• <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
    波野结衣二区三区在线| 搡老乐熟女国产| 能在线免费看毛片的网站| a级毛色黄片| 亚洲在线观看片| 国产成人freesex在线| 人妻夜夜爽99麻豆av| 色综合亚洲欧美另类图片| 免费看美女性在线毛片视频| 干丝袜人妻中文字幕| 精品久久久久久久人妻蜜臀av| 免费观看av网站的网址| 色吧在线观看| 亚洲最大成人手机在线| 午夜久久久久精精品| www.av在线官网国产| 免费看av在线观看网站| 久久这里有精品视频免费| 亚洲国产高清在线一区二区三| 又大又黄又爽视频免费| 偷拍熟女少妇极品色| 久久人人爽人人片av| 欧美潮喷喷水| 亚洲激情五月婷婷啪啪| 男女边吃奶边做爰视频| 少妇人妻精品综合一区二区| 国产精品人妻久久久久久| ponron亚洲| 精品午夜福利在线看| 一级毛片我不卡| 国产单亲对白刺激| 少妇熟女aⅴ在线视频| 自拍偷自拍亚洲精品老妇| 亚洲欧洲日产国产| 乱系列少妇在线播放| 成人综合一区亚洲| 永久免费av网站大全| 成人国产麻豆网| 免费大片18禁| 欧美丝袜亚洲另类| 亚洲在久久综合| 成人毛片60女人毛片免费| 日韩欧美三级三区| av女优亚洲男人天堂| 亚洲在线自拍视频| ponron亚洲| 国产精品三级大全| 一级黄片播放器| 午夜免费观看性视频| 两个人的视频大全免费| 精品午夜福利在线看| 免费观看性生交大片5| 91在线精品国自产拍蜜月| 亚洲精品影视一区二区三区av| 免费高清在线观看视频在线观看| 免费看a级黄色片| 亚洲成人精品中文字幕电影| 久久久久久伊人网av| 777米奇影视久久| 国产精品精品国产色婷婷| 六月丁香七月| 97精品久久久久久久久久精品| 亚洲av福利一区| 亚洲美女视频黄频| 久久久久久伊人网av| av一本久久久久| 久久精品久久精品一区二区三区| 亚洲国产精品成人综合色| 少妇猛男粗大的猛烈进出视频 | 中文精品一卡2卡3卡4更新| 最近视频中文字幕2019在线8| 免费观看无遮挡的男女| 日韩亚洲欧美综合| 少妇熟女欧美另类| 久热久热在线精品观看| 观看免费一级毛片| 欧美激情国产日韩精品一区| 日本黄大片高清| 亚洲精品日韩av片在线观看| 亚洲一级一片aⅴ在线观看| 日本免费a在线| 国精品久久久久久国模美| 简卡轻食公司| 精品国内亚洲2022精品成人| 日本与韩国留学比较| 深爱激情五月婷婷| 直男gayav资源| 欧美日韩综合久久久久久| 高清日韩中文字幕在线| 久99久视频精品免费| 国产激情偷乱视频一区二区| 国产午夜精品久久久久久一区二区三区| 亚洲av一区综合| 亚洲国产成人一精品久久久| 日本黄大片高清| 亚洲欧洲日产国产| 一级黄片播放器| 91狼人影院| 国产真实伦视频高清在线观看| 91在线精品国自产拍蜜月| 久久精品国产亚洲av天美| 国产高清不卡午夜福利| av一本久久久久| 麻豆av噜噜一区二区三区| 日日摸夜夜添夜夜添av毛片| 国产伦精品一区二区三区视频9| 大片免费播放器 马上看| 伊人久久国产一区二区| 边亲边吃奶的免费视频| 午夜亚洲福利在线播放| 午夜久久久久精精品| 人妻夜夜爽99麻豆av| 综合色av麻豆| 日本黄色片子视频| 国产有黄有色有爽视频| 综合色av麻豆| 亚洲国产精品国产精品| 三级国产精品欧美在线观看| 久久精品综合一区二区三区| 中文字幕免费在线视频6| 色网站视频免费| 亚洲精品乱久久久久久| a级毛色黄片| 