• <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 ?

    基于寬度學(xué)習(xí)算法的加權(quán)集成成績預(yù)測模型

    2021-11-08 09:03:14吳玉鳳錢亞冠
    浙江科技學(xué)院學(xué)報 2021年5期
    關(guān)鍵詞:寬度準(zhǔn)確率矩陣

    吳玉鳳,馮 軍,錢亞冠,金 帆

    (浙江科技學(xué)院 理學(xué)院,杭州 310023)

    教育數(shù)據(jù)挖掘(educational data mining,EDM)是一個新興的跨學(xué)科的研究領(lǐng)域。它利用機器學(xué)習(xí)、統(tǒng)計學(xué)和數(shù)據(jù)挖掘技術(shù)對教育數(shù)據(jù)進行分析和處理,從而提高學(xué)習(xí)者的學(xué)習(xí)效率,更好地讓教師了解學(xué)生及其學(xué)習(xí)環(huán)境。對學(xué)生成績預(yù)測是教育數(shù)據(jù)挖掘領(lǐng)域的熱門研究課題。常用的數(shù)據(jù)挖掘分類算法有決策樹(decision tree,DT)[1]、神經(jīng)網(wǎng)絡(luò)(neural network,NN)[2]、樸素貝葉斯[3](naive Bayes,NB)、邏輯回歸[4](logistic regression,LR)、支持向量機[5](support vector machine,SVM)等算法。Ma等[6]使用支持向量機算法和網(wǎng)格搜索優(yōu)化的決策樹算法來預(yù)測學(xué)生成績,并利用信息增益找出對學(xué)生成績影響較大的因素,于是可利用該模型來識別與學(xué)生成績有關(guān)的重要特征和學(xué)生考試通過率。Rubiano等[7]利用數(shù)據(jù)挖掘工具Weka中的3種分類器J48、PART、RIPOR對932名系統(tǒng)工程專業(yè)學(xué)生的成績進行預(yù)測,發(fā)現(xiàn)J48分類器的預(yù)測準(zhǔn)確率較高。Costa等[8]使用決策樹、支持向量機、神經(jīng)網(wǎng)絡(luò)和樸素貝葉斯等算法對學(xué)生成績是否合格進行預(yù)測,結(jié)果表明支持向量機算法的預(yù)測結(jié)果優(yōu)于其他算法結(jié)果。Yang等[9]通過建立包含成績相關(guān)屬性和非相關(guān)屬性的學(xué)生屬性矩陣,對學(xué)生屬性進行量化,應(yīng)用反向傳播神經(jīng)網(wǎng)絡(luò)算法來預(yù)估學(xué)生成績,并找出了影響學(xué)生成績的關(guān)鍵因素。施佺等[10]使用聚類分析和關(guān)聯(lián)方法對學(xué)生在線學(xué)習(xí)過程中的數(shù)據(jù)進行分析,使用聚類分析對學(xué)生進行分類,教師可以根據(jù)分類結(jié)果對學(xué)生采取不同形式的監(jiān)管,使用關(guān)聯(lián)規(guī)則了解學(xué)生學(xué)習(xí)屬性和學(xué)習(xí)成績之間的關(guān)聯(lián)。在文獻[11-14]中,研究者們使用從Kalboard 360 E-Learning系統(tǒng)收集的學(xué)業(yè)成績數(shù)據(jù)集,利用決策樹、神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯等算法驗證了:學(xué)生學(xué)習(xí)過程中家長參與度、學(xué)生參加課程頻次和學(xué)生行為特征(舉手發(fā)言、查看公告、訪問課程資源和討論)對學(xué)生成績有很大的影響。他們使用預(yù)測學(xué)習(xí)成績的模型評價指標(biāo)值在70%~80%之間,其中,文獻[14]使用集成學(xué)習(xí)構(gòu)建學(xué)生成績預(yù)測模型,然后對集成的模型進一步嵌套集成,提升了分類預(yù)測模型的性能,但也僅為79.2%。由此可見,這些模型的效果還有較大的提升空間。

    通過文獻分析,我們發(fā)現(xiàn)有很多研究者建立了學(xué)生成績預(yù)測模型,但是大多數(shù)研究是從理論層面分析來建立學(xué)業(yè)成績評估模型,所建立的模型預(yù)測準(zhǔn)確率不夠高,推測其可能的原因如下:一是使用的算法不同,不同的算法對學(xué)生數(shù)據(jù)的訓(xùn)練效果是不同的,即使使用同一份數(shù)據(jù)也可能由于研究者的偏好或模型參數(shù)的不同而導(dǎo)致模型的效果不同;二是特征選擇不同,選擇不同的屬性子集會對學(xué)生成績預(yù)測產(chǎn)生不同的結(jié)果,應(yīng)該盡量選擇與學(xué)生成績有關(guān)的特征,并且特征之間最好不要相互影響。針對上述研究存在的不足,本試驗首先采用數(shù)據(jù)驅(qū)動的建模方法,在包含16名學(xué)生屬性的數(shù)據(jù)集中以模型的預(yù)測準(zhǔn)確率作為特征子集選擇的標(biāo)準(zhǔn),采用排列組合的方式找出影響學(xué)生成績的因素,充分利用了學(xué)生數(shù)據(jù)的有效信息。然后,針對這些有效屬性,采用寬度學(xué)習(xí)(broad learning,BL)算法進行成績預(yù)測。該算法具有步驟少、結(jié)構(gòu)簡單和學(xué)習(xí)速度比較快等優(yōu)點,彌補了深度學(xué)習(xí)算法由于需要計算大量隱層權(quán)值所造成的訓(xùn)練時間過長的缺陷,與深度神經(jīng)網(wǎng)絡(luò)算法相比容易獲得全局最優(yōu)解,具有良好的泛化性能[15-16]。最后,在訓(xùn)練好的算法上進行加權(quán)集成來構(gòu)建學(xué)生成績預(yù)測模型,以克服單個分類器性能不夠穩(wěn)定,對數(shù)據(jù)變化比較敏感的缺點。

