• <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 ?

    基于數(shù)據(jù)降維的復(fù)雜屬性大數(shù)據(jù)分類方法研究

    2020-10-21 06:09:53胡淑新宋志蕙
    河南科技 2020年2期
    關(guān)鍵詞:大數(shù)據(jù)分類

    胡淑新 宋志蕙

    摘 要:針對數(shù)據(jù)的多維度、非線性、不穩(wěn)定性等特有的復(fù)雜屬性,在傳統(tǒng)數(shù)據(jù)分類方法的基礎(chǔ)上,本研究將高維大數(shù)據(jù)進(jìn)行降維處理,結(jié)合SVM分類方法和多元SVM-REF分類方法,提出一種基于數(shù)據(jù)降維的復(fù)雜屬性大數(shù)據(jù)分類方法。試驗(yàn)證明,與傳統(tǒng)數(shù)據(jù)分類方法相比,本設(shè)計方法能夠有效地提升復(fù)雜屬性大數(shù)據(jù)的分類效率,也為后續(xù)對高維數(shù)據(jù)分類和數(shù)據(jù)復(fù)雜波動規(guī)律分析的深入研究提供依據(jù)。

    關(guān)鍵詞:數(shù)據(jù)降維;復(fù)雜屬性;大數(shù)據(jù);分類

    中圖分類號:TP391文獻(xiàn)標(biāo)識碼:A文章編號:1003-5168(2020)02-0018-03

    Abstract: Aiming at the unique complex attributes of data such as multi-dimensionality, non-linearity, and instability, based on the traditional data classification method, this research reduced the dimension of high-dimensional big dat, combined SVM classification method and multivariate SVM-REF classification method, and proposed a method for complex attribute big data classification based on data dimensionality reduction. Experiments show that compared with traditional data classification methods, this design method can effectively improve the classification efficiency of big data with complex attributes, and also provide a basis for subsequent in-depth research on high-dimensional data classification and analysis of data complex fluctuation rules.

    Keywords:data reduction;complex attributes;big data;classification

    近年來,信息技術(shù)和互聯(lián)網(wǎng)不斷發(fā)展,大數(shù)據(jù)分析技術(shù)逐漸成熟,而復(fù)雜屬性的大數(shù)據(jù)分類充滿機(jī)遇和挑戰(zhàn)[1]。當(dāng)前,科學(xué)研究水平不斷進(jìn)步,信息技術(shù)與互聯(lián)網(wǎng)技術(shù)也在不同的領(lǐng)域中逐漸成熟,新興技術(shù)的發(fā)展在帶動行業(yè)本身進(jìn)步的同時也擴(kuò)大了軟件和硬件技術(shù)的市場需求。因此,新的市場和模式不斷要求數(shù)據(jù)挖掘邁向更高的水平。從數(shù)據(jù)的體量、類型及維度等方面來分析,研究的對象也變得越來越復(fù)雜[2]。隨著互聯(lián)網(wǎng)的不斷普及,企業(yè)要從設(shè)計、制定、運(yùn)營等不同環(huán)節(jié)為用戶提供全方位的解決辦法,而這些環(huán)節(jié)都或多或少地涉及數(shù)據(jù)的采集、整理與分析,企業(yè)為了保證自身優(yōu)勢,需要從多個角度兼顧信息處理的時效性、準(zhǔn)確性及經(jīng)濟(jì)性。因此,人們對復(fù)雜屬性的大數(shù)據(jù)分類研究提出了更加嚴(yán)格的要求。

    1 高維大數(shù)據(jù)的降維處理

    傳統(tǒng)的特征抽取技術(shù)包括主成分分析和線性鑒別分析。但這些傳統(tǒng)的特征抽取技術(shù)都存在著局限性。目前,一種新型的基于核的分析方法出現(xiàn),并已經(jīng)在模式識別領(lǐng)域和機(jī)器學(xué)習(xí)領(lǐng)域展現(xiàn)了其優(yōu)秀的分類能力[3]。這種分析方法利用非線性轉(zhuǎn)換技術(shù),對數(shù)據(jù)間不同類別的可分離性進(jìn)行增強(qiáng),以獲取更好的分類效果。與傳統(tǒng)方法不同的是,該方法能夠利用核技術(shù)將輸入進(jìn)來的樣本映射到高維度的特征空間中,其間不需要對該樣本的非線性映射函數(shù)有具體的掌握,因此減輕了傳統(tǒng)的非線性映射方法的負(fù)擔(dān)。但該方法的弊端在于,無法對大型數(shù)據(jù)進(jìn)行分類處理。在對大數(shù)據(jù)進(jìn)行分類時,時間和空間的復(fù)雜程度都明顯提高,并且特征抽取的效率取決于訓(xùn)練樣本的個數(shù),個數(shù)越多,取樣的效率會越低,因此該方法對于大數(shù)據(jù)分類的效率更低[4]?;诖耍梢詫⒁粋€大型數(shù)據(jù)集劃分為多個不同的小數(shù)據(jù)集,將一個大分類問題分解成為多個小分類問題,從而解決原有的大分類問題。通常情況下,高維大數(shù)據(jù)的降維可以分為特征選擇和特征提取,如圖1所示。