国内精品一区二区在线观看| 精品久久久久久电影网| 乱系列少妇在线播放| 人妻一区二区av| 美女主播在线视频| 精品欧美国产一区二区三| 精品久久久久久久人妻蜜臀av| 中文欧美无线码| 久久97久久精品| 久久精品国产亚洲av天美| 国产一级毛片七仙女欲春2| 国国产精品蜜臀av免费| 女的被弄到高潮叫床怎么办| 成人毛片a级毛片在线播放| 乱人视频在线观看| 精品久久久久久久久久久久久| 国产免费福利视频在线观看| 综合色丁香网| 青春草视频在线免费观看| 亚洲精品日韩在线中文字幕| 男女视频在线观看网站免费| 精品欧美国产一区二区三| 人人妻人人看人人澡| 美女大奶头视频| 大片免费播放器 马上看| 男女那种视频在线观看| 纵有疾风起免费观看全集完整版 | 久久久a久久爽久久v久久| av在线蜜桃| 国国产精品蜜臀av免费| 欧美 日韩 精品 国产| 在线天堂最新版资源| 一级毛片电影观看| 亚洲图色成人| 免费av不卡在线播放| 欧美精品国产亚洲| 日韩欧美精品免费久久| 最近手机中文字幕大全| 亚洲国产精品成人久久小说| 三级国产精品片| 国产大屁股一区二区在线视频| 亚洲av电影不卡..在线观看| 色尼玛亚洲综合影院| av专区在线播放| 我的老师免费观看完整版| 男女边吃奶边做爰视频| 99久久精品国产国产毛片| 亚洲人成网站在线播| 欧美变态另类bdsm刘玥| av.在线天堂| 日本wwww免费看| 一级毛片久久久久久久久女| 午夜爱爱视频在线播放| 国产大屁股一区二区在线视频| 天天一区二区日本电影三级| 2021天堂中文幕一二区在线观| 两个人视频免费观看高清| 亚洲美女搞黄在线观看| 日韩国内少妇激情av| 亚洲精品日韩在线中文字幕| 婷婷六月久久综合丁香| 一夜夜www| 国产精品熟女久久久久浪| 成人二区视频| 久久久欧美国产精品| 人妻夜夜爽99麻豆av| 色吧在线观看| 97热精品久久久久久| 蜜桃久久精品国产亚洲av| 色5月婷婷丁香| 国产极品天堂在线| 国产视频首页在线观看| 国产美女午夜福利| 人体艺术视频欧美日本| 日日干狠狠操夜夜爽| 国产高清三级在线| 精品国产三级普通话版| 免费在线观看成人毛片| 精品一区二区三区人妻视频| 日日摸夜夜添夜夜爱| 一级毛片aaaaaa免费看小| 日韩中字成人| 欧美xxxx性猛交bbbb| 成年版毛片免费区| 中国国产av一级| 直男gayav资源| 国产黄色免费在线视频| 亚洲精品日本国产第一区| 免费看光身美女| 免费不卡的大黄色大毛片视频在线观看 | 欧美丝袜亚洲另类| 日本黄大片高清| 嫩草影院新地址| 免费观看精品视频网站| 亚洲美女视频黄频| 少妇人妻精品综合一区二区| 身体一侧抽搐| 好男人视频免费观看在线| 波多野结衣巨乳人妻| 亚洲欧洲国产日韩| 免费看日本二区| 身体一侧抽搐| 午夜免费激情av| 国产精品人妻久久久久久| 99久久精品热视频| 亚洲精品成人av观看孕妇| 国产老妇女一区| 中国国产av一级| 日本一本二区三区精品| 2021天堂中文幕一二区在线观| 免费观看的影片在线观看| 精品少妇黑人巨大在线播放| 日本猛色少妇xxxxx猛交久久| 亚洲av电影不卡..在线观看| av在线观看视频网站免费| 亚洲高清免费不卡视频| 国产又色又爽无遮挡免| 日韩大片免费观看网站| 亚洲av电影不卡..