• <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 ?

    改進的基于譜聚類的子空間聚類模型

    2022-01-05 02:32:14陳花竹
    計算機應(yīng)用 2021年12期
    關(guān)鍵詞:誤差率標簽聚類

    高 冉,陳花竹

    (中原工學(xué)院理學(xué)院,鄭州 451191)

    (?通信作者聯(lián)系郵箱nygr@163.com)

    0 引言

    子空間聚類得到了廣泛的關(guān)注和大量的研究,它的任務(wù)是將數(shù)據(jù)分割到其本質(zhì)上所屬的子空間。子空間聚類是對傳統(tǒng)聚類方法的一種擴展,近20年來,人們提出了大量的子空間聚類方法,這些方法大致可以分為四類:迭代方法[1-2]、代數(shù)方法[3-4]、統(tǒng)計方法[5-6]和基于譜聚類的方法[7]。迭代方法將數(shù)據(jù)點分配到不同的子空間,并應(yīng)用數(shù)據(jù)點擬合每個子空間。該方法通常需要預(yù)先設(shè)置每個子空間的維數(shù),最終的結(jié)果取決于初始化。代數(shù)方法的一個典型代表是基于分解的方法,它通過閾值相似矩陣(由數(shù)據(jù)矩陣的分解構(gòu)造)的元素來搜索初始分割。這些方法在子空間獨立時具有嚴格的理論保證;然而,它們對數(shù)據(jù)噪聲或異常值沒有魯棒性。統(tǒng)計方法通常假設(shè)每個子空間內(nèi)的數(shù)據(jù)遵循某種分布,如高斯分布。在此基礎(chǔ)上,采用期望最大化(Expectation Maximization,EM)算法交替進行數(shù)據(jù)聚類和子空間估計。這些方法的主要缺點是依賴于估計精確的子空間模型?;谧V聚類的方法由于其易于實現(xiàn)、對初始化和數(shù)據(jù)損壞不敏感等優(yōu)點而越來越流行。這類方法通常將問題劃分為兩個獨立的階段:首先,通過自表示學(xué)習(xí)從數(shù)據(jù)中學(xué)習(xí)一個相似度矩陣,如稀疏子空間聚類(Sparse Subspace Clustering,SSC)[8-9]、低秩表示(Low-Rank Representation,LRR)[10-11]和一些基于SSC 或LRR 的擴展模型)如魯棒子空間聚類的最小二乘回歸(Least Square Regression,LSR)[12]、相關(guān)自適應(yīng)子空間聚類(Correlation Adaptive Subspace Segmentation,CASS)[13]、隱低秩表示(Latent Low-Rank Representation,LatLLR)[14]、隱光滑表示子空間聚類(Latent SMooth Representation clustering,LSMR)[15]、塊對角表示(Block Diagonal Representation,BDR)[16]等,它們主要研究如何從數(shù)據(jù)中學(xué)習(xí)一個好的相似度矩陣來提高聚類性能。其次,應(yīng)用Normalized cuts(N-cut)[17]或稀疏譜聚類(Sparse Spectral Clustering,SSpeC)[18]等譜聚類方法,利用相似度矩陣推斷數(shù)據(jù)的標簽,得到數(shù)據(jù)最終的聚類結(jié)果。這些兩階段法中,SSpeC 模型是對傳統(tǒng)譜聚類的改進,通過分析隱相似度矩陣的稀疏性引入稀疏正則項,以此來增強聚類判別能力;但該正則項對于隱相似度矩陣的稀疏性是模糊的,因為它沒有顯式地捕獲數(shù)據(jù)的自表示矩陣和聚類指標矩陣之間的自然關(guān)系,沒有考慮隱相似度矩陣中哪些元素為0。SSpeC 模型雖然優(yōu)于傳統(tǒng)的譜聚類方法,但也沒有充分利用相似度矩陣與數(shù)據(jù)標簽之間的關(guān)系,聚類性能并未達到最優(yōu)。