    特征提取是指在原始的大數(shù)據(jù)特征中選取一個滿足條件的最優(yōu)特征子集進(jìn)行建模,因此這種方法也稱為選維。假設(shè)大數(shù)據(jù)為[X],大數(shù)據(jù)中包含[N]個特征信息,表示為[X=(x1,x2,...,xN)],通過特征選擇選出[M]個最具有代表性的特征構(gòu)成新的特征矢量[Y],表示為[Y=(xi1,xi2,...,xiM)],且[M

    特征提取是利用映射函數(shù)將特征從原始的大數(shù)據(jù)空間映射到新的特征子空間中。特征提取的特征矢量可表示為[X=(x1,x2,...,xN)],其變換函數(shù)表示為[y=f(x)],[X]經(jīng)[y]變換降維后得到[M]為新的特征矢量,可表示為[Y=(y1,y2,...,yM)],且[M

    在對復(fù)雜屬性大數(shù)據(jù)進(jìn)行降維處理時,要根據(jù)大數(shù)據(jù)的特征選用適當(dāng)?shù)姆椒ǎ舸髷?shù)據(jù)中的特征是相互獨(dú)立的個體,則選用特征選擇的方法更加方便快捷;若大數(shù)據(jù)中的特征之間具有關(guān)聯(lián)性、不獨(dú)立,則應(yīng)選用特征提取方法對大數(shù)據(jù)進(jìn)行降維處理,執(zhí)行特征的函數(shù)變換可以消除特征之間的相關(guān)性。在進(jìn)行數(shù)據(jù)降維時也可將兩者綜合利用,首先進(jìn)行特征選擇,將選出的一部分具有代表性的特征施加數(shù)學(xué)映射變換,將原始大數(shù)據(jù)空間映射到新的子空間中,達(dá)到雙重降維的目的。

    2 復(fù)雜屬性大數(shù)據(jù)分類方法

    關(guān)于利用特征選擇和特征提取降維處理后的大數(shù)據(jù),根據(jù)其不同特點(diǎn),采用SVM分類方法或多元SVM-REF分類方法對復(fù)雜屬性大數(shù)據(jù)進(jìn)行分類,下面對兩種分類方法進(jìn)行了詳細(xì)的說明。

    2.1 SVM分類方法

    傳統(tǒng)的數(shù)據(jù)分類方法包括兩種,一種是有監(jiān)督的分類方法,如決策樹、神經(jīng)網(wǎng)絡(luò)模型等;一種是無監(jiān)督的分類方法,如聚類分析、主成分分析等。在眾多有監(jiān)督的分類方法中,SVM(支持向量機(jī))分類方法在非線性問題處理、數(shù)據(jù)特征識別、小樣本數(shù)據(jù)分析等方面具有獨(dú)特的優(yōu)勢,是一種經(jīng)典機(jī)器學(xué)習(xí)方法,以統(tǒng)計分析為理論基礎(chǔ)。SVM分類方法的核心建模思想是結(jié)構(gòu)風(fēng)險最小化原則。

    假設(shè)一個未知映射為[p],對于給定的輸入樣本空間[a]和與其對應(yīng)的輸出域[b],任何機(jī)器學(xué)習(xí)的目的都是為了讓輸出域[b]更加貼近事實(shí)。具體說明,假設(shè)損失函數(shù)為[E],記期望風(fēng)險(映射值與實(shí)際值之間的誤差被稱為風(fēng)險)為[R],用公式可表示為:

    式(2)給出的是在不同情況下,映射函數(shù)[p(a)]所對應(yīng)的概率。對于大數(shù)據(jù)分類問題來說,二分類器中的一對一和一對多方法能夠更容易地拓展到多分類問題中。實(shí)際上,[a]和[b]的聯(lián)合概率密度函數(shù)[p(a,b)]為未知的函數(shù),因此,式(1)中的期望風(fēng)險[R(p)]無法通過直接計算得出。人們,需要根據(jù)大數(shù)據(jù)樣本的經(jīng)驗(yàn)分布推斷[R(p)],并以經(jīng)驗(yàn)風(fēng)險逼近期望風(fēng)險。當(dāng)數(shù)據(jù)樣本的容量趨近于無限大時,經(jīng)驗(yàn)風(fēng)險將無限趨近于期望風(fēng)險。但在實(shí)際應(yīng)用中,由于采集到的數(shù)據(jù)樣本十分有限,因此在有限的數(shù)據(jù)樣本情況下,經(jīng)驗(yàn)風(fēng)險最小并不一定是期望風(fēng)險最小的時候?;诮?jīng)驗(yàn)風(fēng)險最小的分類器的識別能力較差,在分類過程中很難達(dá)到更高的分類精度,針對這一問題,在有限數(shù)據(jù)樣本的條件下將結(jié)構(gòu)風(fēng)險降低到最小。

