• <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 ?

    基于組合Stacking的心臟病患病情況評估模型研究

    2021-04-18 23:56:53曹菲菲
    甘肅科技縱橫 2021年1期
    關(guān)鍵詞:人工神經(jīng)網(wǎng)絡(luò)分類器患病

    曹菲菲

    摘要:心臟病是對人類生命的一個威脅,如何發(fā)現(xiàn)被提早預(yù)防就顯得尤為重要。以心臟病數(shù)據(jù)集為研究對象,對數(shù)據(jù)集進(jìn)行簡單介紹,對分類特征值和連續(xù)特征值與患病情況的關(guān)系進(jìn)行分析;分別構(gòu)建單一評估模型,如隨機(jī)森林、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、K最近鄰等,分另0對患病情況進(jìn)行預(yù)測,結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)預(yù)測效果最好,準(zhǔn)確率為87.6%;我們采用組合Stacking模型后,發(fā)現(xiàn)組合Stacking模型的準(zhǔn)確率為92.7%,比人工神經(jīng)網(wǎng)絡(luò)提高大約5%,而且通過訓(xùn)練集和測試集上各評價指標(biāo)的比較發(fā)現(xiàn),組合Stacking模型具有很好的泛化性能.

    關(guān)鍵詞:心臟病;單一評估模型;人工神經(jīng)網(wǎng)絡(luò);組合模型Stacking;評估模型

    中圖分類號:TPl81 文獻(xiàn)標(biāo)志碼:A

    心臟病是人類健康的最大威脅,全世界1/3人口死亡由心臟病引起。我國每年有幾十萬人死于心臟病,對心臟病的研究顯得尤為重要。如果可以通過提取人體相關(guān)的體測指標(biāo),對心臟病患病情況進(jìn)行預(yù)測,將對預(yù)防心臟病起到至關(guān)重要的作用。

    對心臟病的病癥及原因進(jìn)行了一定的檢索,有李廣平所著的實用臨床心臟病診斷治療學(xué);弓孟春和嚴(yán)曉偉對歐洲心臟病學(xué)會2008年版心力衰竭的診斷和治療指南解讀;李世軍和司全金對2017年歐洲心臟病學(xué)會外周動脈疾病診斷與治療指南解讀;劉江生對我國康復(fù)心臟病學(xué)的發(fā)展及現(xiàn)狀的研究等。對心臟病患病情況的預(yù)測研究主要有:Krishnaiah V,NarsimhaG,Subhash N使用數(shù)據(jù)挖掘技術(shù)和智能模糊方法對心臟病患病情況進(jìn)行預(yù)測研究;Palaniappan s,AwangR提出使用決策樹和神經(jīng)網(wǎng)絡(luò)對心臟病患病情況進(jìn)行預(yù)測,并對預(yù)測結(jié)果進(jìn)行決策制定;Thomas J,PrincyR T使用決策樹、K最近鄰、樸素貝葉斯和神經(jīng)網(wǎng)絡(luò)斡分類技術(shù)對心臟病患病情況進(jìn)行預(yù)測;Ramachandran,s使用弗雷明漢模型對心臟病患病情況進(jìn)行預(yù)測;Kan-chan B D,Kishor M M基于構(gòu)件分析原理在特殊疾病上使用機(jī)器學(xué)習(xí)算法對患病情況進(jìn)行預(yù)測研究;Giardina M,Azuaje F,Mccullagh P等人提出一種用于預(yù)測2型糖尿病患者冠心病并發(fā)癥的監(jiān)督學(xué)習(xí)方法對此病的患病情況進(jìn)行預(yù)測。

    本論述選取UCI的開源數(shù)據(jù)集Heart_Disease(https://archive.ics.uci.edu/ml/datasets/Heart+Disease),使用組合模型Stacking對心臟病患病情況進(jìn)行預(yù)測,我們的貢獻(xiàn)是將一些初級分類器如用決策樹、K最近鄰、樸素貝葉斯和神經(jīng)網(wǎng)絡(luò)等進(jìn)行組合,并使用簡單的線性模型如邏輯斯蒂回歸作為次級分類器,采用這種方法不僅使模型的準(zhǔn)確率提高,而且模型的泛化性能也得到提高,我們認(rèn)為這在分類預(yù)測中是非常重要的。

    1數(shù)據(jù)描述

    1.1數(shù)據(jù)集介紹

    此數(shù)據(jù)集包含303個心臟病檢查患者的體測數(shù)據(jù),包含13個特征和一個目標(biāo),為了便于理解,我們將特征重新命名,其具體的特征及介紹見表1所列。