    結(jié)構(gòu)稀疏子空間聚類(Structured Sparse Subspace Clustering,SSSC)[19-20]將兩階段合并,同時得到相似度矩陣和聚類結(jié)果。將相似度矩陣學(xué)習(xí)和標簽學(xué)習(xí)集成到一個統(tǒng)一的優(yōu)化框架中,并利用其中一個來引導(dǎo)另一個,使兩者都具有優(yōu)點:一方面,它利用標簽將來自不同類的數(shù)據(jù)點對應(yīng)的相似度強制為零;另一方面,它使用相似度矩陣來引導(dǎo)標簽推斷,使得同一類中的數(shù)據(jù)點具有相同的標簽。SSSC的聚類性能優(yōu)于上述兩階段法,但SSSC只強制來自相同子空間的數(shù)據(jù)具有相同的聚類標簽,沒有考慮來自不同子空間的數(shù)據(jù)具有不同的聚類標簽。結(jié)構(gòu)塊對角表示(Structured Block Diagonal Representation,SBDR)[21]和判別相關(guān)子空間聚類(Discriminative and Coherent Subspace Clustering,DCSC)[22]都是兩個階段的統(tǒng)一優(yōu)化模型,它們是對SSSC 方法的改進,但是它們主要集中在對自表示學(xué)習(xí)時的改進,使用相似度矩陣來引導(dǎo)標簽推斷時仍然應(yīng)用的是傳統(tǒng)的譜聚類算法(N-cut)。

    本文在SSpeC 模型的稀疏性基礎(chǔ)上,給出一個新的數(shù)據(jù)自適應(yīng)稀疏正則項,并采用SSSC 的統(tǒng)一優(yōu)化框架,以保持相似度矩陣學(xué)習(xí)和聚類指標推斷的相互引導(dǎo)。一方面,利用數(shù)據(jù)對的相關(guān)性來指導(dǎo)隱相似度矩陣的稀疏性,克服了SSpeC中稀疏性懲罰的盲目性;另一方面,它傾向于強制來自不同子空間的數(shù)據(jù)具有不同的聚類指標,從而補充了SSSC 只強制來自相同子空間的數(shù)據(jù)具有相同的聚類指標的缺陷。

    1 相關(guān)工作

    為方便起見,在回顧相關(guān)理論之前,由表1 給出了本文中使用的符號的定義。

    表1 符號說明Tab.1 Symbol description

    令X=(x1,x2,…,xN)∈Rn×N是N個數(shù)據(jù)的集合,每一列xi都是一個n維特征向量。假設(shè)數(shù)據(jù)分別來自維數(shù)未知的的K個相互獨立的子空間的并集。子空間聚類的目的是通過聚類來揭示每個數(shù)據(jù)的子空間屬性,一類對應(yīng)一個子空間。基于譜聚類方法取得了很好的效果,它假設(shè)子空間中的任何數(shù)據(jù)都可以表示為其他數(shù)據(jù)的線性組合的前提下,利用自表示矩陣Z構(gòu)造相似度矩陣。這些方法通過求解以下優(yōu)化問題得到自表示矩陣Z:

    其中:Ω(Z)和C 是對Z的約束;E表示誤差值、損壞值或異常值;Φ(E)是E的約束函數(shù),一般來說用于高斯噪聲,‖E‖1用于異常值;λ是一個權(quán)衡參數(shù)。不同聚類方法之間的主要區(qū)別在于Ω(Z)的選擇,設(shè)計合適的Ω(Z)使得模型得到的矩陣Z滿足類間稀疏、類內(nèi)一致的性質(zhì)。例如,SSC 使用‖Z‖1來增強Z的稀疏性,LRR 使用核范數(shù)‖Z‖?來尋求對所有數(shù)據(jù)的低秩表示。得到問題(1)的最優(yōu)解Z*后,就構(gòu)造出相似度矩陣。然后,通過譜聚類算法得到聚類結(jié)果。具體地,通過優(yōu)化以下問題得到最終聚類結(jié)果:

    其中:L=D-A是Laplace 矩陣;D是一個對角元素為Djj=的對角矩陣。約束Γ是聚類指標矩陣的集合,定義為:

    其中F為聚類指標矩陣。具體地,定義為:

    第i行的非零元所在的列表示數(shù)據(jù)xi的所在的類,F(xiàn)的第j列表示哪些數(shù)據(jù)屬于第j類。F1=1 表示每個數(shù)據(jù)點只在一個子空間中。約束rank(F)=K是為了確保F只有K行不同,因為子空間的類的個數(shù)是K。問題(2)通常由F∈Γ松弛為FTF=I,其中I是單位矩陣。所以譜聚類問題松弛為以下優(yōu)化問題:

    問題(4)的最優(yōu)解F的列是L的K個最小特征值的對應(yīng)的特征向量。將K-均值(K-means)聚類算法作用于F的每一行,得到最終聚類結(jié)果。

