• <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 ?

    基于標(biāo)簽共現(xiàn)關(guān)系的多標(biāo)簽特征選擇*

    2021-11-22 08:55:50李雨晨白偉明
    關(guān)鍵詞:定義特征

    李雨晨,魏 巍,2,白偉明,王 達(dá)

    (1.山西大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院,山西 太原 030006;2.山西大學(xué)計(jì)算智能與中文信息處理教育部重點(diǎn)實(shí)驗(yàn)室,山西 太原 030006)

    1 引言

    在經(jīng)典監(jiān)督學(xué)習(xí)中,每個(gè)樣本僅擁有一個(gè)標(biāo)簽,但是,在許多實(shí)際應(yīng)用中,一個(gè)樣本通常同時(shí)與多個(gè)概念相關(guān)聯(lián)[1,2]。例如,藝術(shù)界報(bào)道《冰雪奇緣》電影的新聞可以與藝術(shù)、動(dòng)畫和電影這3個(gè)關(guān)鍵字相關(guān)聯(lián);一幅關(guān)于小鹿的圖像可以與樹木、小鹿和綠色這3個(gè)關(guān)鍵字相關(guān)聯(lián)。由此可知,每個(gè)樣本可以擁有多個(gè)標(biāo)簽。這類關(guān)于多標(biāo)簽分類任務(wù)的研究正受到越來越多的關(guān)注[3 - 7]。

    在許多實(shí)際應(yīng)用中,多標(biāo)簽數(shù)據(jù)通常具有成千上萬的特征,其中許多特征對(duì)于給定的學(xué)習(xí)任務(wù)而言是多余的或無關(guān)緊要的,并且高維數(shù)據(jù)可能會(huì)給學(xué)習(xí)算法帶來很多問題,例如計(jì)算量大、擬合過度和性能差等。因此,需要進(jìn)行特征選擇,以減輕維數(shù)的困擾[8]。

    目前,多標(biāo)簽特征選擇已經(jīng)有了許多研究。Zhang等人[9]利用基于主成分分析的特征提取技術(shù)去除多標(biāo)記數(shù)據(jù)中的不相關(guān)和冗余特征,然后利用遺傳算法進(jìn)行特征選擇。Zhang等人[10]提出了具有標(biāo)簽特定特征的稱為LIFT的多標(biāo)簽學(xué)習(xí)方法。Xu等人[11]對(duì)LIFT進(jìn)行改進(jìn),通過與模糊粗糙集結(jié)合構(gòu)造了多標(biāo)簽學(xué)習(xí)方法FRS-LIFT。后來,Weng等人[12]提出了一種稱為LF-LPLC(multi-label learning based on Label-specific Features and Local Pairwise Label Correlation)的多標(biāo)簽學(xué)習(xí)新方法,該方法主要關(guān)注了標(biāo)簽的功能和局部成對(duì)標(biāo)簽相關(guān)性。Kashef等人[13]借助Pareto優(yōu)勢概念從多目標(biāo)優(yōu)化域中選擇最顯著的特征。

    近年許多研究人員將粗糙集理論[14]用于多標(biāo)簽學(xué)習(xí)[15]。Lee等人[16]基于互信息提出了適合多標(biāo)簽數(shù)據(jù)的方法,即通過信息增益的方法來度量多標(biāo)簽的特征選擇的重要度。除此之外,度量特征重要度的方法還有許多,比如模糊粗糙集運(yùn)用模糊熵來進(jìn)行度量,鄰域粗糙集借助鄰域粒來進(jìn)行度量[17]。為了有效減少動(dòng)態(tài)數(shù)據(jù)中的冗余計(jì)算,有效利用之前所獲得的有用信息,Liu等人[17]在鄰域粗糙集模型的基礎(chǔ)上,通過在線流特征選擇算法來處理特征動(dòng)態(tài)增加的多標(biāo)簽數(shù)據(jù)。Qian等人[18]在鄰域粗糙集模型基礎(chǔ)上,提出了一種基于標(biāo)簽分布和特征互補(bǔ)的多標(biāo)簽特征選擇算法。Sun等人[19]針對(duì)多標(biāo)簽鄰域決策系統(tǒng),提出了一種基于二值粒子群算法和基于勒貝格測度的多標(biāo)簽特征選擇方法。Qian等人[20]提出了一種基于互信息和標(biāo)簽增強(qiáng)的標(biāo)簽分布特征選擇算法。Liu等人[21]提出了一種新的流標(biāo)簽環(huán)境下的多標(biāo)簽特征選擇算法。

    上述特征選擇算法均未充分考慮標(biāo)簽之間的關(guān)系,針對(duì)這一問題,本文設(shè)計(jì)了一種基于標(biāo)簽共現(xiàn)關(guān)系的多標(biāo)簽特征選擇LC-FS(multi-label Feature Selection based on Label Co-occurrence relationship)算法,主要工作如下所示:

    (1)根據(jù)樣本標(biāo)簽集中標(biāo)簽共同出現(xiàn)和互斥出現(xiàn)的次數(shù)計(jì)算樣本在標(biāo)簽集下的相似度,進(jìn)而構(gòu)造樣本關(guān)于標(biāo)簽集的模糊關(guān)系;

    (2)基于標(biāo)簽與特征最大相關(guān)和特征集最小冗余的原則,設(shè)計(jì)基于標(biāo)簽共現(xiàn)度的多標(biāo)簽特征選擇算法。

    2 基本概念

    2.1 多標(biāo)簽決策系統(tǒng)

