• <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
    日韩人妻高清精品专区| 精品午夜福利视频在线观看一区| 亚洲性久久影院| 人妻夜夜爽99麻豆av| 日韩欧美一区二区三区在线观看| 免费搜索国产男女视频| 精品日产1卡2卡| 搡老熟女国产l中国老女人| 麻豆久久精品国产亚洲av| 99久久中文字幕三级久久日本| 欧美成人性av电影在线观看| 最新在线观看一区二区三区| 内射极品少妇av片p| 日韩人妻高清精品专区| 色综合站精品国产| 好男人在线观看高清免费视频| 九色国产91popny在线| 欧美最新免费一区二区三区| 久久这里只有精品中国| 中国美女看黄片| 欧美日韩亚洲国产一区二区在线观看| 国语自产精品视频在线第100页| 亚洲成人中文字幕在线播放| 精品免费久久久久久久清纯| 中文字幕免费在线视频6| 中文字幕高清在线视频| 一级黄色大片毛片| aaaaa片日本免费| 在线免费观看不下载黄p国产 | 成人亚洲精品av一区二区| 免费黄网站久久成人精品| 亚洲va日本ⅴa欧美va伊人久久| av中文乱码字幕在线| 亚洲av日韩精品久久久久久密| 真人一进一出gif抽搐免费| av在线老鸭窝| 亚洲中文字幕一区二区三区有码在线看| 免费av毛片视频| 嫩草影院入口| 亚洲在线自拍视频| 欧美日韩黄片免| 亚洲一级一片aⅴ在线观看| 中亚洲国语对白在线视频| 免费黄网站久久成人精品| 老熟妇乱子伦视频在线观看| 国产精品一及| 国产人妻一区二区三区在| 国内精品久久久久精免费| 在线天堂最新版资源| 国产私拍福利视频在线观看| 美女cb高潮喷水在线观看| 老女人水多毛片| 熟女电影av网| 亚州av有码| 国产精华一区二区三区| 亚洲av中文字字幕乱码综合| 亚洲自拍偷在线| 观看美女的网站| 欧美丝袜亚洲另类 | 久久6这里有精品| 亚洲欧美精品综合久久99| 伊人久久精品亚洲午夜| 一进一出好大好爽视频| 国产欧美日韩一区二区精品| 99精品在免费线老司机午夜| h日本视频在线播放| 国产黄片美女视频| 欧美绝顶高潮抽搐喷水| 欧美+亚洲+日韩+国产| a级毛片免费高清观看在线播放| 国产成人aa在线观看| 真人做人爱边吃奶动态| 一级a爱片免费观看的视频| 精品免费久久久久久久清纯| 级片在线观看| 欧美一区二区精品小视频在线| 麻豆国产97在线/欧美| 成人av在线播放网站| 成人欧美大片| 国产一区二区三区av在线 | 亚洲精品国产成人久久av| 18禁黄网站禁片午夜丰满| 午夜免费男女啪啪视频观看 | 国产精品女同一区二区软件 | 免费不卡的大黄色大毛片视频在线观看 | 18禁在线播放成人免费| 啦啦啦啦在线视频资源| 国产乱人伦免费视频| 精品一区二区免费观看| 久久久色成人| 天堂av国产一区二区熟女人妻| 亚洲专区中文字幕在线| 校园人妻丝袜中文字幕| 尤物成人国产欧美一区二区三区| 成年女人看的毛片在线观看| 久久久久久大精品| 成人亚洲精品av一区二区| av天堂中文字幕网| 精品不卡国产一区二区三区| 亚洲国产欧洲综合997久久,| 桃色一区二区三区在线观看| 在线a可以看的网站| 国产精品,欧美在线| 午夜老司机福利剧场| 亚洲天堂国产精品一区在线| 国产一区二区三区视频了| 哪里可以看免费的av片| 一级av片app| 99久久九九国产精品国产免费| 久久这里只有精品中国| 久久午夜亚洲精品久久| 国产av麻豆久久久久久久| 波多野结衣高清无吗| 18禁在线播放成人免费| 亚洲天堂国产精品一区在线| 亚洲av中文av极速乱 | av福利片在线观看| 国产一区二区在线av高清观看| 少妇人妻精品综合一区二区 | 如何舔出高潮| av福利片在线观看| 久久精品影院6| 一级黄片播放器| 欧美绝顶高潮抽搐喷水| 久久久久久久久久黄片| 午夜激情福利司机影院| 欧美激情久久久久久爽电影| 国产欧美日韩精品亚洲av| 欧美xxxx性猛交bbbb| 国产精品亚洲美女久久久| 男女下面进入的视频免费午夜| 一本久久中文字幕| 搡老熟女国产l中国老女人| 少妇被粗大猛烈的视频| 国产欧美日韩一区二区精品| 亚洲va日本ⅴa欧美va伊人久久| 国产免费av片在线观看野外av| 给我免费播放毛片高清在线观看| 真人做人爱边吃奶动态| 久久这里只有精品中国| 韩国av在线不卡| 日韩精品中文字幕看吧| 国产精品三级大全| 免费黄网站久久成人精品| 亚洲第一区二区三区不卡| 久久久久久大精品| 级片在线观看| 国产精品福利在线免费观看| 国产精品久久视频播放| 国产精品人妻久久久久久| 搡老岳熟女国产| 日韩高清综合在线| 久久久久久久久中文| 美女大奶头视频| 久久天躁狠狠躁夜夜2o2o| 日本一本二区三区精品| 国产精品福利在线免费观看| 亚洲欧美清纯卡通| 91在线观看av| 国产精品久久久久久精品电影| 国产黄色小视频在线观看| 两人在一起打扑克的视频| 色5月婷婷丁香| 22中文网久久字幕| 91在线精品国自产拍蜜月| 亚洲天堂国产精品一区在线| 国产 一区精品| 最后的刺客免费高清国语| 欧美最黄视频在线播放免费| 男人舔女人下体高潮全视频| 非洲黑人性xxxx精品又粗又长| 欧美日韩国产亚洲二区| 丰满的人妻完整版| 国内精品久久久久久久电影| 亚洲经典国产精华液单| 欧美一区二区国产精品久久精品| 直男gayav资源| 午夜福利高清视频| 欧美xxxx黑人xx丫x性爽| 国产精品电影一区二区三区| 国产伦精品一区二区三区视频9| 1024手机看黄色片| 日本熟妇午夜| 欧美一区二区国产精品久久精品| 欧美日韩亚洲国产一区二区在线观看| 波多野结衣高清无吗| 久久亚洲真实| 日韩在线高清观看一区二区三区 | 成人二区视频| 日本免费一区二区三区高清不卡| 一边摸一边抽搐一进一小说| 国产精品亚洲美女久久久| 色吧在线观看| 欧美另类亚洲清纯唯美| 午夜福利在线在线| 国产精品嫩草影院av在线观看 | 欧美日韩中文字幕国产精品一区二区三区| 国产精品久久久久久久久免| 日本黄色视频三级网站网址| 中文字幕熟女人妻在线| 免费在线观看日本一区| 男女做爰动态图高潮gif福利片| 亚洲成人久久爱视频| 国产精品国产高清国产av| 国产欧美日韩精品亚洲av| 国产精品久久久久久久久免| 神马国产精品三级电影在线观看| 色精品久久人妻99蜜桃| 伊人久久精品亚洲午夜| 亚洲av成人av| 黄色丝袜av网址大全| 97碰自拍视频| 久久九九热精品免费| 色5月婷婷丁香| 美女高潮喷水抽搐中文字幕| 欧美另类亚洲清纯唯美| 日日啪夜夜撸| 一边摸一边抽搐一进一小说| 久久久久国产精品人妻aⅴ院| 亚洲熟妇熟女久久| 九色国产91popny在线| 亚洲欧美日韩无卡精品| av女优亚洲男人天堂| 免费看光身美女| 免费高清视频大片| 校园春色视频在线观看| 此物有八面人人有两片| 99riav亚洲国产免费| 亚洲国产日韩欧美精品在线观看| 久久人人爽人人爽人人片va| 能在线免费观看的黄片| 小说图片视频综合网站| 99九九线精品视频在线观看视频| 啦啦啦韩国在线观看视频| 欧美bdsm另类| 97超级碰碰碰精品色视频在线观看| 国产视频一区二区在线看| 国产精品久久久久久精品电影| 