在线观看| 国产精品福利在线免费观看| 午夜激情欧美在线| 边亲边吃奶的免费视频| 2021少妇久久久久久久久久久| 欧美激情国产日韩精品一区| 国产高清国产精品国产三级 | 欧美成人精品欧美一级黄| av网站免费在线观看视频 | 在线播放无遮挡| 我的女老师完整版在线观看| 亚洲美女搞黄在线观看| 精品人妻视频免费看| 亚洲av免费高清在线观看| 大香蕉久久网| 欧美日韩视频高清一区二区三区二| 观看免费一级毛片| 搡女人真爽免费视频火全软件| 99久国产av精品国产电影| 日本熟妇午夜| 日本免费a在线| 成人欧美大片| 天堂√8在线中文| 伊人久久国产一区二区| 亚洲美女视频黄频| 亚洲人成网站在线播| 亚洲真实伦在线观看| 欧美成人a在线观看| kizo精华| 亚洲自偷自拍三级| 十八禁国产超污无遮挡网站| 精品久久久久久久久亚洲| 国产精品美女特级片免费视频播放器| 99视频精品全部免费 在线| 91在线精品国自产拍蜜月| 欧美变态另类bdsm刘玥| 高清日韩中文字幕在线| 亚洲美女搞黄在线观看| 国产黄片美女视频| 夫妻午夜视频| 亚洲国产精品成人久久小说| 成人av在线播放网站| 97热精品久久久久久| 赤兔流量卡办理| 亚洲欧美成人综合另类久久久| 国产国拍精品亚洲av在线观看| 国产中年淑女户外野战色| 国产伦在线观看视频一区| 国产精品一及| 久99久视频精品免费| 黄色一级大片看看| 男人舔女人下体高潮全视频| 嫩草影院新地址| 日本一本二区三区精品| 大话2 男鬼变身卡| 精品久久国产蜜桃| 麻豆乱淫一区二区| 欧美+日韩+精品| 成人国产麻豆网| 亚洲综合精品二区| 大又大粗又爽又黄少妇毛片口| 国产免费一级a男人的天堂| 男女边吃奶边做爰视频| a级毛色黄片| 女人久久www免费人成看片| 丰满人妻一区二区三区视频av| 男插女下体视频免费在线播放| 国产色婷婷99| 亚洲av中文av极速乱| 免费观看无遮挡的男女| www.av在线官网国产| 青青草视频在线视频观看| 99久久精品一区二区三区| 国产成年人精品一区二区| 伊人久久国产一区二区| 99热网站在线观看| 国产综合懂色| 又大又黄又爽视频免费| 精品99又大又爽又粗少妇毛片| 国产一区二区三区av在线| 久久精品国产亚洲网站| 亚洲精品久久久久久婷婷小说| 好男人在线观看高清免费视频| 高清午夜精品一区二区三区| 高清欧美精品videossex| 美女脱内裤让男人舔精品视频| 欧美激情在线99| 搞女人的毛片| 久久97久久精品| 伦精品一区二区三区| 狂野欧美激情性xxxx在线观看| 成年女人在线观看亚洲视频 | 欧美日韩视频高清一区二区三区二| 久久久欧美国产精品| 麻豆国产97在线/欧美| 亚洲三级黄色毛片| 国产亚洲午夜精品一区二区久久 | 午夜福利网站1000一区二区三区| 日本欧美国产在线视频| 天堂中文最新版在线下载 | 免费在线观看成人毛片| 国产三级在线视频| 麻豆av噜噜一区二区三区| 2022亚洲国产成人精品| 人妻系列 视频| 亚洲精品日韩在线中文字幕| 天堂俺去俺来也www色官网 | 一级黄片播放器| 日韩一本色道免费dvd| 男人爽女人下面视频在线观看| 亚洲欧美精品自产自拍| 国产精品久久久久久精品电影小说 | 亚洲精品一区蜜桃| 色吧在线观看| 精品一区二区三卡| 少妇的逼好多水| 欧美潮喷喷水| 狂野欧美激情性xxxx在线观看| 小蜜桃在线观看免费完整版高清| 我要看日韩黄色一级片| 精品少妇黑人巨大在线播放| 69av精品久久久久久| 99久久九九国产精品国产免费| 69av精品久久久久久| 黄色一级大片看看| av国产久精品久网站免费入址| 三级男女做爰猛烈吃奶摸视频| av国产久精品久网站免费入址| 三级男女做爰猛烈吃奶摸视频| videossex国产| 美女脱内裤让男人舔精品视频| 一区二区三区乱码不卡18| 熟女电影av网| 亚洲国产精品成人久久小说| 神马国产精品三级电影在线观看| 成人鲁丝片一二三区免费| 深夜a级毛片| 如何舔出高潮| www.