)。

    在傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)中,層次化學(xué)習(xí)圖表示類似于池化步驟。然而,局部結(jié)構(gòu)信息在匯聚過程中很大程度上仍然被忽略。文獻[43]提出了一種基于圖的傅里葉變換的特征池的卷積網(wǎng)絡(luò),它能充分利用池過程中的節(jié)點特征和局部結(jié)構(gòu)。然后基于池操作符設(shè)計池層,并與傳統(tǒng)的圖卷積網(wǎng)絡(luò)的卷積層相結(jié)合,形成一個用于圖分類的圖神經(jīng)網(wǎng)絡(luò)框架。文獻[44]提出了用于圖分類和回歸的關(guān)系池(RP)框架。該框架借鑒了有限部分交換性理論,為圖提供了一個具有最大表示能力的框架。

    (2)小結(jié)

    池化層之所以設(shè)計在卷積層后面,目的是通過池化來降低卷積層輸出的特征向量,同時改善結(jié)果達到不易出現(xiàn)過擬合現(xiàn)象。

    6 歸納與探索

    在本節(jié)中,我們先總結(jié)出文獻中經(jīng)常使用的基準數(shù)據(jù)集。然后,我們介紹了常用數(shù)據(jù)集的基準性能,并列出了圖分類的可用開源實現(xiàn)代碼。

    如表1 所示,在各數(shù)據(jù)集中列舉了每個數(shù)據(jù)集的圖的個數(shù)、特征數(shù)以及標簽數(shù),并統(tǒng)計了數(shù)據(jù)集在文獻中出現(xiàn)的頻率。這些數(shù)據(jù)集大多是化學(xué)、生物圖數(shù)據(jù)集,如NCI-1、NCI-109、MUTAG、D&D 和ENZY-MES[45]五個數(shù)據(jù)集。在表1 中列出的數(shù)據(jù)集是常用的數(shù)據(jù)集。

    表1 圖分類中的常用數(shù)據(jù)集

    在表2 中,我們提供了前面所述的圖分類模型的開放源代碼的超鏈接。值得注意的是,文獻[46]在Py-Torch 中發(fā)布了一個名為PyTorch Geometric 的幾何學(xué)習(xí)庫,實現(xiàn)了多個圖神經(jīng)網(wǎng)絡(luò)用于圖分類的任務(wù)。

    文獻[47]提出了基于神經(jīng)網(wǎng)絡(luò)的異常用電檢測模型,利用有監(jiān)督的多隱藏層的神經(jīng)網(wǎng)絡(luò)算法,對大量用戶數(shù)據(jù)進行模型訓(xùn)練,可用于自動檢測用戶用電量是否正常,根據(jù)檢測結(jié)果區(qū)分出異常用戶。該模型通過逐層初始化解決了深度神經(jīng)網(wǎng)絡(luò)在訓(xùn)練上的難度。該方法為電力公司減少成本,提高了查處異常用電情況的效率。

    表2 圖分類的開源代碼

    文獻[48]提出了一種將時間序列轉(zhuǎn)化為網(wǎng)絡(luò)結(jié)構(gòu)的可視化圖算法,該算法以柱狀圖的形式進行構(gòu)圖,進而將時序數(shù)據(jù)表示成圖數(shù)據(jù),受此啟發(fā),我們將電力數(shù)據(jù)表示成圖數(shù)據(jù)進行處理。受文獻[45]的啟發(fā),我們將運用圖神經(jīng)網(wǎng)絡(luò)中的分類方法對由電力數(shù)據(jù)表示成的圖數(shù)據(jù)進行分析,試圖區(qū)分出電力數(shù)據(jù)中的異常用電情況。在接下來的研究中,我們嘗試把圖分類任務(wù)應(yīng)用到電力系統(tǒng)中。針對電力系統(tǒng)中出現(xiàn)用戶的正常用電與異常用電運用圖神經(jīng)網(wǎng)絡(luò)中的圖卷積池化方法進行分類篩選出異常用電的情況。

    7 結(jié)語

    在本文中,我們對圖分類進行了全面的概述。根據(jù)基礎(chǔ)模型的不同,將現(xiàn)有圖分類的方法歸納為四類,分別是嵌入方法、基于圖的特征挖掘方法、核函數(shù)方法和度學(xué)習(xí)方法。我們提供了對各方法的全面比較和總結(jié),然后對圖分類進行歸納與探索,并概述了應(yīng)用于圖分類任務(wù)的數(shù)據(jù)集和開放源代碼。但是,對于圖分類方法在各領(lǐng)域中的應(yīng)用還很少,仍需要更多的科研人員不懈為之努力。

