• <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 ?

    輕量化的增量式集成學(xué)習(xí)算法設(shè)計(jì)

    2021-04-07 07:21:32丁嘉輝湯建龍于正洋
    關(guān)鍵詞:增量復(fù)雜度類別

    丁嘉輝, 湯建龍, 于正洋

    (西安電子科技大學(xué)電子工程學(xué)院, 陜西 西安 710071)

    0 引 言

    常規(guī)的分類與回歸樹算法(classification and regression tree, CART)作為一種典型的決策樹算法,其結(jié)構(gòu)簡(jiǎn)單、判決速度快、可解釋性較好[1],發(fā)展到現(xiàn)在已有多種變體與改進(jìn)形式[2-3],廣泛應(yīng)用于各種分類問題[4-8],在集成學(xué)習(xí)算法中也被認(rèn)為是一種非常有效的基分類器。例如經(jīng)典的隨機(jī)森林算法[9-13]就是以CART作為基分類器,通過投票的方式綜合所有基分類器的判決結(jié)果。但是常規(guī)的CART與集成學(xué)習(xí)算法也存在一個(gè)缺點(diǎn),一旦有新類別進(jìn)入分類范疇,算法模型通常需要重新訓(xùn)練來(lái)實(shí)現(xiàn)對(duì)新類別樣本的認(rèn)知,在分類類別數(shù)量較多時(shí)這將導(dǎo)致訓(xùn)練時(shí)間的大幅度增加[14]。這一問題限制了CART算法在更復(fù)雜情景中的應(yīng)用。例如在電子偵察領(lǐng)域,已經(jīng)廣泛采用極限學(xué)習(xí)機(jī)[15-16]、集成學(xué)習(xí)等算法來(lái)解決輻射源分類問題[17-20],我們經(jīng)常需要擴(kuò)充分類器能夠識(shí)別的樣本類別庫(kù),來(lái)適應(yīng)復(fù)雜多變的戰(zhàn)場(chǎng)環(huán)境,如果每次都重新訓(xùn)練分類器模型必然會(huì)大幅度增加計(jì)算量。

    針對(duì)上述問題,本文提出了一種輕量化的增量式集成學(xué)習(xí)算法。首先,讓原有CART的葉節(jié)點(diǎn)再生長(zhǎng),在不破壞現(xiàn)有結(jié)構(gòu)的基礎(chǔ)上使之具備開集識(shí)別的能力,從而能夠辨別訓(xùn)練集類別之外的異常樣本。然后采用增量式的集成策略[21-23],以若干個(gè)具有開集識(shí)別能力的CART作為基分類器構(gòu)成增量式集成學(xué)習(xí)算法,每個(gè)基分類器只負(fù)責(zé)其中一部分類別的分類。開集識(shí)別能力確保了每個(gè)基分類器只會(huì)對(duì)自己“認(rèn)識(shí)”的樣本做出判決,否則投出“棄權(quán)票”。因此,當(dāng)需要擴(kuò)充新的分類類別時(shí),只需添加對(duì)應(yīng)的基分類器,所需的訓(xùn)練時(shí)間將遠(yuǎn)遠(yuǎn)低于重新訓(xùn)練整個(gè)模型所花費(fèi)的時(shí)間,從而簡(jiǎn)化學(xué)習(xí)過程,降低計(jì)算復(fù)雜度。

    1 CART的開集識(shí)別改進(jìn)算法

    1.1 CART基本原理

    CART算法采用基尼(GINI)系數(shù)的增益來(lái)篩選每個(gè)節(jié)點(diǎn)的分裂特征與分裂值。假設(shè)樣本共分為K類,令|D|表示進(jìn)入當(dāng)前節(jié)點(diǎn)樣本集D的樣本數(shù)量,|Dk|則表示其中第k類樣本Dk的數(shù)量,GINI系數(shù)定義如下:

    (1)

    式中,pk表示樣本屬于第k類的概率,采用|Dk|/|D|作為概率估計(jì)。GINI系數(shù)與信息熵有著類似的數(shù)學(xué)特性,GINI系數(shù)越小,則說(shuō)明樣本的純凈度越高。

    以連續(xù)型特征為例,CART節(jié)點(diǎn)的每次分裂都將當(dāng)前樣本一分為二。定義條件基尼系數(shù)

    Gini(y|A)=p(A≤α)Gini(y|A≤α)+

    p(A>α)Gini(y|A>α)

    (2)

    來(lái)表示樣本集在選取特征A和對(duì)應(yīng)的分裂值α作為分裂標(biāo)準(zhǔn)后的GINI系數(shù),其中

    (3)

    可得經(jīng)驗(yàn)條件GINI系數(shù)為

    Gini(y|A)=

    (4)

    式中,|D1|和|D2|表示分裂后的兩個(gè)數(shù)據(jù)集大小;|D1k|和|D2k|為分裂后的分別屬于第k類的樣本個(gè)數(shù)。從而可以定義GINI增益為

    GGini(y,A)=Gini(y)-Gini(y|A)

    (5)

    用來(lái)表示當(dāng)前分裂方式對(duì)樣本集純凈度的提高程度,從而篩選出最優(yōu)的分裂標(biāo)準(zhǔn)。

    下面給出了CART生成的基本算法步驟如下:

    步驟1獲取進(jìn)入當(dāng)前節(jié)點(diǎn)的樣本集D。

    步驟2如果樣本集D中所有樣本屬于同一類別(或者該類別占比超過某一比重),則停止生長(zhǎng)形成葉節(jié)點(diǎn),并將該類別作為當(dāng)前節(jié)點(diǎn)的類別。否則,繼續(xù)生長(zhǎng)。

    步驟3獲取樣本集D中所有潛在的分裂特征與對(duì)應(yīng)的分裂值取值集合,并分別計(jì)算每一種分裂方式的GINI增益,保留其中使GINI增益取得最大值的分裂特征與分裂值。

    步驟4按照步驟3獲取的分裂方式生成兩個(gè)子節(jié)點(diǎn),并將樣本集D分裂成D1和D2分別進(jìn)入這兩個(gè)節(jié)點(diǎn),重復(fù)步驟1。

    1.2 開集識(shí)別改進(jìn)

    常規(guī)CART葉節(jié)點(diǎn)的最終形成,是以單個(gè)特征為依據(jù),將一類樣本從樣本集中分離。例如圖1所示的某次節(jié)點(diǎn)分裂中,特征A以α為分裂值,將類別k的樣本從樣本集中剝離出,形成一個(gè)葉節(jié)點(diǎn);剩余樣本則進(jìn)入另一個(gè)子節(jié)點(diǎn)中,繼續(xù)分裂或者同樣生成葉節(jié)點(diǎn)。