    1 數(shù)據(jù)來源及數(shù)據(jù)預(yù)處理

    1.1 數(shù)據(jù)來源和數(shù)據(jù)特征

    本研究使用從Kalboard 360 E-Learning系統(tǒng)收集的約旦大學(xué)學(xué)生成績數(shù)據(jù)集[17]。它是通過電子管理系統(tǒng)收集的學(xué)習(xí)者活動數(shù)據(jù),該數(shù)據(jù)集的屬性及其類別特征見表1。

    表1 學(xué)業(yè)成績數(shù)據(jù)集的屬性及其類別特征Table 1 Attributes of academic achievement data set and its category characteristics

    1.2 數(shù)據(jù)預(yù)處理

    數(shù)據(jù)預(yù)處理是研究過程的重要步驟,通過預(yù)處理可以提高數(shù)據(jù)集的質(zhì)量。數(shù)據(jù)預(yù)處理包含數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約和數(shù)據(jù)變換。數(shù)據(jù)清理主要處理數(shù)據(jù)的各種異常情況,包括刪除重復(fù)信息與糾正錯誤信息。數(shù)據(jù)集最初收集了500條數(shù)據(jù),在刪除重復(fù)數(shù)據(jù)和缺失數(shù)據(jù)并清理異常數(shù)據(jù)后,數(shù)據(jù)變成了480條。數(shù)據(jù)歸約是通過精簡數(shù)據(jù)盡可能多地保留原數(shù)據(jù)中的有效信息,即對數(shù)據(jù)進行特征選擇,其理想方法是將數(shù)據(jù)集中所有可能的屬性子集作為算法的輸入,然后選擇能使算法預(yù)測準(zhǔn)確率最高的子集作為特征選擇的結(jié)果[14]。本試驗對數(shù)據(jù)屬性所有可能的子集進行遍歷,分別使用決策樹、多層感知機神經(jīng)網(wǎng)絡(luò)和寬度學(xué)習(xí)算法等模型進行訓(xùn)練,每種模型經(jīng)過訓(xùn)練得到3個效果最好的基分類器。其中,以寬度學(xué)習(xí)算法訓(xùn)練得到的3個基分類器屬性子集標(biāo)號分別為:①②③⑤⑧⑨⑩,①②⑤⑥⑩,①②③⑤⑥⑩。數(shù)據(jù)變換是通過改變數(shù)據(jù)的特征以方便計算和發(fā)現(xiàn)新的信息,主要是對數(shù)據(jù)進行標(biāo)準(zhǔn)化和離散化。標(biāo)準(zhǔn)化處理的是連續(xù)型變量,使處理后的數(shù)據(jù)在[0,1]區(qū)間,服從正態(tài)分布。對非數(shù)值型數(shù)據(jù)進行標(biāo)準(zhǔn)化是指對分類型特征進行編碼,即對不連續(xù)的數(shù)值進行編碼,如將教育水平屬性值小學(xué)、初中、高中分別標(biāo)準(zhǔn)化為1、2、3。離散化主要是根據(jù)學(xué)生的分?jǐn)?shù),將學(xué)生成績分為3個等級:低級(L),0~69;中級(M),70~89;高級(H),90~100。通過數(shù)據(jù)預(yù)處理得到了標(biāo)準(zhǔn)化的數(shù)據(jù),然后利用處理好的數(shù)據(jù)進行訓(xùn)練。

    2 預(yù)測算法與試驗設(shè)計

    2.1 預(yù)測算法

    本研究主要根據(jù)學(xué)生成績數(shù)據(jù)集對學(xué)生學(xué)期結(jié)束時的成績進行預(yù)測,通過標(biāo)記的類別數(shù)據(jù)對處理好的數(shù)據(jù)集進行訓(xùn)練,并將寬度學(xué)習(xí)算法和集成學(xué)習(xí)算法相結(jié)合,建立了學(xué)生成績預(yù)測模型。

    2.1.1 寬度學(xué)習(xí)算法

    寬度學(xué)習(xí)算法[18]最開始是作為深度學(xué)習(xí)算法的替代方法提出的,是一種基于隨機向量函數(shù)的算法。寬度學(xué)習(xí)算法首先將輸入數(shù)據(jù)映射成特征節(jié)點矩陣,經(jīng)過增強變換形成增強節(jié)點矩陣,由特征映射節(jié)點和增強節(jié)點共同作為隱含層的輸入,利用偽逆求解隱含層與輸出層之間的權(quán)重矩陣。當(dāng)特征映射節(jié)點和增強節(jié)點的數(shù)目無法滿足任務(wù)需求時,寬度學(xué)習(xí)算法使用增量學(xué)習(xí)的方式動態(tài)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu),實現(xiàn)快速重新訓(xùn)練。假設(shè)算法的訓(xùn)練集輸入為X,包含A個訓(xùn)練樣本,每個樣本有B個屬性,訓(xùn)練集的標(biāo)簽類別為M種,則算法的具體過程如下:

    首先,將輸入數(shù)據(jù)X映射成特征節(jié)點矩陣。訓(xùn)練集X經(jīng)過第i組特征映射得到第i組特征節(jié)點矩陣

    Zi=φi(XABWei+βei)。

    (1)

    式(1)中:Wei為第i組特征映射權(quán)重矩陣;βei為第i組特征映射偏置矩陣。

    然后,根據(jù)特征節(jié)點矩陣得到增強節(jié)點矩陣。前i組特征節(jié)點矩陣Zi經(jīng)過第j組增強映射得到第j組增強節(jié)點矩陣

    Hj=ξj(ZiWhj+βhj)。

    (2)

    式(2)中:Whj為第j組增強映射權(quán)重矩陣;βhj為第j組增強映射偏置矩陣;Zi=[Z1,Z2,…,Zi]表示前i組特征節(jié)點矩陣的連接;Wei、βei、Whj、βhj均為隨機初始矩陣,且當(dāng)Whj中的j取不同值時Whj相互正交。

    于是,寬度學(xué)習(xí)算法可表示為:

    (3)

    式(3)中:Wm為特征節(jié)點和增強節(jié)點到輸出層的權(quán)重矩陣,即我們要求的權(quán)值矩陣,它是由[Zn|Hm]的偽逆推導(dǎo)出來的,即Wm=[Zn|Hm]+Y,其中[Zn|Hm]+可以使用偽逆嶺回歸近似算法求得:

    (4)

    式(4)中:λ是常規(guī)的L2范數(shù)正則化;I為單位矩陣。訓(xùn)練好Wm之后,測試集的測試值可由式(5)得到:

    Y=[Zn|Hm]Wm。

    (5)

    由于初始設(shè)計的模型擬合能力不足,需要增加增強節(jié)點數(shù)量來減小損失函數(shù)。我們把增加一組增強節(jié)點之后的特征節(jié)點和增強節(jié)點到輸出層的權(quán)重矩陣記為Wm+1,令A(yù)m=[Zn|Hm],新的權(quán)重可通過式(6)計算得到:

    (6)

    式(6)中:

    D=(Am)+ξ(ZnWhm+1+βhm+1);

    (7)

    (8)

    C=ξ(ZnWhm+1+βhm+1)-AmD。

    (9)

    由式(6)可以看出,寬度學(xué)習(xí)算法在增加節(jié)點時,僅通過計算相應(yīng)節(jié)點的偽逆就可以求出新的輸出權(quán)重;換言之,即只需計算新插入的增強節(jié)點的偽逆即可,如此可實現(xiàn)快速增量學(xué)習(xí)。寬度學(xué)習(xí)算法的更新結(jié)構(gòu)如圖1所示。

    圖1 寬度學(xué)習(xí)更新結(jié)構(gòu)示意圖Fig.1 Broad learning update structure diagram

    由寬度學(xué)習(xí)理論可知,寬度學(xué)習(xí)算法比神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)更簡單,可直接通過增加增強節(jié)點的方式提升模型性能,不需要重新訓(xùn)練網(wǎng)絡(luò)。將其引入教育數(shù)據(jù)挖掘中,有助于在教育大數(shù)據(jù)提取中獲得有意義的規(guī)律與模式[19]。

    2.1.2 集成學(xué)習(xí)

    集成學(xué)習(xí)通過將多個分類器組合來完成學(xué)習(xí)任務(wù)。加權(quán)集成學(xué)習(xí)是一種集成學(xué)習(xí)方法,本研究中加權(quán)集成學(xué)習(xí)首先使用單個分類器決策樹算法、多層感知機神經(jīng)網(wǎng)絡(luò)算法和寬度學(xué)習(xí)算法來建立模型,然后將每種分類器進行訓(xùn)練后得到3個模型,最后對3個模型的結(jié)果進行投票得出模型最終的判定類別。這種投票的方式能夠獲得比單一分類模型泛化性能更強的模型。

    2.2 試驗設(shè)計

    我們將數(shù)據(jù)分為兩部分,其中,70%的數(shù)據(jù)作為訓(xùn)練集,30%的數(shù)據(jù)作為測試集。數(shù)據(jù)預(yù)處理過程結(jié)束之后,分別使用決策樹、多層感知機神經(jīng)網(wǎng)絡(luò)、寬度學(xué)習(xí)算法訓(xùn)練模型,并且對模型進行調(diào)優(yōu),得到具有較高預(yù)測準(zhǔn)確率的模型;然后分別對選出的模型使用加權(quán)集成學(xué)習(xí)構(gòu)建成績預(yù)測模型。試驗環(huán)境如下:處理器為Intel(R) Core(TM) i7-9700,處理器主頻為3.00 GHz,內(nèi)存為16.0 GB。試驗的軟件環(huán)境為Python3.7。在基于寬度學(xué)習(xí)算法的加權(quán)集成模型中,設(shè)每個窗口的特征節(jié)點數(shù)為20,特征節(jié)點窗口數(shù)為20,增強節(jié)點數(shù)為300,正則化系數(shù)C取值分別為32、32、256。