    給定一個(gè)多標(biāo)簽決策系統(tǒng)ML={U,A,L},其中U={x1,x2,…,xn}為有n個(gè)樣本的非空集合,A={a1,a2,…,am}為有m個(gè)特征的特征集,L={l1,l2,…,lk}為有k個(gè)標(biāo)簽的標(biāo)簽集。每個(gè)樣本都有標(biāo)簽,因此都屬于L的子集,該子集可以描述為k維向量y=[y1,y2,…,yk],其中yi=1表示樣本x含有標(biāo)簽li,yi=0表示樣本x不含有標(biāo)簽li,多標(biāo)簽學(xué)習(xí)的任務(wù)是學(xué)習(xí)一個(gè)函數(shù)Z:U→2L。

    例如:表1是一個(gè)含有5個(gè)樣本、3個(gè)標(biāo)簽和3個(gè)特征的多標(biāo)簽數(shù)據(jù)集,x2={3.4,2.6,4.8,1,1,0},說明樣本x2含有標(biāo)簽l1和l2,但是不含有l(wèi)3。由此可以看出,多標(biāo)簽數(shù)據(jù)集中的樣本可以有不止一個(gè)標(biāo)簽,這就使得多標(biāo)簽學(xué)習(xí)任務(wù)更加困難。

    Table 1 A multi-label data set表1 一個(gè)多標(biāo)簽數(shù)據(jù)集

    2.2 模糊熵和模糊互信息

    對(duì)于一個(gè)非空的有限樣本集U={x1,x2,…,xn},特征集合為A={a1,a2,…,am},R是定義在U上的一個(gè)模糊等價(jià)關(guān)系,模糊關(guān)系矩陣M(R)定義如式(1)所示:

    (1)

    其中,rij∈[0,1]表示xi和xj之間的關(guān)系值,其同樣可以記作R(xi,xj),xi,xj∈U。

    模糊等價(jià)關(guān)系R滿足以下關(guān)系:

    自反性:R(x,x)=1,?x∈U;

    對(duì)稱性:R(x,y)=R(y,x),?x,y∈U;

    傳遞性:R(x,z)≥miny{R(x,y),R(y,z)}。

    給定一個(gè)任意的樣本集合U,R是定義在U上的一個(gè)模糊等價(jià)關(guān)系,對(duì)于?x,y∈U,關(guān)于等價(jià)關(guān)系的運(yùn)算如下所示:

    (1)R1=R2?R1(x,y)=R2(x,y);

    (2)R=R1∪R2?R(x,y)=max{R1(x,y),R2(x,y)};

    (3)R=R1∩R2?R(x,y)=min{R1(x,y),R2(x,y)};

    (4)R1?R2?R1(x,y)≤R2(x,y)。

    定義1樣本xi關(guān)于模糊等價(jià)關(guān)系R的模糊等價(jià)類定義如式(2)所示:

    (2)

    模糊等價(jià)類的基數(shù)可表示為:

    (3)

    定義2[22]給定近似空間〈U,R〉,A的模糊熵定義如式(4)所示:

    (4)

    定義3令A(yù)1和A2為A的2個(gè)子集,則模糊聯(lián)合熵的計(jì)算公式如式(5)所示:

    (5)

    其中,[xi]A1∩[xi]A2=min{[xi]A1,[xi]A2}。

    定義4令A(yù)1和A2為A的2個(gè)子集,則模糊條件熵的計(jì)算公式如式(6)所示:

    (6)

    其中,FH(A2|A1)=FH(A1,A2)-FH(A1)。

    定義5令A(yù)1和A2為A的2個(gè)子集,則A1和A2的模糊互信息計(jì)算公式如式(7)所示:

    (7)

    其中,FMI(A1;A2)=FH(A1)-FH(A1|A2)=FH(A2)-FH(A2|A1)。

    3 基于標(biāo)簽共現(xiàn)關(guān)系的多標(biāo)簽特征選擇

    3.1 基于標(biāo)簽共現(xiàn)關(guān)系的樣本相似性

    對(duì)于某個(gè)樣本,2個(gè)標(biāo)簽同時(shí)出現(xiàn)或者同時(shí)不出現(xiàn)的次數(shù)可以說明這2個(gè)標(biāo)簽之間存在某種潛在聯(lián)系,在本文中,稱之為標(biāo)簽的共現(xiàn)度。由于在多標(biāo)簽數(shù)據(jù)中,許多標(biāo)簽都只是出現(xiàn)在少數(shù)樣本上,因此對(duì)于某個(gè)特定的樣本,2個(gè)標(biāo)簽同時(shí)不出現(xiàn)的次數(shù)遠(yuǎn)大于2個(gè)標(biāo)簽同時(shí)出現(xiàn)的次數(shù),如果直接利用二者之和評(píng)價(jià)標(biāo)簽的共現(xiàn)度,將會(huì)導(dǎo)致2個(gè)標(biāo)簽同時(shí)出現(xiàn)的次數(shù)對(duì)共現(xiàn)度的影響很小。為此,需要一個(gè)參數(shù)α協(xié)調(diào)2個(gè)標(biāo)簽同時(shí)出現(xiàn)的次數(shù)與2個(gè)標(biāo)簽同時(shí)不出現(xiàn)的次數(shù)之間的關(guān)系。根據(jù)上述分析,給出標(biāo)簽共現(xiàn)度的定義。

    定義6給定多標(biāo)簽決策系統(tǒng)ML={U,A,L},標(biāo)簽li和lj的共現(xiàn)度定義如式(9)所示:

    (8)

    根據(jù)定義6,進(jìn)一步給出標(biāo)簽的重要度。

    定義7給定多標(biāo)簽決策系統(tǒng)ML={U,A,L},標(biāo)簽的重要度如式(9)所示:

    (9)

    定義8給定多標(biāo)簽決策系統(tǒng)ML={U,A,L},樣本的相似性如式(10)所示:

    (10)

    其中,L(xi)表示樣本xi的標(biāo)簽集合。

    將基于標(biāo)簽集的樣本相似性代入模糊粗糙集模型,可以得到特征與特征之間的相關(guān)性以及特征與標(biāo)簽集之間的相關(guān)性,如式(11)和式(12)所示:

    (11)

    (12)

    3.2 基于最大相關(guān)最小冗余原則的特征選擇

    本節(jié)將基于特征與標(biāo)簽最大相關(guān)、特征最小冗余的原則,給出面向多標(biāo)簽決策系統(tǒng)的基于最大相關(guān)最小冗余原則的多標(biāo)簽特征選擇算法。該算法主要包含2個(gè)步驟:

    第1步,選擇與標(biāo)簽集具有最大相關(guān)性的候選特征。令S為已經(jīng)選擇的特征集,L為標(biāo)簽集,則特征集與標(biāo)簽集的相關(guān)性定義如式(13)所示:

    (13)

    根據(jù)式(13)容易得到,對(duì)于單個(gè)特征ai,其關(guān)于標(biāo)簽集的相關(guān)性為D(ai,L)=FMI(ai;L)。

    第2步,選擇冗余度最小的特征子集。與標(biāo)簽集相關(guān)性最大的特征子集中可能會(huì)包括冗余特征(新選擇的特征ai與已選擇特征集中的某些特征之間有強(qiáng)相關(guān)性,或者與已選擇特征集中的某些特征組合后與已選擇特征集中的其他特征具有強(qiáng)相關(guān)性)。為了刻畫特征集中特征的冗余情況,給出特征集S冗余度定義,如式(14)所示:

    (14)

    結(jié)合了上述2個(gè)定義,給出基于最大相關(guān)最小冗余原則的特征選擇的特征評(píng)價(jià)指標(biāo),如式(15)所示:

    (15)

    其中,Sk-1為選擇了k-1個(gè)特征的特征集合。

    式(15)包含2部分,第1部分表示候選特征aj與標(biāo)簽集L之間的相關(guān)性,第2部分表示候選特征aj與所選特征Sk-1之間的冗余度。

    基于標(biāo)簽共現(xiàn)關(guān)系的多標(biāo)簽特征選擇算法的具體描述如算法1所示。

    算法1基于標(biāo)簽共現(xiàn)關(guān)系的多標(biāo)簽特征選擇算法(LC-FS)

    輸入:多標(biāo)簽決策系統(tǒng)ML={U,A,L};/*包含n個(gè)樣本的非空集合U,m個(gè)特征的特征集A,k個(gè)標(biāo)簽的標(biāo)簽集L*/

    輸出:特征集合S。

    步驟1初始化S,令S=?,k=1;

    步驟2通過式(8)計(jì)算標(biāo)簽間的共現(xiàn)度;

    步驟3通過式(9)計(jì)算標(biāo)簽的重要度;

    步驟4通過式(10)計(jì)算樣本的相似性;

    步驟5 whileA≠?do

    步驟6通過式(15)找到a∈A;

    步驟7S=S∪{a};

    步驟8A=A-{a};

    步驟9k=k+1;

    步驟10 endwhile

    步驟11 returnS。

    算法1有2個(gè)關(guān)鍵步驟。第1個(gè)步驟是分別在特征空間和標(biāo)簽空間中構(gòu)造模糊關(guān)系矩陣,時(shí)間復(fù)雜度均為O(|U|·|U|)。第2個(gè)步驟是搜索特征空間的過程,其時(shí)間復(fù)雜度為O(|S|·|A|),其中,|S|是所選特征的數(shù)量,|A|是候選特征的數(shù)量。因此,該算法的時(shí)間復(fù)雜度為O(|U|·|U|+|S|·|A|)。

    4 實(shí)驗(yàn)分析

    本節(jié)將通過實(shí)驗(yàn)來驗(yàn)證所提出算法LC-FS的性能。將多標(biāo)簽數(shù)據(jù)集網(wǎng)站MULAN(http://mulan.sourceforge.net)中的5個(gè)數(shù)據(jù)集(如表2所示)作為實(shí)驗(yàn)數(shù)據(jù)集。在實(shí)驗(yàn)中,將MLKNN分類器上得到的結(jié)果作為基準(zhǔn),并將2種代表性算法MDMR(multi-label feature selection based on Max Dependency and Min Redundancy)和PMU[23]以及算法MLDFC(Multi-Label feature selection based on label Distribution and Feature Complementarity)[18]作為對(duì)比算法。MDMR和PMU算法中特征的評(píng)價(jià)函數(shù)都是采用香農(nóng)熵度量,MLDFC算法中特征的評(píng)價(jià)函數(shù)采用鄰域熵度量。本文算法基于標(biāo)簽共現(xiàn)關(guān)系來計(jì)算標(biāo)簽重要度時(shí)采用了模糊熵的方法。

    Table 2 Multi-label data sets表2 多標(biāo)簽數(shù)據(jù)集

    4.1 多標(biāo)簽學(xué)習(xí)評(píng)價(jià)指標(biāo)