    圖1 葉節(jié)點(diǎn)生成示意圖

    這種葉節(jié)點(diǎn)的生成方式可以區(qū)分訓(xùn)練集中包含的類別,但無(wú)法識(shí)別訓(xùn)練樣本類別之外的異常樣本。為了使CART具備開集識(shí)別的能力,考慮對(duì)進(jìn)入葉節(jié)點(diǎn)的待測(cè)樣本進(jìn)行二次確認(rèn),當(dāng)且僅當(dāng)待測(cè)樣本的各維度特征值符合訓(xùn)練集在葉節(jié)點(diǎn)的分布范圍時(shí),才給出分類判決,否則認(rèn)為待測(cè)樣本異常。圖2給出了對(duì)一個(gè)葉節(jié)點(diǎn)做開集識(shí)別改進(jìn)的示意圖。

    圖2 葉節(jié)點(diǎn)的開集改進(jìn)示意圖

    假定進(jìn)入原CART葉節(jié)點(diǎn)中的所有樣本屬于同一類別,統(tǒng)計(jì)特征向量中每一維度特征值A(chǔ)i的分布,估算該特征值的取值下限Aimin與取值上限Ai max,并以此作為分裂值完成兩次節(jié)點(diǎn)分裂,從而把不在該特征值取值范圍內(nèi)的待測(cè)樣本劃分為異常類(None)。對(duì)每個(gè)維度特征值做與上述相同的兩次節(jié)點(diǎn)分裂操作,將最后的葉節(jié)點(diǎn)標(biāo)記為原葉節(jié)點(diǎn)所屬類別,作為最終輸出的有效分類判決。

    根據(jù)上述思路,不改變?cè)蠧ART生成算法,僅在生成葉節(jié)點(diǎn)時(shí)執(zhí)行以下步驟:

    步驟1獲取進(jìn)入當(dāng)前葉節(jié)點(diǎn)的訓(xùn)練樣本集D,并剔除其中所有不屬于葉節(jié)點(diǎn)類別的樣本。對(duì)特征向量中的每一維度特征Ai(i=1, 2, …),循環(huán)執(zhí)行步驟2~步驟4。循環(huán)結(jié)束后執(zhí)行步驟5。

    步驟2利用樣本集D估算特征Ai的取值下限Aimin與取值上限Aimax。

    步驟3以特征Ai和分裂值A(chǔ)imin對(duì)當(dāng)前節(jié)點(diǎn)做分裂,將左子節(jié)點(diǎn)標(biāo)記為異常類(None),并進(jìn)入右子節(jié)點(diǎn)。

    步驟4以特征Ai和分裂值A(chǔ)imin對(duì)當(dāng)前節(jié)點(diǎn)做分裂,將右子節(jié)點(diǎn)標(biāo)記為異常類(None),并進(jìn)入左子節(jié)點(diǎn)。

    步驟5循環(huán)結(jié)束后,將當(dāng)前節(jié)點(diǎn)標(biāo)記為原葉節(jié)點(diǎn)所屬類別,結(jié)束分裂。

    上述改進(jìn)算法并沒有破壞CART原有的結(jié)構(gòu)與生長(zhǎng)方式,數(shù)據(jù)樣本在節(jié)點(diǎn)分裂中的分布情況也保持不變。由于只對(duì)葉節(jié)點(diǎn)做了改動(dòng),甚至可以直接在已有CART模型的基礎(chǔ)上修改而不影響原有的判決邏輯。

    2 基于改進(jìn)CART的增量式集成學(xué)習(xí)算法

    2.1 算法原理

    集成學(xué)習(xí)算法對(duì)樣本的認(rèn)知是由它所有基分類器綜合體現(xiàn)的,因此通過修改其中基分類器的組成成分,就可以實(shí)現(xiàn)對(duì)集成學(xué)習(xí)算法分類器整體功能的調(diào)整。本文認(rèn)為,如果基分類器具備開集識(shí)別的能力,將使這一過程變得非常簡(jiǎn)單。以常規(guī)CART作為基分類器的集成學(xué)習(xí)算法只能區(qū)分訓(xùn)練樣本中包含的類別,如果要增加新的分類類別,必須將新老樣本混合作為訓(xùn)練集重新構(gòu)建所有的基分類器,否則原有基分類器對(duì)新類別樣本必定會(huì)做出錯(cuò)誤的判決[24-25]。而開集識(shí)別可以使分類器屏蔽那些不屬于訓(xùn)練集類別的外來(lái)樣本,從而只對(duì)已知類別范疇內(nèi)的樣本做出分類判決。

    圖3給出了具備開集識(shí)別能力的增量式集成學(xué)習(xí)算法做出分類判決的示意圖。待測(cè)樣本以特征向量的形式進(jìn)入集成學(xué)習(xí)算法,由每個(gè)基分類器獨(dú)立做出分類判決,只有那些具備該類樣本訓(xùn)練知識(shí)的基分類器才會(huì)做出有效的判決,其余的基分類器均給出“棄權(quán)票”,最終的輸出結(jié)果將只取決于所有的有效判決。因此,只需在原有集成學(xué)習(xí)算法中添加同樣具有開集識(shí)別能力的基分類器,就可以使算法在識(shí)別新類別樣本的同時(shí),不影響原有類別的分類效果。

    圖3 增量式集成學(xué)習(xí)算法判決示意圖

    在上述集成學(xué)習(xí)算法中,判決策略做出最終判決的一個(gè)充分條件是:在所有基分類器的有效判決中,某一類別占據(jù)多數(shù)。若待測(cè)樣本的類別標(biāo)號(hào)為k,包含類別k的基分類器數(shù)量為N,其中做出正確且有效判決的數(shù)量為n,做出無(wú)效判決的數(shù)量為n0,其余的則是錯(cuò)誤但有效的判決;而不包含類別k的基分類器數(shù)量為M,其中做出無(wú)效判決的數(shù)量為m,其余的也必然是錯(cuò)誤但有效的判決。上述充分條件可以表示為

    n>N-n-n0+M-m

    (6)

    2n+n0+m>N+M

    (7)

    假設(shè)所有基分類器相互獨(dú)立,且具有相同的集合內(nèi)分類準(zhǔn)確率ptest和開集識(shí)別準(zhǔn)確率popen,那么滿足該充分條件的概率為

    (8)

    特別地,如果所有基分類器包含的類別互不重疊(即N=1),那么有

    (9)