亚洲欧美清纯卡通| 国产乱人伦免费视频| 亚洲美女视频黄频| 可以在线观看的亚洲视频| 三级男女做爰猛烈吃奶摸视频| 亚洲最大成人av| 久久人妻av系列| 亚洲国产精品sss在线观看| 国产欧美日韩一区二区精品| 亚洲中文字幕日韩| 中亚洲国语对白在线视频| 亚洲性久久影院| 免费高清视频大片| 国内久久婷婷六月综合欲色啪| 国产精品国产三级国产av玫瑰| 99热6这里只有精品| 亚洲成人免费电影在线观看| 天天躁日日操中文字幕| 亚洲欧美日韩东京热| 国产一区二区激情短视频| 亚洲不卡免费看| 色在线成人网| 很黄的视频免费| 欧美三级亚洲精品| 精品久久久久久久末码| 亚洲国产精品合色在线| 我要搜黄色片| 亚洲国产日韩欧美精品在线观看| 丰满乱子伦码专区| 联通29元200g的流量卡| 丰满人妻一区二区三区视频av| 又爽又黄无遮挡网站| 国产免费一级a男人的天堂| 欧美黑人巨大hd| 91狼人影院| 久久精品影院6| 久久久久精品国产欧美久久久| 国产 一区精品| 亚洲人与动物交配视频| 一区二区三区高清视频在线| 男女视频在线观看网站免费| 婷婷亚洲欧美| or卡值多少钱| 午夜视频国产福利| 波多野结衣高清作品| 欧美国产日韩亚洲一区| 色在线成人网| 国产麻豆成人av免费视频| 一区二区三区激情视频| 亚洲精品久久国产高清桃花| 亚洲经典国产精华液单| 国产精品久久久久久av不卡| 老熟妇乱子伦视频在线观看| 欧美在线一区亚洲| 黄色配什么色好看| 91在线精品国自产拍蜜月| 国产精品人妻久久久久久| 国产亚洲91精品色在线| 成人综合一区亚洲| 深夜精品福利| 日韩欧美国产在线观看| 亚洲av.av天堂| 女的被弄到高潮叫床怎么办 | 日本在线视频免费播放| 色噜噜av男人的天堂激情| 美女高潮的动态| 嫩草影视91久久| 欧美色视频一区免费| 日本成人三级电影网站| 欧美xxxx黑人xx丫x性爽| 成人高潮视频无遮挡免费网站| 久久精品综合一区二区三区| 成人精品一区二区免费| 国产成人福利小说| 国产av麻豆久久久久久久| 深夜精品福利| 精品久久久噜噜| 色综合亚洲欧美另类图片| 精品日产1卡2卡| 午夜福利18| 久久精品国产亚洲网站| 午夜免费成人在线视频| 无人区码免费观看不卡| 波多野结衣高清无吗| 国产精品一区www在线观看 | 国产v大片淫在线免费观看| 亚洲精品在线观看二区| 精品无人区乱码1区二区| ponron亚洲| 给我免费播放毛片高清在线观看| 国产一级毛片七仙女欲春2| 久久天躁狠狠躁夜夜2o2o| 色综合色国产| 亚洲国产精品成人综合色| 不卡视频在线观看欧美| 69人妻影院| 亚洲无线观看免费| 一个人免费在线观看电影| 人人妻人人看人人澡| 国国产精品蜜臀av免费| 人人妻人人看人人澡| 国国产精品蜜臀av免费| 在线国产一区二区在线| 久久久精品欧美日韩精品| 天堂av国产一区二区熟女人妻| 变态另类丝袜制服| 国产激情偷乱视频一区二区| 色综合站精品国产| netflix在线观看网站| 女生性感内裤真人,穿戴方法视频| 亚洲在线观看片| 亚州av有码| 久久人妻av系列| 色吧在线观看| 欧美一级a爱片免费观看看| 亚洲av.av天堂| 精品人妻一区二区三区麻豆 | 久久精品综合一区二区三区| 18+在线观看网站| 欧美日韩中文字幕国产精品一区二区三区| 国产精品人妻久久久久久| a级毛片a级免费在线| 国产伦精品一区二区三区四那| 天堂√8在线中文| 国产在线精品亚洲第一网站| 哪里可以看免费的av片| 小蜜桃在线观看免费完整版高清| 听说在线观看完整版免费高清| 色综合婷婷激情| 