• <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L21范數(shù)和回歸正則項(xiàng)的半監(jiān)督聚類算法

    2020-11-18 02:09:24朱恒東馬盈倉
    關(guān)鍵詞:范數(shù)正則約束

    朱恒東,馬盈倉,張 要,張 寧

    (西安工程大學(xué) 理學(xué)院 陜西 西安 710048)

    0 引言

    傳統(tǒng)的機(jī)器學(xué)習(xí)方法一般分為監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)[1]。傳統(tǒng)的監(jiān)督學(xué)習(xí),通常需要大量良好標(biāo)記樣本對(duì)模型進(jìn)行訓(xùn)練,而傳統(tǒng)的無監(jiān)督學(xué)習(xí)的整個(gè)過程不借助監(jiān)督信息[2]。然而在現(xiàn)實(shí)應(yīng)用中,通常只有小部分?jǐn)?shù)據(jù)帶有監(jiān)督信息,這些數(shù)據(jù)難以支撐傳統(tǒng)監(jiān)督學(xué)習(xí),若繼續(xù)使用傳統(tǒng)無監(jiān)督學(xué)習(xí),會(huì)浪費(fèi)這些監(jiān)督信息[3]。

    為了更好地處理監(jiān)督信息與數(shù)據(jù)之間的關(guān)系,有學(xué)者提出了半監(jiān)督學(xué)習(xí)[4-5]。按照學(xué)習(xí)場景的不同,半監(jiān)督學(xué)習(xí)通??梢苑譃榘氡O(jiān)督聚類和半監(jiān)督分類[6]。本文主要研究的半監(jiān)督聚類是通過對(duì)有標(biāo)簽數(shù)據(jù)樣本(監(jiān)督信息)的分析來輔助指導(dǎo)整個(gè)聚類過程。根據(jù)監(jiān)督信息形式的不同,半監(jiān)督聚類分為基于成對(duì)約束和基于標(biāo)簽信息的半監(jiān)督聚類。

    成對(duì)約束信息一般判斷兩個(gè)數(shù)據(jù)點(diǎn)是否同屬一類[7]。文獻(xiàn)[8]提出了一種基于成對(duì)約束對(duì)的半監(jiān)督核K-means聚類的圖像分割算法,該算法利用隨機(jī)產(chǎn)生的must-link約束對(duì)來初始化中心,結(jié)合核K-means聚類的思想,使該算法能對(duì)圖像進(jìn)行較為準(zhǔn)確的分割。文獻(xiàn)[9]提出了基于成對(duì)約束的交叉熵半監(jiān)督模糊聚類算法,這種方法利用樣本的交叉熵來表達(dá)成對(duì)約束信息,能夠在成對(duì)約束信息較少的情況下實(shí)現(xiàn)快速聚類和獲得較優(yōu)的結(jié)果。文獻(xiàn)[10]提出一種基于密度自適應(yīng)鄰域相似圖的半監(jiān)督譜聚類算法,利用成對(duì)約束信息調(diào)整譜聚類中相似矩陣,可以從數(shù)據(jù)全局尋求最優(yōu)解。

    然而相較于成對(duì)約束信息,標(biāo)簽信息可以直接判斷數(shù)據(jù)點(diǎn)的類別[11]。文獻(xiàn)[11]提出了seeded-K-means算法,將標(biāo)記樣本引入K-means中,其中標(biāo)記樣本作為seeds集,但是難以處理高維數(shù)據(jù)。文獻(xiàn)[12]認(rèn)為基于線性嵌入的回歸模型難以捕獲數(shù)據(jù)流形結(jié)構(gòu),提出利用Lδ正則項(xiàng)放寬線性約束,使之可以更好學(xué)習(xí)數(shù)據(jù)的流形結(jié)構(gòu),但是增加了Lδ的調(diào)參負(fù)擔(dān)。文獻(xiàn)[13]在文獻(xiàn)[12]的基礎(chǔ)上通過增加對(duì)標(biāo)簽矩陣的拉普拉斯正則項(xiàng)放寬線性約束,去除Lδ的調(diào)參負(fù)擔(dān),但是過多的正則項(xiàng)使得模型的計(jì)算量也隨之增加。文獻(xiàn)[14]提出了一種半監(jiān)督迭代多任務(wù)回歸。通過聯(lián)合考慮已標(biāo)記和未標(biāo)記的數(shù)據(jù)來學(xué)習(xí)低維子空間,并通過兩個(gè)回歸任務(wù)來連接已學(xué)習(xí)的子空間,但是算法時(shí)間復(fù)雜度較高。

    半監(jiān)督聚類算法研究至今,在機(jī)器學(xué)習(xí)[15-16]、圖像處理[17-18]、計(jì)算機(jī)視覺[19]以及系統(tǒng)辨識(shí)[20]等領(lǐng)域都有著廣泛的應(yīng)用。針對(duì)半監(jiān)督學(xué)習(xí)中基于線性嵌入的回歸模型難以捕獲數(shù)據(jù)流形結(jié)構(gòu)的問題,本文提出新的算法:首先通過L21正則項(xiàng)構(gòu)造標(biāo)簽矩陣F的彈性嵌入回歸模型;進(jìn)而借助圖正則化思想,利用拉普拉斯正則項(xiàng)調(diào)整模型,約束原始空間的數(shù)據(jù)X與低維空間的數(shù)據(jù)F流形結(jié)構(gòu)一致;最后通過L21范數(shù)的魯棒性學(xué)習(xí)得到數(shù)據(jù)點(diǎn)的相似矩陣,與L2范數(shù)和Lδ范數(shù)相比,L21范數(shù)能很好地消除離群點(diǎn)的影響且沒有調(diào)參的負(fù)擔(dān)。因此提出基于L21范數(shù)和回歸正則項(xiàng)的半監(jiān)督聚類算法(semi-supervised clustering algorithm based onL21norm and regression regular term,SSLC)。

