• <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 ?

    基于隨機(jī)森林的光譜分類模型研究

    2021-10-16 16:01袁正熙
    現(xiàn)代信息科技 2021年7期
    關(guān)鍵詞:隨機(jī)森林

    摘要:文章第一節(jié)介紹集成算法原理;第二節(jié)系統(tǒng)理論地說(shuō)明了Bagging算法;第三節(jié)介紹隨機(jī)森林算法;第四節(jié)介紹實(shí)驗(yàn)內(nèi)容以及程序模塊,利用Python實(shí)現(xiàn)光譜數(shù)據(jù)的分類并評(píng)估結(jié)果,然后實(shí)行調(diào)參,得到最優(yōu)的參數(shù)搭配;第五節(jié)對(duì)優(yōu)化模型進(jìn)行測(cè)試,與原模型比較準(zhǔn)確率、查準(zhǔn)率、召回率、F-score值等指標(biāo),發(fā)現(xiàn)優(yōu)化后的結(jié)果優(yōu)良;第六節(jié)總結(jié)隨機(jī)森林算法的優(yōu)缺點(diǎn)。

    關(guān)鍵詞:集成學(xué)習(xí);Bagging;隨機(jī)森林

    中圖分類號(hào):TP273.4 文獻(xiàn)標(biāo)識(shí)碼:A? 文章編號(hào):2096-4706(2021)07-0081-04

    Study on Spectral Classification Model Based on Random Forest

    YUAN Zhengxi

    (South China Normal University,Guangzhou? 510631,China)

    Abstract:In this paper,the first section introduces the principle of the ensemble algorithm;in the second section,the Bagging algorithm is explained systematically and theoretically;the third section introduces the random forest algorithm;the fourth section introduces the experimental content and program modules,Python is used to classify the spectral data and evaluate the results,and then adjust the parameters to obtain the optimal parameter matching;the fifth section tests the optimized model and compares the indexes of the accuracy,precision,recall and F-score value with the original model. It is found that the optimized result is excellent;the sixth section summarizes the advantages and disadvantages of random forest algorithm.

    Keywords:ensemble learning;Bagging;random forest

    收稿日期:2021-03-20

    0? 引? 言

    機(jī)器學(xué)習(xí),一般來(lái)說(shuō)是致力于研究如何通過(guò)計(jì)算的手段、利用經(jīng)驗(yàn)來(lái)改善系統(tǒng)自身性能的一種方法。對(duì)于機(jī)器學(xué)習(xí)而言,“經(jīng)驗(yàn)”往往是以數(shù)據(jù)形式儲(chǔ)存起來(lái)的。機(jī)器改善性能的方法是通過(guò)數(shù)據(jù)的不斷訓(xùn)練產(chǎn)生“模型”,繼而使得該“模型”能夠盡可能地適用于更多的數(shù)據(jù)。目前,機(jī)器學(xué)習(xí)有多種算法,比如:決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類、LDA,等等。通常來(lái)說(shuō),一個(gè)研究可以使用多種算法,而集成學(xué)習(xí)則能夠結(jié)合多個(gè)算法使得機(jī)器學(xué)習(xí)具有更好的效果以及更優(yōu)越的泛化性能。

    1? Bagging算法

    集成學(xué)習(xí)的方法有并行和串行兩種,Bagging算法是并行式集成學(xué)習(xí)方法最著名的代表。Bagging是基于Boostrap Sampling采樣方法,給定m個(gè)樣本的數(shù)據(jù)集,隨機(jī)取出一個(gè)樣本,接著再把剛才抽到的樣本放回?cái)?shù)據(jù)集中,由此使得下一次抽樣的數(shù)據(jù)集與上一次的情形完全相同。這樣,經(jīng)過(guò)m次抽取,我們得到m個(gè)樣本集。根據(jù)Boostrap Sampling采樣方法,這m個(gè)樣本集里的某些元素可能重復(fù)多次,也可能有部分樣本未出現(xiàn)在樣本集中。

    相比于其他集成學(xué)習(xí)方法,Bagging算法更為高效,其學(xué)習(xí)復(fù)雜度和學(xué)習(xí)器是同階的。另外,Bagging可以直接用于多分類和回歸等任務(wù)。再者,Bagging可以降低方差,因此把它使用到不剪枝的決策樹上效果非常好。這也為隨機(jī)森林算法的出現(xiàn)奠定了基礎(chǔ)。

    2? 隨機(jī)森林

    隨機(jī)森林是使用多棵決策樹對(duì)樣本進(jìn)行訓(xùn)練并預(yù)測(cè)的一種集成分類器,該分類器最早由Leo Breiman和Adele Cutler于1995年提出。它以決策樹為基學(xué)習(xí)器,使用Bagging集成方法,并在此基礎(chǔ)上引入隨機(jī)屬性的選擇。隨機(jī)森林有許多優(yōu)勢(shì):算法簡(jiǎn)單、易于實(shí)現(xiàn)、計(jì)算開銷小等,其甚至被譽(yù)為“代表集成學(xué)習(xí)技術(shù)水平的方法”。