    3 試驗結(jié)果與對比分析

    3.1 單一分類模型之間及其與集成模型之間的性能比較

    試驗使用決策樹、多層感知機神經(jīng)網(wǎng)絡(luò)和寬度學(xué)習(xí)算法,經(jīng)過特征選擇和參數(shù)調(diào)整得到了3種分類器,采用加權(quán)集成方法對3種分類器分別進行訓(xùn)練和測試,得到模型的預(yù)測準(zhǔn)確率如圖2所示。為了評估學(xué)生成績預(yù)測模型的性能,本研究使用了3個評價指標(biāo):準(zhǔn)確率P、召回率R、F1值。

    圖2 模型預(yù)測準(zhǔn)確率對比Fig.2 Comparison of model prediction accuracy

    由圖2可知,經(jīng)過數(shù)據(jù)預(yù)處理和模型調(diào)優(yōu),決策樹算法預(yù)測準(zhǔn)確率為76.6%;多層感知機神經(jīng)網(wǎng)絡(luò)算法的預(yù)測準(zhǔn)確率較高,為85.8%;寬度學(xué)習(xí)算法的預(yù)測準(zhǔn)確率最高,達(dá)到了89.1%。加權(quán)集成學(xué)習(xí)之后,模型的預(yù)測準(zhǔn)確率有所提升,其中,決策樹模型的性能提升最明顯,預(yù)測準(zhǔn)確率提高了10個百分點;多層感知機神經(jīng)網(wǎng)絡(luò)模型的預(yù)測準(zhǔn)確率沒有提高,其原因可能是訓(xùn)練的多層感知機神經(jīng)網(wǎng)絡(luò)模型具有相似性;寬度學(xué)習(xí)模型的預(yù)測準(zhǔn)確率提高了2.5個百分點,達(dá)到了91.6%。因此,我們可以看出加權(quán)集成學(xué)習(xí)可以有效提高模型的性能。之后,本試驗使用加權(quán)集成學(xué)習(xí)對成績類別為H、M、L的數(shù)據(jù)分別進行訓(xùn)練,得到的模型效果如圖3所示。

    圖3 加權(quán)集成模型效果Fig.3 Diagram of weighted ensemble model effects

    使用加權(quán)集成學(xué)習(xí)之后對學(xué)生成績各個類別進行測試,得到寬度學(xué)習(xí)算法集成之后的F1最高,分別為88.5%、90.3%、96.9%,表明基于寬度學(xué)習(xí)算法的加權(quán)集成成績預(yù)測模型效果較好,而且該模型對學(xué)生成績類別為低的學(xué)生精確率、召回率、F1值最高,均為96.9%。這符合模型的設(shè)計初衷,即找出哪些學(xué)生最可能不及格,從而對這類學(xué)生進行學(xué)習(xí)預(yù)警,并采取有針對性的措施來幫助學(xué)業(yè)成績差的學(xué)生提高考試通過率。

    3.2 與前人研究性能對比

    我們從準(zhǔn)確率P、召回率R、F1值三方面與其他研究者的試驗結(jié)果進行對比,結(jié)果見表2。

    表2 模型效果對比Table 2 Comparison of model effects %

    從表2可以很明顯地看出,在使用同一份學(xué)生數(shù)據(jù)集的情況下,本研究建立的模型預(yù)測效果比之前其他研究者的模型高出十幾個百分點。之前研究者采用傳統(tǒng)的機器學(xué)習(xí)算法或集成學(xué)習(xí)的方法,模型的評價指標(biāo)值大致在70%~80%之間。本試驗由于采用數(shù)據(jù)驅(qū)動的方法,在挑出最優(yōu)屬性子集的前提下,使用具有網(wǎng)絡(luò)結(jié)構(gòu)且善于進行參數(shù)更新的寬度學(xué)習(xí)算法進行集成學(xué)習(xí),預(yù)測準(zhǔn)確率達(dá)到了91.6%,這驗證了模型的有效性。

    4 結(jié) 語

    本研究將寬度學(xué)習(xí)算法和集成學(xué)習(xí)算法相結(jié)合,建立了學(xué)生成績預(yù)測模型。為了驗證模型的有效性,我們采用兩種對比方式,一方面使用同樣的數(shù)據(jù)處理方式建立了基于決策樹、神經(jīng)網(wǎng)絡(luò)、寬度學(xué)習(xí)算法的集成學(xué)習(xí)算法,試驗結(jié)果表明后者效果最好;另一方面,在使用相同數(shù)據(jù)集和相同模型的情況下,本文建立的模型預(yù)測效果也比之前研究者的模型效果好。這表明本研究提出的基于寬度學(xué)習(xí)算法的加權(quán)投票成績預(yù)測模型,能夠有效逼近學(xué)生特征屬性與學(xué)生成績之間的非線性關(guān)系。本研究可供教育工作者利用這一模型了解學(xué)生,以幫助學(xué)生改善學(xué)習(xí)過程,降低學(xué)習(xí)失敗率,同時也可以幫助管理者提高管理效率。