色综合站精品国产| 色5月婷婷丁香| 日韩欧美免费精品| 黄色一级大片看看| 亚洲五月天丁香| 亚洲精品一卡2卡三卡4卡5卡| 一个人观看的视频www高清免费观看| 亚洲国产精品合色在线| 久久天躁狠狠躁夜夜2o2o| 又紧又爽又黄一区二区| 日本欧美国产在线视频| 亚洲专区中文字幕在线| 久久99热6这里只有精品| 亚洲美女黄片视频| 国产v大片淫在线免费观看| 亚洲精品成人久久久久久| 免费看日本二区| 国产 一区精品| 精品午夜福利视频在线观看一区| 99久久精品热视频| 淫妇啪啪啪对白视频| 国产精品一区二区三区四区久久| 日韩一区二区视频免费看| 国产一区二区亚洲精品在线观看| 日韩欧美在线乱码| 一个人免费在线观看电影| 欧美精品啪啪一区二区三区| 精品久久久久久久末码| 精品一区二区三区视频在线观看免费| 久久久国产成人免费| 12—13女人毛片做爰片一| 国产人妻一区二区三区在| 久久精品人妻少妇| 成人二区视频| 九九久久精品国产亚洲av麻豆| 精品人妻一区二区三区麻豆 | 欧美一区二区亚洲| 亚洲国产精品合色在线| 在线观看午夜福利视频| 永久网站在线| 国产成人aa在线观看| 久久欧美精品欧美久久欧美| 99久国产av精品| 日韩精品有码人妻一区| 男女那种视频在线观看| 色哟哟·www| 色综合婷婷激情| 亚洲av一区综合| 日韩,欧美,国产一区二区三区 | 老熟妇仑乱视频hdxx| 欧美xxxx性猛交bbbb| 免费看a级黄色片| 欧美中文日本在线观看视频| 最新中文字幕久久久久| 国产 一区 欧美 日韩| 亚洲av成人av| 搡老熟女国产l中国老女人| 69人妻影院| 国产精品1区2区在线观看.| 日本一二三区视频观看| 在线观看av片永久免费下载| 欧美3d第一页| 热99在线观看视频| 亚洲在线自拍视频| 嫩草影院精品99| 亚洲va日本ⅴa欧美va伊人久久| 国产精品久久久久久av不卡| 日本黄大片高清| 热99re8久久精品国产| 国产精品福利在线免费观看| 亚洲不卡免费看| 亚洲av美国av| 午夜免费男女啪啪视频观看 | 欧美极品一区二区三区四区| 国产精品一及| 麻豆一二三区av精品| 18禁在线播放成人免费| 婷婷亚洲欧美| 日韩亚洲欧美综合| 欧美日本亚洲视频在线播放| 色综合亚洲欧美另类图片| 淫妇啪啪啪对白视频| 亚洲无线在线观看| 亚洲va日本ⅴa欧美va伊人久久| 久久天躁狠狠躁夜夜2o2o| 日本黄大片高清| x7x7x7水蜜桃| 热99re8久久精品国产| av在线观看视频网站免费| 特大巨黑吊av在线直播| 免费不卡的大黄色大毛片视频在线观看 | 久久久久久久久中文| 精品免费久久久久久久清纯| 国产熟女欧美一区二区| 在线免费观看不下载黄p国产 | 别揉我奶头 嗯啊视频| 精品午夜福利在线看| 亚洲精华国产精华液的使用体验 | 国产一区二区三区在线臀色熟女| 久久久久国产精品人妻aⅴ院| a在线观看视频网站| 欧美一区二区精品小视频在线| 夜夜夜夜夜久久久久| 国产主播在线观看一区二区| 大又大粗又爽又黄少妇毛片口| 狂野欧美激情性xxxx在线观看| 欧美精品啪啪一区二区三区| 日本欧美国产在线视频| 欧美日本亚洲视频在线播放| 尤物成人国产欧美一区二区三区| 欧美一区二区国产精品久久精品| 国产毛片a区久久久久| 国产亚洲av嫩草精品影院| 91午夜精品亚洲一区二区三区 | 天堂动漫精品| 国产午夜精品论理片| 欧美成人a在线观看| 麻豆久久精品国产亚洲av| 国产亚洲欧美98| 男女做爰动态图高潮gif福利片| 大又大粗又爽又黄少妇毛片口| 18禁在线播放成人免费| 