    1.2分類特征值與患病情況的比率關(guān)系

    圖1中a,b,c分別描述了8種分類特征值與患病情況之間的關(guān)系,圖中的數(shù)字和百分?jǐn)?shù)分別表示該種特征值患病與否的數(shù)量與比例,為了表示方便,將某些特征名在標(biāo)注時進(jìn)行了簡寫,如exang表示運(yùn)動時是否心絞痛,其他簡寫類似,從表1中可以找到其對應(yīng)的全稱.從圖1可以清楚看出各分類特征值在患病情況中占的比例,當(dāng)透視檢查血管數(shù)越多,不患病的比例越高;對于缺陷種類,有兩位受試者不能確定,在后面的建模中,會將其刪去,當(dāng)受試者的缺陷種類為固有缺陷時,患病比例大大提升;當(dāng)運(yùn)動引起心絞痛時,不患病比例的人數(shù)增多;當(dāng)心電圖sT段=向下傾斜時,患病人數(shù)比例增多;不管空腹血糖是否大于120mg/dl,其患病與不患病人數(shù)都差不多;當(dāng)心電圖顯示患有ST-T波異常時,患病人數(shù)比例增多;對于這四種胸痛類型,都有較高的患病比例;性別顯示女性相比男性有更高的患病比例。

    1.3連續(xù)特征值及患病情況的分布

    對連續(xù)特征值進(jìn)行可視化結(jié)果如圖2所示。其中年齡,靜息血壓、最大心跳數(shù)和膽固醇呈近似正態(tài)分布,年齡在50至60歲之間的受試者患心臟病的頻率最大,目標(biāo)患病情況的分布基本均衡,這在分類預(yù)測中是非常重要的;而sT段抑郁呈明顯的右偏分布,大量受試者分布在0-1之間。

    2方法

    1992年Wolpert提出集成學(xué)習(xí)Stacking算法,主要組合多個不同學(xué)習(xí)器提高預(yù)測效果。Stacking算法分為初級學(xué)習(xí)器和次級學(xué)習(xí)器兩部分,其原理如圖3所示。

    組合學(xué)習(xí)Stacking算法先將數(shù)據(jù)集分為訓(xùn)練集(Training Data)和測試集(Test Data),具體訓(xùn)練過程如下。

    2.1第一層初級學(xué)習(xí)器

    訓(xùn)練集采用5折交叉驗證,其中訓(xùn)練模型數(shù)據(jù)集(Learn)占4/5,驗證模型的數(shù)據(jù)集(Predict)占1/5;首先選擇第一個單一評估模型Model 1,用數(shù)據(jù)集(Learn)訓(xùn)練模型,將訓(xùn)練好的模型對數(shù)據(jù)集(Predict)進(jìn)行預(yù)測,經(jīng)過第一次交叉驗證后,預(yù)測結(jié)果記為a1,同理訓(xùn)練模型對測試集(Test Data)預(yù)測結(jié)果為b1,經(jīng)過5此交叉驗證,訓(xùn)練集得到預(yù)測結(jié)果(a1,a2,a3,a4,a5),將其合并為矩陣A1;測試集預(yù)測結(jié)果(b1,b2,b3,b4,b5),對各部分預(yù)測值對應(yīng)相加求均值,結(jié)果記為矩陣B1,以上步驟為Stacking中第一個基本學(xué)習(xí)器為Model 1的完整算法流程,同理計算n個不同模型,最終訓(xùn)練集的預(yù)測結(jié)果矩陣為A=(A1,A2,A3,…,A5),測試集的預(yù)測結(jié)果矩陣為B=(B1,B2,B3,…,B5)。

    2.2第二層次級學(xué)習(xí)器

    矩陣A為訓(xùn)練集,矩陣曰為測試集,構(gòu)造簡單的邏輯斯蒂回歸模型,其中第j個單一評估模型Model.j對第i個訓(xùn)練樣本點(diǎn)的預(yù)測值,作為新的訓(xùn)練集中第i個樣本的第i個特征值,即解釋變量為不同模型的預(yù)測值,被解釋變量為實際的變量值。

    采用組合模型Stacking算法,具體流程圖如圖4所示,首先對數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理,并將數(shù)據(jù)集按4:1比例隨機(jī)分為訓(xùn)練集和測試集,然后第一層初級學(xué)習(xí)器,選擇單一非線性結(jié)構(gòu)的評估模型,如隨機(jī)森林、Gra-dientBoosting、KNN、SVM、人工神經(jīng)網(wǎng)絡(luò)等,采用5折交叉驗證,計算得到訓(xùn)練集和測試集的矩陣為A和B;第二層為次級學(xué)習(xí)器,將舉證A和B組合成新的矩陣為D=(A,B)T,即將5個單一評估模型的預(yù)測結(jié)果作為新特征,且矩陣A和B分別為訓(xùn)練集和測試集,心臟病患病情況target為因變量,構(gòu)建簡單的邏輯斯蒂回歸模型,其評估模型如圖4所示。

