• <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
    av国产精品久久久久影院| 网址你懂的国产日韩在线| 久久精品人妻少妇| 国产亚洲91精品色在线| 最后的刺客免费高清国语| 亚洲精品国产av蜜桃| 午夜视频国产福利| 1000部很黄的大片| 又粗又硬又长又爽又黄的视频| 18禁在线无遮挡免费观看视频| 香蕉精品网在线| 欧美变态另类bdsm刘玥| 交换朋友夫妻互换小说| 97在线视频观看| 一区二区三区乱码不卡18| 免费黄网站久久成人精品| 一个人看视频在线观看www免费| 日韩大片免费观看网站| 亚洲高清免费不卡视频| 国产久久久一区二区三区| 欧美+日韩+精品| 日日啪夜夜撸| 天美传媒精品一区二区| 国产视频内射| 内射极品少妇av片p| 亚洲激情五月婷婷啪啪| 国产精品三级大全| 国产精品99久久99久久久不卡 | 黄片wwwwww| 一级二级三级毛片免费看| 久久久久国产精品人妻一区二区| 男女无遮挡免费网站观看| 老司机影院毛片| 亚洲真实伦在线观看| 国内揄拍国产精品人妻在线| 亚洲国产精品专区欧美| 一区二区av电影网| 日本午夜av视频| 一区二区av电影网| 国产精品久久久久久精品电影| 亚洲怡红院男人天堂| 久久国产乱子免费精品| 日本wwww免费看| 亚洲欧洲国产日韩| 精品午夜福利在线看| 黄色怎么调成土黄色| 水蜜桃什么品种好| 亚洲国产精品999| 国产亚洲5aaaaa淫片| 噜噜噜噜噜久久久久久91| 国产美女午夜福利| 亚洲,欧美,日韩| 日本与韩国留学比较| 搡老乐熟女国产| 狂野欧美白嫩少妇大欣赏| 成人欧美大片| 亚洲精品,欧美精品| 久久ye,这里只有精品| 狂野欧美激情性bbbbbb| 久久久久久久久久成人| 一区二区av电影网| 精品一区二区三区视频在线| 日韩在线高清观看一区二区三区| 免费看a级黄色片| 国产综合精华液| 性色av一级| 特级一级黄色大片| 国产午夜精品久久久久久一区二区三区| 狂野欧美激情性xxxx在线观看| 狂野欧美白嫩少妇大欣赏| 亚洲精品一二三| 亚洲精品亚洲一区二区| 视频中文字幕在线观看| 日日啪夜夜爽| 久久热精品热| 综合色av麻豆| 午夜精品国产一区二区电影 | 国产精品久久久久久精品电影| 亚洲欧美成人综合另类久久久| 亚洲精品一二三| 日韩电影二区| 久久久欧美国产精品| 国产成人一区二区在线| 中文字幕av成人在线电影| 只有这里有精品99| 国产 一区 欧美 日韩| 国产日韩欧美亚洲二区| 精品久久久久久久人妻蜜臀av| 十八禁网站网址无遮挡 | 在线观看免费高清a一片| 日韩欧美精品免费久久| 日韩一区二区三区影片| 亚洲不卡免费看| 欧美潮喷喷水| 精品少妇黑人巨大在线播放| 久久女婷五月综合色啪小说 | 日韩欧美精品免费久久| 午夜免费观看性视频| 亚洲激情五月婷婷啪啪| 在线观看免费高清a一片| 新久久久久国产一级毛片| 夜夜看夜夜爽夜夜摸| 欧美精品国产亚洲| 狂野欧美激情性bbbbbb| 成人高潮视频无遮挡免费网站| av免费观看日本| 午夜福利视频精品| 一级毛片aaaaaa免费看小| 日韩av不卡免费在线播放| 男女边吃奶边做爰视频| 亚洲人成网站在线播| av福利片在线观看| 国产精品爽爽va在线观看网站| 又爽又黄无遮挡网站| 黄色一级大片看看| 一边亲一边摸免费视频| 成人二区视频| 亚洲第一区二区三区不卡| 国产黄a三级三级三级人| 最近2019中文字幕mv第一页| 欧美激情久久久久久爽电影| 中文精品一卡2卡3卡4更新| 