    1 相關(guān)工作

    1.1 半監(jiān)督學(xué)習(xí)

    給定數(shù)據(jù)集X={x1,x2,…,xn}∈Rd×n,在半監(jiān)督學(xué)習(xí)中,訓(xùn)練數(shù)據(jù)集中只有少量數(shù)據(jù)被標(biāo)記,假設(shè)有l(wèi)個(gè)數(shù)據(jù)點(diǎn)為標(biāo)記點(diǎn),記為Xl={x1,x2,…,xl},未標(biāo)記點(diǎn)記為Xu={xl+1,xl+2,…,xn},對(duì)于每個(gè)數(shù)據(jù)i,都有對(duì)應(yīng)的標(biāo)簽yi∈{0,1},其中數(shù)據(jù)集Xl對(duì)應(yīng)的標(biāo)簽向量為yl∈Rl×1,定義f=[f(l),f(l)]T為預(yù)測標(biāo)簽,其中f(l)∈Rl×1和f(u)∈Ru×1,因此我們得到經(jīng)典半監(jiān)督學(xué)習(xí)函數(shù)

    (1)

    其中:W是投影向量;b為偏置向量;1為所有元素為1的向量;α和β為常數(shù)。從式(1)可以看出,約束預(yù)測的標(biāo)簽f與線性模型XTW+1b完全相等,在實(shí)踐中,為了減少參數(shù)調(diào)整的負(fù)擔(dān),使用了式(2)來避免過擬合,

    (2)

    1.2L21范數(shù)的引入

    使用L2范數(shù)的平方作為損失函數(shù)對(duì)較小的異常值不敏感,但對(duì)較大的異常值敏感;使用L1范數(shù)作為損失函數(shù)對(duì)較大的異常值不敏感,對(duì)較小的異常值敏感;而使用Lδ范數(shù)作為損失函數(shù)時(shí),可以通過調(diào)整參數(shù)δ使其介于L2范數(shù)和L1范數(shù)之間,則無論異常值是大是小,L2和L1范數(shù)的魯棒性均被利用,但是增加了調(diào)整參數(shù)δ的負(fù)擔(dān)。為了解決上述問題,通過L21范數(shù)[21],使得聚類模型更好地處理異常值和減少調(diào)參的負(fù)擔(dān),起到彈性嵌入的作用,且沒有Lδ范數(shù)的調(diào)參負(fù)擔(dān)。L21范數(shù)為

    其中:m是行數(shù);n是列數(shù)。

    1.3 構(gòu)造初始相似矩陣

    本文為了更好地學(xué)習(xí)相似矩陣,基于K共享近鄰和已知標(biāo)簽矩陣F(l)給出初始相似矩陣A的構(gòu)造方法如下。

    定義1(K近鄰[22]) 樣本點(diǎn)xi∈X的K近鄰為該點(diǎn)到其他樣本點(diǎn)的距離中最近的K個(gè)點(diǎn),定義為

    KNN(i)={j∈X|index_dist(i,j)≤K},

    (3)

    其中:index_dist(i,j)表示樣本點(diǎn)xi到其他樣本點(diǎn)的距離升序排序后的索引值;dist(i,j)表示兩點(diǎn)之間的歐氏距離。

    定義2(K共享近鄰[23]) 假設(shè)樣本點(diǎn)xi、xj∈X,KNN(i)為樣本點(diǎn)xi的K近鄰集,KNN(j)為樣本點(diǎn)xj的K近鄰集,則樣本點(diǎn)xi和xj的K共享近鄰集定義為

    SKNN(i,j)={KNN(i)∩KNN(j)}。

    (4)

    根據(jù)定義1和定義2,得到初始相似矩陣A的定義為

    (5)

    其中:Num是SKNN(i,j)中的元素個(gè)數(shù);∑dist(xi,SKNN(i,j))是樣本點(diǎn)xi到SKNN(i,j)中元素的距離之和。

    根據(jù)已知標(biāo)簽矩陣F(l)構(gòu)造約束矩陣為

    (6)

    其中:若標(biāo)簽Fi和Fj相等,說明xi和xj屬于同類,反之亦成立。根據(jù)cons矩陣和式(5),得到最終的初始相似矩陣A為

    (7)

    2 模型的建立及求解

    2.1 模型建立

    由于線性函數(shù)XTW+1b是通過標(biāo)簽矩陣F學(xué)習(xí)得到的,考慮到標(biāo)簽矩陣F與學(xué)習(xí)到的線性模型XTW+1b存在距離,為了更好地學(xué)習(xí)數(shù)據(jù)的流形結(jié)構(gòu),借助L21范數(shù)的彈性嵌入作用,建立彈性半監(jiān)督學(xué)習(xí)函數(shù)

    (8)

    考慮到算法最后要對(duì)F進(jìn)行聚類,為了約束原始空間的數(shù)據(jù)X與映射到低維空間的數(shù)據(jù)F幾何結(jié)構(gòu)不變,基于圖正則化思想,選擇拉普拉斯正則項(xiàng)來調(diào)整式(8),建立目標(biāo)函數(shù)

    (9)