    實(shí)驗(yàn)選取了4種常用的多標(biāo)簽性能評(píng)價(jià)指標(biāo)[24]。設(shè)T={(xi,xj)|1≤i≤N}是一個(gè)測試集,其中yi?L是真實(shí)標(biāo)簽集合,y′i∈L是學(xué)習(xí)算法的關(guān)于樣本xi的二進(jìn)制標(biāo)簽向量,在以下的公式中n表示樣本的個(gè)數(shù),k表示標(biāo)簽的個(gè)數(shù)。

    (1)AP(Average Precision):表示預(yù)測標(biāo)簽集合中標(biāo)簽的排序等級(jí)比實(shí)際標(biāo)簽集合中某個(gè)特定標(biāo)簽更高的概率,也就是預(yù)測標(biāo)簽的平均精度,其計(jì)算方式如式(16)所示:

    ri(γ)}|)/ri(γ)

    (16)

    其中,ri(l)代表樣本xi預(yù)測的標(biāo)簽l∈L的等級(jí)。

    (2)CV(Coverage):此度量表示覆蓋樣本標(biāo)記的平均距離,其計(jì)算方式如式(17)所示:

    (17)

    其中,rank(λ)表示標(biāo)簽根據(jù)預(yù)測概率的排序序號(hào)。例如:若λ1>λ2,則有rank(λ1)

    (3)HL(Hamming Loss):表示沒有被正確預(yù)測的標(biāo)簽比例,即屬于樣本的標(biāo)簽沒有被預(yù)測,不屬于該樣本的標(biāo)簽被預(yù)測的比例,其計(jì)算方式如式(18)所示:

    (18)

    其中,⊕表示異或操作。

    (4)RL(Ranking Loss):評(píng)估不相關(guān)標(biāo)簽比相關(guān)標(biāo)簽排序更高的次數(shù),其計(jì)算方式如式(19)所示:

    (19)

    對(duì)于以上4種評(píng)價(jià)指標(biāo),平均精度(AP)、覆蓋距離(CV)、排序損失(RL)與每個(gè)樣本的標(biāo)簽排序性能有關(guān),而漢明損失(HL)與每個(gè)樣本的標(biāo)簽集預(yù)測性能有關(guān)。

    4.2 實(shí)驗(yàn)結(jié)果

    在實(shí)驗(yàn)中,利用MLKNN分類器的分類結(jié)果,在4個(gè)評(píng)價(jià)指標(biāo)上比較特征選擇算法性能,其中近鄰個(gè)數(shù)K設(shè)置為10。在計(jì)算標(biāo)簽的共現(xiàn)度時(shí),用到的參數(shù)α=10-t,t的取值為[2,8],t以步長1進(jìn)行遍歷,選取使平均精度最優(yōu)的α。驗(yàn)證方法是10折交叉驗(yàn)證法。

    實(shí)驗(yàn)結(jié)果如表3~表6所示,“↑”表示越大越好,“↓”表示越小越好,±表示方差,最后一列表示本文算法LC-FS的實(shí)驗(yàn)結(jié)果,其中粗體表示最優(yōu)值,斜體表示次優(yōu)值。圖1為5個(gè)算法在不同的數(shù)據(jù)集上的精度對(duì)比,橫軸表示所選特征子集中的特征數(shù)量,縱軸表示特征子集對(duì)應(yīng)的分類精度值。

    Table 3 Comparison of AP of different algorithms(↑)表3 不同算法在平均精度上的比較(↑)

    Table 4 Comparison of CV of different algorithms(↓)表4 不同算法在覆蓋距離上的比較(↓)

    Table 5 Comparison of HL of different algorithms(↓)表5 不同算法在漢明損失上的比較(↓)

    Table 6 Comparison of RL of different algorithms(↓)表6 不同算法在排序損失上的比較(↓)

    Figure 1 Comparison of AP of each algorithm on different data sets圖1 各算法在不同數(shù)據(jù)集上的精度對(duì)比

    從實(shí)驗(yàn)結(jié)果可以看出,本文算法LC-FS在5個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)效果都比較好。具體情況如下:

    (1)在flags數(shù)據(jù)集上,基于LC-FS算法的特征選擇結(jié)果在3個(gè)評(píng)價(jià)指標(biāo)AP、CV、RL上都是最佳的。

    (2)在birds數(shù)據(jù)集上,LC-FS算法有著最高的HL,最低的CV和RL,在AP上僅次于MLKNN。

    (3)從評(píng)價(jià)指標(biāo)AP和CV的角度看,LC-FS算法的性能最好,在3個(gè)數(shù)據(jù)集上都得到了最優(yōu)值,還有一個(gè)次優(yōu)的結(jié)果。

    (4)從評(píng)價(jià)指標(biāo)RL看,LC-FS算法的性能相對(duì)較差,得到了2個(gè)最優(yōu)的結(jié)果,不過RL值與最優(yōu)值差距也均在0.01內(nèi),差距并不大。

    綜上所述,LC-FS算法在上述對(duì)比指標(biāo)下均有不錯(cuò)的表現(xiàn)。

    5 結(jié)束語

    本文提出了基于標(biāo)簽共現(xiàn)關(guān)系的多標(biāo)簽特征選擇算法LC-FS。在該算法中,首先通過標(biāo)簽的共現(xiàn)度評(píng)價(jià)標(biāo)簽的權(quán)重,進(jìn)而得到樣本在標(biāo)簽集下的相似性,然后基于模糊粗糙集模型計(jì)算特征與標(biāo)簽的相關(guān)性、特征集的冗余性,并利用最大相關(guān)最小冗余原則實(shí)現(xiàn)特征選擇。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文算法的有效性。