    FFT在某種程度上是稀疏的,SSpeC 模型通過‖F(xiàn)FT‖1來考慮稀疏性,所以SSpeC模型表示為:

    SSpeC 表明FFT矩陣隱含了相似度矩陣A的可判別性或|FFT|可視為一個新的相似度矩陣,稱為隱相似度矩陣。但它是盲目的,因為它沒有考慮兩個數(shù)據(jù)點是否來自不同的子空間。只有數(shù)據(jù)點xi與xj來自不同的子空間,才有(FFT)ij=0。此外,SSpeC 是一個兩階段的方法,沒有充分利用相似度矩陣和數(shù)據(jù)標簽之間的關(guān)系。

    SSSC 通過以下模型將子空間聚類問題表述為一個統(tǒng)一的框架:

    α>0和λ>0權(quán)衡參數(shù),SSSC中,自表示矩陣Z和聚類指標矩陣F彼此交互,使得它們有一些有利于聚類的特性。

    SSSC 模型雖然將相似度矩陣和聚類指標矩陣結(jié)合成一個統(tǒng)一的框架,是統(tǒng)一優(yōu)化模型,優(yōu)于兩階段聚類方法,但是它沒有考慮來自不同子空間的數(shù)據(jù)具有不同的聚類指標,本文旨在針對聚類指標矩陣的學(xué)習(xí)對SSSC方法進行改進。

    2 本文提出的模型

    2.1 本文模型

    根據(jù)前面對SSpeC模型的分析,當xi和xj不在同一個子空間時,隱相似度矩陣的元素|(FFT)ij為零。直觀地說,如果數(shù)據(jù)點xi和xj之間的距離很遠,那么很可能xi和xj|來自不同的子空間。在此基礎(chǔ)上,利用下面的加權(quán)稀疏性來懲罰隱相似度矩陣的稀疏性:

    將式(7)代入SSSC 模型,且將F∈Γ松弛為FTF=I,可得:

    2.2 模型求解

    通過交替求解以下兩個子問題,設(shè)計了模型(8)的有效算法:

    1)固定X和Z,求解F;

    2)固定F,通過求解表示問題找到Z和E。

    2.2.1 求聚類指標矩陣F

    當Z和E固定時,式(8)轉(zhuǎn)化為下式:

    又因為

    所以式(9)可寫為下式:

    為了式(10)的目標函數(shù)能變量分離,引入輔助變量J,然后將其改寫為如下等價公式:

    該問題可以用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM))[23-24]來解決。式(11)的增廣Lagrange函數(shù)為:

    其中:Y是Lagrange乘子,μ>0是懲罰算子。當別的變量固定時,依次更新F、J和Y。

    1)F子問題:固定J和Y,通過下式更新F。

    其中:F為最大的K(K為類別個數(shù))個特征值對應(yīng)的特征向量組成的矩陣。

    2)J子問題:固定F和Y,通過下式更新J。

    式(14)的解為:

    其中:S為軟閾值算子,||W是對矩陣的每個元素求絕對值。

    3)Y子問題:乘子的更新是標準的梯度上升過程:

    將問題(11)的整個求解方法總結(jié)在算法1中,其中k是迭代次數(shù)。

    2.2.2 求自表示矩陣Z和誤差矩陣E

    這是SSSC模型。具體求解參考文獻[11]。

    3 實驗結(jié)果

    本章分別在Extended Yale B 數(shù)據(jù)庫[25]、Hopkins 155 數(shù)據(jù)庫[26]及USPS 數(shù)據(jù)庫[27]進行實驗,以評估本文模型的聚類性能,并與當前較好的聚類模型進行聚類誤差率比較,如SSC[8-9]、LRR[10-11]、LSR(包含LSR1和LSR2兩個模型)[12]、CASS[13]、LatLRR[14]、LSMR[15]、BDR[16]、SSC+SSpeC(Sparse Subspace Clustering+Spare Spectral Clustering)[18]、N-cut[17]、BDSSC(Block Diagonal Sparse Subspace Clustering)[28]、SSSC[19-20]、LRSC[29-30]、BDLRR(Block Diagonal Low-rank Representation)[28]、TSC(Thresholding-based Subspace Clustering)[31]、NSN(Nearest Subspace Neighbor)[31]、正交匹配追蹤(Orthogonal Matching Pursuit,OMP)[32]和K-means。為了在所有實驗中進行公平的比較,使用作者源代碼中默認或建議參數(shù)設(shè)置的實驗結(jié)果,或者直接從其原始論文中引用最佳實驗結(jié)果,從而獲得所有比較模型的最佳性能。