精品人妻熟女av久视频| 99久久九九国产精品国产免费| 亚洲精品,欧美精品| 五月玫瑰六月丁香| av国产精品久久久久影院| 人妻少妇偷人精品九色| 亚洲人成网站高清观看| 九草在线视频观看| 午夜福利网站1000一区二区三区| 国产女主播在线喷水免费视频网站| 美女主播在线视频| 精品一区在线观看国产| 99久久精品国产国产毛片| 日本黄色片子视频| 丝袜喷水一区| 欧美人与善性xxx| 欧美三级亚洲精品| 汤姆久久久久久久影院中文字幕| 亚洲国产av新网站| 亚洲精品国产色婷婷电影| 在现免费观看毛片| 如何舔出高潮| 久久久精品免费免费高清| 色网站视频免费| 亚洲成人精品中文字幕电影| 国产男人的电影天堂91| 国产成人免费无遮挡视频| 久久99热6这里只有精品| 成人美女网站在线观看视频| 免费看光身美女| 1000部很黄的大片| 黑人高潮一二区| 国产高清国产精品国产三级 | 成人亚洲精品av一区二区| 亚洲av成人精品一区久久| 日韩国内少妇激情av| 国产精品一区二区性色av| 日韩中字成人| 久久精品综合一区二区三区| 欧美成人一区二区免费高清观看| 国产美女午夜福利| 人妻 亚洲 视频| 欧美三级亚洲精品| 久久久久精品久久久久真实原创| 日韩av免费高清视频| 一本久久精品| 80岁老熟妇乱子伦牲交| 国产真实伦视频高清在线观看| 偷拍熟女少妇极品色| 精品少妇久久久久久888优播| 欧美国产精品一级二级三级 | 日韩,欧美,国产一区二区三区| 久久久亚洲精品成人影院| 国国产精品蜜臀av免费| 建设人人有责人人尽责人人享有的 | 噜噜噜噜噜久久久久久91| 色婷婷久久久亚洲欧美| 新久久久久国产一级毛片| 99久久九九国产精品国产免费| 中文欧美无线码| 搡老乐熟女国产| 狂野欧美激情性bbbbbb| 另类亚洲欧美激情| 亚洲av男天堂| 极品教师在线视频| 中文天堂在线官网| 深爱激情五月婷婷| 国产色婷婷99| 国内揄拍国产精品人妻在线| 乱系列少妇在线播放| 国产欧美亚洲国产| av一本久久久久| 亚洲美女搞黄在线观看| 精品久久国产蜜桃| 丝瓜视频免费看黄片| 久久热精品热| 最后的刺客免费高清国语| kizo精华| 国产男人的电影天堂91| av线在线观看网站| 国产真实伦视频高清在线观看| 日本一二三区视频观看| 日韩成人伦理影院| 少妇的逼好多水| 亚洲精品456在线播放app| 亚洲电影在线观看av| 18禁在线播放成人免费| 成人美女网站在线观看视频| 久久国产乱子免费精品| 人妻少妇偷人精品九色| 你懂的网址亚洲精品在线观看| 国产成人精品婷婷| 亚洲精品第二区| 不卡视频在线观看欧美| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 最近最新中文字幕大全电影3| 久久99精品国语久久久| 精品人妻熟女av久视频| 亚洲av二区三区四区| 欧美另类一区| 成年av动漫网址| 久久精品人妻少妇| 热99国产精品久久久久久7| 国产又色又爽无遮挡免| 国产男女超爽视频在线观看| 又爽又黄a免费视频| 久久久久久久久久成人| 永久免费av网站大全| 黑人高潮一二区| av卡一久久| 高清在线视频一区二区三区| 国产精品.