    2.2 多元SVM-REF分類方法

    當(dāng)采集到的數(shù)據(jù)特征樣本的維度過大而訓(xùn)練樣本的模式較少時,采用降低高維度數(shù)據(jù)空間的維數(shù)用以避免過擬合風(fēng)險。在進(jìn)行過擬合過程中,樣本的訓(xùn)練分類器通常是分類精度非常高的,但缺點(diǎn)在于泛化性能差。利用正則化方法能夠在某種程度上解決過擬合問題的同時不對數(shù)據(jù)進(jìn)行降維處理,而SVM分類方法正是針對這一問題建立的。SVM分類方法在處理非線性問題時具有良好的表現(xiàn)效果,并且計算過程的復(fù)雜度相對較低,但SVM分類方法只能用于對小樣本數(shù)據(jù)進(jìn)行識別,而對于高維度的大數(shù)據(jù)樣本進(jìn)行分析時要結(jié)合特征選擇的方法進(jìn)行分析。上文已經(jīng)對數(shù)據(jù)特征選擇進(jìn)行分析,在此不進(jìn)行過多贅述,將SVM分類方法與特征選擇相結(jié)合,對高維度大數(shù)據(jù)進(jìn)行分類。將特征選擇后的結(jié)果進(jìn)行排序,排序后的特征將被直接應(yīng)用于后續(xù)分析中。對于排序的準(zhǔn)則函數(shù),可以為其設(shè)定一個閾值,方便后續(xù)篩查。在結(jié)構(gòu)風(fēng)險最小的數(shù)據(jù)中,將對應(yīng)的嵌套子特征集合定義為[F1?F2?…?F]。通過改變設(shè)定的信息準(zhǔn)則閾值,人們可以篩選出相應(yīng)的最優(yōu)特征子集。然后,利用遞歸特征消除法,根據(jù)設(shè)定的判斷閾值,對數(shù)據(jù)樣本的特征進(jìn)行合理排序,并以此作為衡量數(shù)據(jù)樣本特征對分類器學(xué)習(xí)性能的重要程度的標(biāo)準(zhǔn)。該方法的基本流程為:訓(xùn)練分類器→根據(jù)排序準(zhǔn)則,計算出大數(shù)據(jù)中所有特征的得分情況→去除得分排序最低的特征樣。

    3 試驗(yàn)論證分析

    3.1 試驗(yàn)準(zhǔn)備

    為了驗(yàn)證本文提出的復(fù)雜屬性大數(shù)據(jù)分類方法,首先建立用于算法的開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的交互式平臺,準(zhǔn)備一種簡單、易于使用并且快速有效的SVM模式可識別的軟件工具箱進(jìn)行試驗(yàn),比較本文提出的分類方法和傳統(tǒng)的數(shù)據(jù)分類方法對高維度數(shù)據(jù)分類的表現(xiàn)。其間采用UCI機(jī)器學(xué)習(xí)數(shù)據(jù)庫中的數(shù)據(jù)集,其中應(yīng)包含一個多分類數(shù)據(jù)集。該數(shù)據(jù)集含有180個樣本、14個屬性,在該數(shù)據(jù)集中,不同屬性之間的數(shù)據(jù)分布情況要求差異性更大,數(shù)值分布更分散。

    3.2 分類準(zhǔn)確定評價

    為了讓對比試驗(yàn)?zāi)軌蚋忧逦乇磉_(dá)兩種方法的有效性,利用評價準(zhǔn)則對兩種方法的復(fù)雜屬性大數(shù)據(jù)分類結(jié)果進(jìn)行度量。平均百分比分類誤差[MPCE]是分類方法領(lǐng)域中經(jīng)典的評價指標(biāo),其公式可表示為:

    3.3 試驗(yàn)結(jié)果分析

    將兩種方法對數(shù)據(jù)集的分類情況進(jìn)行記錄,如表1所示。

    根據(jù)表1記錄的數(shù)據(jù),利用上文提出的平均百分比分類誤差計算出兩種方法的誤差值。傳統(tǒng)方法誤差值分別為16.67%、20.00%、23.33%、16.67%、26.67%、13.33%;本文分類方法誤差值分別為6.67%、10.00%、3.33%、3.33%、6.67%、6.67%。通過數(shù)據(jù)可以看出,本文提出的分類方法對復(fù)雜屬性大數(shù)據(jù)分類的誤差值明顯低于傳統(tǒng)分類方法,且本文提出的分類方法誤差值最低可達(dá)3.33%,也就是說該方法的分類精度可達(dá)96.67%,明顯高于傳統(tǒng)分類方法,這也說明了本文提出的基于數(shù)據(jù)降維的復(fù)雜屬性大數(shù)據(jù)分類方法更具實(shí)際意義。