    猜你喜歡
    定義特征
    抓住特征巧觀察
    永遠(yuǎn)不要用“起點(diǎn)”定義自己
    海峽姐妹(2020年9期)2021-01-04 01:35:44
    定義“風(fēng)格”
    新型冠狀病毒及其流行病學(xué)特征認(rèn)識(shí)
    如何表達(dá)“特征”
    不忠誠的四個(gè)特征
    抓住特征巧觀察
    成功的定義
    山東青年(2016年1期)2016-02-28 14:25:25
    線性代數(shù)的應(yīng)用特征
    河南科技(2014年23期)2014-02-27 14:19:15
    修辭學(xué)的重大定義
    大片免费播放器 马上看| 亚洲国产看品久久| 欧美乱码精品一区二区三区| 无限看片的www在线观看| av不卡在线播放| 久久久久网色| 又黄又粗又硬又大视频| www.精华液| 欧美黄色淫秽网站| 夜夜夜夜夜久久久久| 精品国产乱码久久久久久小说| 两性夫妻黄色片| 最新在线观看一区二区三区| 国产男女内射视频| 亚洲精品久久午夜乱码| 夜夜骑夜夜射夜夜干| 国产精品免费视频内射| 999久久久国产精品视频| 亚洲精品在线美女| 成年人黄色毛片网站| 高清视频免费观看一区二区| 亚洲精品粉嫩美女一区| 老司机影院毛片| 免费高清在线观看日韩| 另类精品久久| 91成人精品电影| www.av在线官网国产| 一级片免费观看大全| 日韩大片免费观看网站| 日日摸夜夜添夜夜添小说| 午夜两性在线视频| 免费黄频网站在线观看国产| 亚洲久久久国产精品| 最近中文字幕2019免费版| 最近最新免费中文字幕在线| 波多野结衣一区麻豆| 精品欧美一区二区三区在线| 日本av手机在线免费观看| a 毛片基地| 亚洲精品国产一区二区精华液| 一区二区三区四区激情视频| 欧美日韩国产mv在线观看视频| 激情视频va一区二区三区| 国产在线观看jvid| 国产在线视频一区二区| 母亲3免费完整高清在线观看| 两人在一起打扑克的视频| 男女高潮啪啪啪动态图| 亚洲av片天天在线观看| 国产高清视频在线播放一区 | 久久免费观看电影| 久久久久久亚洲精品国产蜜桃av| av一本久久久久| 又黄又粗又硬又大视频| www.自偷自拍.com| 午夜福利,免费看| 精品免费久久久久久久清纯 | 免费黄频网站在线观看国产| 深夜精品福利| 免费观看av网站的网址| 久久精品亚洲av国产电影网| 大片电影免费在线观看免费| 黑人操中国人逼视频| 亚洲成人免费电影在线观看| 久久人人97超碰香蕉20202| 精品一区二区三卡| 新久久久久国产一级毛片| 美女福利国产在线| 国产精品久久久久成人av| 欧美日韩黄片免| 下体分泌物呈黄色| 另类精品久久| 99热全是精品| 国产精品免费视频内射| 国产人伦9x9x在线观看| 亚洲av片天天在线观看| netflix在线观看网站| 亚洲av国产av综合av卡| 欧美黑人精品巨大| 国产野战对白在线观看| 久热这里只有精品99| 免费在线观看完整版高清| 久久精品人人爽人人爽视色| 中文字幕人妻丝袜制服| 欧美日韩福利视频一区二区| 成人影院久久| 五月天丁香电影| 一级a爱视频在线免费观看| 午夜精品国产一区二区电影| 十八禁网站免费在线| 亚洲激情五月婷婷啪啪| 首页视频小说图片口味搜索| 亚洲成人手机| 老熟妇乱子伦视频在线观看 | 国产免费av片在线观看野外av| 俄罗斯特黄特色一大片| 久9热在线精品视频| 丰满人妻熟妇乱又伦精品不卡| 丰满人妻熟妇乱又伦精品不卡| 国产av又大| 中文精品一卡2卡3卡4更新| av在线播放精品| 亚洲五月色婷婷综合| 丝袜喷水一区| 91精品三级在线观看| 久久精品国产亚洲av高清一级| 麻豆av在线久日| 日韩一卡2卡3卡4卡2021年| 久久影院123| 色老头精品视频在线观看| 丝瓜视频免费看黄片| 老汉色av国产亚洲站长工具| 99精国产麻豆久久婷婷| 免费av中文字幕在线| 日韩一区二区三区影片| 色94色欧美一区二区| 亚洲av男天堂| 欧美 亚洲 国产 日韩一| 久久亚洲精品不卡| bbb黄色大片| 美国免费a级毛片| 日本欧美视频一区| 国产av又大| 大片免费播放器 马上看| av在线老鸭窝| 超色免费av| 日本av手机在线免费观看| 韩国精品一区二区三区| 老鸭窝网址在线观看| 久久国产精品人妻蜜桃| 99国产极品粉嫩在线观看| 国产伦人伦偷精品视频| 久久热在线av| 涩涩av久久男人的天堂| 亚洲精品久久久久久婷婷小说| 久久久久久久久免费视频了| 国产亚洲av片在线观看秒播厂| 99国产精品一区二区蜜桃av | 精品久久久久久电影网| 一二三四在线观看免费中文在| 亚洲av美国av| 各种免费的搞黄视频| 曰老女人黄片| 五月开心婷婷网| 成人国语在线视频| 天堂俺去俺来也www色官网| www.av在线官网国产| 日韩大片免费观看网站| 国产无遮挡羞羞视频在线观看| 性高湖久久久久久久久免费观看| 国产男女内射视频| 好男人电影高清在线观看| 中文字幕另类日韩欧美亚洲嫩草| 中国国产av一级| av有码第一页| 国产精品欧美亚洲77777| 另类精品久久| 久久中文字幕一级| 天堂8中文在线网| www.