色视频.com| 国产精品伦人一区二区| 日韩av在线免费看完整版不卡| 日韩亚洲欧美综合| 国产精品一区二区性色av| 欧美zozozo另类| 久久久精品免费免费高清| 亚洲精品国产成人久久av| 赤兔流量卡办理| 最近视频中文字幕2019在线8| 国产午夜精品论理片| 欧美性感艳星| 99久久九九国产精品国产免费| 91精品伊人久久大香线蕉| 在线a可以看的网站| 午夜免费激情av| 寂寞人妻少妇视频99o| 久久久久精品性色| 国产精品国产三级专区第一集| 国产精品一二三区在线看| 久久99蜜桃精品久久| 国产v大片淫在线免费观看| 男女下面进入的视频免费午夜| 丝瓜视频免费看黄片| 菩萨蛮人人尽说江南好唐韦庄| 国产亚洲av片在线观看秒播厂 | 蜜桃久久精品国产亚洲av| 色综合亚洲欧美另类图片| av在线老鸭窝| 丰满乱子伦码专区| 91狼人影院| av在线播放精品| 三级经典国产精品| 国产精品熟女久久久久浪| ponron亚洲| 日韩一区二区三区影片| 久久精品国产自在天天线| 伊人久久国产一区二区| 久久人人爽人人爽人人片va| 在线播放无遮挡| 搡老妇女老女人老熟妇| 91精品一卡2卡3卡4卡| 国产精品一区二区三区四区久久| 亚洲精品456在线播放app| 国产乱人偷精品视频| 久久久久久久国产电影| 日本色播在线视频| 欧美丝袜亚洲另类| 天天躁夜夜躁狠狠久久av| 日本欧美国产在线视频| 插逼视频在线观看| 一个人观看的视频www高清免费观看| 麻豆成人av视频| 99九九线精品视频在线观看视频| 亚洲丝袜综合中文字幕| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产国拍精品亚洲av在线观看| 国产色婷婷99| 国产亚洲91精品色在线| 国产一区有黄有色的免费视频 | 日韩 亚洲 欧美在线| 国产免费一级a男人的天堂| 一本一本综合久久| av福利片在线观看| 六月丁香七月| 黄色配什么色好看| 日韩成人av中文字幕在线观看| 一个人看视频在线观看www免费| 久久综合国产亚洲精品| 欧美人与善性xxx| 欧美一区二区亚洲| 国产精品不卡视频一区二区| 亚洲国产欧美人成| 青春草视频在线免费观看| 亚洲精品色激情综合| 成年av动漫网址| 黄片wwwwww| 日韩一区二区三区影片| 午夜福利高清视频| 岛国毛片在线播放| 丰满乱子伦码专区| av专区在线播放| 精品国产三级普通话版| 免费观看的影片在线观看| 天天一区二区日本电影三级| 青春草亚洲视频在线观看| 成人综合一区亚洲| 亚州av有码| 亚洲人与动物交配视频| 亚洲最大成人中文| av在线天堂中文字幕| 天堂俺去俺来也www色官网 | 人妻少妇偷人精品九色| 国产亚洲5aaaaa淫片| 午夜精品国产一区二区电影 | 听说在线观看完整版免费高清| 一个人看视频在线观看www免费| videossex国产| 国产高潮美女av| 欧美3d第一页| 国产 亚洲一区二区三区 | 免费观看精品视频网站| 视频中文字幕在线观看| 九九在线视频观看精品| 亚洲精品第二区| 日韩伦理黄色片| 亚洲在线观看片| 欧美性猛交╳xxx乱大交人| 国产黄片美女视频| 熟女人妻精品中文字幕| 26uuu在线亚洲综合色| 亚洲在线自拍视频| 超碰av人人做人人爽久久| 