    3結(jié)果

    3.1評估指標(biāo)

    構(gòu)建心臟病患病情況評估模型之前,需要將數(shù)據(jù)劃分為訓(xùn)練集和測試集,其中訓(xùn)練集用來訓(xùn)練評估模型,測試集用來測試評估效果。一般為了評估模型穩(wěn)健性,采用K折交叉驗證法,該方法將數(shù)據(jù)分成K份樣本集,每次將其中一份作為測試集,剩余的K=1份作為訓(xùn)練集,如此重復(fù)K次,并計算K個預(yù)測結(jié)果的均值作為最終預(yù)測結(jié)果。

    本論述通過5折交叉驗證,隨機(jī)分配訓(xùn)練集和測試集,對測試集的心臟病患病情況進(jìn)行預(yù)測評估,其中評估指標(biāo)主要有以下三種,敏感性(sensitivity)、特異性(specificity)、準(zhǔn)確率(Accuracy)和F1 Score,敏感性和特異性是心臟病診斷測試常用的指標(biāo).分別對預(yù)測結(jié)果評估分析,下面給出它們的計算公式:

    3.2單一評估模型預(yù)測

    首先對每個單一模型進(jìn)行訓(xùn)練,得到最優(yōu)模型,再進(jìn)行預(yù)測,所有這些工作我們通過編程語言Python來完成。

    對于隨機(jī)森林分類器,通過網(wǎng)格搜索法確定參數(shù)的最優(yōu)組合為最大深度(max_depth)設(shè)置為5,建立子樹的數(shù)量(n_estimators)設(shè)置為50,由于心臟病數(shù)據(jù)集合特征數(shù)量都較小,其他參數(shù)使用默認(rèn)值;對于支持向量機(jī)分類器,選擇高斯核函數(shù)(RBF)進(jìn)行預(yù)測時模型表現(xiàn)最好;對于梯度提升分類器,定義損失函數(shù)為指數(shù)損失函數(shù),學(xué)習(xí)速率(Eearning_rate)為0.03,需要擬合的樹的數(shù)量(n estimators)為75,最大深度(max_depth)為5;對于K最近鄰分類器,將權(quán)重考慮在內(nèi),并使用uniform作為權(quán)重,使用歐幾里得法計算距離,使用10折交叉驗證對近鄰數(shù)K進(jìn)行選擇,在訓(xùn)練集上預(yù)測表現(xiàn)最好的K值為10,測試集上預(yù)測表現(xiàn)最好的K值為6;對于人工神經(jīng)網(wǎng)絡(luò)分類器,使用Relu作為激活函數(shù),學(xué)習(xí)速率為0.0023,使用交叉熵?fù)p失函數(shù)作為衡量標(biāo)準(zhǔn),采用反向傳播算法訓(xùn)練模型,當(dāng)?shù)芷冢╪um_epochs)達(dá)到7000次時,平均損失達(dá)到最小,此時的模型達(dá)到最優(yōu)。對每個單一評估模型進(jìn)行最優(yōu)選擇后,我們分別將它們運(yùn)行在訓(xùn)練集和測試集上,得到的結(jié)果見表2所列。

    由表可知,單一評估模型中人工神經(jīng)網(wǎng)絡(luò)分類器的預(yù)測效果最佳,其中測試集的敏感率(Sensitivity)為0.85,特異率(specificity)為0.89,準(zhǔn)確率(Accuracy)為0.900,其次為隨機(jī)森林分類器、支持向量機(jī)分類器、梯度提升分類器和K最近鄰分類器。

    3.3組合模型Stacking預(yù)測

    現(xiàn)在用第3章提出的組合模型Stacking算法對心臟病患病情況進(jìn)行預(yù)測,并與4.2節(jié)提到的單一評估模型中預(yù)測性能最好的人工神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行比較,最終預(yù)測結(jié)果如表所示,組合模型Stacking訓(xùn)練集的敏感率(sensitivity)為0.94,而人工神經(jīng)網(wǎng)絡(luò)分類器敏感率(sensitivity)為0.865;組合模型Stacking測試集的敏感率(sensitivity)為0.935,而人工神經(jīng)網(wǎng)絡(luò)分類器敏感率(sensitivity)為0.89,因此組合模型Stacking的預(yù)測敏感率相對人工神經(jīng)網(wǎng)絡(luò)提高了4.5%;同理測試集上組合模型Stacking預(yù)測特異率提高了6%,準(zhǔn)確率提高了2.7%。