久久久| 99热国产这里只有精品6| 国产精品精品国产色婷婷| 久久久久网色| 国产伦精品一区二区三区四那| 99视频精品全部免费 在线| 亚洲国产精品专区欧美| 国产成人a∨麻豆精品| 国产精品久久久久久精品古装| 九草在线视频观看| 只有这里有精品99| 一区二区三区四区激情视频| 国产v大片淫在线免费观看| 亚洲性久久影院| eeuss影院久久| av卡一久久| 亚洲精品乱码久久久v下载方式| 人人妻人人澡人人爽人人夜夜| 91久久精品国产一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 国产黄频视频在线观看| 丝袜脚勾引网站| 免费av不卡在线播放| 日韩强制内射视频| 成年女人在线观看亚洲视频 | 欧美极品一区二区三区四区| 亚洲真实伦在线观看| 男人和女人高潮做爰伦理| 免费大片黄手机在线观看| 成人特级av手机在线观看| 亚洲天堂国产精品一区在线| 男女下面进入的视频免费午夜| 少妇人妻精品综合一区二区| 欧美三级亚洲精品| 国语对白做爰xxxⅹ性视频网站| 99re6热这里在线精品视频| 中文精品一卡2卡3卡4更新| 成人亚洲精品av一区二区| 神马国产精品三级电影在线观看| 国产美女午夜福利| 边亲边吃奶的免费视频| 亚洲最大成人手机在线| 高清午夜精品一区二区三区| 卡戴珊不雅视频在线播放| 欧美高清成人免费视频www| 国产欧美另类精品又又久久亚洲欧美| 99热全是精品| 99久久九九国产精品国产免费| 久久国产乱子免费精品| 在线精品无人区一区二区三 | 亚洲国产日韩一区二区| 深夜a级毛片| 国产免费视频播放在线视频| 国产日韩欧美亚洲二区| 最近中文字幕2019免费版| 亚洲内射少妇av| 国产中年淑女户外野战色| 国产在线男女| 婷婷色综合大香蕉| 国产精品久久久久久av不卡| 最近最新中文字幕大全电影3| 日韩欧美 国产精品| 大片电影免费在线观看免费| 少妇 在线观看| 麻豆成人av视频| eeuss影院久久| 一本一本综合久久| 色婷婷久久久亚洲欧美| 插阴视频在线观看视频| 国产 一区 欧美 日韩| 身体一侧抽搐| 精品久久久久久久久av| 美女cb高潮喷水在线观看| 久久这里有精品视频免费| 日韩一本色道免费dvd| 天美传媒精品一区二区| 一级av片app| 大香蕉久久网| 精品久久久久久电影网| 亚洲国产精品成人久久小说| 人人妻人人看人人澡| 国产午夜精品久久久久久一区二区三区| 69av精品久久久久久| 精品人妻一区二区三区麻豆| 欧美精品人与动牲交sv欧美| 午夜免费鲁丝| 观看免费一级毛片| 97超视频在线观看视频| 国产高清三级在线| xxx大片免费视频| 国产亚洲av片在线观看秒播厂| 欧美bdsm另类| 如何舔出高潮| 少妇丰满av| 亚洲精品456在线播放app| 免费看a级黄色片| 少妇熟女欧美另类| 国产精品偷伦视频观看了| 少妇 在线观看| 22中文网久久字幕| 亚洲欧美日韩另类电影网站 | 人妻夜夜爽99麻豆av| 午夜福利视频1000在线观看| 天堂中文最新版在线下载 | 色综合色国产| 国产av国产精品国产| 一个人看视频在线观看www免费| 听说在线观看完整版免费高清| 国产午夜精品一二区理论片| 精品一区在线观看国产| 香蕉精品网在线| 国产精品福利在线免费观看| 韩国高清视频一区二区三区| 亚洲欧美精品专区久久| 热re99久久精品国产66热6| 久久久午夜欧美精品| 少妇人妻精品综合一区二区| 一区二区三区精品91| 日韩一区二区三区影片| 国产精品无大码| 日本黄色片子视频| 97人妻精品一区二区三区麻豆| 干丝袜人妻中文字幕| 国产黄频视频在线观看| 免费看日本二区| 精品人妻视频免费看| 天堂俺去俺来也www色官网| 婷婷色麻豆天堂久久| 久久久久国产精品人妻一区二区| 国产永久视频网站| 久久久久性生活片| 亚洲真实伦在线观看| 三级国产精品片| 免费看a级黄色片| 