    可以看出,集成學(xué)習(xí)算法的分類準(zhǔn)確率會(huì)隨著基分類器的數(shù)量呈現(xiàn)出指數(shù)下降的形式。因此,讓基分類器維持較高的開集識(shí)別準(zhǔn)確率是這一增量式算法的重要保證。從“穩(wěn)定-可塑性”[26]的角度看,當(dāng)集成學(xué)習(xí)算法中增加基分類器時(shí),新基分類器的開集識(shí)別能力保障了原有分類器的分類效果,即“穩(wěn)定性”;而原有基分類器的開集識(shí)別能力則給新基分類器的加入提供了足夠的空間,即“可塑性”。因此,讓基分類器維持較高的開集識(shí)別準(zhǔn)確率也有助于解決增量式算法的“穩(wěn)定-可塑性”問題。

    2.2 計(jì)算復(fù)雜度分析

    增量式算法最主要的一個(gè)優(yōu)勢(shì)體現(xiàn)在:對(duì)一個(gè)已有模型進(jìn)行修改的計(jì)算代價(jià)遠(yuǎn)低于重新訓(xùn)練一個(gè)模型所需的代價(jià)。下面將對(duì)CART算法與增量式集成學(xué)習(xí)算法的建模過程進(jìn)行計(jì)算復(fù)雜度分析。

    根據(jù)CART決策樹生成的算法流程分析可知, GINI增益的多次計(jì)算占據(jù)了絕大多數(shù)運(yùn)算資源。令ND為特征向量維度,K為樣本的類別數(shù)量,NK為每個(gè)類別包含的訓(xùn)練樣本數(shù)量,Ndiv為CART節(jié)點(diǎn)的分裂次數(shù)(即非葉節(jié)點(diǎn)的個(gè)數(shù))。考慮到每一次節(jié)點(diǎn)分裂時(shí),都要在每個(gè)特征維度遍歷當(dāng)前節(jié)點(diǎn)中的所有訓(xùn)練樣本,并計(jì)算每一種潛在分裂方式的GINI增益,所以CART的計(jì)算復(fù)雜度可以表示為

    TCART(K)=O(NdivNDNKK)

    (10)

    而通常情況下,分裂次數(shù)Ndiv是關(guān)于類別數(shù)K的線性復(fù)雜度,因此

    TCART(K)=O(NDNKK2)

    (11)

    再分析對(duì)CART做開集識(shí)別改進(jìn)的計(jì)算復(fù)雜度。基于原有CART模型,改進(jìn)算法在每個(gè)原有的葉節(jié)點(diǎn)上做了2ND次額外的節(jié)點(diǎn)分裂,令Nleaf為原CART中葉節(jié)點(diǎn)的數(shù)量,由于進(jìn)入葉節(jié)點(diǎn)的樣本數(shù)已經(jīng)下降至NK,所以計(jì)算復(fù)雜度可以表示為

    Topen(K)=O(NleafNDNK)

    (12)

    又因?yàn)槿~節(jié)點(diǎn)數(shù)量始終滿足Nleaf=Ndiv+1,也是關(guān)于類別數(shù)K的線性復(fù)雜度,因此

    Topen(K)=O(NDNKK)

    (13)

    集成學(xué)習(xí)算法的計(jì)算復(fù)雜度是其所有基分類器的計(jì)算復(fù)雜度之和。假設(shè)將所有類別劃分成Ng組,每一組包含的類別數(shù)為Kg,而且每一組都利用對(duì)應(yīng)訓(xùn)練樣本構(gòu)建Nt個(gè)具有開集識(shí)別能力的CART作為基分類器,并最終組合成集成學(xué)習(xí)分類器。所需的計(jì)算復(fù)雜度為

    Tensemble(K)=O(NgNt(TCART(Kg)+Topen(Kg)))=

    (14)

    又因?yàn)轭悇e數(shù)K=NgKg,所以

    Tensemble(K)=O(NtNDNKKgK)

    (15)

    根據(jù)上述分析,假設(shè)每個(gè)類別包含的訓(xùn)練樣本數(shù)量NK不變,CART生長(zhǎng)過程的計(jì)算量是關(guān)于類別數(shù)K的平方復(fù)雜度,而對(duì)CART做開集識(shí)別改進(jìn)的計(jì)算量是關(guān)于類別數(shù)K的線性復(fù)雜度。集成學(xué)習(xí)算法的計(jì)算量受到基分類器個(gè)數(shù)與單個(gè)基分類器計(jì)算量的影響,通過分組減少每個(gè)基分類器的訓(xùn)練樣本類別數(shù)可以降低算法整體的計(jì)算量。當(dāng)每組類別數(shù)Kg不變時(shí),集成學(xué)習(xí)算法的計(jì)算量是關(guān)于總類別數(shù)K的線性復(fù)雜度;而總類別數(shù)K不變時(shí),降低每組類別數(shù)Kg可以線性地降低計(jì)算量。

    3 仿真與分析

    仿真實(shí)驗(yàn)以輻射源分類問題為背景,通過對(duì)比常規(guī)CART算法,研究本文所述增量式集成學(xué)習(xí)算法在計(jì)算復(fù)雜度與分類效果上的表現(xiàn)。仿真數(shù)據(jù)中包含了不同信噪比(信號(hào)與噪聲的功率之比)下132個(gè)類別(隨機(jī)標(biāo)號(hào)為1~132)的輻射源脈沖信號(hào)樣本,數(shù)據(jù)處理流程如圖4所示。從包含不同輻射源參數(shù)的數(shù)據(jù)庫(kù)中隨機(jī)抽取132類,產(chǎn)生信號(hào)層數(shù)據(jù)流,疊加不同功率的噪聲來(lái)模擬不同的信噪比環(huán)境,經(jīng)過包絡(luò)檢波與快速傅里葉變換(fast Fourier transform, FFT)頻譜分析,提取6個(gè)維度的特征——脈寬、中心頻率、脈首頻率、脈尾頻率、帶寬、調(diào)頻斜率,作為每個(gè)樣本的特征向量,計(jì)算它們?cè)诓煌旁氡认碌臉?biāo)準(zhǔn)差如表1所示,信噪比降低(當(dāng)信號(hào)功率不變時(shí)噪聲功率增大),會(huì)導(dǎo)致各特征值的測(cè)算誤差變大。