    組合模型Stacking的預(yù)測效果最佳,準(zhǔn)確率較高,且具有很好的泛化性能。

    4結(jié)論與展望

    本論述以心臟病數(shù)據(jù)為例,通過對心臟病患病情況的預(yù)測分布建立單一評估模型和組合模型Stacking模型。該模型主要分為初級學(xué)習(xí)器和次級學(xué)習(xí)器兩層,其中第一層初級學(xué)習(xí)器將多個不同單一評估模型組合,采用5折交叉驗證,有效防止過擬合;第二層次級學(xué)習(xí)器,建立簡單的邏輯斯蒂回歸模型,最終發(fā)現(xiàn)組合模型Stacking優(yōu)于單一評估模型,具有較好的泛化能力,值得被推廣應(yīng)用到心臟病患病情況預(yù)測中。心臟病一直是患者與醫(yī)院十分關(guān)注的疾病,對心臟病的預(yù)防和緊急治療是當(dāng)前需要解決的重大問題,希望能在醫(yī)院安裝這種程序,當(dāng)心臟病潛在患者或者健康人群來醫(yī)院就診時,可以使用該程序?qū)@些人群進(jìn)行心臟病患病情況的評估,對于預(yù)測出可能患心臟病的人群,提早告知他們并給予建議多加防范,這也是這個模型提出的意義所在。