建设人人有责人人尽责人人享有的 | 夫妻性生交免费视频一级片| videossex国产| 欧美最新免费一区二区三区| 日韩欧美精品免费久久| 大话2 男鬼变身卡| 国产美女午夜福利| 一区二区三区精品91| 日本黄色片子视频| 日韩伦理黄色片| 亚洲久久久久久中文字幕| 亚洲av成人精品一二三区| 日本三级黄在线观看| 一区二区av电影网| 真实男女啪啪啪动态图| 九色成人免费人妻av| 国产淫语在线视频| 亚洲最大成人av| 中国美白少妇内射xxxbb| 免费大片18禁| 国产精品.久久久| 亚洲精品影视一区二区三区av| 亚洲色图av天堂| 六月丁香七月| 制服丝袜香蕉在线| 五月天丁香电影| 精品人妻偷拍中文字幕| 欧美丝袜亚洲另类| 欧美日韩在线观看h| 国产精品久久久久久久久免| 国内揄拍国产精品人妻在线| 免费黄频网站在线观看国产| 国产国拍精品亚洲av在线观看| 国产欧美日韩精品一区二区| 狂野欧美激情性xxxx在线观看| 国产伦理片在线播放av一区| 国产高清有码在线观看视频| 波野结衣二区三区在线| 亚洲最大成人手机在线| 日韩av在线免费看完整版不卡| 少妇熟女欧美另类| 欧美日韩精品成人综合77777| 中文字幕亚洲精品专区| 国产成人91sexporn| videos熟女内射| xxx大片免费视频| 久热这里只有精品99| 国产高清国产精品国产三级 | 美女主播在线视频| 久久精品国产鲁丝片午夜精品| 亚洲综合色惰| 一级毛片aaaaaa免费看小| 日韩强制内射视频| 成人高潮视频无遮挡免费网站| av卡一久久| 熟女电影av网| 五月天丁香电影| 日韩av在线免费看完整版不卡| 国产亚洲一区二区精品| 久久精品久久久久久噜噜老黄| 高清在线视频一区二区三区| av又黄又爽大尺度在线免费看| 成人综合一区亚洲| 亚洲av电影在线观看一区二区三区 | 在线观看三级黄色| 午夜视频国产福利| 91在线精品国自产拍蜜月| 国产黄片美女视频| 男插女下体视频免费在线播放| 交换朋友夫妻互换小说| 少妇熟女欧美另类| 99热国产这里只有精品6| 中文字幕人妻熟人妻熟丝袜美| 国产男人的电影天堂91| 中文资源天堂在线| 国产成人免费无遮挡视频| 精品国产一区二区三区久久久樱花 | 在线观看免费高清a一片| 熟女电影av网| 久久精品夜色国产| 欧美bdsm另类| 在线观看一区二区三区激情| 成人特级av手机在线观看| 特级一级黄色大片| 能在线免费看毛片的网站| 国产女主播在线喷水免费视频网站| 99热6这里只有精品| 成年版毛片免费区| 国产成人精品久久久久久| 日韩亚洲欧美综合| 免费高清在线观看视频在线观看| 午夜精品国产一区二区电影 | 热99国产精品久久久久久7| 亚洲精品视频女| 91精品国产九色| 日本wwww免费看| 日韩视频在线欧美| 超碰av人人做人人爽久久| 一个人看的www免费观看视频| 热99国产精品久久久久久7| 久久久午夜欧美精品| 欧美日韩亚洲高清精品| 黑人高潮一二区| kizo精华| 精品久久久久久久末码| 国产永久视频网站| 亚洲av不卡在线观看| 国产精品一及| 国产精品国产av在线观看| 日本猛色少妇xxxxx猛交久久| 国产色爽女视频免费观看| av播播在线观看一区| 深夜a级毛片| 狂野欧美白嫩少妇大欣赏| 色网站视频免费| 王馨瑶露胸无遮挡在线观看| 国产高清不卡午夜福利| 精品一区二区三区视频在线| 亚洲天堂av无毛| 极品少妇高潮喷水抽搐| 91久久精品国产一区二区三区| 久久久久国产网址| 高清欧美精品videossex| 国产黄色免费在线视频| 亚洲图色成人| 