    其中:拉普拉斯矩陣LS是由給定的相似矩陣A得到的,考慮到隨著預(yù)測的標(biāo)簽矩陣F(u)的更新,為了保持拉普拉斯正則項(xiàng)的約束不變,與標(biāo)簽矩陣F對(duì)應(yīng)的LS也應(yīng)該更新。而相似矩陣S可以通過學(xué)習(xí)初始相似矩陣A得到,由于學(xué)習(xí)的相似矩陣S與給定的初始相似矩陣A存在距離,通過L21范數(shù)的魯棒性學(xué)習(xí)一個(gè)最優(yōu)的相似矩陣并完成對(duì)LS的更新,調(diào)整式(9)為最終目標(biāo)函數(shù)

    (10)

    2.2 模型求解

    關(guān)于2.1節(jié)中目標(biāo)函數(shù)式(10),采用交替迭代優(yōu)化算法來求解。

    ① 固定F、W和b,求解S,式(10)就轉(zhuǎn)為

    (11)

    關(guān)于式(11),根據(jù)文獻(xiàn)[24],已知存在fi∈Rc×1,使得式(12)成立,

    (12)

    (13)

    ② 根據(jù)文獻(xiàn)[13],分別得到b、W、F的更新式為

    b=FTU1/1TU1-WTXU1/1TU1,

    (14)

    W=(XNXT)-1XNF,

    (15)

    (16)

    2.3 算法流程

    根據(jù)2.2模型求解,SSLC算法流程如下。

    輸入:X為數(shù)據(jù)集,F(xiàn)(l)為已知標(biāo)簽矩陣,λ和γ為參數(shù),A為初始相似矩陣。

    輸出:相似矩陣S,降維后新數(shù)據(jù)矩陣F,聚類結(jié)果y。

    1) while 不收斂 do

    2) 初始化LS,N;

    3) 根據(jù)式(16)更新F;

    4) 利用更新后的F,根據(jù)式(13)求解出S,更新LS;

    5) 利用更新后的F,根據(jù)式(14)更新W;

    6) 利用更新后的F和W,根據(jù)式(15)更新b;

    7) 利用更新后的F,W,b,更新U;

    8) end while

    9) 對(duì)F進(jìn)行K-means,完成聚類。

    2.4 收斂性證明

    定理1算法中的目標(biāo)函數(shù)

    minγ‖XTW+1bT-F‖2,1+2λTr(FTLSF)+‖S-A‖2,1,

    在固定F、W和b時(shí),交替迭代更新S過程中,目標(biāo)函數(shù)值逐步減小。

    (17)

    (18)

    文獻(xiàn)[21]已證明式(19)成立,任意非零向量x,y∈Rc,有

    (19)

    根據(jù)式(19)知

    (20)

    將式(18)和式(20)相加可得

    (21)

    將式(21)中的每個(gè)i相加可得

    (22)

    由1.2節(jié)的定義可得

    γ‖XTW+1bT-F‖2,1+2λTr(FTLSnewF)+‖Snew-A‖2,1≤γ‖XTW+1bT-F‖2,1+

    2λTr(FTLSoldF)+‖Sold-A‖2,1。

    (23)

    因此,該算法收斂。

    3 實(shí)驗(yàn)分析

    3.1 相關(guān)算法及參數(shù)設(shè)置

    接下來本文提出的SSLC算法將分別與DAN-SSC算法[7]、SSDC算法[26]、SS-Kernel-Kmeans算法[27]進(jìn)行比較,以上三個(gè)對(duì)比算法為半監(jiān)督聚類算法。使用聚類準(zhǔn)確率(accuracy,acc)和蘭德指數(shù)(rand index,RI)對(duì)聚類性能進(jìn)行評(píng)價(jià)。測試數(shù)據(jù)集分別為人造數(shù)據(jù)集和真實(shí)數(shù)據(jù)集。其中人造數(shù)據(jù)集選用了具有代表性的Cdata9和Cdata04數(shù)據(jù)集說明SSLC算法的有效性,真實(shí)數(shù)據(jù)集采用ecoli-uni、vowel、dnatest和isolet_uni數(shù)據(jù)集進(jìn)行對(duì)比。

    其中DAN-SSC算法的參數(shù)k為目標(biāo)聚類數(shù)。SSDC算法根據(jù)文獻(xiàn)[21]建議,取percent=50,D=1。SS-Kernel-Kmeans算法根據(jù)文獻(xiàn)[22]建議,參數(shù)k為目標(biāo)聚類數(shù),最大迭代次數(shù)取120。SSLC算法,參數(shù)c為目標(biāo)聚類數(shù),k=10,參數(shù)λ=0.1,γ=1。

    表1 兩種人造數(shù)據(jù)集Table 1 Two kinds of artificial data sets

    3.2 人造數(shù)據(jù)集測試及分析

    本節(jié)選用Cdata04數(shù)據(jù)集和Cdata9數(shù)據(jù)集來說明SSLC算法的有效性。這兩種不同的人造數(shù)據(jù)集詳細(xì)信息如表1所示。圖1和圖2是測試的結(jié)果圖。測試中已知標(biāo)簽信息的數(shù)據(jù)量取值為40%。