    猜你喜歡
    人工神經(jīng)網(wǎng)絡(luò)分類器患病
    為照顧患病家父請事假有何不可?
    野生動物與人獸共患病
    科學(xué)(2020年3期)2020-11-26 08:18:20
    利用人工神經(jīng)網(wǎng)絡(luò)快速計算木星系磁坐標(biāo)
    人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)簡單字母的識別
    電子制作(2019年10期)2019-06-17 11:45:10
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    “glifo”幫助患病兒童圓提筆之夢
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    基于聲發(fā)射和人工神經(jīng)網(wǎng)絡(luò)的混凝土損傷程度識別
    无人区码免费观看不卡| 欧美三级亚洲精品| 久久亚洲精品不卡| 亚洲五月天丁香| 两人在一起打扑克的视频| 日本一本二区三区精品| 亚洲成人免费电影在线观看| 午夜免费观看网址| 禁无遮挡网站| 欧美一级a爱片免费观看看 | 国产成人精品久久二区二区91| 久久久国产成人免费| 男女那种视频在线观看| 妹子高潮喷水视频| 香蕉av资源在线| 夜夜爽天天搞| 法律面前人人平等表现在哪些方面| 成人永久免费在线观看视频| 婷婷精品国产亚洲av在线| 国产成年人精品一区二区| 99riav亚洲国产免费| 日韩欧美在线二视频| 两性午夜刺激爽爽歪歪视频在线观看 | 中文字幕人妻丝袜一区二区| 桃红色精品国产亚洲av| 国产人伦9x9x在线观看| 国产精品国产高清国产av| 在线视频色国产色| 母亲3免费完整高清在线观看| 久久草成人影院| 好看av亚洲va欧美ⅴa在| 此物有八面人人有两片| 天天添夜夜摸| 精品欧美一区二区三区在线| 免费无遮挡裸体视频| 97人妻精品一区二区三区麻豆| 久久中文字幕人妻熟女| aaaaa片日本免费| 国产av麻豆久久久久久久| 亚洲成人久久性| 亚洲18禁久久av| 午夜免费激情av| 黄色丝袜av网址大全| 777久久人妻少妇嫩草av网站| 日韩成人在线观看一区二区三区| 人成视频在线观看免费观看| 国产高清videossex| 777久久人妻少妇嫩草av网站| 亚洲片人在线观看| 俺也久久电影网| 制服人妻中文乱码| 国产一区二区三区视频了| 黄片小视频在线播放| 最近最新免费中文字幕在线| 99热这里只有是精品50| 18禁观看日本| 久久人妻福利社区极品人妻图片| 午夜福利成人在线免费观看| 韩国av一区二区三区四区| 此物有八面人人有两片| 亚洲人成77777在线视频| 热99re8久久精品国产| 国产精品野战在线观看| 免费在线观看影片大全网站| 天堂动漫精品| 99在线视频只有这里精品首页| 欧美一级a爱片免费观看看 | 亚洲国产精品久久男人天堂| 日本黄色视频三级网站网址| 午夜免费观看网址| 免费在线观看黄色视频的| 国产精品野战在线观看| 亚洲国产精品sss在线观看| 国内毛片毛片毛片毛片毛片| 首页视频小说图片口味搜索| 午夜激情av网站| 99久久精品热视频| 欧美乱妇无乱码| 国内精品久久久久精免费| 身体一侧抽搐| 99国产综合亚洲精品| 欧美3d第一页| 亚洲专区国产一区二区| 久久精品影院6| 日本一区二区免费在线视频| 日本熟妇午夜| 久久天堂一区二区三区四区| 免费在线观看黄色视频的| 人人妻人人看人人澡| 精品人妻1区二区| or卡值多少钱| a在线观看视频网站| 少妇的丰满在线观看| 亚洲男人的天堂狠狠| 老司机福利观看| 亚洲欧美精品综合久久99| √禁漫天堂资源中文www| 国产在线精品亚洲第一网站| 熟妇人妻久久中文字幕3abv| 全区人妻精品视频| 精品久久久久久,| 黄色女人牲交| 国产亚洲欧美在线一区二区| 大型av网站在线播放| 欧美乱妇无乱码| xxxwww97欧美| 精品一区二区三区av网在线观看| 不卡一级毛片| 久久中文字幕一级| 91大片在线观看| 成人特级黄色片久久久久久久| 国产高清视频在线观看网站| 黄色片一级片一级黄色片| 好看av亚洲va欧美ⅴa在| 美女午夜性视频免费| 日本a在线网址| 午夜精品在线福利| 一级毛片女人18水好多| 亚洲自偷自拍图片 自拍| 欧美黄色片欧美黄色片| 熟女电影av网| 亚洲av电影在线进入| 亚洲精品在线美女| 99久久精品热视频| 18美女黄网站色大片免费观看| 成人国语在线视频| 亚洲国产精品久久男人天堂| 久久人妻av系列| 