    圖4 輻射源數(shù)據(jù)處理流程

    表1 不同信噪比下各特征參數(shù)的測(cè)算標(biāo)準(zhǔn)差

    在-4~2 dB的信噪比范圍內(nèi),隨機(jī)從每一類輻射源脈沖樣本選取60個(gè),產(chǎn)生共計(jì)7 920個(gè)特征向量作為訓(xùn)練集,分別根據(jù)常規(guī)CART算法與增量式集成學(xué)習(xí)算法進(jìn)行如下實(shí)驗(yàn),實(shí)驗(yàn)流程如圖5所示。

    圖5 仿真實(shí)驗(yàn)流程

    (1)常規(guī)CART算法:從包含12個(gè)類別的訓(xùn)練集(720個(gè)樣本)開始,每次增加12個(gè)類別的(720個(gè))樣本擴(kuò)充原有的訓(xùn)練集,訓(xùn)練集1包含類別1~12,訓(xùn)練集2包含類別1~24,訓(xùn)練集3包含類別1~36,以此類推到訓(xùn)練集11,并在每個(gè)訓(xùn)練集的基礎(chǔ)上構(gòu)建常規(guī)CART分類器,以此模擬分類類別的擴(kuò)充。如圖5(a)所示。

    (2)增量式集成學(xué)習(xí)算法:將樣本類別1~132依次分成11組,每組12類,以每個(gè)組的720個(gè)樣本作為一個(gè)訓(xùn)練集,訓(xùn)練集1包含類別1~12,訓(xùn)練集2包含類別13~24,訓(xùn)練集3包含類別25~36,以此類推到訓(xùn)練集11,在每個(gè)訓(xùn)練集的基礎(chǔ)上分別構(gòu)建一個(gè)CART分類器并做開集識(shí)別改進(jìn)。將這11個(gè)CART作為基分類器,逐個(gè)添加到增量式集成學(xué)習(xí)算法中,以此模擬分類類別的擴(kuò)充。如圖5(b)所示。

    本文所有結(jié)果是在Ryzen 2700X、16G內(nèi)存、64位操作系統(tǒng)環(huán)境下,以單核單線程運(yùn)行所得。本實(shí)驗(yàn)隨機(jī)從輻射源數(shù)據(jù)庫(kù)中抽取特征參數(shù)生成數(shù)據(jù)集,進(jìn)行有關(guān)計(jì)算復(fù)雜度和分類效果的仿真,重復(fù)8次,最終結(jié)果取平均值。

    3.1 計(jì)算復(fù)雜度仿真

    本文采用浮點(diǎn)數(shù)運(yùn)算次數(shù)(floating-point operations per second, FLOPs)來(lái)衡量訓(xùn)練過程的計(jì)算復(fù)雜度。隨著分類類別的擴(kuò)充,分別計(jì)算常規(guī)CART算法和增量式集成學(xué)習(xí)算法的FLOPs數(shù)值變化,得到關(guān)于類別數(shù)量的變化曲線如圖6所示。圖7則給出了這兩種算法在訓(xùn)練過程中的實(shí)際耗時(shí)曲線。

    圖6 FLOPs曲線

    圖7 實(shí)際耗時(shí)曲線

    實(shí)驗(yàn)結(jié)果基本符合本文第2.2節(jié)對(duì)計(jì)算復(fù)雜度的分析,其中常規(guī)CART算法是關(guān)于樣本類別數(shù)的平方復(fù)雜度,而本文所述的增量式集成學(xué)習(xí)算法是關(guān)于樣本類別數(shù)的線性復(fù)雜度。根據(jù)FLOPs曲線,為了最終實(shí)現(xiàn)132類樣本的分類,后者所需的計(jì)算量?jī)H是前者的1/22。從增量的角度看,常規(guī)CART算法擴(kuò)充分類類別時(shí)必須重新訓(xùn)練整個(gè)模型,而增量式集成學(xué)習(xí)算法只需增加對(duì)應(yīng)的基分類器。當(dāng)分類類別數(shù)量從120類擴(kuò)充到132類時(shí),增量式集成學(xué)習(xí)算法所需的計(jì)算量?jī)H僅是常規(guī)CART的1/213??梢钥闯?在分類類別數(shù)量較多時(shí),本文所述增量式集成學(xué)習(xí)算法在降低計(jì)算復(fù)雜度上具有明顯的優(yōu)勢(shì)。

    需要說(shuō)明的是,FLOPs曲線沒有考慮CART在節(jié)點(diǎn)分裂、后剪枝過程中的額外計(jì)算開支與內(nèi)存分配,而增量式集成學(xué)習(xí)算法在新建基分類器時(shí)重復(fù)了這些步驟,所以它的實(shí)際耗時(shí)曲線比FLOPs曲線具有更大的上升斜率,但這并不影響上述結(jié)論。

    3.2 分類測(cè)試

    以不同信噪比環(huán)境下的132類信號(hào)脈沖樣本作為測(cè)試集,其中每個(gè)類別包含40個(gè)樣本。對(duì)增量式集成學(xué)習(xí)算法中的11個(gè)基分類器依次進(jìn)行以下3組測(cè)試:① 使用與訓(xùn)練集相同類別的測(cè)試集(12類共480個(gè)樣本)評(píng)估CART在開集識(shí)別改進(jìn)之前的集合內(nèi)分類準(zhǔn)確率;② 采用相同的方法評(píng)估CART在開集識(shí)別改進(jìn)之后的集合內(nèi)分類準(zhǔn)確率;③ 使用訓(xùn)練集類別范圍外的測(cè)試集(120類共4 800個(gè)樣本)評(píng)估每個(gè)CART在開集識(shí)別改進(jìn)之后的集合外異常檢測(cè)率(開集識(shí)別準(zhǔn)確率)。本文將集合內(nèi)分類準(zhǔn)確率定義為

    (16)

    式中,Ncorrect表示正確分類的樣本數(shù);Nin表示訓(xùn)練類別范圍之內(nèi)的測(cè)試樣本數(shù)。集合外異常檢測(cè)率定義為

    (17)

    式中,Nopen表示正確識(shí)別為異常樣本的數(shù)量;Nout表示訓(xùn)練類別范圍之外的測(cè)試樣本數(shù)。依次在-4 dB、-2 dB、0 dB、2 dB信噪比環(huán)境下,統(tǒng)計(jì)各基分類器的識(shí)別率均值,得到表2所示結(jié)果。