    圖1 Cdata04數(shù)據(jù)集測試結(jié)果Figure 1 Experimental results of Cdata04 dataset

    圖2 Cdata9數(shù)據(jù)集測試結(jié)果Figure 2 Experimental results of Cdata9 dataset

    圖1(a)代表原始的Cdata04數(shù)據(jù)集,是由4個(gè)環(huán)型簇組成,形狀如四葉草,葉子交匯的地方,表示數(shù)據(jù)之間聯(lián)系緊密,因此給聚類分析帶來了一定的難度。圖1(b)是以最終求解出的相似矩陣S為權(quán)重,將數(shù)據(jù)重新連接,雖然相似矩陣類內(nèi)的相似度保留略多,但是類間的相似度為0。圖1(c)是相似矩陣S的直觀表示,從圖中可以發(fā)現(xiàn),相似度矩陣具有精確塊對(duì)角矩陣的結(jié)構(gòu)。圖1(d)是聚類結(jié)果圖,數(shù)據(jù)集劃分很好。

    圖2(a)代表原始的Cdata9數(shù)據(jù)集,是由7個(gè)環(huán)型簇組成,簇與簇交匯的地方表示數(shù)據(jù)之間聯(lián)系緊密,因此給聚類分析帶來了一定的難度。圖2(b)是以最終求解出的相似矩陣S為權(quán)重,將數(shù)據(jù)重新連接,雖然相似矩陣類內(nèi)的相似度保留略多,但是類間的相似度為0。圖2(c)是相似矩陣S的直觀表示,相似度矩陣具有精確塊對(duì)角矩陣的結(jié)構(gòu)。圖2(d)是聚類結(jié)果圖,數(shù)據(jù)集被很好地劃分。

    3.3 評(píng)價(jià)指標(biāo)

    在真實(shí)數(shù)據(jù)集測試中,本文將分別采用acc指標(biāo)和RI指標(biāo)來評(píng)價(jià)SSLC算法、DAN-SSC算法、SSDC算法、SS-Kernel-Kmeans算法的效果。

    RI:是一種用排列組合原理來對(duì)聚類進(jìn)行評(píng)價(jià)的方法。計(jì)算公式為RI=2(a+d)/n(n+1),其中:n為樣本個(gè)數(shù);a表示在真實(shí)類別si的數(shù)據(jù)也隸屬于聚類算法結(jié)果ri的個(gè)數(shù);d表示不在真實(shí)類別si的數(shù)據(jù)也隸屬于聚類算法結(jié)果ri的個(gè)數(shù)。RI的結(jié)果值在[0,1]之間,值越大越好。

    表2 4個(gè)UCI數(shù)據(jù)集Table 2 Four UCI datasets

    3.4 真實(shí)數(shù)據(jù)集測試及分析

    為了驗(yàn)證算法在真實(shí)數(shù)據(jù)集上的效果,判斷算法是否具有實(shí)際意義,本節(jié)分別采用了UCI數(shù)據(jù)庫中的ecoli-uni、vowel、dnatest和isolet_uni共4個(gè)數(shù)據(jù)集進(jìn)行測試,它們的詳細(xì)信息如表2所示。其中4個(gè)算法所使用的已知標(biāo)簽信息的數(shù)據(jù)量取值范圍分別為10%、20%、30%、40%、50%、60%。

    圖3是基于acc指標(biāo)對(duì)聚類算法性能關(guān)于UCI真實(shí)數(shù)據(jù)集的評(píng)價(jià)結(jié)果,從圖3的(a)、(b)和(c)可以看出,本文提出的SSLC算法是明顯好于其他3個(gè)聚類算法,圖3(d)中SSLC算法初始精度雖然低于SS-Kernel-Kmeans算法,但是隨著已知標(biāo)簽數(shù)據(jù)量的增多,SSLC算法和DAN-SSC算法精度在不斷提升,最終在60%處,SSLC算法精度高于SS-Kernel-Kmeans算法。

    圖3 acc指標(biāo)對(duì)聚類算法性能的評(píng)價(jià)結(jié)果Figure 3 Evaluation results of acc on the performance of clustering algorithm

    圖4是基于RI指標(biāo)對(duì)聚類算法性能關(guān)于UCI真實(shí)數(shù)據(jù)集的評(píng)價(jià)結(jié)果,大體上與圖3結(jié)果相近,但也略有不同。在dnatest數(shù)據(jù)集中,SSDC算法相對(duì)于DAN-SSC算法和SS-Kernel-Kmeans算法的RI指標(biāo)結(jié)果好于acc指標(biāo)結(jié)果;在isolet_uni數(shù)據(jù)集上,SSLC算法的RI指標(biāo)性能提升的速度高于acc指標(biāo)。

    圖4 RI指標(biāo)對(duì)聚類算法性能的評(píng)價(jià)結(jié)果Figure 4 Evaluation result of RI index on the performance of clustering algorithm

    綜上所述,本文提出的SSLC算法隨著已知標(biāo)簽數(shù)據(jù)量的增多,性能也會(huì)提高,最后得到很好的聚類結(jié)果。實(shí)驗(yàn)結(jié)果說明本文提出的半監(jiān)督聚類算法合理,L21范數(shù)彈性約束可以使得SSLC更好地學(xué)習(xí)數(shù)據(jù)的流形結(jié)構(gòu),從而構(gòu)造合理的相似矩陣,最終得到更好的聚類結(jié)果。

    4 結(jié)論和展望

    本文概述了半監(jiān)督學(xué)習(xí)和半監(jiān)督聚類的相關(guān)研究,一方面借助L21正則項(xiàng)構(gòu)造半監(jiān)督回歸模型;另一方面利用L21范數(shù)的魯棒性學(xué)習(xí)合理的相似矩陣,從而改善聚類效果。本文分別在人工數(shù)據(jù)集上進(jìn)行試驗(yàn)和真實(shí)數(shù)據(jù)集上進(jìn)行算法對(duì)比試驗(yàn),結(jié)果進(jìn)一步驗(yàn)證了本文提出的SSLC算法的有效性。SSLC算法的后續(xù)研究可考慮在降低已知標(biāo)簽數(shù)據(jù)量的同時(shí),如何保證其良好的性能及如何與其他聚類算法相結(jié)合。