自偷自拍.com| 纵有疾风起免费观看全集完整版| 亚洲av电影在线观看一区二区三区| 狠狠精品人妻久久久久久综合| 狠狠婷婷综合久久久久久88av| 高清av免费在线| 在线观看www视频免费| 黄色视频不卡| 欧美一级毛片孕妇| 免费在线观看影片大全网站| 天天操日日干夜夜撸| 国产成人av激情在线播放| 韩国精品一区二区三区| 欧美亚洲 丝袜 人妻 在线| 黄色毛片三级朝国网站| 人妻 亚洲 视频| 制服诱惑二区| www日本在线高清视频| 亚洲精品一二三| 国产精品秋霞免费鲁丝片| a级毛片黄视频| 捣出白浆h1v1| www.精华液| 在线亚洲精品国产二区图片欧美| 美女大奶头黄色视频| 黄色a级毛片大全视频| 精品亚洲成a人片在线观看| 免费看十八禁软件| netflix在线观看网站| 久久精品熟女亚洲av麻豆精品| 久久精品亚洲av国产电影网| 男人爽女人下面视频在线观看| 人妻一区二区av| 午夜精品久久久久久毛片777| 又黄又粗又硬又大视频| 国产在线免费精品| 亚洲精品国产色婷婷电影| 超碰97精品在线观看| 肉色欧美久久久久久久蜜桃| 亚洲精品国产色婷婷电影| 一边摸一边抽搐一进一出视频| 亚洲第一青青草原| 美女主播在线视频| 王馨瑶露胸无遮挡在线观看| 国产精品久久久人人做人人爽| 视频区图区小说| 曰老女人黄片| 欧美激情高清一区二区三区| 国产日韩一区二区三区精品不卡| 国产精品香港三级国产av潘金莲| 久9热在线精品视频| 五月天丁香电影| 日韩三级视频一区二区三区| 欧美一级毛片孕妇| 精品亚洲乱码少妇综合久久| 香蕉国产在线看| 99国产精品一区二区三区| 18禁国产床啪视频网站| 欧美日韩亚洲国产一区二区在线观看 | a级片在线免费高清观看视频| 亚洲国产av影院在线观看| 国产精品1区2区在线观看. | 日本五十路高清| 男女边摸边吃奶| 男男h啪啪无遮挡| 国产精品久久久人人做人人爽| 69精品国产乱码久久久| 亚洲欧美一区二区三区久久| 国产淫语在线视频| a级毛片在线看网站| 多毛熟女@视频| 色婷婷久久久亚洲欧美| h视频一区二区三区| 一级片免费观看大全| 免费av中文字幕在线| 老熟妇乱子伦视频在线观看 | 1024视频免费在线观看| 精品第一国产精品| 国产成人欧美| 女人久久www免费人成看片| 色婷婷av一区二区三区视频| 午夜福利影视在线免费观看| 精品视频人人做人人爽| 波多野结衣一区麻豆| 手机成人av网站| 成人亚洲精品一区在线观看| 国产精品一区二区免费欧美 | 久久综合国产亚洲精品| 久久精品aⅴ一区二区三区四区| 亚洲国产av影院在线观看| 建设人人有责人人尽责人人享有的| 久久人妻熟女aⅴ| 国产av国产精品国产| 两个人免费观看高清视频| av片东京热男人的天堂| 老汉色∧v一级毛片| 大型av网站在线播放| 窝窝影院91人妻| 日韩视频在线欧美| 99热网站在线观看| 在线亚洲精品国产二区图片欧美| 欧美日韩视频精品一区| 国产精品免费视频内射| 美女大奶头黄色视频| 欧美日韩国产mv在线观看视频| 99精品欧美一区二区三区四区| 人妻久久中文字幕网| 亚洲全国av大片| 最新的欧美精品一区二区| 亚洲专区字幕在线| 国产精品自产拍在线观看55亚洲 | 亚洲精品乱久久久久久| 999久久久国产精品视频| 麻豆av在线久日| 一本久久精品| 国产精品.