亚洲男人的天堂狠狠| 国产午夜精品论理片| 伊人久久大香线蕉亚洲五| 深夜精品福利| 亚洲人成电影免费在线| 亚洲自偷自拍图片 自拍| 97碰自拍视频| 黄色视频,在线免费观看| 精品熟女少妇八av免费久了| 好看av亚洲va欧美ⅴa在| 成人三级黄色视频| 一边摸一边抽搐一进一小说| 窝窝影院91人妻| 一进一出抽搐gif免费好疼| 日韩三级视频一区二区三区| 久久久国产成人精品二区| 日本熟妇午夜| 日韩欧美三级三区| 老司机午夜十八禁免费视频| 少妇熟女aⅴ在线视频| 国产不卡一卡二| 国产精品久久视频播放| 可以在线观看毛片的网站| 男人舔女人的私密视频| 日日干狠狠操夜夜爽| 亚洲欧美日韩无卡精品| 久久久精品欧美日韩精品| 国产97色在线日韩免费| 久热爱精品视频在线9| 18禁国产床啪视频网站| 三级毛片av免费| 香蕉久久夜色| 国产精品一及| 免费在线观看成人毛片| 国产黄片美女视频| 国产三级黄色录像| 老司机福利观看| 精品不卡国产一区二区三区| 久久久国产精品麻豆| 欧美3d第一页| 亚洲中文字幕日韩| 99国产综合亚洲精品| 久久精品影院6| 国产视频一区二区在线看| 黄片大片在线免费观看| 久久精品国产亚洲av香蕉五月| 国产激情偷乱视频一区二区| 色综合欧美亚洲国产小说| 禁无遮挡网站| 黄色视频,在线免费观看| 99在线人妻在线中文字幕| 亚洲精品久久成人aⅴ小说| 国内少妇人妻偷人精品xxx网站 | 亚洲色图av天堂| 精品久久久久久久人妻蜜臀av| 国产1区2区3区精品| 人人妻人人澡欧美一区二区| 一边摸一边抽搐一进一小说| 91在线观看av| 99久久精品热视频| 精品无人区乱码1区二区| 亚洲最大成人中文| 亚洲精品美女久久久久99蜜臀| 中文字幕精品亚洲无线码一区| 老司机深夜福利视频在线观看| 国产主播在线观看一区二区| 18禁黄网站禁片午夜丰满| 特级一级黄色大片| 五月玫瑰六月丁香| 可以免费在线观看a视频的电影网站| 婷婷精品国产亚洲av| 十八禁网站免费在线| 免费在线观看亚洲国产| 一区二区三区激情视频| 黄频高清免费视频| 日韩大尺度精品在线看网址| 中文字幕人成人乱码亚洲影| 一本一本综合久久| 白带黄色成豆腐渣| 久久精品综合一区二区三区| 日本三级黄在线观看| 999精品在线视频| 叶爱在线成人免费视频播放| 国产在线精品亚洲第一网站| 一级毛片精品| 国产精品久久久久久亚洲av鲁大| 一边摸一边抽搐一进一小说| 免费在线观看视频国产中文字幕亚洲| 天堂动漫精品| 校园春色视频在线观看| 国产三级中文精品| 久久精品成人免费网站| 国产午夜精品论理片| 午夜免费观看网址| 久久草成人影院| 亚洲人成网站在线播放欧美日韩| 91av网站免费观看| 窝窝影院91人妻| 99久久99久久久精品蜜桃| 搡老岳熟女国产| 日本一二三区视频观看| 超碰成人久久| 国产一区二区激情短视频| 中出人妻视频一区二区| 国产爱豆传媒在线观看 | 亚洲成人免费电影在线观看| 午夜亚洲福利在线播放| 脱女人内裤的视频| 国产精品久久久人人做人人爽| 国产成人一区二区三区免费视频网站| 一边摸一边做爽爽视频免费| 最近最新中文字幕大全免费视频| 中文字幕av在线有码专区| 午夜a级毛片| 国产真实乱freesex| 欧美性长视频在线观看| av有码第一页| 日韩欧美国产在线观看| 国产成人系列免费观看| 国产成人av教育| 国产精品一区二区精品视频观看| 久久人妻福利社区极品人妻图片| 可以在线观看毛片的网站| 午夜a级毛片| 国产成人av教育| 精品少妇一区二区三区视频日本电影| 亚洲精品中文字幕一二三四区| 高潮久久久久久久久久久不卡| 日韩成人在线观看一区二区三区| 在线观看日韩欧美| 亚洲国产高清在线一区二区三| 久久中文字幕一级| 国产激情欧美一区二区| 他把我摸到了高潮在线观看| 婷婷丁香在线五月| 亚洲精品在线观看二区| 久9热在线精品视频| 欧美日韩瑟瑟在线播放| 听说在线观看完整版免费高清| 国产人伦9x9x在线观看| 精华霜和精华液先用哪个| 久9热在线精品视频| 欧美日韩精品网址| 日本免费a在线| 久久午夜综合久久蜜桃| 国产一区二区在线观看日韩 | 免费高清视频大片| 国产片内射在线| 人人妻人人澡欧美一区二区| 午夜影院日韩av| 免费在线观看影片大全网站| 欧美黄色片欧美黄色片| 国产久久久一区二区三区| 97碰自拍视频| 一级作爱视频免费观看| 在线观看免费视频日本深夜| 久久久久久久精品吃奶| 国产亚洲精品一区二区www| 国产成年人精品一区二区| 色av中文字幕| 亚洲欧美日韩无卡精品| 老司机午夜十八禁免费视频| 日本免费一区二区三区高清不卡| 国产伦人伦偷精品视频| 淫秽高清视频在线观看| 一个人观看的视频www高清免费观看 | 国产精品爽爽va在线观看网站| 高清在线国产一区| 色噜噜av男人的天堂激情| 很黄的视频免费| 不卡一级毛片| 亚洲五月婷婷丁香| 国产片内射在线| 国产精品一区二区精品视频观看| 亚洲av第一区精品v没综合| 可以在线观看毛片的网站| 久久天堂一区二区三区四区| 日韩欧美在线二视频| 无遮挡黄片免费观看| 亚洲人成电影免费在线| 成人三级做爰电影| 成人18禁在线播放| 中文字幕精品亚洲无线码一区| www.