    表2 CART開集識(shí)別改進(jìn)前后的分類準(zhǔn)確率

    結(jié)果表明,對(duì)CART做開集識(shí)別改進(jìn)會(huì)在一定程度上影響集合內(nèi)的分類準(zhǔn)確率,但是這一改進(jìn)的好處是可以使基分類器具備集合外異常樣本的檢測(cè)能力,而且始終保持了很高的準(zhǔn)確率,從而讓具有不同分類類別的基分類器可以同時(shí)存在于一個(gè)集成學(xué)習(xí)算法中。如果某一特征向量被所有基分類器都識(shí)別為異常樣本,就有理由認(rèn)為該特征向量不屬于整個(gè)訓(xùn)練集的類別范圍,從而實(shí)現(xiàn)集成學(xué)習(xí)算法整體的開集識(shí)別。

    進(jìn)一步地,為了觀察不同信噪比環(huán)境下,常規(guī)CART算法和增量式集成學(xué)習(xí)算法在擴(kuò)充類別數(shù)量時(shí)分類準(zhǔn)確率的變化,進(jìn)行以下測(cè)試。分別在-4 dB、-2 dB、0 dB、2 dB信噪比環(huán)境下各取一組數(shù)據(jù)作為4個(gè)測(cè)試集,其中每個(gè)測(cè)試集都從各輻射源類別中隨機(jī)選取40個(gè)脈沖樣本(即每個(gè)測(cè)試集包含132類共5 280個(gè)特征向量)。得到常規(guī)CART算法和增量式集成學(xué)習(xí)算法的集合內(nèi)分類準(zhǔn)確率隨著類別數(shù)量增加而變化的曲線如圖8和圖9所示。

    圖8 常規(guī)CART分類準(zhǔn)確率變化曲線

    圖9 增量式集成學(xué)習(xí)算法分類準(zhǔn)確率變化曲線

    實(shí)驗(yàn)結(jié)果表明,兩種算法在信噪比較高的環(huán)境下都能維持很高的分類準(zhǔn)確率,而隨著信噪比的下降,它們的分類準(zhǔn)確率也都產(chǎn)生了不同程度的下滑。其中增量式集成學(xué)習(xí)算法的分類效果稍遜于常規(guī)CART算法,但在信噪比大于等于-4 dB的環(huán)境中依然能保持90%以上的分類準(zhǔn)確率。另外,隨著類別數(shù)量的增加,兩種算法的分類準(zhǔn)確率也表現(xiàn)出了不同程度的下降趨勢(shì),不過由于增量式集成學(xué)習(xí)算法的基分類器始終具有很高的集合外異常檢測(cè)率(見表2),增加新的基分類器對(duì)原有集成學(xué)習(xí)算法分類效果的影響十分微小,使之在類別數(shù)量較多時(shí)依然能維持較高的分類準(zhǔn)確率。

    4 結(jié)束語(yǔ)

    本文提出了一種輕量化的增量式集成學(xué)習(xí)算法,通過開集識(shí)別改進(jìn)保證CART基分類器只會(huì)對(duì)已知的樣本做出有效判決,從而可以通過添加基分類器的方式來(lái)擴(kuò)充集成學(xué)習(xí)算法能夠識(shí)別的類別范疇。以輻射源分類為背景的仿真實(shí)驗(yàn)表明,該算法可以實(shí)現(xiàn)關(guān)于類別數(shù)量的線性計(jì)算復(fù)雜度,大幅度降低新增分類類別所需訓(xùn)練成本;該算法的缺點(diǎn)是犧牲了少量的分類效果,但在一定信噪比范圍內(nèi)依然能保持相對(duì)較高的分類準(zhǔn)確率。

    本文的仿真實(shí)驗(yàn)只討論了一種最簡(jiǎn)單的集成方式,即每個(gè)CART基分類器所能識(shí)別的樣本類別互不重疊,每次分類最多只有一個(gè)基分類器能做出正確的判決。如果不同基分類器的可識(shí)別類別互有交集,理論上會(huì)增加正確判決出現(xiàn)的概率,從而提高增量式集成學(xué)習(xí)算法整體的分類效果。這將是下一步的研究工作。