    猜你喜歡
    范數(shù)正則約束
    “碳中和”約束下的路徑選擇
    約束離散KP方程族的完全Virasoro對(duì)稱
    剩余有限Minimax可解群的4階正則自同構(gòu)
    類似于VNL環(huán)的環(huán)
    基于加權(quán)核范數(shù)與范數(shù)的魯棒主成分分析
    矩陣酉不變范數(shù)H?lder不等式及其應(yīng)用
    適當(dāng)放手能讓孩子更好地自我約束
    人生十六七(2015年6期)2015-02-28 13:08:38
    有限秩的可解群的正則自同構(gòu)
    一類具有準(zhǔn)齊次核的Hilbert型奇異重積分算子的范數(shù)及應(yīng)用
    不等式約束下AXA*=B的Hermite最小二乘解
    亚洲第一区二区三区不卡| 桃花免费在线播放| 天美传媒精品一区二区| 亚洲欧美一区二区三区国产| 国产精品久久久久久久久免| 精品少妇黑人巨大在线播放| 一级,二级,三级黄色视频| 精品午夜福利在线看| 国精品久久久久久国模美| 国产亚洲一区二区精品| 99国产精品免费福利视频| 久久久午夜欧美精品| av又黄又爽大尺度在线免费看| 午夜91福利影院| 中文字幕制服av| 人妻 亚洲 视频| 三级国产精品欧美在线观看| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产精品一区三区| 建设人人有责人人尽责人人享有的| 久久这里有精品视频免费| 亚洲欧美一区二区三区黑人 | 精品酒店卫生间| 日产精品乱码卡一卡2卡三| 夫妻午夜视频| 一边摸一边做爽爽视频免费| 久久久欧美国产精品| 在线看a的网站| 爱豆传媒免费全集在线观看| 精品卡一卡二卡四卡免费| 中文字幕亚洲精品专区| .国产精品久久| 国产国语露脸激情在线看| 免费观看性生交大片5| 建设人人有责人人尽责人人享有的| 少妇被粗大的猛进出69影院 | 欧美日韩视频精品一区| 黄色怎么调成土黄色| a级毛色黄片| 成人午夜精彩视频在线观看| 一级,二级,三级黄色视频| 亚洲欧洲日产国产| 青春草国产在线视频| 亚洲人成网站在线观看播放| 免费人妻精品一区二区三区视频| 国产高清有码在线观看视频| 国产乱人偷精品视频| 人人妻人人澡人人爽人人夜夜| 麻豆成人av视频| 只有这里有精品99| 精品少妇久久久久久888优播| 水蜜桃什么品种好| 亚洲性久久影院| 日本与韩国留学比较| 制服人妻中文乱码| 在线观看www视频免费| 久久久欧美国产精品| 纵有疾风起免费观看全集完整版| 亚洲精品乱久久久久久| 亚洲欧美一区二区三区国产| 久久亚洲国产成人精品v| 午夜日本视频在线| 在线观看三级黄色| 秋霞在线观看毛片| 亚洲av成人精品一区久久| 久久久久久久久久成人| 国产探花极品一区二区| 亚洲av欧美aⅴ国产| 观看av在线不卡| 久久人人爽人人爽人人片va| 国产日韩一区二区三区精品不卡 | 如何舔出高潮| tube8黄色片| 午夜免费男女啪啪视频观看| 国产伦理片在线播放av一区| 欧美日韩综合久久久久久| 高清黄色对白视频在线免费看| 欧美精品一区二区免费开放| 成人国产av品久久久| 日韩强制内射视频| 女的被弄到高潮叫床怎么办| 国产在线免费精品| 亚洲精品乱久久久久久| 99热全是精品| 国产成人精品福利久久| 久久久久视频综合| 麻豆乱淫一区二区| 尾随美女入室| 一区二区av电影网| 人妻人人澡人人爽人人| 亚洲丝袜综合中文字幕| 国产黄频视频在线观看| 日日爽夜夜爽网站| 亚洲国产精品国产精品| av网站免费在线观看视频| 男女国产视频网站| 久久久久久久大尺度免费视频| 十八禁网站网址无遮挡| 一级,二级,三级黄色视频| 夜夜看夜夜爽夜夜摸| 亚洲精华国产精华液的使用体验| 日韩,欧美,国产一区二区三区| 狠狠婷婷综合久久久久久88av| 汤姆久久久久久久影院中文字幕| 97超视频在线观看视频| 免费大片18禁| 亚洲国产精品成人久久小说| 精品少妇久久久久久888优播| 亚洲av免费高清在线观看| 欧美日韩亚洲高清精品| 少妇的逼水好多| 久久久久国产网址| 制服丝袜香蕉在线| 我的老师免费观看完整版| 亚洲熟女精品中文字幕| 亚洲国产欧美在线一区| 国产高清有码在线观看视频| 秋霞在线观看毛片| 中文字幕人妻熟人妻熟丝袜美| 国产午夜精品一二区理论片| 久久精品人人爽人人爽视色| 亚洲精品视频女| 人妻人人澡人人爽人人| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 在线看a的网站| 免费人妻精品一区二区三区视频| av免费在线看不卡| 自拍欧美九色日韩亚洲蝌蚪91| 午夜免费鲁丝| 国产精品99久久99久久久不卡 | 人体艺术视频欧美日本| 亚洲天堂av无毛| av天堂久久9| 国产高清有码在线观看视频| 伊人久久精品亚洲午夜| 满18在线观看网站| 精品久久久久久电影网| 久久久久久久精品精品| 日韩 亚洲 欧美在线| 国产日韩欧美在线精品| 欧美+日韩+精品| 国产成人精品在线电影| 精品国产乱码久久久久久小说| www.