国国产精品蜜臀av免费| 黄色配什么色好看| 国产片特级美女逼逼视频| 亚洲自拍偷在线| videos熟女内射| 日韩强制内射视频| 欧美最新免费一区二区三区| 久久精品夜色国产| 日本wwww免费看| a级一级毛片免费在线观看| 校园人妻丝袜中文字幕| 欧美xxⅹ黑人| 亚洲成人一二三区av| 最近最新中文字幕免费大全7| 18+在线观看网站| 国产免费视频播放在线视频| 久久久久久九九精品二区国产| 女的被弄到高潮叫床怎么办| av又黄又爽大尺度在线免费看| 日日摸夜夜添夜夜添av毛片| 亚洲高清免费不卡视频| 亚洲激情五月婷婷啪啪| 久久精品国产a三级三级三级| 久久久久久国产a免费观看| 人妻制服诱惑在线中文字幕| 亚洲精品日本国产第一区| 亚洲精品日韩av片在线观看| 精品久久久噜噜| 综合色丁香网| 永久网站在线| 国产v大片淫在线免费观看| 精品午夜福利在线看| 一个人看视频在线观看www免费| 禁无遮挡网站| 黄片无遮挡物在线观看| 久久影院123| 亚洲国产日韩一区二区| 亚洲精品日本国产第一区| av免费观看日本| 欧美一级a爱片免费观看看| 少妇裸体淫交视频免费看高清| 亚洲电影在线观看av| 干丝袜人妻中文字幕| 日韩三级伦理在线观看| 免费看光身美女| 国产老妇伦熟女老妇高清| 3wmmmm亚洲av在线观看| 成人欧美大片| 亚洲精品久久午夜乱码| 国产高潮美女av| 国产日韩欧美亚洲二区| 国产精品精品国产色婷婷| 插逼视频在线观看| 干丝袜人妻中文字幕| 在线观看三级黄色| 免费大片黄手机在线观看| 简卡轻食公司| 亚洲国产av新网站| 日日摸夜夜添夜夜添av毛片| 久久国内精品自在自线图片| 亚洲精品日韩av片在线观看| 成年女人在线观看亚洲视频 | 国产探花极品一区二区| 国产片特级美女逼逼视频| 精品国产乱码久久久久久小说| 成年女人在线观看亚洲视频 | 91久久精品电影网| 亚洲不卡免费看| 搡老乐熟女国产| 欧美日韩一区二区视频在线观看视频在线 | 小蜜桃在线观看免费完整版高清| 国模一区二区三区四区视频| 久久99精品国语久久久| 亚洲av成人精品一区久久| 国产高清有码在线观看视频| 精品人妻偷拍中文字幕| 97在线人人人人妻| 在线观看美女被高潮喷水网站| 制服丝袜香蕉在线| 国产爽快片一区二区三区| 国产一区二区亚洲精品在线观看| 国产男女超爽视频在线观看| 成年免费大片在线观看| 国产成人精品婷婷| 一个人看的www免费观看视频| 日韩一区二区三区影片| 大码成人一级视频| 亚洲色图av天堂| 人妻系列 视频| av又黄又爽大尺度在线免费看| 欧美激情久久久久久爽电影| 少妇人妻精品综合一区二区| 国产精品国产三级国产av玫瑰| 一个人看视频在线观看www免费| 国产精品一区www在线观看| 少妇人妻久久综合中文| 特级一级黄色大片| 乱系列少妇在线播放| 亚洲av.av天堂| 不卡视频在线观看欧美| 国产美女午夜福利| 国产精品国产三级国产av玫瑰| 成人高潮视频无遮挡免费网站| 狂野欧美白嫩少妇大欣赏| 日韩大片免费观看网站| 欧美激情久久久久久爽电影| 国产中年淑女户外野战色| 日韩三级伦理在线观看| 看十八女毛片水多多多| a级毛色黄片| 九色成人免费人妻av| 大陆偷拍与自拍| 欧美成人精品欧美一级黄| 一级a做视频免费观看| 精品国产一区二区三区久久久樱花 | av女优亚洲男人天堂| 日韩制服骚丝袜av| 一个人看视频在线观看www免费| 亚洲欧美一区二区三区国产| 高清日韩中文字幕在线| 亚洲最大成人中文| 麻豆成人午夜福利视频| 免费观看a级毛片全部|