    簡(jiǎn)單來(lái)說(shuō),隨機(jī)森林分為四個(gè)步驟:第一,使用Bagging方法形成每棵樹的訓(xùn)練樣本集;第二,隨機(jī)選取分裂屬性集,假設(shè)當(dāng)前節(jié)點(diǎn)共有d個(gè)可用屬性,指定一個(gè)屬性數(shù)k(k≤d),從d個(gè)屬性中隨機(jī)抽取k個(gè)屬性作為分裂屬性集,并從分裂屬性集中選擇最優(yōu)屬性用于數(shù)據(jù)劃分;第三,每棵樹任其生長(zhǎng),不進(jìn)行剪枝;第四,根據(jù)投票法則對(duì)樣本類別進(jìn)行投票。

    具體形式如圖1所示,設(shè)數(shù)據(jù)集為D且創(chuàng)建k棵決策樹,則對(duì)應(yīng)有k個(gè)隨機(jī)向量θi(其中i=1,2,…,k),數(shù)據(jù)集D在每個(gè)θi對(duì)應(yīng)有一個(gè)子集數(shù)據(jù)集供Di第i棵決策樹學(xué)習(xí),得到?jīng)Q策樹分類結(jié)果i。最后利用投票決定最優(yōu)的分類結(jié)果。

    3? 實(shí)驗(yàn)及調(diào)參優(yōu)化

    3.1? 數(shù)據(jù)預(yù)處理

    3.1.1? 標(biāo)準(zhǔn)化處理

    采用z-score標(biāo)準(zhǔn)化。這種方法基于原始數(shù)據(jù)的均值和標(biāo)準(zhǔn)差進(jìn)行數(shù)據(jù)的標(biāo)準(zhǔn)化。定義均值為u,方差為σ,x為原始數(shù)據(jù),則標(biāo)準(zhǔn)化后新數(shù)據(jù)x'計(jì)算方式如式(1)所示:

    (1)

    3.1.2? 連續(xù)值處理

    一般地,我們考慮將連續(xù)值離散化以適應(yīng)決策樹模型。這里,我們應(yīng)用二分法對(duì)連續(xù)值進(jìn)行處理。

    給定樣本集D和連續(xù)屬性a,假定a在D上有n個(gè)不同的取值,將這些值從小到大進(jìn)行排序,得到序列(a1,a2,…,an)。對(duì)于該序列,選擇一個(gè)a屬性取值m,則可以把D分成兩個(gè)子集A、B。第一個(gè)子集A包含那些在屬性a上取值不大于m的樣本,另一子集B則包含那些在屬性a上取值大于m的樣本。如此,只要取值m在[ai,ai+1)上,m的劃分結(jié)果就不變。這樣,n個(gè)屬性值就形成n-1個(gè)離散值。由此,我們定義一個(gè)長(zhǎng)度為n-1的序列M,第i個(gè)元素取值如式(2)所示:

    (2)

    即把區(qū)間[ai,ai+1)的中位點(diǎn)作為劃分點(diǎn)。然后,我們就可以像離散屬性值一樣來(lái)考察這些劃分點(diǎn),選取最優(yōu)的劃分點(diǎn)進(jìn)行樣本集合的劃分。

    3.2? 實(shí)驗(yàn)流程

    我們采用隨機(jī)森林算法,使用Matlab實(shí)現(xiàn)對(duì)數(shù)據(jù)的分類,將代碼劃分為訓(xùn)練、測(cè)試、調(diào)度三個(gè)模塊。

    在訓(xùn)練模塊中,如表1所示,首先輸入訓(xùn)練集;第一步,初始化隨機(jī)森林;第二步,循環(huán)生成N次隨機(jī)森林,其中每次循環(huán)都對(duì)單棵樹進(jìn)行初始化,然后使用有放回采樣的方法從訓(xùn)練集中抽樣,使用的函數(shù)有“sort”和“randsample”;第三步,利用二分法將所選擇的連續(xù)屬性離散化;最后,輸出含N棵決策樹的隨機(jī)森林。

    訓(xùn)練模型為整個(gè)實(shí)驗(yàn)的核心,因此將訓(xùn)練模塊的關(guān)鍵代碼特別進(jìn)行展示,以下為代碼清單:

    #-*-coding: utf-8 -*-

    %train為存放train_x(trian{1}), train_y(train{2})的cell 1*2

    %? ?其中train_y 為k*1矩陣;矩陣存放標(biāo)簽

    %? ?數(shù)據(jù)都已標(biāo)準(zhǔn)化

    %? ?test與train數(shù)據(jù)結(jié)構(gòu)類似

    %? ?N:為隨機(jī)森林內(nèi)決策樹的數(shù)量

    %? ?m:為抽取樣本量占總樣本量的比例

    %? ?theTrees:為含有N棵決策樹的隨機(jī)森林(cell*N)

    %% 初始化隨機(jī)森林

    theTrees=[];

    global Tree;

    %%循環(huán)N次生成隨機(jī)森林

    for i=1:N

    %%單棵樹的初始化

    TrainIndex=[];

    train_x=[];

    train_y=[];

    Tree=[];

    attr_list = cell(size(train{1},2), 1);

    attr_value_list=[];

    Tree=struct('father_Node_name',[],'Node_name',[], 'best_Attr',[], ... 'best_breakpoint',[],'MostVal',[]);

    %%有放回采樣訓(xùn)練集

    TrainIndex =sort(randsample(size(train{1},1),round(size(train{1},1)*m),true));

    train_x=train{1}(TrainIndex,:);

    train_y=train{2}(TrainIndex,:);