    猜你喜歡
    子圖卷積神經(jīng)網(wǎng)絡(luò)
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    臨界完全圖Ramsey數(shù)
    基于傅里葉域卷積表示的目標跟蹤算法
    基于頻繁子圖挖掘的數(shù)據(jù)服務(wù)Mashup推薦
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于支持向量機回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    不含2K1+K2和C4作為導(dǎo)出子圖的圖的色數(shù)
    美女cb高潮喷水在线观看| 亚洲人成网站在线观看播放| 深爱激情五月婷婷| 伦理电影大哥的女人| av专区在线播放| 少妇 在线观看| 国产精品久久久久成人av| 欧美一区二区亚洲| 国产精品欧美亚洲77777| 大码成人一级视频| 成人特级av手机在线观看| xxx大片免费视频| xxx大片免费视频| 国产精品三级大全| 夫妻午夜视频| 欧美一区二区亚洲| 成人无遮挡网站| 国产老妇伦熟女老妇高清| 国产成人aa在线观看| 午夜精品国产一区二区电影| 亚洲经典国产精华液单| 高清日韩中文字幕在线| 毛片女人毛片| 男女无遮挡免费网站观看| 高清午夜精品一区二区三区| 97超视频在线观看视频| 老司机影院成人| 老女人水多毛片| 一个人看的www免费观看视频| 成人黄色视频免费在线看| 国产精品精品国产色婷婷| 亚洲四区av| 精品亚洲成a人片在线观看 | 国产精品人妻久久久影院| 亚洲高清免费不卡视频| 国产 一区 欧美 日韩| 欧美最新免费一区二区三区| 丰满人妻一区二区三区视频av| 91久久精品国产一区二区成人| 亚洲成人一二三区av| 国产av一区二区精品久久 | 亚洲欧洲国产日韩| 黑丝袜美女国产一区| 免费看光身美女| 久热久热在线精品观看| 91精品伊人久久大香线蕉| 亚洲电影在线观看av| 制服丝袜香蕉在线| 我的老师免费观看完整版| 国产一区二区三区综合在线观看 | 国产伦精品一区二区三区四那| 久久婷婷青草| av视频免费观看在线观看| 人人妻人人看人人澡| 秋霞伦理黄片| 国产色婷婷99| 人人妻人人爽人人添夜夜欢视频 | 亚洲av中文字字幕乱码综合| 2022亚洲国产成人精品| 久久青草综合色| 91精品国产九色| 黄色配什么色好看| 十分钟在线观看高清视频www | 51国产日韩欧美| a级一级毛片免费在线观看| 91午夜精品亚洲一区二区三区| 日本猛色少妇xxxxx猛交久久| 男人爽女人下面视频在线观看| 黄色欧美视频在线观看| 亚洲一区二区三区欧美精品| 黄色怎么调成土黄色| 超碰97精品在线观看| 亚洲,欧美,日韩| av免费观看日本| 免费观看性生交大片5| 如何舔出高潮| 色综合色国产| 国产亚洲91精品色在线| 免费在线观看成人毛片| 国产成人freesex在线| 久久国产乱子免费精品| av一本久久久久| 啦啦啦视频在线资源免费观看| 蜜桃在线观看..| 国产欧美日韩精品一区二区| 成年女人在线观看亚洲视频| 亚洲性久久影院| 波野结衣二区三区在线| 在线观看一区二区三区| 在现免费观看毛片| 亚洲无线观看免费| 99热网站在线观看| 国产精品久久久久成人av| 日韩电影二区| 亚洲欧美日韩无卡精品| 天天躁日日操中文字幕| 男女无遮挡免费网站观看| 亚洲精品自拍成人| av在线播放精品| 亚洲精品乱码久久久v下载方式| 亚洲最大成人中文| 高清黄色对白视频在线免费看 | 日韩大片免费观看网站| 国产成人免费观看mmmm| 精品少妇久久久久久888优播| 国产乱来视频区| 久久久精品免费免费高清| 免费观看av网站的网址| 色婷婷av一区二区三区视频| 欧美一区二区亚洲| 最近手机中文字幕大全| 九九在线视频观看精品| 国产精品一及| 成年免费大片在线观看| 熟女电影av网| 舔av片在线| 嘟嘟电影网在线观看| 国产精品.