    4 結(jié)語

    現(xiàn)代社會,數(shù)據(jù)增長速度是十分驚人的,隨著計算機(jī)技術(shù)的迅猛發(fā)展和廣泛的應(yīng)用,在工業(yè)、生物、醫(yī)療等領(lǐng)域,數(shù)據(jù)的采集和傳輸速度快速增長,同時數(shù)據(jù)復(fù)雜程度日趨增加,規(guī)模不斷擴(kuò)大,因此形成了類型更加復(fù)雜、形式更加多樣的數(shù)據(jù)信息。在進(jìn)行數(shù)據(jù)挖掘時,人們要重新考慮人類生活及生產(chǎn)中各個方面的需求,日后對高維度、多源、非均衡的復(fù)雜數(shù)據(jù)信息分類進(jìn)行更加深入的研究。

    參考文獻(xiàn):

    [1]黃建理,杜金燃,謝家全.一種基于改進(jìn)KNN的大數(shù)據(jù)離群點(diǎn)檢測算法[J].計算機(jī)與現(xiàn)代化,2017(5):67-70.

    [2]滕少華,盧東略,霍穎翔,等.基于正交投影的降維分類方法研究[J].廣東工業(yè)大學(xué)學(xué)報,2017(3):1-7.

    [3]何興高,李蟬娟,王瑞錦.基于信息熵的高維稀疏大數(shù)據(jù)降維算法研究[J].電子科技大學(xué)學(xué)報,2018(2):235-241.

    [4]蔣華,韓飛,王鑫.基于MapReduce改進(jìn)K-NN的大數(shù)據(jù)分類算法研究[J].微電子學(xué)與計算機(jī),2018(10):42-51.