    %% 以下步驟為把所選的屬性離散化

    for i1 = 1 : size(train{1},2)

    attr_value_list = unique(train_x(:,i1));

    %利用二分法將連續(xù)屬性離散化

    attr_list{i1} = (attr_value_list(2 : end) + attr_value_list(1 : end - 1)) / 2;

    end

    %% 開始生成樹

    TreeGenerate('root', train_x, train_y, attr_list);

    Tree(1)=[];

    theTrees{i}=Tree;

    end

    end

    在測(cè)試模塊中,如表2所示,首先輸入測(cè)試集;第一步,初始化數(shù)據(jù),添加若干空列表用于接下來(lái)儲(chǔ)存數(shù)據(jù);第二步,利用訓(xùn)練模塊得到的隨機(jī)森林模型對(duì)測(cè)試機(jī)數(shù)據(jù)進(jìn)行預(yù)測(cè);第三步,根據(jù)投票原則生最終預(yù)測(cè)結(jié)果,投票采用的方法是“相對(duì)多數(shù)投票法”。使用Matlab里的“tabulate”函數(shù),計(jì)算出某樣本不同類別對(duì)應(yīng)的分類概率,從而選擇概率最高的一類作為最終的所屬類別;最后,輸出測(cè)試集的分類結(jié)果。

    在調(diào)度模塊中,如表3所示,首先讀取訓(xùn)練數(shù)據(jù)、測(cè)試數(shù)據(jù)、標(biāo)簽集和光譜型的7種類型;第一步,調(diào)用訓(xùn)練模塊;第二步,調(diào)用測(cè)試模塊;第三步,評(píng)估結(jié)果即測(cè)試隨機(jī)森林的精度;最后,計(jì)算程序運(yùn)行時(shí)間并輸出分類準(zhǔn)確率。

    3.3? 實(shí)驗(yàn)數(shù)據(jù)

    本文運(yùn)用的數(shù)據(jù)是LAMOST平臺(tái)提供的恒星光譜數(shù)據(jù),該樣本數(shù)據(jù)有481個(gè)屬性,其中訓(xùn)練集保存了159條樣本數(shù)據(jù)和標(biāo)簽,測(cè)試集保存了200條樣本數(shù)據(jù)和標(biāo)簽。每條數(shù)據(jù)的標(biāo)簽有三列信息,第一列是對(duì)應(yīng)光譜數(shù)據(jù)的光譜型,第二列是光譜次型,第三列是光度型。本文只對(duì)第一列的光譜型數(shù)據(jù)進(jìn)行分類,其他兩列類同。

    3.4? 實(shí)驗(yàn)結(jié)果

    運(yùn)行程序,我們得到隨機(jī)森林算法對(duì)數(shù)據(jù)庫(kù)的分類效果。默認(rèn)使用50個(gè)子樹數(shù)量、8個(gè)特征數(shù)量,得到準(zhǔn)確率約為82%。

    4? 模型優(yōu)化及測(cè)試

    4.1? 模型優(yōu)化

    為了得到更滿意的學(xué)習(xí)效果,本文需要盡量遍歷盡可能多的組合方式,找到最優(yōu)分類效果。假設(shè)樣本特征數(shù)為N,我們分別使用“50、100、1 000、1 500”子樹數(shù)量與N個(gè)、8個(gè)、log2N個(gè)、 √N(yùn)個(gè)特性數(shù)量?jī)蓛纱钆?,運(yùn)行結(jié)果如表4所示。

    由表4可知,當(dāng)取子樹棵樹為1 500、特征數(shù)量為√N(yùn)時(shí),能達(dá)到最高86%的準(zhǔn)確率。因此對(duì)于本次分類任務(wù),本文認(rèn)為使用上述搭配效果最佳。

    4.2? 模型測(cè)試

    雖然得到了更好的參數(shù)搭配,但是我們還要測(cè)試優(yōu)化模型在該參數(shù)搭配下的其他性能。為此我們重復(fù)100次實(shí)驗(yàn),統(tǒng)計(jì)每次實(shí)驗(yàn)下原模型和優(yōu)化模型的準(zhǔn)確率,計(jì)算100次實(shí)驗(yàn)中兩個(gè)模型的平均準(zhǔn)確率。

    由于隨機(jī)森林采取的是有放回的隨機(jī)抽樣,因此每次運(yùn)行的準(zhǔn)確率略有不同,故通過(guò)這種方法得到的準(zhǔn)確率波動(dòng)是具有參考價(jià)值的。通過(guò)這樣的比較,我們希望看到的是優(yōu)化后的模型比原模型具有更好的穩(wěn)定性以及更高的預(yù)測(cè)準(zhǔn)確率,甚至可以有更高的查準(zhǔn)率、召回率以及F-score值。于是,我們分別運(yùn)行原模型和優(yōu)化模型,得到各自的預(yù)測(cè)準(zhǔn)確率,繪制它們的對(duì)比圖,詳情如圖2所示。

    原模型取子樹棵樹為50,特征數(shù)量為8時(shí)的預(yù)測(cè)準(zhǔn)確率波動(dòng)圖;優(yōu)化模型選取子樹棵樹為1 500,特征數(shù)量為√N(yùn)的預(yù)測(cè)準(zhǔn)確率波動(dòng)圖。兩模型均值和方差對(duì)比如表5所示。