成人亚洲精品一区在线观看 | 久久久久久国产a免费观看| av专区在线播放| 婷婷六月久久综合丁香| 国产视频首页在线观看| 中文字幕久久专区| 亚州av有码| 国产在视频线在精品| 老司机影院毛片| 亚洲av一区综合| 日日摸夜夜添夜夜添av毛片| 狂野欧美激情性xxxx在线观看| a级一级毛片免费在线观看| 国产成人免费观看mmmm| 亚洲国产精品国产精品| 婷婷六月久久综合丁香| 国产v大片淫在线免费观看| 黄片无遮挡物在线观看| 国产乱来视频区| 成人毛片60女人毛片免费| 麻豆成人午夜福利视频| 亚洲第一区二区三区不卡| 高清欧美精品videossex| 国产av码专区亚洲av| videossex国产| 久久久久久久久久人人人人人人| 一二三四中文在线观看免费高清| 人妻一区二区av| 偷拍熟女少妇极品色| av在线亚洲专区| 一级毛片久久久久久久久女| 久久久久久久久久成人| 少妇裸体淫交视频免费看高清| 十八禁网站网址无遮挡 | 国产精品麻豆人妻色哟哟久久 | 在线a可以看的网站| 欧美xxxx性猛交bbbb| 热99在线观看视频| 少妇的逼水好多| 国产成人a∨麻豆精品| 精品人妻偷拍中文字幕| 亚洲精品乱码久久久v下载方式| 夫妻午夜视频| 国产精品一区二区在线观看99 | 国产精品一区二区性色av| 久热久热在线精品观看| 国产国拍精品亚洲av在线观看| 看免费成人av毛片| 午夜爱爱视频在线播放| 亚洲美女视频黄频| 免费看不卡的av| 一级毛片我不卡| 神马国产精品三级电影在线观看| av黄色大香蕉| 免费大片18禁| 身体一侧抽搐| 亚洲精品国产av蜜桃| 有码 亚洲区| 成人亚洲精品一区在线观看 | 美女xxoo啪啪120秒动态图| 熟女电影av网| 免费看日本二区| 久久久国产一区二区| 精品酒店卫生间| 亚洲人与动物交配视频| 亚洲综合色惰| 欧美人与善性xxx| 中文乱码字字幕精品一区二区三区 | 一级毛片我不卡| 久久99蜜桃精品久久| 99热这里只有是精品50| 女人十人毛片免费观看3o分钟| 久久热精品热| 精品亚洲乱码少妇综合久久| 深爱激情五月婷婷| 三级国产精品欧美在线观看| 精品99又大又爽又粗少妇毛片| 欧美另类一区| 国产有黄有色有爽视频| 久久草成人影院| 日本猛色少妇xxxxx猛交久久| 亚洲成色77777| 国产精品一二三区在线看| 国产精品人妻久久久影院| 欧美激情久久久久久爽电影| 最近的中文字幕免费完整| 99热网站在线观看| 国产探花极品一区二区| 国产老妇伦熟女老妇高清| 亚洲av成人精品一二三区| 欧美日本视频| 国产精品嫩草影院av在线观看| 国产不卡一卡二| 午夜视频国产福利| 一区二区三区免费毛片| 只有这里有精品99| 精品一区二区三卡| 18禁在线无遮挡免费观看视频| 亚洲欧美精品专区久久| 天堂网av新在线| 女人十人毛片免费观看3o分钟| 亚洲精品日韩在线中文字幕| 国产精品麻豆人妻色哟哟久久 | 成人毛片60女人毛片免费| 九九爱精品视频在线观看| 国产精品精品国产色婷婷| 三级国产精品欧美在线观看| 亚洲精品乱码久久久v下载方式| av在线天堂中文字幕| 国产女主播在线喷水免费视频网站 | 亚洲真实伦在线观看| 国产免费又黄又爽又色| 性插视频无遮挡在线免费观看| 亚洲精品久久久久久婷婷小说| 国产色爽女视频免费观看| 丝袜美腿在线中文| 只有这里有精品99| 欧美一级a爱片免费观看看| 天天躁日日操中文字幕| 日本与韩国留学比较| 天堂网av新在线| 国产黄色小视频在线观看| 麻豆久久精品国产亚洲av|