久久久| 美女国产视频在线观看| 老司机影院成人| 小蜜桃在线观看免费完整版高清| 亚洲成人中文字幕在线播放| 美女福利国产在线 | 国产亚洲5aaaaa淫片| 人人妻人人添人人爽欧美一区卜 | 日产精品乱码卡一卡2卡三| 久久久久久久精品精品| 乱码一卡2卡4卡精品| 亚洲第一区二区三区不卡| 男女边吃奶边做爰视频| 建设人人有责人人尽责人人享有的 | 精品久久久噜噜| 九九在线视频观看精品| 精品国产乱码久久久久久小说| 久久久国产一区二区| 嫩草影院入口| 欧美丝袜亚洲另类| 欧美成人午夜免费资源| 亚洲三级黄色毛片| 久久久久久久久久成人| 欧美三级亚洲精品| 亚洲精品日韩在线中文字幕| 婷婷色综合大香蕉| 爱豆传媒免费全集在线观看| 欧美性感艳星| 国产亚洲精品久久久com| 免费在线观看成人毛片| 亚洲丝袜综合中文字幕| 欧美精品一区二区大全| 视频区图区小说| 啦啦啦在线观看免费高清www| 噜噜噜噜噜久久久久久91| 18禁在线无遮挡免费观看视频| 五月天丁香电影| 丝瓜视频免费看黄片| 国产又色又爽无遮挡免| 老司机影院毛片| 久久久亚洲精品成人影院| 日本wwww免费看| 91久久精品国产一区二区三区| 嫩草影院入口| 国产精品国产三级国产专区5o| 成人美女网站在线观看视频| 大香蕉久久网| 精品一区二区免费观看| 国产亚洲一区二区精品| 免费av不卡在线播放| 日韩av免费高清视频| 色视频www国产| 国产高清不卡午夜福利| 99九九线精品视频在线观看视频| 伊人久久国产一区二区| 国产一区二区三区av在线| 午夜老司机福利剧场| 久久这里有精品视频免费| 少妇人妻一区二区三区视频| 国产片特级美女逼逼视频| 99re6热这里在线精品视频| 美女国产视频在线观看| 麻豆精品久久久久久蜜桃| .国产精品久久| 欧美少妇被猛烈插入视频| 国产精品蜜桃在线观看| 久久久久久九九精品二区国产| 亚洲精品久久午夜乱码| 成人一区二区视频在线观看| 亚洲欧洲国产日韩| 性色av一级| 国产熟女欧美一区二区| 丰满迷人的少妇在线观看| 亚洲美女搞黄在线观看| 欧美亚洲 丝袜 人妻 在线| 六月丁香七月| 国产成人午夜福利电影在线观看| 日韩大片免费观看网站| 亚洲精品国产av蜜桃| 欧美激情国产日韩精品一区| 我的女老师完整版在线观看| 啦啦啦啦在线视频资源| 午夜福利在线观看免费完整高清在| 国国产精品蜜臀av免费| av在线app专区| 亚洲精品自拍成人| 国产精品熟女久久久久浪| 日日摸夜夜添夜夜添av毛片| 高清日韩中文字幕在线| 欧美极品一区二区三区四区| 只有这里有精品99| 最近手机中文字幕大全| 少妇高潮的动态图| 久久人人爽av亚洲精品天堂 | 免费av中文字幕在线| 18禁动态无遮挡网站| 成人毛片a级毛片在线播放| 免费观看性生交大片5| 国产色爽女视频免费观看| 一个人看视频在线观看www免费| 在线免费观看不下载黄p国产| 超碰97精品在线观看| 亚洲美女搞黄在线观看| 内射极品少妇av片p| 这个男人来自地球电影免费观看 | 男人和女人高潮做爰伦理| av线在线观看网站| 久久久久国产网址| 在线观看免费日韩欧美大片 | 日本黄大片高清| 99久久精品热视频| 久久国产亚洲av麻豆专区| 女的被弄到高潮叫床怎么办| 网址你懂的国产日韩在线| 