    猜你喜歡
    增量復(fù)雜度類別
    提質(zhì)和增量之間的“辯證”
    “價(jià)增量減”型應(yīng)用題點(diǎn)撥
    一種低復(fù)雜度的慣性/GNSS矢量深組合方法
    求圖上廣探樹的時(shí)間復(fù)雜度
    基于均衡增量近鄰查詢的位置隱私保護(hù)方法
    某雷達(dá)導(dǎo)51 頭中心控制軟件圈復(fù)雜度分析與改進(jìn)
    服務(wù)類別
    出口技術(shù)復(fù)雜度研究回顧與評(píng)述
    德州儀器(TI)發(fā)布了一對(duì)32位增量-累加模數(shù)轉(zhuǎn)換器(ADC):ADS1262和ADS126
    論類別股東會(huì)
    商事法論集(2014年1期)2014-06-27 01:20:42
    大香蕉久久成人网| 大陆偷拍与自拍| 欧美日韩综合久久久久久| 99国产精品99久久久久| 天天操日日干夜夜撸| 曰老女人黄片| 日本av手机在线免费观看| 国产高清国产精品国产三级| 久久ye,这里只有精品| 欧美日韩成人在线一区二区| 亚洲成色77777| 激情视频va一区二区三区| 精品卡一卡二卡四卡免费| 免费久久久久久久精品成人欧美视频| 国产免费现黄频在线看| 欧美+亚洲+日韩+国产| 欧美日韩精品网址| 亚洲欧洲精品一区二区精品久久久| 亚洲av国产av综合av卡| 黄片小视频在线播放| 热re99久久精品国产66热6| 久久精品成人免费网站| 美女高潮到喷水免费观看| 少妇粗大呻吟视频| 国产亚洲av高清不卡| 久久影院123| 亚洲色图 男人天堂 中文字幕| 欧美国产精品va在线观看不卡| 高清黄色对白视频在线免费看| 国产av一区二区精品久久| 黄网站色视频无遮挡免费观看| 国产人伦9x9x在线观看| 亚洲中文字幕日韩| 成人黄色视频免费在线看| 国产视频一区二区在线看| 亚洲久久久国产精品| 王馨瑶露胸无遮挡在线观看| 久久99一区二区三区| 曰老女人黄片| videosex国产| 亚洲欧美一区二区三区国产| 亚洲精品久久久久久婷婷小说| 韩国高清视频一区二区三区| 国产成人一区二区三区免费视频网站 | 五月开心婷婷网| 国产伦人伦偷精品视频| 亚洲国产欧美网| 丝袜美腿诱惑在线| 久久久久久久精品精品| 大型av网站在线播放| 一边摸一边做爽爽视频免费| 欧美日韩一级在线毛片| 亚洲欧美精品综合一区二区三区| 亚洲av欧美aⅴ国产| 亚洲欧美激情在线| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品麻豆人妻色哟哟久久| 精品久久久久久电影网| 国产欧美日韩一区二区三区在线| 一本—道久久a久久精品蜜桃钙片| 欧美97在线视频| 亚洲精品乱久久久久久| 精品少妇黑人巨大在线播放| 久久久久网色| 青草久久国产| 日韩视频在线欧美| 亚洲国产精品成人久久小说| 国产男人的电影天堂91| 免费女性裸体啪啪无遮挡网站| 婷婷丁香在线五月| 亚洲国产精品999| 欧美日韩黄片免| 精品少妇内射三级| 国产成人av教育| 精品国产一区二区三区久久久樱花| 亚洲伊人久久精品综合| 激情视频va一区二区三区| 免费久久久久久久精品成人欧美视频| 丝袜美腿诱惑在线| 在线观看人妻少妇| 国产精品 欧美亚洲| 久久女婷五月综合色啪小说| 欧美日韩国产mv在线观看视频| 高清黄色对白视频在线免费看| 亚洲少妇的诱惑av| 国产人伦9x9x在线观看| av在线app专区| 久久ye,这里只有精品| 国产欧美日韩一区二区三 | 亚洲av电影在线观看一区二区三区| 国产免费视频播放在线视频| 亚洲少妇的诱惑av| 91麻豆av在线| 亚洲成av片中文字幕在线观看| 久久人人爽av亚洲精品天堂| 久久中文字幕一级| 欧美日韩黄片免| 久久国产精品人妻蜜桃| 女人久久www免费人成看片| 久久ye,这里只有精品| 女人久久www免费人成看片| av在线app专区| 一区二区三区乱码不卡18| av又黄又爽大尺度在线免费看| 久久久亚洲精品成人影院| 天天躁狠狠躁夜夜躁狠狠躁| 精品少妇一区二区三区视频日本电影| 啦啦啦在线免费观看视频4| 亚洲欧洲日产国产| 一区二区三区精品91| 老司机影院毛片| 久久毛片免费看一区二区三区| 国产精品99久久99久久久不卡| 日韩一本色道免费dvd| www.av在线官网国产| 午夜福利乱码中文字幕| 精品人妻1区二区| 亚洲欧美激情在线| 国产1区2区3区精品| 国产人伦9x9x在线观看| 777米奇影视久久| bbb黄色大片| 久久久久久久久久久久大奶| 亚洲成av片中文字幕在线观看| 久久精品熟女亚洲av麻豆精品| 纯流量卡能插随身wifi吗| 国产精品熟女久久久久浪| 亚洲国产中文字幕在线视频| 免费观看人在逋| 国产精品九九99| 一本一本久久a久久精品综合妖精| 久久久国产欧美日韩av| 亚洲av综合色区一区| 亚洲一区中文字幕在线| 啦啦啦中文免费视频观看日本| 在线av久久热| 日韩人妻精品一区2区三区| 高清视频免费观看一区二区| av视频免费观看在线观看| videos熟女内射| 人人澡人人妻人| av又黄又爽大尺度在线免费看| www.自偷自拍.com| 美女福利国产在线| 亚洲国产中文字幕在线视频| 一本色道久久久久久精品综合| 如日韩欧美国产精品一区二区三区| 久久99一区二区三区| 亚洲成色77777| 精品少妇黑人巨大在线播放| 亚洲精品一二三| 一级黄片播放器| 99久久99久久久精品蜜桃| 亚洲av男天堂| 国产精品偷伦视频观看了| 亚洲国产精品一区二区三区在线| 岛国毛片在线播放| 宅男免费午夜| 高清视频免费观看一区二区| 在线精品无人区一区二区三| 国产精品香港三级国产av潘金莲 | 欧美精品高潮呻吟av久久| 国产精品久久久久成人av| 精品欧美一区二区三区在线| 99精品久久久久人妻精品| 国产在线视频一区二区| tube8黄色片| 久久人人爽人人片av| 欧美日韩av久久| www日本在线高清视频| 国产亚洲欧美精品永久| 亚洲激情五月婷婷啪啪| 亚洲精品一卡2卡三卡4卡5卡 | 免费高清在线观看日韩| 99国产精品一区二区三区| 国产免费现黄频在线看| 91麻豆av在线| 精品人妻一区二区三区麻豆| 色播在线永久视频| www.999成人在线观看| 