色视频.com| 中国国产av一级| 女性被躁到高潮视频| 欧美日韩亚洲高清精品| 中国美白少妇内射xxxbb| 成人毛片60女人毛片免费| 国产亚洲午夜精品一区二区久久| 丝袜脚勾引网站| 少妇精品久久久久久久| 亚洲国产精品国产精品| 黄色配什么色好看| 精品人妻偷拍中文字幕| 成人国产麻豆网| a级毛片免费高清观看在线播放| 日韩欧美精品免费久久| 久久99热6这里只有精品| 欧美一级a爱片免费观看看| 伦理电影大哥的女人| 伊人亚洲综合成人网| 七月丁香在线播放| 日日爽夜夜爽网站| 欧美丝袜亚洲另类| 两个人免费观看高清视频| 国产精品一区二区在线观看99| 制服诱惑二区| 在线观看国产h片| 美女cb高潮喷水在线观看| 精品亚洲成国产av| 亚洲av国产av综合av卡| 一区二区三区免费毛片| a级片在线免费高清观看视频| 看非洲黑人一级黄片| 我要看黄色一级片免费的| 熟女av电影| 日韩精品有码人妻一区| 韩国av在线不卡| 久久精品人人爽人人爽视色| a级毛片免费高清观看在线播放| 亚洲精品国产av蜜桃| 成人亚洲欧美一区二区av| 大片电影免费在线观看免费| 九九爱精品视频在线观看| 亚洲精品aⅴ在线观看| 观看美女的网站| 在线观看人妻少妇| 亚洲精品日韩av片在线观看| 欧美日韩av久久| 黄色配什么色好看| 成人影院久久| 在线观看一区二区三区激情| av免费观看日本| 好男人视频免费观看在线| h视频一区二区三区| 观看av在线不卡| 老司机影院成人| 人妻一区二区av| 十分钟在线观看高清视频www| 久久久久国产精品人妻一区二区| 美女脱内裤让男人舔精品视频| 国产高清国产精品国产三级| 日本欧美视频一区| 亚洲国产av影院在线观看| 久久精品夜色国产| 免费观看在线日韩| 国产av国产精品国产| 黄色欧美视频在线观看| 亚洲综合色惰| 建设人人有责人人尽责人人享有的| 最近中文字幕2019免费版| 狂野欧美激情性xxxx在线观看| 国产在线一区二区三区精| 这个男人来自地球电影免费观看 | 日韩熟女老妇一区二区性免费视频| 久久人人爽人人爽人人片va| 中文字幕人妻熟人妻熟丝袜美| av在线观看视频网站免费| av国产久精品久网站免费入址| 成人午夜精彩视频在线观看| 国产一区亚洲一区在线观看| 晚上一个人看的免费电影| 我的老师免费观看完整版| 日日摸夜夜添夜夜爱| 一级毛片aaaaaa免费看小| 国产欧美日韩综合在线一区二区| 国产日韩欧美视频二区| 亚洲国产精品一区二区三区在线| 久久久精品94久久精品| 七月丁香在线播放| 国产伦精品一区二区三区视频9| 欧美日韩视频高清一区二区三区二| 国产一级毛片在线| 久久鲁丝午夜福利片| 亚洲熟女精品中文字幕| 日韩成人av中文字幕在线观看| 欧美丝袜亚洲另类| 日日摸夜夜添夜夜添av毛片| 日产精品乱码卡一卡2卡三| 久久ye,这里只有精品| 最近2019中文字幕mv第一页| 国产淫语在线视频| 美女大奶头黄色视频| 午夜激情久久久久久久| 黄色视频在线播放观看不卡| 在线观看一区二区三区激情| 高清黄色对白视频在线免费看| 多毛熟女@视频| 51国产日韩欧美| 一级毛片aaaaaa免费看小| 交换朋友夫妻互换小说| 免费av中文字幕在线| 丝袜脚勾引网站| 两个人免费观看高清视频| 男女边摸边吃奶| 多毛熟女@视频| 女性被躁到高潮视频| 久久婷婷青草| 午夜日本视频在线| 亚洲国产精品一区三区| 香蕉精品网在线| 黄色一级大片看看| 国产国语露脸激情在线看| 丝袜美足系列| 在线亚洲精品国产二区图片欧美 | 欧美精品国产亚洲| 九九爱精品视频在线观看| 免费高清在线观看视频在线观看| 欧美精品亚洲一区二区| 少妇猛男粗大的猛烈进出视频| 国产精品国产av在线观看| 日日撸夜夜添| 久久精品国产亚洲av天美| 久久久久久久久久人人人人人人| 中文精品一卡2卡3卡4更新| 精品国产国语对白av| videos熟女内射| 免费高清在线观看日韩| 97超视频在线观看视频| 亚洲五月色婷婷综合| 久久狼人影院| 2022亚洲国产成人精品| 黑人猛操日本美女一级片| 最近2019中文字幕mv第一页| 91精品三级在线观看| 99久久中文字幕三级久久日本| 