    對(duì)比發(fā)現(xiàn),原模型平均準(zhǔn)確率是82.48%,優(yōu)化后的預(yù)測(cè)準(zhǔn)確率在85.22%上下波動(dòng),比原來(lái)提高2.00%以上。另外,原模型準(zhǔn)確率最低是77.80%,最高是86.70%,最大波幅4.00%以上;優(yōu)化模型準(zhǔn)確率最低為83.10%,最高為87.30%,波幅不超過(guò)2.20%,最大波幅比原來(lái)減小2.00%以上。

    由表5可以看出,調(diào)參之后隨著生成子樹的數(shù)量的提高,模型的穩(wěn)定性也提高了,同時(shí)隨著選取特征數(shù)量的調(diào)整,預(yù)測(cè)準(zhǔn)確率也有所上升,達(dá)到了預(yù)期目標(biāo)。

    接著,再來(lái)看看原模型和優(yōu)化模型在micro算法下運(yùn)行100次的查準(zhǔn)率、召回率以及F-score值這三種分類指標(biāo)的均值,如表6所示。

    顯然,優(yōu)化模型三種分類指標(biāo)均有明顯提升。綜上所述,優(yōu)化后的模型具有比原模型更好的穩(wěn)定性以及更高的預(yù)測(cè)準(zhǔn)確率,甚至可以有更高的查準(zhǔn)率、召回率以及F-score值。故此可以采納該參數(shù)配置的隨機(jī)森林算法。

    5? 結(jié)? 論

    本文介紹了機(jī)器學(xué)習(xí),講解了集成學(xué)習(xí)的Bagging算法,重點(diǎn)放在Bagging中的隨機(jī)森林上,并用Matlab代碼實(shí)現(xiàn)了隨機(jī)森林算法。

    對(duì)于隨機(jī)森林,其優(yōu)點(diǎn)是具有極高的準(zhǔn)確率;它引入隨機(jī)性,使得隨機(jī)森林不容易過(guò)擬合,具有很好的抗噪聲能力,對(duì)異常點(diǎn)/離群點(diǎn)不敏感;而且它能夠處理很高維度的數(shù)據(jù),并且不用做特征選擇;隨機(jī)森林還可以得到變量重要性排序。其缺點(diǎn)是相比于其他算法,隨機(jī)森林的輸出預(yù)測(cè)可能較慢。

    用Matlab實(shí)現(xiàn)隨機(jī)森林算法的難點(diǎn)在于算法的子函數(shù)很多,邏輯關(guān)系較為復(fù)雜,代碼需要調(diào)試很久。

    應(yīng)用隨機(jī)森林算法的難點(diǎn)在于參數(shù)調(diào)整是否合適,另外,訓(xùn)練樣本集、隨機(jī)劃分和選擇屬性也很重要。

    參考文獻(xiàn):

    [1] 周志華.機(jī)器學(xué)習(xí) [M].北京:清華大學(xué)出版社,2016.

    [2] 方匡南,吳見彬,朱建平,等.隨機(jī)森林方法研究綜述 [J].統(tǒng)計(jì)與信息論壇,2011,26(3):32-38.

    [3] 董樂(lè)紅,耿國(guó)華,高原.Boosting算法綜述 [J].計(jì)算機(jī)應(yīng)用與軟件,2006,23(8):27-29.

    [4] 胡永德.海量光譜數(shù)據(jù)降維方法的研究與應(yīng)用 [D].濟(jì)南:山東大學(xué),2021.

    [5] BREIMAN L. Random forests [J].Machine Learning,2001,45(1):5-32.

    [6] 周惠慧.恒星天文光譜數(shù)據(jù)分類方法探究 [J].信息與電腦(理論版),2021,33(7):84-86.

    [7] 劉曼云,趙正旭,王威,等.LAMOST恒星光譜數(shù)據(jù)分析 [J].信息技術(shù)與信息化,2019(11):193-197.