美女主播在线视频| 日本av手机在线免费观看| 免费黄频网站在线观看国产| 欧美日韩视频精品一区| 狂野欧美激情性bbbbbb| 国产免费福利视频在线观看| 卡戴珊不雅视频在线播放| 亚洲av中文字字幕乱码综合| 亚洲国产欧美在线一区| 国产成人a∨麻豆精品| 联通29元200g的流量卡| 免费不卡的大黄色大毛片视频在线观看| 三级国产精品片| 亚洲国产高清在线一区二区三| 丰满迷人的少妇在线观看| 日本欧美视频一区| 久久99热这里只有精品18| 国产精品一二三区在线看| 国产男女超爽视频在线观看| 国产精品女同一区二区软件| 亚洲国产毛片av蜜桃av| 91午夜精品亚洲一区二区三区| 亚洲美女视频黄频| 亚洲欧美一区二区三区黑人 | 成人二区视频| 欧美人与善性xxx| 国产永久视频网站| 免费播放大片免费观看视频在线观看| 黄色怎么调成土黄色| 男人狂女人下面高潮的视频| 久久精品熟女亚洲av麻豆精品| 国产在线视频一区二区| 国产 一区精品| 色视频在线一区二区三区| 免费黄色在线免费观看| 成人午夜精彩视频在线观看| 日产精品乱码卡一卡2卡三| 日本av手机在线免费观看| 欧美日韩亚洲高清精品| av.在线天堂| 国产成人免费无遮挡视频| 国产精品不卡视频一区二区| av又黄又爽大尺度在线免费看| 狠狠精品人妻久久久久久综合| 欧美亚洲 丝袜 人妻 在线| 在线 av 中文字幕| 一级毛片黄色毛片免费观看视频| 欧美成人a在线观看| 中文资源天堂在线| 久久久久人妻精品一区果冻| 人妻 亚洲 视频| 九九久久精品国产亚洲av麻豆| 亚洲成人一二三区av| 在线观看av片永久免费下载| 久久久久精品性色| 纵有疾风起免费观看全集完整版| 日本欧美国产在线视频| 国产高清不卡午夜福利| 王馨瑶露胸无遮挡在线观看| 亚洲中文av在线| 天堂8中文在线网| 成人一区二区视频在线观看| 国产国拍精品亚洲av在线观看| 新久久久久国产一级毛片| 欧美bdsm另类| 欧美成人精品欧美一级黄| 国产亚洲5aaaaa淫片| 国产 精品1| 九九在线视频观看精品| 性色avwww在线观看| 五月开心婷婷网| 黄色怎么调成土黄色| 欧美高清成人免费视频www| 五月玫瑰六月丁香| 久久国产精品男人的天堂亚洲 | 日韩欧美一区视频在线观看 | 成年人午夜在线观看视频| 伦理电影大哥的女人| 色视频在线一区二区三区| 久久久欧美国产精品| 在线观看三级黄色| 中文字幕久久专区| 欧美精品国产亚洲| 久久精品熟女亚洲av麻豆精品| 一本色道久久久久久精品综合| 亚洲图色成人| 少妇人妻 视频| 18禁动态无遮挡网站| 亚洲欧美日韩无卡精品| 美女视频免费永久观看网站| 日本色播在线视频| 欧美 日韩 精品 国产| 国产黄频视频在线观看| 久久精品久久久久久久性| 中文字幕av成人在线电影| 国产片特级美女逼逼视频| 亚洲第一区二区三区不卡| 国模一区二区三区四区视频| 插逼视频在线观看| 国产免费一区二区三区四区乱码| 国产av精品麻豆| 亚洲成人手机| 亚洲av二区三区四区| 久久6这里有精品| 亚洲在久久综合| 久久人人爽av亚洲精品天堂 | 亚洲国产最新在线播放| 高清午夜精品一区二区三区| 国产亚洲精品久久久com| 欧美区成人在线视频| videossex国产| 亚洲av二区三区四区| 卡戴珊不雅视频在线播放| 人妻制服诱惑在线中文字幕| 国精品久久久久久国模美| 内射极品少妇av片p| 国产综合精华液| 91精品一卡2卡3卡4卡| 日韩强制内射视频| 亚洲性久久影院| 国产精品精品国产色婷婷| 国产精品人妻久久久久久| 精品一区在线观看国产| 久久亚洲国产成人精品v| 欧美国产精品一级二级三级 | 中文资源天堂在线| 