久久久| av天堂久久9| 精品国产一区二区三区四区第35| 国产一区二区在线观看av| 婷婷色av中文字幕| 青草久久国产| 777久久人妻少妇嫩草av网站| 老司机影院毛片| 久久99热这里只频精品6学生| 精品人妻在线不人妻| 欧美黄色淫秽网站| 精品亚洲乱码少妇综合久久| 国产精品秋霞免费鲁丝片| 久久久久久免费高清国产稀缺| 老鸭窝网址在线观看| 中文字幕精品免费在线观看视频| 叶爱在线成人免费视频播放| 精品国产国语对白av| 亚洲国产日韩一区二区| 色视频在线一区二区三区| 另类亚洲欧美激情| 亚洲精品国产色婷婷电影| 日韩视频在线欧美| 自拍欧美九色日韩亚洲蝌蚪91| 国产在线一区二区三区精| 久久香蕉激情| 午夜视频精品福利| 69精品国产乱码久久久| 欧美日韩黄片免| 又大又爽又粗| 一级黄色大片毛片| 亚洲一区二区三区欧美精品| 97人妻天天添夜夜摸| 黄频高清免费视频| 夜夜骑夜夜射夜夜干| 人人妻人人澡人人爽人人夜夜| 十八禁人妻一区二区| 岛国在线观看网站| 亚洲一码二码三码区别大吗| 在线十欧美十亚洲十日本专区| 久久国产精品大桥未久av| 日日夜夜操网爽| 黄片小视频在线播放| av一本久久久久| 一区福利在线观看| 法律面前人人平等表现在哪些方面 | 电影成人av| 超碰成人久久| 中文字幕另类日韩欧美亚洲嫩草| 夜夜骑夜夜射夜夜干| 亚洲av电影在线进入| 精品国内亚洲2022精品成人 | 每晚都被弄得嗷嗷叫到高潮| 国产一区二区三区av在线| 国产精品免费视频内射| 国产黄色免费在线视频| 国产精品一区二区精品视频观看| 伊人亚洲综合成人网| 两性午夜刺激爽爽歪歪视频在线观看 | 国产成人av激情在线播放| 国产欧美日韩一区二区三 | 欧美av亚洲av综合av国产av| av又黄又爽大尺度在线免费看| 极品少妇高潮喷水抽搐| 亚洲免费av在线视频| 午夜免费成人在线视频| 成人国语在线视频| 欧美在线黄色| 国产男人的电影天堂91| 国产淫语在线视频| www.熟女人妻精品国产| 在线永久观看黄色视频| 久久午夜综合久久蜜桃| 亚洲,欧美精品.| 久久久久精品国产欧美久久久 | 色婷婷av一区二区三区视频| 丁香六月天网| a级毛片在线看网站| 精品一区在线观看国产| 日韩制服丝袜自拍偷拍| 国产成人精品久久二区二区91| 欧美中文综合在线视频| 久久久久久免费高清国产稀缺| 国产福利在线免费观看视频| 久久99热这里只频精品6学生| 久久狼人影院| 丝袜人妻中文字幕| 亚洲国产欧美网| 国产精品国产av在线观看| 国产一区二区在线观看av| 亚洲欧美日韩另类电影网站| 91成年电影在线观看| 黑人猛操日本美女一级片| 欧美+亚洲+日韩+国产| 亚洲国产欧美一区二区综合| 脱女人内裤的视频| 国产精品香港三级国产av潘金莲| 99热国产这里只有精品6| 777久久人妻少妇嫩草av网站| 成人亚洲精品一区在线观看| 精品一区在线观看国产| 男女午夜视频在线观看| 桃红色精品国产亚洲av| 亚洲欧美清纯卡通| 十八禁网站网址无遮挡| 国产精品免费大片| 涩涩av久久男人的天堂| 欧美精品一区二区免费开放| 我要看黄色一级片免费的| 在线精品无人区一区二区三| 777米奇影视久久| 黑人巨大精品欧美一区二区蜜桃| 亚洲美女黄色视频免费看| 国产精品久久久久久精品电影小说| 久久久久精品人妻al黑| 久久久久久亚洲精品国产蜜桃av| 在线观看www视频免费| 亚洲精品中文字幕一二三四区 | 国产在视频线精品| 99re6热这里在线精品视频| 久久久国产一区二区| 自线自在国产av| 国产在线免费精品| 99re6热这里在线精品视频| 日韩大片免费观看网站| 国产精品国产三级国产专区5o| 亚洲,欧美精品.| 别揉我奶头~嗯~啊~动态视频 | 免费在线观看完整版高清| 18禁黄网站禁片午夜丰满| 久久精品亚洲熟妇少妇任你| 视频区欧美日本亚洲| 精品久久蜜臀av无| 天堂俺去俺来也www色官网| 日韩,欧美,国产一区二区三区| 两人在一起打扑克的视频| 国产精品国产三级国产专区5o| 19禁男女啪啪无遮挡网站| 成人三级做爰电影| 国产精品一区二区精品视频观看| 99国产精品免费福利视频| 欧美一级毛片孕妇| 日韩欧美国产一区二区入口| 精品福利永久在线观看| 精品第一国产精品| 天天躁夜夜躁狠狠躁躁| 免费观看av网站的网址| 欧美精品av麻豆av| 午夜视频精品福利| cao死你这个sao货| 久久精品国产综合久久久| 一二三四社区在线视频社区8| 夫妻午夜视频| 国产一区有黄有色的免费视频| 黄色片一级片一级黄色片| 国产无遮挡羞羞视频在线观看| 日韩人妻精品一区2区三区| 亚洲va日本ⅴa欧美va伊人久久 | 亚洲av男天堂| 亚洲少妇的诱惑av| 精品久久久久久电影网| 男人舔女人的私密视频| 制服诱惑二区| 国产无遮挡羞羞视频在线观看| 国产成人影院久久av| 777久久人妻少妇嫩草av网站| 叶爱在线成人免费视频播放| 黄色毛片三级朝国网站| 91麻豆精品激情在线观看国产 | 中文字幕最新亚洲高清| av视频免费观看在线观看| 男女高潮啪啪啪动态图| 午夜福利乱码中文字幕| 首页视频小说图片口味搜索| 国产精品久久久久久精品电影小说| 国产精品av久久久久免费| 男人爽女人下面视频在线观看| 精品一品国产午夜福利视频| 大码成人一级视频| 