    作者簡(jiǎn)介:袁正熙(2000—),男,漢族,廣東東莞人,本科在讀,研究方向:應(yīng)用統(tǒng)計(jì)。

    猜你喜歡
    隨機(jī)森林
    隨機(jī)森林算法在中藥指紋圖譜中的應(yīng)用:以不同品牌夏桑菊顆粒指紋圖譜分析為例
    基于隨機(jī)森林的登革熱時(shí)空擴(kuò)散影響因子等級(jí)體系挖掘
    基于隨機(jī)森林的HTTP異常檢測(cè)
    個(gè)人信用評(píng)分模型比較數(shù)據(jù)挖掘分析
    隨機(jī)森林在棉蚜蟲害等級(jí)預(yù)測(cè)中的應(yīng)用
    基于二次隨機(jī)森林的不平衡數(shù)據(jù)分類算法
    拱壩變形監(jiān)測(cè)預(yù)報(bào)的隨機(jī)森林模型及應(yīng)用
    基于隨機(jī)森林算法的飛機(jī)發(fā)動(dòng)機(jī)故障診斷方法的研究
    基于奇異熵和隨機(jī)森林的人臉識(shí)別
    基于隨機(jī)森林算法的B2B客戶分級(jí)系統(tǒng)的設(shè)計(jì)
    国产不卡一卡二| 日本一本二区三区精品| 久久久国产成人精品二区| 99久久国产精品久久久| 精品无人区乱码1区二区| 久久久久国内视频| 真人一进一出gif抽搐免费| 久久午夜亚洲精品久久| x7x7x7水蜜桃| 国产成人欧美在线观看| 午夜福利成人在线免费观看| 久久人妻av系列| 中文在线观看免费www的网站 | 国产亚洲精品一区二区www| 他把我摸到了高潮在线观看| 日韩精品青青久久久久久| 国产精品久久久久久久电影 | 久久中文字幕一级| 露出奶头的视频| 国产av不卡久久| 免费看a级黄色片| 男人舔女人的私密视频| 免费看a级黄色片| 欧美在线黄色| 狠狠狠狠99中文字幕| 美女 人体艺术 gogo| 深夜精品福利| 国产黄a三级三级三级人| 波多野结衣高清作品| 亚洲av美国av| 舔av片在线| 性色av乱码一区二区三区2| 亚洲五月天丁香| 久久午夜亚洲精品久久| 日本一区二区免费在线视频| a在线观看视频网站| 给我免费播放毛片高清在线观看| 日韩有码中文字幕| 久久草成人影院| www.精华液| 成人亚洲精品av一区二区| 正在播放国产对白刺激| 亚洲av成人一区二区三| 国产精品久久久久久久电影 | 国产精品一区二区三区四区久久| 国产精品自产拍在线观看55亚洲| 欧美在线一区亚洲| 国产av又大| 精品无人区乱码1区二区| 在线看三级毛片| 99久久综合精品五月天人人| 91大片在线观看| 欧美久久黑人一区二区| 99国产精品99久久久久| 一级毛片精品| 国产私拍福利视频在线观看| 国产精品一区二区精品视频观看| 欧美大码av| 国产成人影院久久av| 国产亚洲欧美在线一区二区| 一进一出好大好爽视频| 神马国产精品三级电影在线观看 | 久久久久国产精品人妻aⅴ院| 精品一区二区三区av网在线观看| 国产单亲对白刺激| 免费在线观看黄色视频的| 夜夜爽天天搞| 国产av又大| 香蕉国产在线看| 在线观看日韩欧美| 国产成人欧美在线观看| 亚洲专区国产一区二区| 少妇被粗大的猛进出69影院| 桃红色精品国产亚洲av| 日日摸夜夜添夜夜添小说| 老司机靠b影院| 国产欧美日韩精品亚洲av| 丝袜人妻中文字幕| 国产高清videossex| 成人一区二区视频在线观看| 亚洲欧美日韩东京热| 亚洲精品中文字幕一二三四区| 18美女黄网站色大片免费观看| 国产成人aa在线观看| 美女 人体艺术 gogo| 欧美中文综合在线视频| 中文字幕高清在线视频| 欧美日韩精品网址| 亚洲 欧美 日韩 在线 免费| 99re在线观看精品视频| 国产三级黄色录像| 国产伦人伦偷精品视频| 一边摸一边抽搐一进一小说| 三级毛片av免费| 久久草成人影院| 级片在线观看| 国产1区2区3区精品| 欧美乱码精品一区二区三区| 国产精品98久久久久久宅男小说| 国产爱豆传媒在线观看 | 黄色女人牲交| 免费电影在线观看免费观看| 亚洲中文av在线| 亚洲熟妇中文字幕五十中出| 中文字幕熟女人妻在线| 俺也久久电影网| 非洲黑人性xxxx精品又粗又长| 欧美黄色淫秽网站| 最新美女视频免费是黄的| 国产精品一区二区免费欧美| 在线播放国产精品三级| 中文字幕av在线有码专区| www.