    猜你喜歡
    寬度準(zhǔn)確率矩陣
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗分析
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗證法
    馬屁股的寬度
    初等行變換與初等列變換并用求逆矩陣
    矩陣
    南都周刊(2015年4期)2015-09-10 07:22:44
    矩陣
    南都周刊(2015年3期)2015-09-10 07:22:44
    矩陣
    南都周刊(2015年1期)2015-09-10 07:22:44
    紅細(xì)胞分布寬度與血栓的關(guān)系
    日韩 欧美 亚洲 中文字幕| 91字幕亚洲| 欧美又色又爽又黄视频| 国产成人福利小说| 婷婷精品国产亚洲av在线| 特级一级黄色大片| 久久热在线av| 免费在线观看亚洲国产| 欧美xxxx黑人xx丫x性爽| 天堂√8在线中文| 美女午夜性视频免费| 1000部很黄的大片| 久久久久免费精品人妻一区二区| 岛国视频午夜一区免费看| 久久精品夜夜夜夜夜久久蜜豆| 国产1区2区3区精品| 热99re8久久精品国产| 久久性视频一级片| 久久久国产精品麻豆| 免费看a级黄色片| 12—13女人毛片做爰片一| 亚洲欧美精品综合一区二区三区| 亚洲av成人精品一区久久| 国产v大片淫在线免费观看| x7x7x7水蜜桃| 亚洲精品久久国产高清桃花| av在线天堂中文字幕| 国产精品日韩av在线免费观看| 日本与韩国留学比较| 欧美一区二区精品小视频在线| 国产免费男女视频| 人人妻人人看人人澡| 国产 一区 欧美 日韩| 色视频www国产| 中文在线观看免费www的网站| 99热精品在线国产| aaaaa片日本免费| 国产一区二区在线av高清观看| 动漫黄色视频在线观看| 亚洲精品乱码久久久v下载方式 | 最新在线观看一区二区三区| 天天躁日日操中文字幕| 九色成人免费人妻av| 在线观看舔阴道视频| 成年女人毛片免费观看观看9| 亚洲无线在线观看| 热99在线观看视频| 老汉色∧v一级毛片| 久久精品国产综合久久久| 国内久久婷婷六月综合欲色啪| 亚洲欧美一区二区三区黑人| 禁无遮挡网站| 久久精品综合一区二区三区| 人人妻人人澡欧美一区二区| 欧美日韩瑟瑟在线播放| 亚洲精品乱码久久久v下载方式 | 美女免费视频网站| 中文亚洲av片在线观看爽| 少妇的逼水好多| 亚洲激情在线av| 黄色 视频免费看| 国产伦一二天堂av在线观看| 成人18禁在线播放| 桃色一区二区三区在线观看| 欧美精品啪啪一区二区三区| 最新在线观看一区二区三区| 亚洲欧美日韩高清专用| 亚洲aⅴ乱码一区二区在线播放| 国产精品久久久久久久电影 | 俄罗斯特黄特色一大片| 免费高清视频大片| 国产免费av片在线观看野外av| 12—13女人毛片做爰片一| 亚洲成人免费电影在线观看| 成人永久免费在线观看视频| 欧美最黄视频在线播放免费| www.精华液| xxxwww97欧美| 在线免费观看不下载黄p国产 | 天天添夜夜摸| 国产精品日韩av在线免费观看| 波多野结衣高清无吗| 国内精品美女久久久久久| 国产视频一区二区在线看| 色老头精品视频在线观看| 黑人操中国人逼视频| 免费一级毛片在线播放高清视频| 免费看日本二区| 午夜激情福利司机影院| 性色avwww在线观看| 欧美在线一区亚洲| 亚洲av第一区精品v没综合| 视频区欧美日本亚洲| 欧美黑人欧美精品刺激| 色综合亚洲欧美另类图片| 婷婷精品国产亚洲av在线| 精品一区二区三区视频在线观看免费| 国产av麻豆久久久久久久| 亚洲av成人精品一区久久| 中文字幕最新亚洲高清| 天堂网av新在线| 久久午夜综合久久蜜桃| 亚洲av电影不卡..在线观看| 老司机福利观看| 欧美极品一区二区三区四区| 97超级碰碰碰精品色视频在线观看| 亚洲av第一区精品v没综合| 久久久久久国产a免费观看| 九九热线精品视视频播放| 久久精品综合一区二区三区| 久久久久久国产a免费观看| 九九久久精品国产亚洲av麻豆 | 亚洲专区中文字幕在线| 麻豆久久精品国产亚洲av| 久久精品91蜜桃| 黑人巨大精品欧美一区二区mp4| 在线国产一区二区在线| 亚洲欧美日韩东京热| 香蕉久久夜色| 国产探花在线观看一区二区| 观看免费一级毛片| 两人在一起打扑克的视频| 十八禁人妻一区二区| 99国产精品一区二区蜜桃av| 欧美黑人巨大hd| 久久精品91无色码中文字幕| 日韩高清综合在线| 美女cb高潮喷水在线观看 | 久久伊人香网站| 免费在线观看成人毛片| 欧美成人性av电影在线观看| 欧美性猛交╳xxx乱大交人| 最近视频中文字幕2019在线8| 丰满人妻一区二区三区视频av | 制服人妻中文乱码| 久久人妻av系列| 日韩大尺度精品在线看网址| 亚洲欧洲精品一区二区精品久久久| 一进一出抽搐动态| 欧美色视频一区免费| 日韩有码中文字幕| aaaaa片日本免费| 人妻久久中文字幕网| 国产精品永久免费网站| 熟女少妇亚洲综合色aaa.