    猜你喜歡
    大數(shù)據(jù)分類
    分類算一算
    垃圾分類的困惑你有嗎
    大眾健康(2021年6期)2021-06-08 19:30:06
    分類討論求坐標(biāo)
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    大數(shù)據(jù)環(huán)境下基于移動客戶端的傳統(tǒng)媒體轉(zhuǎn)型思路
    新聞世界(2016年10期)2016-10-11 20:13:53
    基于大數(shù)據(jù)背景下的智慧城市建設(shè)研究
    科技視界(2016年20期)2016-09-29 10:53:22
    數(shù)據(jù)+輿情:南方報業(yè)創(chuàng)新轉(zhuǎn)型提高服務(wù)能力的探索
    中國記者(2016年6期)2016-08-26 12:36:20
    給塑料分分類吧
    激情五月婷婷亚洲| 18禁在线播放成人免费| 国产国语露脸激情在线看| 日本午夜av视频| 成人国产麻豆网| 色吧在线观看| 国产一区亚洲一区在线观看| 搡老乐熟女国产| 成人影院久久| 国产成人av激情在线播放 | 一级毛片我不卡| 狂野欧美白嫩少妇大欣赏| 中文字幕亚洲精品专区| 97在线人人人人妻| 一区二区日韩欧美中文字幕 | 精品人妻熟女毛片av久久网站| 最近中文字幕2019免费版| 久久久午夜欧美精品| 18禁裸乳无遮挡动漫免费视频| av在线播放精品| 黄色视频在线播放观看不卡| 久久精品国产亚洲av天美| 欧美老熟妇乱子伦牲交| 永久免费av网站大全| 少妇人妻久久综合中文| 综合色丁香网| 五月天丁香电影| 亚洲成人一二三区av| 精品人妻在线不人妻| 亚洲国产精品999| 午夜福利网站1000一区二区三区| 欧美精品国产亚洲| 亚洲综合精品二区| 国产亚洲av片在线观看秒播厂| 国产白丝娇喘喷水9色精品| 精品国产乱码久久久久久小说| 色视频在线一区二区三区| 国产日韩欧美视频二区| 亚洲精品久久成人aⅴ小说 | 人妻人人澡人人爽人人| 国产亚洲精品第一综合不卡 | 久久久久久久久大av| 久久韩国三级中文字幕| 99热这里只有精品一区| 成人亚洲精品一区在线观看| 亚洲怡红院男人天堂| 国产综合精华液| 国产日韩欧美视频二区| 午夜福利,免费看| av在线观看视频网站免费| 丰满乱子伦码专区| 午夜激情福利司机影院| 久久毛片免费看一区二区三区| 寂寞人妻少妇视频99o| 精品午夜福利在线看| 大香蕉97超碰在线| 久久久a久久爽久久v久久| 熟女电影av网| 成人国产麻豆网| 精品少妇内射三级| 亚洲国产成人一精品久久久| 女性生殖器流出的白浆| 国产熟女午夜一区二区三区 | 夜夜看夜夜爽夜夜摸| 桃花免费在线播放| 99久久精品国产国产毛片| 久久久国产欧美日韩av| 中文字幕人妻丝袜制服| 亚洲内射少妇av| 国产 精品1| 老女人水多毛片| 亚洲中文av在线| 欧美bdsm另类| 大片免费播放器 马上看| 九九爱精品视频在线观看| 国产白丝娇喘喷水9色精品| 亚洲av成人精品一二三区| 国产成人免费无遮挡视频| 18禁动态无遮挡网站| 欧美激情国产日韩精品一区| 成人黄色视频免费在线看| 亚洲色图综合在线观看| 高清毛片免费看| 国产白丝娇喘喷水9色精品| 日韩制服骚丝袜av| 99久久精品国产国产毛片| 黄色欧美视频在线观看| 天天躁夜夜躁狠狠久久av| 丰满乱子伦码专区| 免费看av在线观看网站| www.av在线官网国产| 国产国语露脸激情在线看| 王馨瑶露胸无遮挡在线观看| 国产日韩欧美在线精品| 男女边摸边吃奶| 亚洲人成网站在线播| 伊人久久精品亚洲午夜| 国产精品秋霞免费鲁丝片| 热re99久久国产66热| 伊人久久国产一区二区| 成年美女黄网站色视频大全免费 | 国产又色又爽无遮挡免| 国产 一区精品| 亚洲精品av麻豆狂野| 国产深夜福利视频在线观看| 免费观看在线日韩| 色哟哟·www| 久久精品国产亚洲网站| 不卡视频在线观看欧美| 精品久久久久久电影网| 丰满少妇做爰视频| 777米奇影视久久| 久久 成人 亚洲| 日韩亚洲欧美综合| 久久这里有精品视频免费| 亚洲一区二区三区欧美精品| 黑人欧美特级aaaaaa片| 另类精品久久| 日本黄色日本黄色录像| 美女国产视频在线观看| a级毛片黄视频| 国产又色又爽无遮挡免| 最黄视频免费看| 午夜91福利影院| 免费少妇av软件| 亚洲精品乱码久久久久久按摩| 一级二级三级毛片免费看| 飞空精品影院首页| 九九在线视频观看精品| 日本猛色少妇xxxxx猛交久久| 