熟女人妻精品国产| 精品高清国产在线一区| 曰老女人黄片| 悠悠久久av| 国产精品香港三级国产av潘金莲| 国产av不卡久久| 久久天躁狠狠躁夜夜2o2o| 国产成人欧美在线观看| 一级毛片高清免费大全| 天天一区二区日本电影三级| 变态另类成人亚洲欧美熟女| 女人高潮潮喷娇喘18禁视频| avwww免费| 久久久水蜜桃国产精品网| av超薄肉色丝袜交足视频| 欧美色视频一区免费| 精品无人区乱码1区二区| 91麻豆av在线| 亚洲国产欧美网| 天堂影院成人在线观看| 国产99久久九九免费精品| 少妇熟女aⅴ在线视频| 欧美日韩精品网址| 国产精品香港三级国产av潘金莲| 久久精品综合一区二区三区| 国产亚洲av嫩草精品影院| 很黄的视频免费| 欧洲精品卡2卡3卡4卡5卡区| 特级一级黄色大片| 精品人妻1区二区| 此物有八面人人有两片| 国产午夜福利久久久久久| 一二三四在线观看免费中文在| 欧美日韩精品网址| 激情在线观看视频在线高清| 蜜桃久久精品国产亚洲av| 日韩欧美在线二视频| 最近最新免费中文字幕在线| 男女之事视频高清在线观看| 欧美日韩中文字幕国产精品一区二区三区| 欧美日本亚洲视频在线播放| 久久精品人妻少妇| 不卡一级毛片| 国产亚洲av高清不卡| 变态另类成人亚洲欧美熟女| 小说图片视频综合网站| 久久这里只有精品中国| 久久久久久久精品吃奶| 婷婷丁香在线五月| 一本综合久久免费| 我的老师免费观看完整版| 午夜福利欧美成人| 国产亚洲精品久久久久5区| 床上黄色一级片| 性色av乱码一区二区三区2| 久久九九热精品免费| 欧美3d第一页| 99国产精品99久久久久| 日本黄色视频三级网站网址| 免费电影在线观看免费观看| 日韩大码丰满熟妇| 特大巨黑吊av在线直播| 欧美乱码精品一区二区三区| 婷婷精品国产亚洲av在线| 99精品欧美一区二区三区四区| 日韩欧美免费精品| 99久久国产精品久久久| 窝窝影院91人妻| 色老头精品视频在线观看| 两个人的视频大全免费| 久久婷婷人人爽人人干人人爱| 久久久国产精品麻豆| 男人的好看免费观看在线视频 | 午夜激情福利司机影院| 日韩大尺度精品在线看网址| 亚洲精品一卡2卡三卡4卡5卡| 亚洲色图av天堂| 女人高潮潮喷娇喘18禁视频| 久久精品91无色码中文字幕| 女人被狂操c到高潮| 可以在线观看毛片的网站| 亚洲一区中文字幕在线| 国产男靠女视频免费网站| 深夜精品福利| 俺也久久电影网| 91国产中文字幕| 在线看三级毛片| 91老司机精品| 黄色 视频免费看| www日本黄色视频网| 麻豆国产97在线/欧美 | 亚洲人与动物交配视频| 国产在线精品亚洲第一网站| 亚洲专区国产一区二区| 婷婷六月久久综合丁香| 狠狠狠狠99中文字幕| 99热6这里只有精品| 看免费av毛片| 亚洲人成网站在线播放欧美日韩| 婷婷六月久久综合丁香| 日韩高清综合在线| 欧美色视频一区免费| 法律面前人人平等表现在哪些方面| 久久精品国产综合久久久| 国产一区二区三区视频了| 日韩欧美一区二区三区在线观看| 国产高清有码在线观看视频 | 成人一区二区视频在线观看| 在线观看舔阴道视频| 亚洲国产日韩欧美精品在线观看 | 亚洲熟女毛片儿| 哪里可以看免费的av片| 高清在线国产一区| 亚洲成人中文字幕在线播放| 午夜老司机福利片| 精品国产超薄肉色丝袜足j| 性色av乱码一区二区三区2| 人妻丰满熟妇av一区二区三区| 精品久久久久久,| 亚洲五月婷婷丁香| 国内精品一区二区在线观看| 久久香蕉国产精品| 最新美女视频免费是黄的| 色在线成人网| 国产成人一区二区三区免费视频网站| 国产一区二区三区视频了| 大型av网站在线播放| 精品久久久久久久人妻蜜臀av| 91字幕亚洲| 久久精品91无色码中文字幕| 757午夜福利合集在线观看| 亚洲av成人av| svipshipincom国产片| 国产精品影院久久| 在线观看日韩欧美| 熟妇人妻久久中文字幕3abv| 久久人人精品亚洲av| 亚洲性夜色夜夜综合| 久久伊人香网站| 亚洲电影在线观看av| av有码第一页| 性欧美人与动物交配| 欧美精品亚洲一区二区| av在线播放免费不卡| 精品欧美国产一区二区三| 50天的宝宝边吃奶边哭怎么回事| 国产精品久久久久久亚洲av鲁大| 日韩av在线大香蕉| 老司机午夜十八禁免费视频| 久久久久免费精品人妻一区二区| 欧美av亚洲av综合av国产av| 床上黄色一级片| 欧美丝袜亚洲另类 | 男女做爰动态图高潮gif福利片| 在线观看午夜福利视频| 日本一本二区三区精品| 悠悠久久av| 久久久国产精品麻豆| 女人被狂操c到高潮| 国产精品乱码一区二三区的特点| 男女下面进入的视频免费午夜| www.www免费av| 丰满人妻熟妇乱又伦精品不卡| 久久精品91蜜桃| 97超级碰碰碰精品色视频在线观看| 亚洲自偷自拍图片 自拍| 久久精品夜夜夜夜夜久久蜜豆 | 久久伊人香网站| 三级国产精品欧美在线观看 | 首页视频小说图片口味搜索| 成人国产一区最新在线观看| av福利片在线| 妹子高潮喷水视频| 黄片大片在线免费观看| 在线a可以看的网站| 欧美日韩亚洲综合一区二区三区_| 正在播放国产对白刺激| 