免费不卡黄色视频| 精品亚洲成国产av| 国产精品 欧美亚洲| 亚洲精品美女久久av网站| 精品人妻一区二区三区麻豆| 免费在线观看影片大全网站 | 欧美中文综合在线视频| 亚洲av日韩精品久久久久久密 | videos熟女内射| 国产在线一区二区三区精| 女人爽到高潮嗷嗷叫在线视频| 十分钟在线观看高清视频www| 欧美日韩成人在线一区二区| 男女之事视频高清在线观看 | 欧美日本中文国产一区发布| 久久久久久人人人人人| 天天躁狠狠躁夜夜躁狠狠躁| 久久精品久久久久久久性| 精品熟女少妇八av免费久了| 久久九九热精品免费| 亚洲黑人精品在线| 搡老岳熟女国产| 国产成人系列免费观看| 在线亚洲精品国产二区图片欧美| 欧美 亚洲 国产 日韩一| 国产精品一二三区在线看| 女警被强在线播放| 精品一区二区三区四区五区乱码 | 国产欧美日韩综合在线一区二区| 又大又爽又粗| 国产精品av久久久久免费| 亚洲成人国产一区在线观看 | 亚洲av男天堂| videosex国产| 免费观看av网站的网址| 伊人亚洲综合成人网| 精品一品国产午夜福利视频| 欧美激情 高清一区二区三区| 水蜜桃什么品种好| 啦啦啦在线观看免费高清www| 日韩大片免费观看网站| 久久久亚洲精品成人影院| 久久九九热精品免费| 首页视频小说图片口味搜索 | 成人手机av| 欧美日韩一级在线毛片| 在线精品无人区一区二区三| 日本五十路高清| 久久狼人影院| 纯流量卡能插随身wifi吗| 一个人免费看片子| 九草在线视频观看| 肉色欧美久久久久久久蜜桃| 国产伦人伦偷精品视频| 精品人妻熟女毛片av久久网站| 丝袜喷水一区| 好男人电影高清在线观看| 欧美在线黄色| 日本91视频免费播放| 啦啦啦啦在线视频资源| 黄片播放在线免费| 一本久久精品| 每晚都被弄得嗷嗷叫到高潮| av视频免费观看在线观看| 99国产综合亚洲精品| 蜜桃在线观看..| kizo精华| 熟女av电影| 日韩 欧美 亚洲 中文字幕| 亚洲精品第二区| av国产久精品久网站免费入址| 97精品久久久久久久久久精品| 天天影视国产精品| 大香蕉久久网| 99国产精品一区二区蜜桃av | 制服诱惑二区| 18禁国产床啪视频网站| 一级黄片播放器| 亚洲自偷自拍图片 自拍| 一边摸一边抽搐一进一出视频| 亚洲国产成人一精品久久久| 男人舔女人的私密视频| 欧美日韩亚洲高清精品| 精品福利观看| 一边摸一边做爽爽视频免费| 老汉色∧v一级毛片| 免费在线观看影片大全网站 | 亚洲,欧美,日韩| 国产成人精品久久二区二区91| 亚洲av成人精品一二三区| 18在线观看网站| 日韩一本色道免费dvd| 精品久久久久久电影网| 亚洲av电影在线观看一区二区三区| 日日爽夜夜爽网站| 天堂俺去俺来也www色官网| 久久久国产欧美日韩av| 欧美人与善性xxx| 欧美亚洲 丝袜 人妻 在线| 精品久久蜜臀av无| 亚洲情色 制服丝袜| 一级黄色大片毛片| 国产av一区二区精品久久| 国产一区二区三区综合在线观看| 一本一本久久a久久精品综合妖精| 九草在线视频观看| 高清黄色对白视频在线免费看| 女警被强在线播放| 久久青草综合色| 亚洲精品第二区| 国产xxxxx性猛交| 日韩,欧美,国产一区二区三区| 亚洲国产精品一区二区三区在线| 一级毛片 在线播放| 久久午夜综合久久蜜桃| 99国产精品99久久久久| 国产日韩欧美视频二区| 欧美在线黄色| 亚洲九九香蕉| 美女主播在线视频| 国产视频首页在线观看| 男人爽女人下面视频在线观看| 亚洲 国产 在线| 久久亚洲国产成人精品v| 久久免费观看电影| 国产成人一区二区三区免费视频网站 | 飞空精品影院首页| 久久狼人影院| 夫妻性生交免费视频一级片| av网站免费在线观看视频| 久9热在线精品视频| 亚洲欧洲精品一区二区精品久久久| 老司机在亚洲福利影院| 国产主播在线观看一区二区 | 在线亚洲精品国产二区图片欧美| 免费少妇av软件| 成人免费观看视频高清| 午夜av观看不卡| 日本猛色少妇xxxxx猛交久久| 国产老妇伦熟女老妇高清| 国产日韩欧美亚洲二区| 欧美黑人欧美精品刺激| 色网站视频免费| 成人手机av| 国产高清国产精品国产三级| av电影中文网址| 777久久人妻少妇嫩草av网站| 18禁观看日本| 亚洲av日韩精品久久久久久密 | 美女扒开内裤让男人捅视频| 丰满少妇做爰视频| 亚洲图色成人| 捣出白浆h1v1| 国产精品成人在线| 成人影院久久| 午夜精品国产一区二区电影| 大香蕉久久网| 美女主播在线视频| 国产男女内射视频| 高清欧美精品videossex| 啦啦啦啦在线视频资源| 一区二区日韩欧美中文字幕| 日本a在线网址| 国产97色在线日韩免费| 免费在线观看视频国产中文字幕亚洲 | 一区二区三区乱码不卡18| 精品亚洲成a人片在线观看| 91精品三级在线观看| 天天操日日干夜夜撸| 国产亚洲午夜精品一区二区久久| av不卡在线播放| 欧美av亚洲av综合av国产av| 女性生殖器流出的白浆| 如日韩欧美国产精品一区二区三区| 少妇的丰满在线观看| 男男h啪啪无遮挡| 老汉色∧v一级毛片| 色94色欧美一区二区| 国产精品一国产av| 啦啦啦视频在线资源免费观看| 久久久精品区二区三区| 美女午夜性视频免费| 看十八女毛片水多多多| 欧美精品一区二区免费开放| 国产成人啪精品午夜网站| 国产亚洲一区二区精品| 成人亚洲精品一区在线观看| 国产色视频综合| 黑人猛操日本美女一级片| 日日夜夜操网爽| 欧美国产精品va在线观看不卡| 国产亚洲av片在线观看秒播厂| 欧美日韩综合久久久久久| 99热网站在线观看| 国产1区2区3区精品| 女人高潮潮喷娇喘18禁视频| 精品免费久久久久久久清纯 | 久热爱精品视频在线9| 热99久久久久精品小说推荐| 99香蕉大伊视频| 亚洲av电影在线观看一区二区三区| 热99国产精品久久久久久7| 午夜免费观看性视频| 99国产精品一区二区蜜桃av | 午夜老司机福利片| 少妇猛男粗大的猛烈进出视频| 美女视频免费永久观看网站| 亚洲av美国av| 国产一区二区在线观看av| 亚洲午夜精品一区,二区,三区| 日韩电影二区| 久久中文字幕一级| 欧美国产精品一级二级三级| 亚洲国产精品成人久久小说| 久久精品熟女亚洲av麻豆精品| 婷婷色麻豆天堂久久| 天堂8中文在线网| 老司机深夜福利视频在线观看 | 午夜两性在线视频| 久久亚洲国产成人精品v| 欧美日韩一级在线毛片| 亚洲欧洲日产国产| 国产老妇伦熟女老妇高清| 久久精品熟女亚洲av麻豆精品| 永久免费av网站大全| 91麻豆av在线| 欧美 日韩 精品 国产| 亚洲国产精品999| 成人亚洲欧美一区二区av| 操美女的视频在线观看| 国产精品熟女久久久久浪| 天天影视国产精品| 色精品久久人妻99蜜桃| xxxhd国产人妻xxx| 亚洲欧美中文字幕日韩二区| 女人被躁到高潮嗷嗷叫费观| 成在线人永久免费视频| 熟女少妇亚洲综合色aaa.