午夜激情福利司机影院| 欧美激情极品国产一区二区三区 | 一区二区三区四区激情视频| 乱码一卡2卡4卡精品| 国产免费一级a男人的天堂| 精品一区在线观看国产| 亚洲av不卡在线观看| 国产成人精品在线电影| 欧美精品国产亚洲| 国产视频内射| 亚洲av二区三区四区| 亚州av有码| 亚洲人与动物交配视频| 九草在线视频观看| 日韩三级伦理在线观看| 日韩一区二区三区影片| 精品少妇黑人巨大在线播放| 亚洲欧洲国产日韩| 成年人午夜在线观看视频| 欧美老熟妇乱子伦牲交| 亚洲国产av新网站| 简卡轻食公司| 国产成人freesex在线| 免费播放大片免费观看视频在线观看| 我要看黄色一级片免费的| 午夜免费观看性视频| 久久99蜜桃精品久久| 热re99久久国产66热| 国产色婷婷99| 欧美日韩视频精品一区| av电影中文网址| 99久久精品一区二区三区| 欧美精品一区二区免费开放| 午夜老司机福利剧场| 男女无遮挡免费网站观看| 免费人妻精品一区二区三区视频| 亚洲婷婷狠狠爱综合网| 一区二区日韩欧美中文字幕 | 日韩大片免费观看网站| 国产乱来视频区| 久久亚洲国产成人精品v| 亚洲av成人精品一二三区| 国产片特级美女逼逼视频| 国产毛片在线视频| 精品久久久久久电影网| 亚洲五月色婷婷综合| 国产精品99久久久久久久久| 桃花免费在线播放| 少妇人妻精品综合一区二区| videosex国产| 大片电影免费在线观看免费| 999精品在线视频| 99国产综合亚洲精品| 国国产精品蜜臀av免费| 成年av动漫网址| 国产免费福利视频在线观看| 校园人妻丝袜中文字幕| 久久国产精品男人的天堂亚洲 | 亚洲情色 制服丝袜| 国产爽快片一区二区三区| 黑丝袜美女国产一区| 久久久精品94久久精品| 高清在线视频一区二区三区| 2022亚洲国产成人精品| 人妻人人澡人人爽人人| 国产又色又爽无遮挡免| 菩萨蛮人人尽说江南好唐韦庄| 丝袜脚勾引网站| 伊人久久精品亚洲午夜| 一边亲一边摸免费视频| 欧美日韩亚洲高清精品| 国产高清不卡午夜福利| 91久久精品国产一区二区三区| 自线自在国产av| 日韩一本色道免费dvd| 黄色毛片三级朝国网站| 日韩一区二区视频免费看| 精品久久久久久久久亚洲| 热99国产精品久久久久久7| 国产成人一区二区在线| 啦啦啦在线观看免费高清www| 麻豆乱淫一区二区| 国产高清不卡午夜福利| 亚洲情色 制服丝袜| av在线老鸭窝| 欧美日韩精品成人综合77777| 热99国产精品久久久久久7| 亚洲在久久综合| 极品人妻少妇av视频| 一本大道久久a久久精品| 伦精品一区二区三区| 国产精品人妻久久久影院| 美女视频免费永久观看网站| 成人毛片a级毛片在线播放| 日日爽夜夜爽网站| 国产精品人妻久久久久久| 日本vs欧美在线观看视频| 青春草国产在线视频| 熟女电影av网| 亚洲,一卡二卡三卡| 成年女人在线观看亚洲视频| 亚洲怡红院男人天堂| 一级黄片播放器| 国产av码专区亚洲av| 国产精品秋霞免费鲁丝片| 亚洲国产色片| 欧美最新免费一区二区三区| 人人妻人人添人人爽欧美一区卜| 久久狼人影院| 亚洲欧美成人综合另类久久久| 国产黄色视频一区二区在线观看| 高清午夜精品一区二区三区| av在线播放精品| 久热这里只有精品99| 国产欧美日韩综合在线一区二区| 秋霞在线观看毛片| 男女免费视频国产| 99久久综合免费| 亚洲欧美成人精品一区二区| av又黄又爽大尺度在线免费看| 嘟嘟电影网在线观看| 午夜福利网站1000一区二区三区| 99九九在线精品视频| 午夜福利,免费看| 啦啦啦在线观看免费高清www| 熟妇人妻不卡中文字幕| 欧美精品一区二区免费开放| 国产黄色视频一区二区在线观看| 精品熟女少妇av免费看| 在线观看免费高清a一片| 热99久久久久精品小说推荐| 在线观看三级黄色| 亚洲精品一区蜜桃| 观看av在线不卡| 在线免费观看不下载黄p国产| 岛国毛片在线播放| 久久综合国产亚洲精品| 日韩一区二区视频免费看| 亚洲av.av天堂| 美女视频免费永久观看网站| 国产精品国产三级专区第一集| 2021少妇久久久久久久久久久| 欧美日本中文国产一区发布| 丰满乱子伦码专区| 丝袜喷水一区| 亚洲怡红院男人天堂| 久久久精品区二区三区| 伊人亚洲综合成人网| 午夜老司机福利剧场| 成年人免费黄色播放视频| 色哟哟·www| 午夜福利视频在线观看免费| 亚洲欧洲国产日韩| 香蕉精品网在线| freevideosex欧美| 水蜜桃什么品种好| 高清黄色对白视频在线免费看| 亚洲婷婷狠狠爱综合网| 国产成人精品福利久久| 狂野欧美激情性xxxx在线观看| 欧美精品高潮呻吟av久久| 