亚洲av免费高清在线观看| 一区二区日韩欧美中文字幕 | 满18在线观看网站| 日本av手机在线免费观看| 纯流量卡能插随身wifi吗| 色网站视频免费| 2018国产大陆天天弄谢| 国产精品99久久99久久久不卡 | 免费观看在线日韩| av又黄又爽大尺度在线免费看| 九色亚洲精品在线播放| 尾随美女入室| 亚洲国产av新网站| 老司机亚洲免费影院| 亚洲精品一二三| 69精品国产乱码久久久| 亚洲婷婷狠狠爱综合网| 国产色婷婷99| 伊人亚洲综合成人网| 黑人欧美特级aaaaaa片| 欧美3d第一页| 亚洲国产日韩一区二区| 亚洲av男天堂| 国产精品99久久99久久久不卡 | 蜜桃在线观看..| 美女主播在线视频| videossex国产| 久久精品熟女亚洲av麻豆精品| 国产黄色免费在线视频| 久久久久久久精品精品| 亚洲欧美色中文字幕在线| 免费高清在线观看视频在线观看| 午夜福利视频精品| 青春草视频在线免费观看| 国产精品偷伦视频观看了| 男男h啪啪无遮挡| 久久精品熟女亚洲av麻豆精品| 如日韩欧美国产精品一区二区三区 | 最近最新中文字幕免费大全7| 亚洲国产欧美日韩在线播放| 哪个播放器可以免费观看大片| 国产乱来视频区| 成人毛片a级毛片在线播放| 日韩免费高清中文字幕av| 亚洲成色77777| 多毛熟女@视频| 久久精品国产鲁丝片午夜精品| 亚洲av欧美aⅴ国产| 国产高清有码在线观看视频| 久久精品熟女亚洲av麻豆精品| 爱豆传媒免费全集在线观看| 亚洲av成人精品一区久久| 一级毛片 在线播放| 自线自在国产av| 欧美bdsm另类| 九九爱精品视频在线观看| 亚洲精品乱码久久久久久按摩| 在线观看免费高清a一片| 精品久久久噜噜| 成人毛片a级毛片在线播放| 亚洲精品av麻豆狂野| 如何舔出高潮| 日韩熟女老妇一区二区性免费视频| 中文精品一卡2卡3卡4更新| 久久99热6这里只有精品| 久久鲁丝午夜福利片| 国产欧美另类精品又又久久亚洲欧美| 国产亚洲一区二区精品| 99国产综合亚洲精品| 在线观看国产h片| 精品99又大又爽又粗少妇毛片| 国产成人精品久久久久久| 色视频在线一区二区三区| 狠狠精品人妻久久久久久综合| 人成视频在线观看免费观看| 亚洲精品久久午夜乱码| 黑人巨大精品欧美一区二区蜜桃 | 看免费成人av毛片| 日韩精品有码人妻一区| 一本大道久久a久久精品| 免费看不卡的av| 国产精品秋霞免费鲁丝片| 亚洲欧美清纯卡通| 男女无遮挡免费网站观看| 只有这里有精品99| 王馨瑶露胸无遮挡在线观看| 中文字幕久久专区| 26uuu在线亚洲综合色| 老司机影院成人| 另类亚洲欧美激情| 人人妻人人澡人人看| 大香蕉97超碰在线| 麻豆成人av视频| 黑人高潮一二区| 下体分泌物呈黄色| 国产在线免费精品| 欧美国产精品一级二级三级| 国产精品久久久久久精品古装| 亚洲中文av在线| 一级a做视频免费观看| 亚洲av不卡在线观看| 母亲3免费完整高清在线观看 | 国产精品不卡视频一区二区| 久久久久久久久大av| 日本黄色片子视频| 国产免费一级a男人的天堂| 在线观看免费高清a一片| 91精品一卡2卡3卡4卡| 国产欧美另类精品又又久久亚洲欧美| 久热久热在线精品观看| 交换朋友夫妻互换小说| 一区二区三区免费毛片| 久久av网站| 一级片'在线观看视频| 久久久久久人妻| 26uuu在线亚洲综合色| 亚洲不卡免费看| 菩萨蛮人人尽说江南好唐韦庄| 国产亚洲av片在线观看秒播厂| 日韩中文字幕视频在线看片| 中文字幕久久专区| 成人影院久久| 看免费成人av毛片| 最后的刺客免费高清国语| 永久网站在线| 亚洲五月色婷婷综合| 成人手机av| 亚洲av不卡在线观看| 精品国产露脸久久av麻豆| 能在线免费看毛片的网站| 日本-黄色视频高清免费观看| 精品一区二区三区视频在线| 超色免费av| 麻豆乱淫一区二区| 久久99一区二区三区| 美女内射精品一级片tv| 亚洲无线观看免费| 各种免费的搞黄视频| 99热6这里只有精品| 夜夜看夜夜爽夜夜摸| 久久人人爽人人爽人人片va| 久久久精品区二区三区| 国产免费福利视频在线观看| 天堂8中文在线网| 亚洲av成人精品一区久久| 欧美日韩综合久久久久久| 色哟哟·www| 999精品在线视频| 大香蕉久久网| a级毛片免费高清观看在线播放| 亚洲欧美色中文字幕在线| 观看av在线不卡| 欧美日韩av久久| 在线天堂最新版资源| 午夜免费鲁丝| 18+在线观看网站| 午夜激情久久久久久久| 极品少妇高潮喷水抽搐| 日本色播在线视频| 亚洲五月色婷婷综合| 人妻夜夜爽99麻豆av| 国模一区二区三区四区视频| 久久鲁丝午夜福利片| 欧美性感艳星| 