精华液| 波多野结衣高清无吗| 久久久久国内视频| 亚洲色图av天堂| 免费观看人在逋| 看片在线看免费视频| 两个人免费观看高清视频| 欧美黄色淫秽网站| 久久久久亚洲av毛片大全| 精品欧美国产一区二区三| 午夜激情av网站| 黄色视频,在线免费观看| 一本一本综合久久| 日本熟妇午夜| 黄频高清免费视频| 亚洲自偷自拍图片 自拍| 午夜福利免费观看在线| 真人做人爱边吃奶动态| 国产精品日韩av在线免费观看| xxx96com| www.999成人在线观看| 正在播放国产对白刺激| 精品国产美女av久久久久小说| 精品欧美一区二区三区在线| 国产成人系列免费观看| 特大巨黑吊av在线直播| 巨乳人妻的诱惑在线观看| 桃色一区二区三区在线观看| 精品久久久久久,| xxxwww97欧美| av中文乱码字幕在线| 成人手机av| 99国产精品一区二区三区| 欧美日韩中文字幕国产精品一区二区三区| 日日摸夜夜添夜夜添小说| 天堂动漫精品| 亚洲精品av麻豆狂野| 88av欧美| 啦啦啦观看免费观看视频高清| 免费电影在线观看免费观看| 成人18禁高潮啪啪吃奶动态图| 国产免费av片在线观看野外av| 欧洲精品卡2卡3卡4卡5卡区| 在线观看一区二区三区| √禁漫天堂资源中文www| 亚洲片人在线观看| 熟女少妇亚洲综合色aaa.| 97人妻精品一区二区三区麻豆| 亚洲成a人片在线一区二区| 国产高清视频在线播放一区| 亚洲国产欧美一区二区综合| 亚洲自偷自拍图片 自拍| 免费观看人在逋| 又黄又粗又硬又大视频| 亚洲精品中文字幕一二三四区| 超碰成人久久| 男女视频在线观看网站免费 | 午夜福利视频1000在线观看| 国产一级毛片七仙女欲春2| 在线观看免费日韩欧美大片| 麻豆久久精品国产亚洲av| 最近在线观看免费完整版| 日本黄大片高清| 久久午夜亚洲精品久久| 午夜视频精品福利| 无人区码免费观看不卡| 亚洲自拍偷在线| 少妇的丰满在线观看| 精品久久久久久,| 精品久久蜜臀av无| av在线播放免费不卡| 国产精品久久电影中文字幕| 国产欧美日韩一区二区三| 正在播放国产对白刺激| 亚洲国产欧洲综合997久久,| 欧美最黄视频在线播放免费| 视频区欧美日本亚洲| 国产精品野战在线观看| or卡值多少钱| 国产精品亚洲美女久久久| 日本免费a在线| 国产高清视频在线播放一区| 免费在线观看成人毛片| 搡老岳熟女国产| 老司机福利观看| 亚洲精品久久成人aⅴ小说| 国产精品永久免费网站| 免费在线观看完整版高清| 夜夜躁狠狠躁天天躁| 亚洲熟妇中文字幕五十中出| 精品高清国产在线一区| 午夜亚洲福利在线播放| 婷婷精品国产亚洲av| 亚洲精品久久国产高清桃花| 精品国产超薄肉色丝袜足j| 亚洲成av人片免费观看| 天天躁夜夜躁狠狠躁躁| 国产区一区二久久| 天天躁狠狠躁夜夜躁狠狠躁| 欧美日韩亚洲国产一区二区在线观看| 香蕉av资源在线| 国产精品一区二区免费欧美| 九色成人免费人妻av| 真人做人爱边吃奶动态| 午夜亚洲福利在线播放| 国产精品免费视频内射| 真人一进一出gif抽搐免费| 日韩免费av在线播放| 欧美日韩福利视频一区二区| 亚洲真实伦在线观看| 最新在线观看一区二区三区| 99re在线观看精品视频| 制服人妻中文乱码| АⅤ资源中文在线天堂| 亚洲午夜理论影院| 欧美zozozo另类| 又紧又爽又黄一区二区| tocl精华| 此物有八面人人有两片| 免费看日本二区| 一区福利在线观看| 欧美一级毛片孕妇| 男人舔女人的私密视频| 午夜a级毛片| 日韩欧美一区二区三区在线观看| 国产单亲对白刺激| 久久久久亚洲av毛片大全| 香蕉国产在线看| 757午夜福利合集在线观看| 亚洲av第一区精品v没综合| 两个人看的免费小视频| 国产精品久久久久久亚洲av鲁大| 嫁个100分男人电影在线观看| 亚洲最大成人中文| 国产一区二区三区在线臀色熟女| 国产aⅴ精品一区二区三区波| 少妇人妻一区二区三区视频| 99精品久久久久人妻精品| 亚洲专区国产一区二区| 亚洲性夜色夜夜综合| 男女那种视频在线观看| 99久久精品热视频| 成熟少妇高潮喷水视频| 久久人人精品亚洲av| 免费在线观看黄色视频的| 