国产精品精品国产色婷婷| av黄色大香蕉| 国产真实伦视频高清在线观看| 热re99久久精品国产66热6| 日本与韩国留学比较| 人妻系列 视频| 国产亚洲5aaaaa淫片| 三级国产精品片| 国产黄频视频在线观看| 国产精品久久久久久久久免| 成人国产麻豆网| 亚洲成人一二三区av| 国内少妇人妻偷人精品xxx网站| 91久久精品国产一区二区成人| 人妻少妇偷人精品九色| 亚洲av不卡在线观看| 国内少妇人妻偷人精品xxx网站| 亚洲va在线va天堂va国产| 人人妻人人澡人人爽人人夜夜| 免费大片18禁| 99久久精品一区二区三区| 日韩中文字幕视频在线看片 | 精品人妻偷拍中文字幕| 日本一二三区视频观看| 成人高潮视频无遮挡免费网站| 精品一区在线观看国产| 联通29元200g的流量卡| 国产成人91sexporn| 51国产日韩欧美| 寂寞人妻少妇视频99o| 天天躁日日操中文字幕| 国产毛片在线视频| 亚洲国产欧美人成| 国产一区有黄有色的免费视频| av国产免费在线观看| 成人影院久久| 日本欧美视频一区| 一级毛片 在线播放| 亚洲图色成人| 男人舔奶头视频| 99久国产av精品国产电影| 人妻制服诱惑在线中文字幕| 97在线视频观看| 51国产日韩欧美| 国产有黄有色有爽视频| 777米奇影视久久| 性色av一级| 亚洲电影在线观看av| 一级毛片电影观看| 久久精品国产亚洲av天美| 91午夜精品亚洲一区二区三区| 91久久精品国产一区二区成人| 国产又色又爽无遮挡免| 久久久成人免费电影| 国产亚洲一区二区精品| 精品国产一区二区三区久久久樱花 | 免费不卡的大黄色大毛片视频在线观看| 亚洲精品日本国产第一区| 国产欧美亚洲国产| 亚洲国产最新在线播放| 日本黄大片高清| 亚洲人与动物交配视频| 精品人妻视频免费看| 久久久久久人妻| 精品久久久久久电影网| 亚洲av成人精品一区久久| 丰满人妻一区二区三区视频av| 精品一区二区三卡| 亚洲国产精品一区三区| 性高湖久久久久久久久免费观看| 18禁裸乳无遮挡免费网站照片| 在线看a的网站| 欧美xxxx性猛交bbbb| 黄片无遮挡物在线观看| 老熟女久久久| 2018国产大陆天天弄谢| 国产伦在线观看视频一区| 久久6这里有精品| 国产av精品麻豆| 中文乱码字字幕精品一区二区三区| 欧美精品人与动牲交sv欧美| 亚洲av综合色区一区| 视频区图区小说| 久久久a久久爽久久v久久| 麻豆国产97在线/欧美| 午夜免费男女啪啪视频观看| 亚洲欧美日韩卡通动漫| 久久人妻熟女aⅴ| 国产黄色视频一区二区在线观看| 成人黄色视频免费在线看| 直男gayav资源| 大码成人一级视频| 中国美白少妇内射xxxbb| 亚洲国产精品一区三区| 超碰av人人做人人爽久久| 精品酒店卫生间| 婷婷色综合www| 国产乱人视频| 国产一级毛片在线| 亚洲av.av天堂| 成人综合一区亚洲| 天堂8中文在线网| av福利片在线观看| 黄色视频在线播放观看不卡| 一区在线观看完整版| 尤物成人国产欧美一区二区三区| 国产精品三级大全| 亚洲国产日韩一区二区| 免费观看的影片在线观看| 亚洲激情五月婷婷啪啪| 欧美成人精品欧美一级黄| 国产精品一及| 国产精品人妻久久久久久| 欧美zozozo另类| 亚洲第一区二区三区不卡| 一级黄片播放器| 男女下面进入的视频免费午夜| 亚洲av国产av综合av卡| 亚洲av综合色区一区| 久久久成人免费电影| 国产淫语在线视频| 天美传媒精品一区二区| 亚洲国产高清在线一区二区三| 少妇 在线观看| 最黄视频免费看| 在线观看人妻少妇| 中国国产av一级| 黄色一级大片看看| 男人爽女人下面视频在线观看| 