| 国产单亲对白刺激| 国产成人欧美在线观看| 亚洲欧美精品综合久久99| 精品久久久久久成人av| 国产成人av激情在线播放| 男女那种视频在线观看| 最新美女视频免费是黄的| 黑人欧美特级aaaaaa片| 91麻豆av在线| 国产精品 欧美亚洲| 久久国产精品人妻蜜桃| 99热精品在线国产| 亚洲无线观看免费| 国产成+人综合+亚洲专区| 岛国在线观看网站| 日本黄色视频三级网站网址| 久久精品91蜜桃| 亚洲精品在线观看二区| 巨乳人妻的诱惑在线观看| 国产精品香港三级国产av潘金莲| 999久久久国产精品视频| 国产精品综合久久久久久久免费| 国产亚洲精品久久久久久毛片| 亚洲无线观看免费| 757午夜福利合集在线观看| 国产亚洲av高清不卡| 在线观看免费视频日本深夜| 999精品在线视频| 97碰自拍视频| 天天躁狠狠躁夜夜躁狠狠躁| 女人高潮潮喷娇喘18禁视频| 亚洲美女黄片视频| 亚洲自拍偷在线| 国产成人系列免费观看| 久久久国产欧美日韩av| 久久精品aⅴ一区二区三区四区| 欧美一区二区精品小视频在线| 在线观看免费视频日本深夜| 999久久久国产精品视频| 国产精品久久久久久亚洲av鲁大| 两个人的视频大全免费| 国产午夜福利久久久久久| 国产高潮美女av| 免费看a级黄色片| 久久精品国产亚洲av香蕉五月| 一级a爱片免费观看的视频| 日本 av在线| 亚洲,欧美精品.| 亚洲精品国产精品久久久不卡| 国产精品,欧美在线| 美女高潮喷水抽搐中文字幕| 99在线人妻在线中文字幕| 亚洲性夜色夜夜综合| 一边摸一边抽搐一进一小说| 久9热在线精品视频| 国产成人av教育| 一卡2卡三卡四卡精品乱码亚洲| 热99re8久久精品国产| 国产亚洲欧美98| 成人三级做爰电影| 亚洲国产欧美网| 757午夜福利合集在线观看| 特级一级黄色大片| 全区人妻精品视频| 亚洲自拍偷在线| 五月玫瑰六月丁香| 久久中文字幕人妻熟女| 欧美成人一区二区免费高清观看 | 一本精品99久久精品77| 成人欧美大片| 亚洲色图av天堂| 亚洲专区中文字幕在线| 男人舔女人下体高潮全视频| 亚洲精品国产精品久久久不卡| 亚洲无线在线观看| 天天躁日日操中文字幕| 国产真实乱freesex| 99热这里只有精品一区 | 亚洲欧美精品综合一区二区三区| 白带黄色成豆腐渣| 不卡一级毛片| 黄色女人牲交| 国产一区二区三区在线臀色熟女| 欧美一区二区国产精品久久精品| 99热精品在线国产| 国产毛片a区久久久久| 午夜福利高清视频| 国产精品久久久久久精品电影| 久久久成人免费电影| 视频区欧美日本亚洲| 中亚洲国语对白在线视频| 精品一区二区三区四区五区乱码| 国产亚洲欧美98| 中文在线观看免费www的网站| 欧美日本视频| 亚洲精品在线美女| 男人舔女人下体高潮全视频| 国产精品日韩av在线免费观看| 免费av毛片视频| 国产成人影院久久av| 别揉我奶头~嗯~啊~动态视频| 久久久色成人| 少妇的丰满在线观看| 激情在线观看视频在线高清| av在线蜜桃| 精品国产三级普通话版| a级毛片a级免费在线| 男人的好看免费观看在线视频| 午夜精品在线福利| 亚洲男人的天堂狠狠| 香蕉久久夜色| 97碰自拍视频| 老汉色av国产亚洲站长工具| 欧美激情在线99| 热99re8久久精品国产| 国产又黄又爽又无遮挡在线| 国产亚洲精品一区二区www| 成人av一区二区三区在线看| 久久久成人免费电影| 69av精品久久久久久| 欧美丝袜亚洲另类 | 国产精品爽爽va在线观看网站| 在线观看美女被高潮喷水网站 | 国内久久婷婷六月综合欲色啪| 国产精品电影一区二区三区| 一二三四在线观看免费中文在| ponron亚洲| 亚洲av免费在线观看| 中亚洲国语对白在线视频| 国产成人啪精品午夜网站| 欧美绝顶高潮抽搐喷水| 精品电影一区二区在线| 变态另类丝袜制服| 又大又爽又粗| 国产激情久久老熟女| 国产乱人伦免费视频| 女人高潮潮喷娇喘18禁视频| 免费高清视频大片| 99riav亚洲国产免费| 亚洲第一电影网av| 国产乱人伦免费视频| 国产av在哪里看| 久久精品影院6| 国产亚洲av嫩草精品影院| 国产精品 欧美亚洲| 亚洲av成人精品一区久久| 国产视频一区二区在线看| 一进一出好大好爽视频| 精品免费久久久久久久清纯| 99在线视频只有这里精品首页| 啦啦啦免费观看视频1| 69av精品久久久久久| 在线播放国产精品三级| 亚洲无线观看免费| 久久久久亚洲av毛片大全| 一个人免费在线观看的高清视频| 国产精品 国内视频| 婷婷丁香在线五月| 两性午夜刺激爽爽歪歪视频在线观看| 日本黄色视频三级网站网址| 99热只有精品国产| 嫁个100分男人电影在线观看| 欧美成人免费av一区二区三区| 国产探花在线观看一区二区| 国产高清视频在线播放一区| 一二三四社区在线视频社区8| 国产黄色小视频在线观看| 国产日本99.