    采用上述參考文獻中使用的子空間聚類誤差率error=Nerror/Ntotal作為聚類性能度量,其中:Nerror表示錯誤聚類的數(shù)據(jù)點的個數(shù),Ntotal表示數(shù)據(jù)點總數(shù)。

    3.1 Extended Yale B 數(shù)據(jù)庫實驗

    Extended Yale B 人臉數(shù)據(jù)庫包含38 個人的2 414 張人臉圖像,每一個人在不同可控光實驗室條件下大約有64 張人臉圖像,部分圖像如圖1所示。

    圖1 Extended Yale B人臉數(shù)據(jù)庫的樣本圖像Fig.1 Sample images of Extended Yale B face data base

    為了減少算法的計算時間和降低存儲空間,參考SSSC[19-20],先將所有圖像的大小壓縮為48×42,然后向量化為2 016 維數(shù)據(jù)點。和SSSC 一樣,將38 類數(shù)據(jù)分為4 組,而不是對整個數(shù)據(jù)集進行聚類,以評估本文模型在平均意義上的聚類性能。具體而言,四組分別對應(yīng)1~10 類、11~20 類、21~30類、31~38 類。對于前三組中的每一組,考慮K={2,3,5,8,10}類的所有選擇;對于最后一組,考慮K={2,3,5,8}類的所有選擇。實驗中Φ(E)=‖E‖1。該實驗結(jié)果與SSC、LRR、LSR、CASS、LatLRR、LSMR、BDR、SSC+SSpeC、N-cut、BDSSC、SSSC、LRSC、BDLRR、TSC、NSN、OMP 和K-means進行比較。

    實驗表明,當K=2 時,本文模型在參數(shù)α=0.1,β=0.001,λ=0.5 時通常會得到“最佳”平均聚類精度,另外在該數(shù)據(jù)集上所有實驗的參數(shù)都選擇這個設(shè)置。

    為了展示本文模型的性能,從每個組中任選所有K類進行實驗,例如,當K=2 時,共有種情況。然后每類的所有情況的聚類錯誤率的均值(Ave.)、標準差(“±”符號后的數(shù)據(jù))和中值(Med.)如表2 所示,其中“—”表示未報告數(shù)據(jù),最好的結(jié)果用粗體表示。為了更加直觀,還繪制了不同模型的平均聚類錯誤率與類的個數(shù)的關(guān)系曲線如圖2所示。

    表2 Extended Yale B人臉數(shù)據(jù)庫上的聚類錯誤率 單位:%Tab.2 Clustering error rate on Extended Yale B face data base unit:%

    通過表2 和圖2 可以看到,在所有模型中,后兩種模型的聚類誤差率的平均值、中值明顯低于前幾種模型,說明同時得到相似度矩陣和聚類結(jié)果的統(tǒng)一模型優(yōu)于兩步法模型;本文模型的平均聚類誤差率最低,且對應(yīng)的標準差明顯較小,表明本文模型較其他方法更加穩(wěn)定。當K=2,3,5,8,10 時,平均聚類誤差率分別為0.18%、0.25%、0.309%、0.302% 和0.26%。由此可見,本文模型的平均聚類誤差率對類別個數(shù)的增加具有較強的魯棒性。

    圖2 Extended Yale B數(shù)據(jù)庫上的聚類錯誤率與類的個數(shù)的關(guān)系Fig.2 Relationship between clustering error rate and the number of classes on Extended Yale B data dase

    當K=2,3,5,8,10 時,與次優(yōu)的LSMR 相比,本文模型將聚類誤差率從0.53%、0.98%、1.44%、1.80%和1.67%降到0.18%、0.25%、0.309%、0.302%和0.26%;與SSC+SSpeC 相比,本文模型將聚類誤差率從1.92%、3.33%、4.49%、3.67%和2.71% 降到0.18%、0.25%、0.309%、0.302% 和0.26%。與SSSC 相比,隨著類別的個數(shù)的增加,本文模型的平均誤差率增大較為緩慢,說明該模型更適合大數(shù)據(jù)。本模型優(yōu)于另兩種的兩個原因:一方面使用數(shù)據(jù)間的距離來指導(dǎo)隱相似度矩陣的稀疏性,克服了SSpeC 稀疏懲罰的盲目性;另一方面,它建立了相似度矩陣和聚類指標矩陣之間的關(guān)系,是統(tǒng)一的優(yōu)化模型。