日本91视频免费播放| 免费不卡黄色视频| 国产在线一区二区三区精| 精品国产一区二区久久| 成年av动漫网址| 精品国产乱码久久久久久小说| 美女视频免费永久观看网站| 两性夫妻黄色片| 婷婷色av中文字幕| 亚洲色图 男人天堂 中文字幕| 欧美日韩黄片免| 视频在线观看一区二区三区| 一级a爱视频在线免费观看| 麻豆av在线久日| 国产精品久久久久久精品电影小说| 丝袜美腿诱惑在线| 美女福利国产在线| 国产欧美亚洲国产| 久久青草综合色| 99精品欧美一区二区三区四区| 天堂8中文在线网| 久久久精品免费免费高清| 欧美另类一区| h视频一区二区三区| 日本猛色少妇xxxxx猛交久久| 精品国产一区二区三区四区第35| 精品久久蜜臀av无| 美女中出高潮动态图| 欧美另类一区| 欧美午夜高清在线| 制服人妻中文乱码| 日本精品一区二区三区蜜桃| 精品一区二区三区av网在线观看 | 国产高清国产精品国产三级| 国产又色又爽无遮挡免| 9色porny在线观看| 午夜福利,免费看| 淫妇啪啪啪对白视频 | 色精品久久人妻99蜜桃| 两性午夜刺激爽爽歪歪视频在线观看 | 成人影院久久| 欧美午夜高清在线| 久久国产精品人妻蜜桃| 欧美激情 高清一区二区三区| 伦理电影免费视频| 另类精品久久| 国产成人精品在线电影| 肉色欧美久久久久久久蜜桃| 天天躁日日躁夜夜躁夜夜| www.自偷自拍.com| av福利片在线| 两性午夜刺激爽爽歪歪视频在线观看 | 欧美成狂野欧美在线观看| 色老头精品视频在线观看| 精品国产乱码久久久久久男人| 99国产精品99久久久久| 捣出白浆h1v1| 99久久综合免费| 日韩,欧美,国产一区二区三区| 亚洲av电影在线观看一区二区三区| 考比视频在线观看| 久久久久精品国产欧美久久久 | 啦啦啦中文免费视频观看日本| 91字幕亚洲| 一区福利在线观看| 国产男人的电影天堂91| 亚洲精品在线美女| 午夜精品久久久久久毛片777| 18禁观看日本| 别揉我奶头~嗯~啊~动态视频 | 人妻一区二区av| 久久国产精品人妻蜜桃| 国产日韩欧美亚洲二区| 91国产中文字幕| 一边摸一边做爽爽视频免费| 亚洲av欧美aⅴ国产| 热99国产精品久久久久久7| videosex国产| 少妇猛男粗大的猛烈进出视频| 女性生殖器流出的白浆| 国产极品粉嫩免费观看在线| 伊人久久大香线蕉亚洲五| 香蕉国产在线看| 丰满饥渴人妻一区二区三| 国产福利在线免费观看视频| 色婷婷久久久亚洲欧美| 男女之事视频高清在线观看| 精品少妇内射三级| 91成年电影在线观看| 久久国产亚洲av麻豆专区| 欧美日韩中文字幕国产精品一区二区三区 | 日韩 亚洲 欧美在线| 51午夜福利影视在线观看| 国产成+人综合+亚洲专区| 欧美xxⅹ黑人| 欧美精品亚洲一区二区| 狠狠婷婷综合久久久久久88av| 女性被躁到高潮视频| 国产福利在线免费观看视频| 一本大道久久a久久精品| 免费观看av网站的网址| 曰老女人黄片| 国产精品 国内视频| 亚洲精品第二区| 国产av又大| 老熟女久久久| 一进一出抽搐动态| 日韩电影二区| 午夜日韩欧美国产| 这个男人来自地球电影免费观看| 少妇粗大呻吟视频| 多毛熟女@视频| 午夜福利免费观看在线| 一本久久精品| 免费观看a级毛片全部| 纯流量卡能插随身wifi吗| 免费av中文字幕在线| www.av在线官网国产| 欧美日韩精品网址| 日本vs欧美在线观看视频| 18禁国产床啪视频网站| 国产免费视频播放在线视频| 永久免费av网站大全| 亚洲国产欧美日韩在线播放| 国产亚洲欧美精品永久| 国产三级黄色录像| 亚洲专区国产一区二区| 国产精品秋霞免费鲁丝片| 日韩欧美一区二区三区在线观看 | 亚洲九九香蕉| 不卡一级毛片| 成年女人毛片免费观看观看9 | 亚洲专区国产一区二区| 国产黄频视频在线观看| 超碰97精品在线观看| 欧美日韩一级在线毛片| 伊人久久大香线蕉亚洲五| 国产黄频视频在线观看| 亚洲精品中文字幕在线视频| 美女主播在线视频| 无遮挡黄片免费观看| 午夜激情久久久久久久| 久久狼人影院| 777米奇影视久久| 久久久欧美国产精品| 久久久精品94久久精品| 在线永久观看黄色视频| 我的亚洲天堂| 欧美激情极品国产一区二区三区| 精品一区二区三区av网在线观看 | 妹子高潮喷水视频| 久久久国产精品麻豆| 色视频在线一区二区三区| 国产在线视频一区二区| 亚洲欧美日韩高清在线视频 | 狠狠婷婷综合久久久久久88av| 手机成人av网站| 亚洲色图 男人天堂 中文字幕| 国产无遮挡羞羞视频在线观看| 少妇人妻久久综合中文| 999久久久国产精品视频| 日本撒尿小便嘘嘘汇集6|