免费观看| 看片在线看免费视频| 一区二区三区高清视频在线| 久久精品国产清高在天天线| 国产成人精品久久二区二区91| 十八禁人妻一区二区| 精品久久久久久久久久久久久| 亚洲自偷自拍图片 自拍| 无遮挡黄片免费观看| 性色av乱码一区二区三区2| 最新在线观看一区二区三区| 不卡av一区二区三区| 搡老岳熟女国产| 亚洲国产精品合色在线| 精品人妻1区二区| 欧美一区二区国产精品久久精品| 高清毛片免费观看视频网站| 国产又黄又爽又无遮挡在线| 午夜福利在线观看免费完整高清在 | 国模一区二区三区四区视频 | 亚洲午夜精品一区,二区,三区| 男人舔奶头视频| 国产伦精品一区二区三区视频9 | 欧美在线黄色| 亚洲精品久久国产高清桃花| 欧美最黄视频在线播放免费| 国产又色又爽无遮挡免费看| 亚洲欧美日韩高清专用| 身体一侧抽搐| 这个男人来自地球电影免费观看| 老司机深夜福利视频在线观看| 99久久精品热视频| 婷婷丁香在线五月| 美女大奶头视频| 精品一区二区三区四区五区乱码| 动漫黄色视频在线观看| 亚洲五月天丁香| 国产精品国产高清国产av| 国产精品自产拍在线观看55亚洲| 无遮挡黄片免费观看| 一进一出好大好爽视频| 法律面前人人平等表现在哪些方面| 午夜视频精品福利| 桃红色精品国产亚洲av| 全区人妻精品视频| 俺也久久电影网| 三级男女做爰猛烈吃奶摸视频| 琪琪午夜伦伦电影理论片6080| 国产精品久久电影中文字幕| 亚洲国产看品久久| 国产单亲对白刺激| 久久久国产欧美日韩av| 亚洲欧美激情综合另类| 一进一出抽搐gif免费好疼| 久久久久九九精品影院| 亚洲人成网站在线播放欧美日韩| 国产高清有码在线观看视频| 久久精品亚洲精品国产色婷小说| 一二三四社区在线视频社区8| 午夜成年电影在线免费观看| 国产伦精品一区二区三区视频9 | 亚洲国产精品成人综合色| 中文资源天堂在线| 久久中文字幕人妻熟女| 老司机深夜福利视频在线观看| 99在线人妻在线中文字幕| 欧美一级a爱片免费观看看| 欧美午夜高清在线| 最新美女视频免费是黄的| 男女下面进入的视频免费午夜| 国产精品美女特级片免费视频播放器 | 国产精品久久久人人做人人爽| 午夜精品久久久久久毛片777| 国产精品一区二区精品视频观看| 亚洲国产欧洲综合997久久,| 国内精品久久久久精免费| 美女高潮喷水抽搐中文字幕| 国产成人av激情在线播放| 欧美黄色片欧美黄色片| 高潮久久久久久久久久久不卡| 丁香欧美五月| 国产v大片淫在线免费观看| 午夜福利18| 在线观看免费午夜福利视频| 成人国产一区最新在线观看| 美女 人体艺术 gogo| 国产精品影院久久| 在线看三级毛片| 久久久久亚洲av毛片大全| 午夜激情欧美在线| 人人妻人人澡欧美一区二区| 色视频www国产| 天天躁狠狠躁夜夜躁狠狠躁| 狂野欧美激情性xxxx| 亚洲欧美日韩无卡精品| 国产成人一区二区三区免费视频网站| 又黄又粗又硬又大视频| 国产伦人伦偷精品视频| 欧美绝顶高潮抽搐喷水| 岛国在线免费视频观看| 欧美日韩精品网址| 老鸭窝网址在线观看| 色老头精品视频在线观看| 老鸭窝网址在线观看| h日本视频在线播放| 中国美女看黄片| 又紧又爽又黄一区二区| 真人一进一出gif抽搐免费| 国产精品亚洲一级av第二区| 午夜精品在线福利| 精品乱码久久久久久99久播| 国产97色在线日韩免费| 亚洲国产精品999在线| 女人被狂操c到高潮| 国产三级中文精品| xxxwww97欧美| 啦啦啦免费观看视频1| 成熟少妇高潮喷水视频| 99久久精品热视频| 制服人妻中文乱码| 天堂√8在线中文| 啦啦啦韩国在线观看视频| 国产av不卡久久| 国产av麻豆久久久久久久| 视频区欧美日本亚洲| 午夜日韩欧美国产| 欧美日韩乱码在线| 老司机在亚洲福利影院| 俺也久久电影网| 人妻夜夜爽99麻豆av| 午夜精品久久久久久毛片777| 日日夜夜操网爽| www.999成人在线观看| 成人一区二区视频在线观看| 亚洲熟妇熟女久久| 99久久精品一区二区三区| or卡值多少钱| 好看av亚洲va欧美ⅴa在| 亚洲av第一区精品v没综合| 成人高潮视频无遮挡免费网站| 91老司机精品| 国产欧美日韩精品亚洲av| 少妇的逼水好多| 