99热国产这里只有精品6| 建设人人有责人人尽责人人享有的| 日本黄大片高清| 国产免费一区二区三区四区乱码| 久久鲁丝午夜福利片| 国产片内射在线| 久久国产精品男人的天堂亚洲 | 日韩欧美精品免费久久| 大香蕉久久网| 免费观看性生交大片5| 97超碰精品成人国产| 国产男女内射视频| 久久国产精品男人的天堂亚洲 | 一区二区三区乱码不卡18| 亚洲国产日韩一区二区| 日本av手机在线免费观看| 国产av一区二区精品久久| 亚洲国产欧美在线一区| 在线观看人妻少妇| 日韩伦理黄色片| 欧美丝袜亚洲另类| 这个男人来自地球电影免费观看 | 国产精品偷伦视频观看了| 男人爽女人下面视频在线观看| 国产av码专区亚洲av| 精品少妇内射三级| 色94色欧美一区二区| 亚洲精品久久午夜乱码| 色5月婷婷丁香| 亚洲人与动物交配视频| 九草在线视频观看| 高清av免费在线| 水蜜桃什么品种好| 婷婷色综合www| 国产伦理片在线播放av一区| 精品午夜福利在线看| 中文字幕免费在线视频6| 亚洲精品亚洲一区二区| 国产av国产精品国产| 午夜视频国产福利| 极品人妻少妇av视频| 三级国产精品片| 熟女电影av网| 国产片内射在线| 99热这里只有精品一区| 母亲3免费完整高清在线观看 | 国产精品99久久99久久久不卡 | 国产精品一国产av| 最近手机中文字幕大全| 看免费成人av毛片| 18禁在线播放成人免费| av专区在线播放| 99热网站在线观看| 久久久精品区二区三区| 亚洲国产精品一区二区三区在线| 亚州av有码| 晚上一个人看的免费电影| 91久久精品电影网| 黄色毛片三级朝国网站| 18+在线观看网站| 免费播放大片免费观看视频在线观看| 一级黄片播放器| 三级国产精品欧美在线观看| 人人妻人人添人人爽欧美一区卜| 欧美一级a爱片免费观看看| 亚洲熟女精品中文字幕| 色婷婷久久久亚洲欧美| av有码第一页| 亚洲欧洲精品一区二区精品久久久 | 日本免费在线观看一区| 一二三四中文在线观看免费高清| 中文字幕亚洲精品专区| 日韩av在线免费看完整版不卡| 人妻人人澡人人爽人人| 伊人久久精品亚洲午夜| 高清av免费在线| 亚洲图色成人| 国产精品成人在线| 午夜福利影视在线免费观看| 一个人看视频在线观看www免费| 国产男人的电影天堂91| 日日啪夜夜爽| 两个人的视频大全免费| 一级a做视频免费观看| 欧美 日韩 精品 国产| 一级毛片黄色毛片免费观看视频| 国产av国产精品国产| 一级毛片aaaaaa免费看小| 视频区图区小说| 97精品久久久久久久久久精品| 久久精品人人爽人人爽视色| 日韩强制内射视频| 国产亚洲av片在线观看秒播厂| 免费观看a级毛片全部| 简卡轻食公司| 久久毛片免费看一区二区三区| 亚洲美女视频黄频| 在线 av 中文字幕| 五月开心婷婷网| 91久久精品国产一区二区三区| 丝袜喷水一区| 日韩伦理黄色片| 国产精品99久久99久久久不卡 | 美女主播在线视频| 水蜜桃什么品种好| 国产熟女欧美一区二区| 91在线精品国自产拍蜜月| 久久婷婷青草| 国产精品国产三级国产av玫瑰| 亚洲人与动物交配视频| 久久久久久久久久人人人人人人| 少妇的逼好多水| 亚洲精品久久成人aⅴ小说 | 美女中出高潮动态图| 2018国产大陆天天弄谢| 久久婷婷青草| 黑人欧美特级aaaaaa片| 性高湖久久久久久久久免费观看| 国模一区二区三区四区视频| 在线看a的网站| 日韩 亚洲 欧美在线| 日产精品乱码卡一卡2卡三| 国产无遮挡羞羞视频在线观看| 婷婷色综合大香蕉| 高清在线视频一区二区三区| 久久人人爽人人爽人人片va| 免费看不卡的av| 黑人欧美特级aaaaaa片| 国产白丝娇喘喷水9色精品| 午夜老司机福利剧场| 国产成人精品久久久久久| 亚洲欧美中文字幕日韩二区| 久久久午夜欧美精品| 婷婷色av中文字幕| 极品人妻少妇av视频| 久久久久久久亚洲中文字幕| 国国产精品蜜臀av免费| 国产探花极品一区二区| 丰满少妇做爰视频| 亚洲av欧美aⅴ国产| 亚洲欧美日韩另类电影网站| 国产精品成人在线| 黑人巨大精品欧美一区二区蜜桃 | 国产精品久久久久成人av| 边亲边吃奶的免费视频| 久久精品久久久久久久性| 99热国产这里只有精品6| 高清在线视频一区二区三区| 国产男女内射视频| 欧美+日韩+精品| 91精品伊人久久大香线蕉| 熟女电影av网| 亚洲欧美一区二区三区国产| 一区在线观看完整版| 亚洲不卡免费看| 日韩三级伦理在线观看| 97超碰精品成人国产| av国产精品久久久久影院| 色网站视频免费| a级毛片黄视频| 免费高清在线观看视频在线观看| 成年av动漫网址| 亚洲精品乱久久久久久| 