啦啦啦免费观看视频1| 免费在线观看黄色视频的| 小说图片视频综合网站| 色精品久久人妻99蜜桃| 又黄又爽又免费观看的视频| 少妇裸体淫交视频免费看高清 | 国产欧美日韩一区二区三| 最近在线观看免费完整版| 亚洲午夜理论影院| 999久久久国产精品视频| 99久久精品热视频| 两个人视频免费观看高清| aaaaa片日本免费| 精品久久久久久久人妻蜜臀av| 精品人妻1区二区| 国产成人精品无人区| 日本三级黄在线观看| 妹子高潮喷水视频| 国产精品爽爽va在线观看网站| 成人国语在线视频| 特级一级黄色大片| 黄色成人免费大全| 国产精品免费一区二区三区在线| 我要搜黄色片| 99久久综合精品五月天人人| 女同久久另类99精品国产91| 99精品欧美一区二区三区四区| 欧美人与性动交α欧美精品济南到| 国产成人精品久久二区二区免费| 午夜a级毛片| 女警被强在线播放| 亚洲熟女毛片儿| 亚洲一区中文字幕在线| 国产精品久久久av美女十八| 哪里可以看免费的av片| 久久午夜综合久久蜜桃| 男人舔女人的私密视频| 一级片免费观看大全| 欧美高清成人免费视频www| 神马国产精品三级电影在线观看 | 国产精品永久免费网站| 夜夜看夜夜爽夜夜摸| АⅤ资源中文在线天堂| 99热这里只有精品一区 | 国产免费男女视频| 美女黄网站色视频| 欧美丝袜亚洲另类 | 久久香蕉激情| 国产精品电影一区二区三区| 欧美三级亚洲精品| 国产精品九九99| 国产69精品久久久久777片 | 黄色 视频免费看| 国产黄色小视频在线观看| 久久久久久久久免费视频了| 99国产极品粉嫩在线观看| cao死你这个sao货| 国产激情欧美一区二区| 日韩欧美精品v在线| 欧美成人一区二区免费高清观看 | 特级一级黄色大片| 88av欧美| 成人国语在线视频| 亚洲 欧美 日韩 在线 免费| 日韩大码丰满熟妇| 欧美三级亚洲精品| 91国产中文字幕| 国产精品久久久久久久电影 | 俄罗斯特黄特色一大片| 久久久久免费精品人妻一区二区| 在线观看美女被高潮喷水网站 | 一级a爱片免费观看的视频| 午夜老司机福利片| 亚洲乱码一区二区免费版| 午夜激情福利司机影院| 亚洲va日本ⅴa欧美va伊人久久| 村上凉子中文字幕在线| av超薄肉色丝袜交足视频| 夜夜夜夜夜久久久久| 手机成人av网站| www.999成人在线观看| 亚洲免费av在线视频| 午夜两性在线视频| 日韩欧美免费精品| 国产成人av激情在线播放| 成人三级黄色视频| 禁无遮挡网站| 免费在线观看视频国产中文字幕亚洲| 欧美黄色片欧美黄色片| 可以免费在线观看a视频的电影网站| 999久久久精品免费观看国产| 久久中文字幕一级| 欧美一级a爱片免费观看看 | 精品久久蜜臀av无| 12—13女人毛片做爰片一| 国产精品 国内视频| 国产成人av激情在线播放| 日韩欧美三级三区| 可以在线观看毛片的网站| 久久久久久久午夜电影| 亚洲成av人片在线播放无| 叶爱在线成人免费视频播放| 757午夜福利合集在线观看| 欧美在线一区亚洲| 国产亚洲精品久久久久久毛片| 俺也久久电影网| 动漫黄色视频在线观看| 久久久国产成人免费| 精品国产亚洲在线| 中文字幕熟女人妻在线| 婷婷丁香在线五月| 少妇熟女aⅴ在线视频| 美女午夜性视频免费| 国产亚洲av嫩草精品影院| 真人做人爱边吃奶动态| 日韩三级视频一区二区三区| 99国产精品99久久久久| 我要搜黄色片| 国产黄片美女视频| 国产精华一区二区三区| 999久久久国产精品视频| 国产精品美女特级片免费视频播放器 | 欧美日韩亚洲国产一区二区在线观看| 国产亚洲精品av在线| 国模一区二区三区四区视频 | 深夜精品福利| 亚洲人与动物交配视频| 国产亚洲av高清不卡| 亚洲av第一区精品v没综合| 黄色毛片三级朝国网站| 在线视频色国产色| 亚洲欧美日韩高清专用| 亚洲专区国产一区二区| 性色av乱码一区二区三区2| 久久 成人 亚洲| 岛国视频午夜一区免费看| 亚洲欧美精品综合久久99| 亚洲av成人不卡在线观看播放网| 亚洲精品久久国产高清桃花| 国产免费男女视频| 久久香蕉国产精品| 久久国产精品人妻蜜桃| av在线播放免费不卡| 国产97色在线日韩免费| 亚洲成人久久性| 18美女黄网站色大片免费观看| 成人特级黄色片久久久久久久| 两性夫妻黄色片| 动漫黄色视频在线观看| 美女 人体艺术 gogo| 天天躁狠狠躁夜夜躁狠狠躁| 一卡2卡三卡四卡精品乱码亚洲| 少妇人妻一区二区三区视频| 香蕉国产在线看| 成人一区二区视频在线观看| 日韩精品中文字幕看吧| 日韩欧美三级三区| 中国美女看黄片| 国产一级毛片七仙女欲春2| 日本一区二区免费在线视频| 国产三级在线视频| 国产69精品久久久久777片 | 91av网站免费观看| 