国产精品精品国产色婷婷| www日本在线高清视频| 色精品久久人妻99蜜桃| 亚洲av五月六月丁香网| 青草久久国产| 日韩中文字幕欧美一区二区| 国产精品美女特级片免费视频播放器 | 国产精品av视频在线免费观看| 黄片大片在线免费观看| 国语自产精品视频在线第100页| 国产三级黄色录像| 亚洲天堂国产精品一区在线| 亚洲精品美女久久久久99蜜臀| 国产精品 欧美亚洲| 巨乳人妻的诱惑在线观看| svipshipincom国产片| 黄色女人牲交| 成人欧美大片| 我要搜黄色片| 亚洲专区国产一区二区| 午夜精品久久久久久毛片777| 亚洲中文字幕一区二区三区有码在线看 | 中文字幕高清在线视频| av在线天堂中文字幕| 欧美激情久久久久久爽电影| 又大又爽又粗| 91字幕亚洲| www国产在线视频色| 亚洲美女视频黄频| 高潮久久久久久久久久久不卡| 日本精品一区二区三区蜜桃| 国产激情偷乱视频一区二区| 天天添夜夜摸| 国产精品98久久久久久宅男小说| 色精品久久人妻99蜜桃| 色哟哟哟哟哟哟| 精品无人区乱码1区二区| 美女大奶头视频| 级片在线观看| 淫秽高清视频在线观看| 亚洲va日本ⅴa欧美va伊人久久| 最近最新中文字幕大全免费视频| 又黄又粗又硬又大视频| 亚洲精品久久国产高清桃花| 好男人电影高清在线观看| 久久久久国产一级毛片高清牌| 97人妻精品一区二区三区麻豆| 色综合欧美亚洲国产小说| 他把我摸到了高潮在线观看| 一级毛片精品| 亚洲av电影在线进入| 国产毛片a区久久久久| 男插女下体视频免费在线播放| 欧美日韩综合久久久久久 | 99久久99久久久精品蜜桃| 噜噜噜噜噜久久久久久91| 国产伦一二天堂av在线观看| 国产精品 国内视频| 亚洲 欧美 日韩 在线 免费| 国产成人av教育| 五月伊人婷婷丁香| 国产aⅴ精品一区二区三区波| 18禁国产床啪视频网站| 一级毛片高清免费大全| 亚洲aⅴ乱码一区二区在线播放| 成人高潮视频无遮挡免费网站| 日韩av在线大香蕉| 麻豆久久精品国产亚洲av| 国产视频内射| 黄色女人牲交| 小蜜桃在线观看免费完整版高清| 嫩草影院精品99| 亚洲午夜精品一区,二区,三区| 一个人观看的视频www高清免费观看 | 亚洲美女黄片视频| 99久久成人亚洲精品观看| 国产精品一区二区三区四区久久| 国内精品久久久久精免费| 天天添夜夜摸| 日本成人三级电影网站| 在线观看免费午夜福利视频| 国产精品香港三级国产av潘金莲| 欧美一级毛片孕妇| 国产成年人精品一区二区| 国产激情偷乱视频一区二区| 91av网站免费观看| 午夜福利在线观看免费完整高清在 | www.自偷自拍.com| 久久久国产成人精品二区| 久久久久久九九精品二区国产| 国产麻豆成人av免费视频| 美女午夜性视频免费| 亚洲av成人精品一区久久| 国产精品精品国产色婷婷| 久久国产精品影院| 欧美色欧美亚洲另类二区| 热99在线观看视频| 国产激情偷乱视频一区二区| 69av精品久久久久久| 一进一出抽搐gif免费好疼| 一卡2卡三卡四卡精品乱码亚洲| 日韩欧美一区二区三区在线观看| 日韩欧美在线二视频| 国产三级黄色录像| 精品福利观看| 在线观看免费午夜福利视频| 一区福利在线观看| 九色国产91popny在线| 欧美日韩乱码在线| 不卡一级毛片| 首页视频小说图片口味搜索| 99热只有精品国产| 无限看片的www在线观看| tocl精华| avwww免费| 国产精品电影一区二区三区| 色播亚洲综合网| 老熟妇仑乱视频hdxx| 欧美另类亚洲清纯唯美| 九九热线精品视视频播放| 国语自产精品视频在线第100页| 高清毛片免费观看视频网站| 最好的美女福利视频网| 日本三级黄在线观看| 亚洲精品美女久久av网站| 欧美乱色亚洲激情| 日韩av在线大香蕉| 亚洲av成人不卡在线观看播放网| 99久国产av精品| 美女高潮喷水抽搐中文字幕| www日本在线高清视频| 岛国在线免费视频观看| 日韩免费av在线播放| 老司机午夜福利在线观看视频| 日韩欧美一区二区三区在线观看| 日日摸夜夜添夜夜添小说| 99久久无色码亚洲精品果冻| 日韩精品青青久久久久久| 伦理电影免费视频| 免费观看人在逋| 色哟哟哟哟哟哟| 午夜福利成人在线免费观看| 成人特级av手机在线观看| 在线观看66精品国产| 成年免费大片在线观看| 亚洲18禁久久av| 久久久久国产精品人妻aⅴ院| 亚洲欧美日韩高清专用| 两个人的视频大全免费| 蜜桃久久精品国产亚洲av| 亚洲精品粉嫩美女一区| 搞女人的毛片| 在线观看日韩欧美| 久久人人精品亚洲av| 性欧美人与动物交配| 欧美av亚洲av综合av国产av| 久久热在线av| 国产成人精品久久二区二区91| 欧美日韩综合久久久久久 | 国产亚洲av高清不卡|