| 国产成人a∨麻豆精品| 97在线人人人人妻| 色网站视频免费| 欧美黄色淫秽网站| 97人妻天天添夜夜摸| 热99久久久久精品小说推荐| 日韩大码丰满熟妇| 黄色a级毛片大全视频| 国产欧美日韩一区二区三区在线| 国产熟女欧美一区二区| 伦理电影免费视频| 97在线人人人人妻| 日韩av在线免费看完整版不卡| 国产av国产精品国产| 女人高潮潮喷娇喘18禁视频| 免费高清在线观看日韩| 精品久久蜜臀av无| 国产亚洲av高清不卡| 色网站视频免费| 国产精品三级大全| 国产深夜福利视频在线观看| 狠狠婷婷综合久久久久久88av| 自拍欧美九色日韩亚洲蝌蚪91| 国产视频一区二区在线看| 一二三四社区在线视频社区8| 国语对白做爰xxxⅹ性视频网站| 色婷婷av一区二区三区视频| 亚洲中文日韩欧美视频| 精品人妻1区二区| 婷婷色麻豆天堂久久| 午夜福利影视在线免费观看| 国产成人一区二区在线| 一级毛片 在线播放| 国产视频一区二区在线看| 国产av精品麻豆| 精品一区在线观看国产| 伊人久久大香线蕉亚洲五| 国产福利在线免费观看视频| 男女国产视频网站| 黑人巨大精品欧美一区二区蜜桃| 欧美激情高清一区二区三区| 午夜免费鲁丝| 国产xxxxx性猛交| 亚洲色图 男人天堂 中文字幕| 五月天丁香电影| 九草在线视频观看| 婷婷丁香在线五月| 欧美日韩黄片免| 国产成人精品无人区| av一本久久久久| 亚洲欧美一区二区三区国产| 18禁国产床啪视频网站| 十分钟在线观看高清视频www| a级毛片黄视频| 国产深夜福利视频在线观看| 久久女婷五月综合色啪小说| 久久久精品国产亚洲av高清涩受| 国产一区二区 视频在线| 久久精品国产a三级三级三级| 国产精品 国内视频| 脱女人内裤的视频| 天天躁狠狠躁夜夜躁狠狠躁| 永久免费av网站大全| 黄色怎么调成土黄色| 国产野战对白在线观看| 最新的欧美精品一区二区| 好男人视频免费观看在线| 亚洲国产精品999| 国产成人免费观看mmmm| 韩国高清视频一区二区三区| 99精国产麻豆久久婷婷| 精品第一国产精品| 在线观看一区二区三区激情| 黄色片一级片一级黄色片| 免费观看a级毛片全部| 国产男女内射视频| 午夜精品国产一区二区电影| 亚洲一区二区三区欧美精品| 精品国产国语对白av| 亚洲,欧美精品.| 首页视频小说图片口味搜索 | 亚洲九九香蕉| 国产精品 欧美亚洲| 精品人妻1区二区| 亚洲一卡2卡3卡4卡5卡精品中文| 无限看片的www在线观看| 日韩欧美一区视频在线观看| 亚洲熟女精品中文字幕| 人妻人人澡人人爽人人| 少妇被粗大的猛进出69影院| 中文字幕色久视频| 精品亚洲乱码少妇综合久久| 精品国产乱码久久久久久小说| 在现免费观看毛片| 欧美日韩综合久久久久久| 9色porny在线观看| 美女午夜性视频免费| 一区二区av电影网| 久久久精品区二区三区| 欧美精品一区二区大全| 久久国产亚洲av麻豆专区| 午夜福利乱码中文字幕| 波多野结衣一区麻豆| 老司机在亚洲福利影院| 久久女婷五月综合色啪小说| 亚洲av电影在线观看一区二区三区| 国产亚洲精品第一综合不卡| 汤姆久久久久久久影院中文字幕| a级毛片黄视频| 久久人妻熟女aⅴ| 丝袜美足系列| videosex国产| 国产成人免费无遮挡视频| 国产一卡二卡三卡精品| 亚洲国产欧美在线一区| 成人国产一区最新在线观看 | 亚洲国产最新在线播放| 亚洲精品美女久久av网站| 国产片内射在线| 国产精品香港三级国产av潘金莲 | 精品亚洲成国产av| 免费在线观看黄色视频的| 天天躁夜夜躁狠狠躁躁| 精品熟女少妇八av免费久了| 亚洲精品国产区一区二| 老鸭窝网址在线观看| 亚洲精品国产av成人精品| 91精品三级在线观看| 亚洲国产精品一区三区| 宅男免费午夜| 国产人伦9x9x在线观看| 日韩欧美一区视频在线观看| 爱豆传媒免费全集在线观看| 自线自在国产av| 精品国产一区二区久久| 久久久久久久国产电影| 只有这里有精品99| 欧美精品亚洲一区二区| 最近最新中文字幕大全免费视频 | 久久精品国产亚洲av涩爱| 中国国产av一级| 另类亚洲欧美激情| 国产男人的电影天堂91| 97在线人人人人妻| 操出白浆在线播放| 日韩制服丝袜自拍偷拍| 操出白浆在线播放| 每晚都被弄得嗷嗷叫到高潮| 中文欧美无线码| 日韩 亚洲 欧美在线| 在线看a的网站| 精品久久久精品久久久| 精品国产一区二区三区久久久樱花| 91精品伊人久久大香线蕉| 亚洲av电影在线进入| 一区二区三区乱码不卡18| 久久精品国产亚洲av高清一级| 老鸭窝网址在线观看| 亚洲中文日韩欧美视频| 久久99一区二区三区| 久久国产精品影院| 亚洲人成电影免费在线| 国产视频一区二区在线看| 亚洲人成电影免费在线| 丝袜喷水一区| www.精华液| 国产精品二区激情视频| 午夜91福利影院| 欧美激情高清一区二区三区| 2021少妇久久久久久久久久久| 久久人妻熟女aⅴ| 国产黄色视频一区二区在线观看| av网站免费在线观看视频| 女性被躁到高潮视频| 亚洲五月色婷婷综合| 如日韩欧美国产精品一区二区三区| 精品福利观看| 国产精品久久久久久人妻精品电影 | 女人精品久久久久毛片| 国产在线观看jvid| 色婷婷av一区二区三区视频| 两个人免费观看高清视频| 久久人人爽av亚洲精品天堂| 热99久久久久精品小说推荐| 国产99久久九九免费精品| 欧美黄色片欧美黄色片| 好男人视频免费观看在线| 中文字幕人妻丝袜制服| 人人妻人人添人人爽欧美一区卜| 成人亚洲精品一区在线观看| 我要看黄色一级片免费的| 国产有黄有色有爽视频| 又黄又粗又硬又大视频| 人人妻人人澡人人爽人人夜夜| 国产成人91sexporn| 国产深夜福利视频在线观看| 成年女人毛片免费观看观看9 |