午夜激情av网站| 久久久久九九精品影院| 少妇粗大呻吟视频| 亚洲成a人片在线一区二区| 国产精品久久久av美女十八| 欧美国产日韩亚洲一区| 久久久水蜜桃国产精品网| 欧美日本视频| 久久久久久久精品吃奶| 妹子高潮喷水视频| 中文字幕精品亚洲无线码一区| 亚洲 国产 在线| 真人一进一出gif抽搐免费| 久久香蕉精品热| 少妇裸体淫交视频免费看高清 | 国产一级毛片七仙女欲春2| 99国产精品一区二区蜜桃av| 亚洲午夜理论影院| 国产一区二区激情短视频| 国内精品久久久久精免费| 久久中文看片网| 午夜成年电影在线免费观看| 五月伊人婷婷丁香| 桃色一区二区三区在线观看| 午夜福利高清视频| 给我免费播放毛片高清在线观看| 亚洲欧美精品综合一区二区三区| 69av精品久久久久久| 又黄又粗又硬又大视频| 丝袜美腿诱惑在线| 亚洲成av人片在线播放无| 亚洲熟妇熟女久久| 亚洲欧美日韩高清在线视频| 亚洲精品色激情综合| 高清在线国产一区| 国产主播在线观看一区二区| 欧美色欧美亚洲另类二区| 人妻夜夜爽99麻豆av| 十八禁人妻一区二区| 手机成人av网站| 国产成人精品久久二区二区91| 一本综合久久免费| 亚洲av日韩精品久久久久久密| 中文字幕久久专区| 波多野结衣高清作品| 久久久精品大字幕| 男女床上黄色一级片免费看| 日韩欧美国产在线观看| 一进一出好大好爽视频| 日韩欧美在线二视频| 久久精品aⅴ一区二区三区四区| 欧美日韩亚洲国产一区二区在线观看| 村上凉子中文字幕在线| 欧美3d第一页| 精华霜和精华液先用哪个| 欧美极品一区二区三区四区| 亚洲精品美女久久久久99蜜臀| 国产亚洲精品一区二区www| 1024视频免费在线观看| 日韩精品青青久久久久久| 亚洲国产中文字幕在线视频| 国产一区二区在线av高清观看| 欧美性长视频在线观看| 桃红色精品国产亚洲av| 国产三级在线视频| 观看免费一级毛片| 久久人妻福利社区极品人妻图片| 亚洲中文字幕日韩| 国产69精品久久久久777片 | 欧美成狂野欧美在线观看| 99国产极品粉嫩在线观看| 精品久久久久久成人av| 哪里可以看免费的av片| 日韩精品中文字幕看吧| 在线观看免费午夜福利视频| 一区福利在线观看| 精品国内亚洲2022精品成人| 国产高清有码在线观看视频 | 免费看十八禁软件| 婷婷精品国产亚洲av在线| 久久久久精品国产欧美久久久| 久久香蕉国产精品| 国产精品99久久99久久久不卡| 久久香蕉激情| 久久精品夜夜夜夜夜久久蜜豆 | 精品乱码久久久久久99久播| 9191精品国产免费久久| 1024视频免费在线观看| 日本五十路高清| 国产又黄又爽又无遮挡在线| 91av网站免费观看| 午夜两性在线视频| 女人被狂操c到高潮| 男女床上黄色一级片免费看| 国产精品乱码一区二三区的特点| 麻豆成人午夜福利视频| 美女午夜性视频免费| 窝窝影院91人妻| 免费搜索国产男女视频| 国产三级中文精品| 中文在线观看免费www的网站 | 黑人巨大精品欧美一区二区mp4| 老司机午夜十八禁免费视频| 丰满的人妻完整版| 国产亚洲精品一区二区www| 毛片女人毛片| 99re在线观看精品视频| 脱女人内裤的视频| 亚洲av熟女| 18禁观看日本| 亚洲欧洲精品一区二区精品久久久| 国产精品自产拍在线观看55亚洲| 日本黄色视频三级网站网址| 亚洲第一欧美日韩一区二区三区| 日韩三级视频一区二区三区| 国产精品一区二区精品视频观看| 免费在线观看成人毛片| 午夜福利欧美成人| 观看免费一级毛片| 国产一区二区激情短视频| 黄色毛片三级朝国网站| 国产一区二区激情短视频| 日日爽夜夜爽网站| 麻豆国产97在线/欧美 | av中文乱码字幕在线| 又爽又黄无遮挡网站| av欧美777| 欧美大码av| 国产一区二区在线av高清观看| 91在线观看av| 欧美zozozo另类| 久久国产精品影院| 一级作爱视频免费观看| 亚洲精品一区av在线观看| 成人亚洲精品av一区二区| 免费电影在线观看免费观看| 窝窝影院91人妻| 在线观看美女被高潮喷水网站 | 小说图片视频综合网站| 麻豆国产av国片精品| 国产av在哪里看| 国产区一区二久久| 婷婷六月久久综合丁香| 91老司机精品| 啪啪无遮挡十八禁网站| 亚洲av成人不卡在线观看播放网| 欧美久久黑人一区二区| 99国产精品一区二区蜜桃av| 午夜福利在线在线| 夜夜躁狠狠躁天天躁| 男女视频在线观看网站免费 | 成人18禁在线播放| 亚洲性夜色夜夜综合| 麻豆久久精品国产亚洲av| 欧美中文综合在线视频| 亚洲人成77777在线视频| 日韩中文字幕欧美一区二区| 老司机午夜福利在线观看视频| 久久久久久久午夜电影| 久久精品91蜜桃| 蜜桃久久精品国产亚洲av| 国内毛片毛片毛片毛片毛片| 久久久久久人人人人人|