少妇被粗大的猛进出69影院 | 蜜臀久久99精品久久宅男| 亚洲国产精品成人久久小说| 99热这里只有是精品在线观看| 亚洲激情五月婷婷啪啪| 999精品在线视频| 亚洲av成人精品一二三区| 在线观看人妻少妇| 激情五月婷婷亚洲| 国产精品一区二区三区四区免费观看| 久久国内精品自在自线图片| 蜜臀久久99精品久久宅男| 中文字幕制服av| 一本—道久久a久久精品蜜桃钙片| 男女无遮挡免费网站观看| 中国国产av一级| 伦理电影大哥的女人| 99久久精品国产国产毛片| 男女边摸边吃奶| 91精品国产九色| 桃花免费在线播放| 少妇的逼水好多| 亚洲色图综合在线观看| 国产一区二区三区综合在线观看 | 精品人妻熟女毛片av久久网站| 亚洲精品乱久久久久久| 乱人伦中国视频| 一区在线观看完整版| 亚洲五月色婷婷综合| 欧美日韩成人在线一区二区| 国产亚洲一区二区精品| 亚洲精品日韩av片在线观看| 麻豆精品久久久久久蜜桃| 肉色欧美久久久久久久蜜桃| 精品少妇久久久久久888优播| 97超碰精品成人国产| 精品少妇久久久久久888优播| 色网站视频免费| 国产 精品1| 一区在线观看完整版| 午夜福利视频在线观看免费| 久久久久人妻精品一区果冻| 看十八女毛片水多多多| 亚洲国产色片| 精品久久久久久久久亚洲| 精品亚洲成国产av| 制服人妻中文乱码| 国产高清不卡午夜福利| 国产黄色视频一区二区在线观看| 看非洲黑人一级黄片| 精品久久久噜噜| 在线观看美女被高潮喷水网站| 99精国产麻豆久久婷婷| 秋霞在线观看毛片| 精品久久久久久电影网| 另类亚洲欧美激情| 99久久综合免费| 精品人妻偷拍中文字幕| 免费看av在线观看网站| 黑人高潮一二区| 久久av网站| 最后的刺客免费高清国语| 亚洲av国产av综合av卡| 亚洲国产精品国产精品| 国产视频首页在线观看| 久久久久久久久久人人人人人人| 免费黄色在线免费观看| 日韩制服骚丝袜av| 少妇的逼水好多| 亚洲成人手机| 亚洲精品自拍成人| 久久精品国产鲁丝片午夜精品| 免费av中文字幕在线| 女性生殖器流出的白浆| 日韩 亚洲 欧美在线| 日韩精品有码人妻一区| 人妻 亚洲 视频| 国产成人a∨麻豆精品| 成人毛片a级毛片在线播放| 女的被弄到高潮叫床怎么办| 一边亲一边摸免费视频| av有码第一页| 狂野欧美激情性bbbbbb| 日本与韩国留学比较| 性色av一级| 日本午夜av视频| 亚洲美女搞黄在线观看| 大码成人一级视频| 十八禁网站网址无遮挡| 精品一区二区三区视频在线| 欧美bdsm另类| 久热这里只有精品99| 免费观看无遮挡的男女| 久久久久久久久久久久大奶| 丝瓜视频免费看黄片| 精品一区在线观看国产| 亚洲成人av在线免费| 亚洲欧美日韩另类电影网站| 精品久久久久久电影网| kizo精华| 一本大道久久a久久精品| 91aial.com中文字幕在线观看| 亚洲国产毛片av蜜桃av| 国产精品女同一区二区软件| 夜夜看夜夜爽夜夜摸| 亚洲精品中文字幕在线视频| 午夜激情久久久久久久| 九草在线视频观看| 日韩欧美精品免费久久| 高清黄色对白视频在线免费看| 国产成人a∨麻豆精品| 国产成人aa在线观看| 男女边摸边吃奶| 99热全是精品| av免费观看日本| 99久久人妻综合| 日韩中文字幕视频在线看片| 在线观看免费视频网站a站| 精品一区在线观看国产| 麻豆成人av视频| 久久国产亚洲av麻豆专区| 夜夜看夜夜爽夜夜摸| 久久久久国产精品人妻一区二区| 日本av免费视频播放| 纯流量卡能插随身wifi吗| 国产极品粉嫩免费观看在线 | 精品亚洲成a人片在线观看| 亚洲欧美成人综合另类久久久| 91精品国产九色| 免费观看a级毛片全部| 国产精品久久久久久精品古装| 精品久久久久久电影网| 在线观看一区二区三区激情| 成人漫画全彩无遮挡| 国产免费现黄频在线看| 2021少妇久久久久久久久久久| 母亲3免费完整高清在线观看 | 色网站视频免费| 一区二区三区免费毛片| 黑丝袜美女国产一区| 成人无遮挡网站| 成人亚洲精品一区在线观看| 日本av手机在线免费观看| 男人添女人高潮全过程视频| 精品久久久久久电影网| 国产一区有黄有色的免费视频| 黑人猛操日本美女一级片| 欧美+日韩+精品| 精品少妇内射三级| 免费观看a级毛片全部| 久久久久久人妻| 亚洲国产欧美在线一区| 亚洲精华国产精华液的使用体验| 久久青草综合色| 亚洲成色77777| 91久久精品国产一区二区成人| 99re6热这里在线精品视频| 久久午夜综合久久蜜桃| 考比视频在线观看| 国产亚洲欧美精品永久| 亚洲欧美色中文字幕在线| 一级毛片 在线播放| 久久精品国产鲁丝片午夜精品| 26uuu在线亚洲综合色|