国产又色又爽无遮挡免| 国产成人免费无遮挡视频| 在线天堂最新版资源| 人妻少妇偷人精品九色| 午夜av观看不卡| 狠狠精品人妻久久久久久综合| 99久久中文字幕三级久久日本| av专区在线播放| 国产成人av激情在线播放 | 天堂8中文在线网| av有码第一页| 国产精品熟女久久久久浪| 91午夜精品亚洲一区二区三区| 久久精品国产鲁丝片午夜精品| 天堂俺去俺来也www色官网| 久久精品国产自在天天线| 久久久a久久爽久久v久久| 亚洲欧洲日产国产| 看免费成人av毛片| 国内精品宾馆在线| 91国产中文字幕| 亚洲精品乱码久久久v下载方式| 一本色道久久久久久精品综合| 人妻 亚洲 视频| 亚洲国产精品一区三区| 久久国产精品大桥未久av| 曰老女人黄片| 一区在线观看完整版| 在线观看人妻少妇| 久久午夜综合久久蜜桃| 亚洲人成77777在线视频| 久久久久网色| 国产熟女午夜一区二区三区 | 久久ye,这里只有精品| 久久久久国产网址| 99久国产av精品国产电影| 汤姆久久久久久久影院中文字幕| 内地一区二区视频在线| 国产精品免费大片| 久久鲁丝午夜福利片| 大香蕉97超碰在线| av播播在线观看一区| 欧美日韩亚洲高清精品| 中文精品一卡2卡3卡4更新| 亚洲精华国产精华液的使用体验| 久久韩国三级中文字幕| 欧美精品人与动牲交sv欧美| 晚上一个人看的免费电影| 黑人高潮一二区| 欧美激情 高清一区二区三区| 国产日韩一区二区三区精品不卡 | 99九九线精品视频在线观看视频| 老司机影院毛片| 欧美日韩av久久| 国产 一区精品| 亚洲国产毛片av蜜桃av| 久久午夜综合久久蜜桃| 精品国产一区二区三区久久久樱花| 国产成人aa在线观看| 少妇丰满av| 亚洲三级黄色毛片| 色视频在线一区二区三区| av.在线天堂| 麻豆精品久久久久久蜜桃| 亚洲av成人精品一二三区| 在线观看免费视频网站a站| 一区二区三区四区激情视频| 永久免费av网站大全| 999精品在线视频| 黑人高潮一二区| 国产精品99久久久久久久久| 99久久精品国产国产毛片| av播播在线观看一区| 久久久a久久爽久久v久久| 亚洲情色 制服丝袜| 高清午夜精品一区二区三区| 丰满饥渴人妻一区二区三| 亚洲av.av天堂| 欧美激情 高清一区二区三区| 最后的刺客免费高清国语| 亚洲av国产av综合av卡| 十八禁高潮呻吟视频| 精品一区在线观看国产| 亚洲成人av在线免费| 99热全是精品| 最近最新中文字幕免费大全7| 国产成人午夜福利电影在线观看| 欧美日韩国产mv在线观看视频| 日韩人妻高清精品专区| 国产深夜福利视频在线观看| 亚洲精品国产色婷婷电影| 久久久久久久久久人人人人人人| a级毛色黄片| 97超视频在线观看视频| 亚洲久久久国产精品| 大香蕉97超碰在线| 美女主播在线视频| 在线观看免费视频网站a站| 午夜福利视频精品| 亚洲激情五月婷婷啪啪| 精品亚洲乱码少妇综合久久| 搡老乐熟女国产| 99国产综合亚洲精品| 久久精品久久久久久久性| 日韩中文字幕视频在线看片| 久久鲁丝午夜福利片| 丝袜脚勾引网站| 国产精品秋霞免费鲁丝片| 国产不卡av网站在线观看| 日韩欧美精品免费久久| 国产一区二区三区av在线| 中文字幕久久专区| 亚洲精品av麻豆狂野| 母亲3免费完整高清在线观看 | 午夜av观看不卡| 涩涩av久久男人的天堂| 国产视频首页在线观看| 少妇高潮的动态图| 中文乱码字字幕精品一区二区三区| av在线观看视频网站免费| 精品亚洲乱码少妇综合久久| 夫妻午夜视频| 综合色丁香网| 国产熟女欧美一区二区| 欧美亚洲日本最大视频资源| 国产成人精品婷婷| 国产在线视频一区二区| 亚洲国产精品成人久久小说| 亚洲精品日韩av片在线观看| av在线老鸭窝| 9色porny在线观看| 免费高清在线观看日韩| 最近的中文字幕免费完整| 少妇丰满av| 精品一品国产午夜福利视频| 卡戴珊不雅视频在线播放| 成年美女黄网站色视频大全免费 | av播播在线观看一区| 精品亚洲成a人片在线观看| av天堂久久9| 成人亚洲欧美一区二区av| 99热6这里只有精品| 日韩制服骚丝袜av| 午夜免费男女啪啪视频观看| 国产精品久久久久久av不卡| 边亲边吃奶的免费视频| 国产深夜福利视频在线观看| 激情五月婷婷亚洲| 久久久久久久久久久免费av| 少妇熟女欧美另类| 亚洲综合色惰| 久久亚洲国产成人精品v| 国语对白做爰xxxⅹ性视频网站| 2022亚洲国产成人精品| av黄色大香蕉| 99九九线精品视频在线观看视频| 永久网站在线| 如何舔出高潮| 国产国拍精品亚洲av在线观看| 亚洲国产日韩一区二区| 亚洲国产精品成人久久小说|