身体一侧抽搐| 制服诱惑二区| 精品国产超薄肉色丝袜足j| 国产精华一区二区三区| 又紧又爽又黄一区二区| 高清毛片免费观看视频网站| 国产伦一二天堂av在线观看| 国产亚洲欧美98| 欧美乱色亚洲激情| 欧美性猛交黑人性爽| 国产av麻豆久久久久久久| 久久久国产欧美日韩av| 精品无人区乱码1区二区| 成人国产综合亚洲| 床上黄色一级片| 免费观看精品视频网站| 亚洲18禁久久av| 首页视频小说图片口味搜索| 好男人电影高清在线观看| 国产精品av久久久久免费| 黄色a级毛片大全视频| 亚洲av成人不卡在线观看播放网| 国产成人aa在线观看| 国产精品国产高清国产av| 搡老妇女老女人老熟妇| 国产午夜精品论理片| 亚洲av日韩精品久久久久久密| 可以在线观看毛片的网站| 欧美午夜高清在线| 亚洲免费av在线视频| 天天躁夜夜躁狠狠躁躁| 女警被强在线播放| 激情在线观看视频在线高清| 日日干狠狠操夜夜爽| 欧美精品啪啪一区二区三区| 精品免费久久久久久久清纯| 国产av麻豆久久久久久久| 麻豆国产97在线/欧美 | 色av中文字幕| 国产不卡一卡二| 老司机午夜福利在线观看视频| av天堂在线播放| 欧美色视频一区免费| 免费在线观看影片大全网站| 欧美人与性动交α欧美精品济南到| 亚洲精品在线美女| 真人一进一出gif抽搐免费| 久久国产精品影院| 十八禁人妻一区二区| 身体一侧抽搐| 99久久国产精品久久久| 久久欧美精品欧美久久欧美| 国产视频内射| 国产野战对白在线观看| 男人的好看免费观看在线视频 | 成在线人永久免费视频| 国产久久久一区二区三区| 国产精品久久久人人做人人爽| 夜夜夜夜夜久久久久| 国产亚洲精品久久久久久毛片| 国产野战对白在线观看| 免费在线观看亚洲国产| 伊人久久大香线蕉亚洲五| 99精品久久久久人妻精品| 天天躁夜夜躁狠狠躁躁| 18禁黄网站禁片午夜丰满| 国产高清视频在线播放一区| 欧美人与性动交α欧美精品济南到| 黄色 视频免费看| 青草久久国产| 人妻夜夜爽99麻豆av| 久9热在线精品视频| 伊人久久大香线蕉亚洲五| 久久精品国产99精品国产亚洲性色| 一级a爱片免费观看的视频| 成年女人毛片免费观看观看9| 国产在线观看jvid| 成年女人毛片免费观看观看9| 国产一区在线观看成人免费| 亚洲男人的天堂狠狠| 婷婷六月久久综合丁香| 亚洲国产中文字幕在线视频| avwww免费| 黄色丝袜av网址大全| 国产精品一及| 亚洲欧美日韩高清在线视频| 麻豆国产97在线/欧美 | 夜夜看夜夜爽夜夜摸| 国产精华一区二区三区| 我的老师免费观看完整版| 欧美色欧美亚洲另类二区| 少妇人妻一区二区三区视频| 高潮久久久久久久久久久不卡| 一夜夜www| 99久久久亚洲精品蜜臀av| 精品欧美一区二区三区在线| 在线永久观看黄色视频| 国产又黄又爽又无遮挡在线| 男女床上黄色一级片免费看| 国产亚洲欧美98| 我的老师免费观看完整版| 99在线视频只有这里精品首页| 国产三级中文精品| 欧美日韩福利视频一区二区| 亚洲av片天天在线观看| 国产精品av久久久久免费| 色老头精品视频在线观看| 亚洲国产欧美一区二区综合| 国产精品久久久久久久电影 | 亚洲色图av天堂| 69av精品久久久久久| 成人特级黄色片久久久久久久| 99精品久久久久人妻精品| 丁香欧美五月| 欧美大码av| videosex国产| 亚洲自偷自拍图片 自拍| 在线观看午夜福利视频| 亚洲专区中文字幕在线| 国产69精品久久久久777片 | 国产一区二区在线av高清观看| 久久久久免费精品人妻一区二区| 母亲3免费完整高清在线观看| 免费在线观看影片大全网站| 欧美中文日本在线观看视频| 国产91精品成人一区二区三区| 一级毛片高清免费大全| 一夜夜www| 夜夜看夜夜爽夜夜摸| 老司机午夜十八禁免费视频| 男女做爰动态图高潮gif福利片| 人妻丰满熟妇av一区二区三区| 俄罗斯特黄特色一大片| 国语自产精品视频在线第100页| 欧美色视频一区免费| 国产成人系列免费观看| 精品久久久久久久久久免费视频| 丝袜美腿诱惑在线| 老熟妇乱子伦视频在线观看| 一本一本综合久久| 亚洲成人精品中文字幕电影| 午夜久久久久精精品| 女生性感内裤真人,穿戴方法视频| 免费在线观看视频国产中文字幕亚洲| 久久精品91无色码中文字幕| 日本免费一区二区三区高清不卡| 婷婷丁香在线五月| 天堂动漫精品| 日韩国内少妇激情av| 久久性视频一级片| 午夜福利在线在线| 亚洲国产中文字幕在线视频| 深夜精品福利| 欧美日本视频| 亚洲aⅴ乱码一区二区在线播放 | 俺也久久电影网| 久久久久久九九精品二区国产 | 亚洲精品在线观看二区| 蜜桃久久精品国产亚洲av|