国产午夜精品久久久久久一区二区三区| 99久久人妻综合| 一级a做视频免费观看| 国产在线视频一区二区| 日本欧美国产在线视频| 国产一区二区三区av在线| 中文字幕人妻熟人妻熟丝袜美| 黑人猛操日本美女一级片| 看免费成人av毛片| 大香蕉97超碰在线| 欧美亚洲 丝袜 人妻 在线| 国产深夜福利视频在线观看| 多毛熟女@视频| 黄色一级大片看看| 久久久久精品性色| 少妇丰满av| 日韩电影二区| 久久6这里有精品| 国产精品一区二区性色av| 美女高潮的动态| 我的女老师完整版在线观看| 国产精品不卡视频一区二区| 能在线免费看毛片的网站| 亚洲精品日韩在线中文字幕| 99久久人妻综合| 免费av中文字幕在线| 精品酒店卫生间| 在线免费十八禁| 黄片wwwwww| 国产淫语在线视频| 国产成人免费无遮挡视频| 永久免费av网站大全| 国产一级毛片在线| 国产成人精品婷婷| 黄色配什么色好看| 精品人妻熟女av久视频| 亚洲欧洲国产日韩| 久久毛片免费看一区二区三区| 毛片一级片免费看久久久久| 男女边摸边吃奶| 成年av动漫网址| 免费久久久久久久精品成人欧美视频 | 日韩,欧美,国产一区二区三区| 久久 成人 亚洲| 欧美日韩综合久久久久久| 亚洲精品国产av成人精品| 九九在线视频观看精品| 婷婷色综合www| 寂寞人妻少妇视频99o| 丰满少妇做爰视频| 日本免费在线观看一区| 最近手机中文字幕大全| 大话2 男鬼变身卡| 男人爽女人下面视频在线观看| 亚洲精品aⅴ在线观看| 亚洲人与动物交配视频| 亚洲精品久久久久久婷婷小说| 韩国av在线不卡| 久久国产乱子免费精品| 99热这里只有精品一区| 国产成人91sexporn| 国产日韩欧美在线精品| 高清av免费在线| 日韩在线高清观看一区二区三区| 日韩成人av中文字幕在线观看| 精品酒店卫生间| 日韩免费高清中文字幕av| 国产免费一级a男人的天堂| 51国产日韩欧美| 国产 一区精品| 久久精品国产亚洲av天美| 日韩中文字幕视频在线看片 | 亚洲精品色激情综合| 青春草视频在线免费观看| 欧美少妇被猛烈插入视频| 亚洲,欧美,日韩| 热99国产精品久久久久久7| 五月伊人婷婷丁香| 人妻 亚洲 视频| 97热精品久久久久久| 亚洲精品久久久久久婷婷小说| 最近最新中文字幕大全电影3| 午夜免费鲁丝| 成人毛片a级毛片在线播放| 丝瓜视频免费看黄片| 久久影院123| 永久网站在线| 亚洲人成网站在线播| 国产亚洲最大av| 国产有黄有色有爽视频| 极品教师在线视频| 欧美少妇被猛烈插入视频| 美女脱内裤让男人舔精品视频| 超碰97精品在线观看| 亚洲内射少妇av| 国产男女超爽视频在线观看| 热re99久久精品国产66热6| 大片电影免费在线观看免费| 亚洲av二区三区四区| 国产亚洲一区二区精品| 一级片'在线观看视频| 成人亚洲精品一区在线观看 | 大话2 男鬼变身卡| 高清毛片免费看| 久久ye,这里只有精品| 日本-黄色视频高清免费观看| 纯流量卡能插随身wifi吗| 久久ye,这里只有精品| 成年美女黄网站色视频大全免费 | 国产无遮挡羞羞视频在线观看| 少妇的逼好多水| 人人妻人人澡人人爽人人夜夜| 成年免费大片在线观看| 少妇的逼好多水| 99精国产麻豆久久婷婷| 极品教师在线视频| av一本久久久久| 亚洲第一区二区三区不卡| 免费黄网站久久成人精品| 欧美性感艳星| 成人毛片a级毛片在线播放| av在线app专区| 亚洲经典国产精华液单| 麻豆乱淫一区二区| av又黄又爽大尺度在线免费看| 成人亚洲精品一区在线观看 | 日韩av不卡免费在线播放| 中文字幕人妻熟人妻熟丝袜美| 久久精品久久精品一区二区三区|