99视频精品全部免费 在线| 亚洲人与动物交配视频| 精品国产三级普通话版| 99热精品在线国产| 欧美成人性av电影在线观看| 亚洲一区二区三区色噜噜| 色视频www国产| 搡女人真爽免费视频火全软件 | 搞女人的毛片| 午夜免费激情av| 神马国产精品三级电影在线观看| 亚洲图色成人| 丰满乱子伦码专区| 黄色日韩在线| 中文字幕精品亚洲无线码一区| 黄片wwwwww| 亚洲三级黄色毛片| а√天堂www在线а√下载| 欧美三级亚洲精品| 性欧美人与动物交配| 国产精品免费一区二区三区在线| 午夜免费男女啪啪视频观看 | av黄色大香蕉| 中文字幕熟女人妻在线| 小说图片视频综合网站| 久久久久性生活片| 一进一出好大好爽视频| 91在线观看av| 午夜免费激情av| 免费看a级黄色片| 午夜久久久久精精品| 国产一区二区三区在线臀色熟女| 麻豆成人av在线观看| 国产美女午夜福利| 婷婷六月久久综合丁香| 精品久久久久久久人妻蜜臀av| 免费人成视频x8x8入口观看| 国内少妇人妻偷人精品xxx网站| 亚洲av不卡在线观看| 亚洲18禁久久av| 特级一级黄色大片| 日本欧美国产在线视频| 亚洲精品日韩av片在线观看| 精品久久久噜噜| 最近中文字幕高清免费大全6 | 亚洲精品久久国产高清桃花| 午夜免费成人在线视频| 观看免费一级毛片| 深爱激情五月婷婷| 国产视频一区二区在线看| xxxwww97欧美| 免费不卡的大黄色大毛片视频在线观看 | 又黄又爽又免费观看的视频| 成人av在线播放网站| 一区福利在线观看| 看片在线看免费视频| 最近最新免费中文字幕在线| 欧美又色又爽又黄视频| 国产aⅴ精品一区二区三区波| 偷拍熟女少妇极品色| av.在线天堂| 久久草成人影院| 国产av不卡久久| 亚洲色图av天堂| 精品无人区乱码1区二区| 国产精品久久久久久精品电影| 国产亚洲精品av在线| 久久久久国内视频| 亚洲成人精品中文字幕电影| 日韩大尺度精品在线看网址| 日日干狠狠操夜夜爽| 免费在线观看影片大全网站| 成人亚洲精品av一区二区| 琪琪午夜伦伦电影理论片6080| .国产精品久久| 亚洲成a人片在线一区二区| 国产精品国产三级国产av玫瑰| 欧美绝顶高潮抽搐喷水| 精品一区二区三区视频在线| 搡女人真爽免费视频火全软件 | .国产精品久久| 亚洲人与动物交配视频| 久久久久久伊人网av| 国产午夜精品论理片| 真人一进一出gif抽搐免费| 在线观看一区二区三区| 午夜日韩欧美国产| 男人的好看免费观看在线视频| 少妇人妻一区二区三区视频| 可以在线观看毛片的网站| 久久天躁狠狠躁夜夜2o2o| 日本与韩国留学比较| 亚洲在线观看片| 免费搜索国产男女视频| av中文乱码字幕在线| 欧美一级a爱片免费观看看| 免费人成视频x8x8入口观看| 亚洲精品在线观看二区| 成人美女网站在线观看视频| 免费观看人在逋| 成人毛片a级毛片在线播放| 黄色丝袜av网址大全| 一个人免费在线观看电影| 老熟妇仑乱视频hdxx| av黄色大香蕉| 日本a在线网址| 亚洲精品亚洲一区二区| 男女那种视频在线观看| 亚洲aⅴ乱码一区二区在线播放| 亚洲精品亚洲一区二区| 日本一本二区三区精品| 色播亚洲综合网| 国产精品久久久久久亚洲av鲁大| 亚洲人成网站高清观看| 一个人观看的视频www高清免费观看| 亚洲真实伦在线观看| 大又大粗又爽又黄少妇毛片口| 国产精品久久视频播放| 深夜a级毛片| 国产在线男女| 日本一二三区视频观看| 最新中文字幕久久久久| 午夜日韩欧美国产| 一本久久中文字幕| 在线观看一区二区三区| 亚洲无线观看免费|