    此外,為了更好地比較SSC+SSpeC、SSSC 以及本文模型,將這些模型應(yīng)用于Extended Yale B 人臉數(shù)據(jù)庫(K=5時),并將所得到的相似度矩陣A、隱相似度矩陣FFT和聚類指標矩陣F可視化??梢暬Y(jié)果如圖3所示。理想情況下,來自不同聚類的數(shù)據(jù)點的相似度矩陣和隱相似度矩陣(對角塊之外的元素)應(yīng)為零,從而表現(xiàn)出區(qū)分性。與圖3(a)、(b)所示的SSC+SSpeC 和SSSC 的相似度矩陣相比,本文模型產(chǎn)生了一個更好的相似矩陣,其對角塊外的非零項非常少,如圖3(f)所示,本文模型所得隱相似性矩陣基本上是對角塊,具有更好的辨別性。

    圖3 三種模型在Extended Yale B人臉數(shù)據(jù)庫上所得到的相似度矩陣、隱相似度矩陣和聚類指標矩陣的可視化(K=5)Fig.3 Visualization of affinity matrix,latent affinity matrix and clustering indicator matrix obtained by three models on Extended Yale B face data base(K=5)

    3.2 Hopkins 155數(shù)據(jù)庫實驗

    Hopkins 155 數(shù)據(jù)庫是一個運動分割數(shù)據(jù)庫,包括155 個視頻序列,每個視頻中有2個或3個類,對應(yīng)于2個或3個低維子空間。圖4 是來自Hopkins 155 數(shù)據(jù)庫的樣本圖像。使用來約束E。本實驗將本文模型與SSC、LRR、LSMR、N-cut、SSSC、K-means、SSC+SSpeC、LSR1、LSR2、BDLRR、BDSSC、LSA(Local Subspace Affinity)[33]和DCSC[22]作比較。

    圖4 Hopkins 155數(shù)據(jù)庫的樣本圖像Fig.4 Sample images of Hopkins 155 data base

    表3 Hopkins 155數(shù)據(jù)庫上的聚類錯誤率對比 單位:%Tab.3 Clustering error rates on Hopkins 155 data base unit:%

    圖5 Hopkins 155數(shù)據(jù)庫上聚類錯誤率與類的個數(shù)的關(guān)系Fig.5 Relationship between clustering error rate and the number of classes on Hopkins 155 data base

    3.3 USPS數(shù)據(jù)庫實驗

    USPS 數(shù)據(jù)集是一個手寫數(shù)字數(shù)據(jù)集[27],由10 類共9 298幅圖像組成,每個類的手寫數(shù)字為0~9。每幅圖像的像素為16×16,部分樣本如圖6所示。

    圖6 USPS數(shù)據(jù)集的樣本圖像Fig.6 Sample images of USPS data base

    本文實驗中使用標準的主分量分析(Principal Component Analysis,PCA)將256維數(shù)據(jù)降至40維,并且只使用每類圖像中的前100 幅圖像,。該實驗結(jié)果與SSC、LRR、LSMR、N-cut、SSSC、K-means、SSC+SSpeC、LSR、CASS 和光滑表示聚類(SMR)[34]進行比較。

    實驗結(jié)果表明,當α=0.1,β=0.000 01,λ=2.5 時得到“好”的聚類結(jié)果。聚類誤差率如表4 所示,其中最好的結(jié)果用粗體表示。從表4 可以看出,與SSSC 相比,本文模型對USPS 數(shù)據(jù)集的聚類誤差率從8.20%降到7.70%,聚類效果良好。

    表4 USPS數(shù)據(jù)庫上的聚類錯誤率 單位:%Tab.4 Clustering error rates on USPS database unit:%

    4 結(jié)語

    本文提出了一種新的子空間聚類模型,在SSSC 模型中加入了一個數(shù)據(jù)自適應(yīng)稀疏正則項。一方面,新的正則項利用數(shù)據(jù)對之間的距離來強化潛在相似度矩陣的聚類判別性質(zhì),從而克服了SSpeC 中稀疏性懲罰的盲目性;另一方面,它建立了相似度矩陣和聚類指標矩陣之間的關(guān)系,克服了SSSC 只強制來自相同子空間的數(shù)據(jù)具有相同的聚類標簽的缺陷,且是統(tǒng)一的優(yōu)化模型。在三個常用數(shù)據(jù)集上的實驗表明,本文提出的方法優(yōu)于現(xiàn)有的兩階段方法和統(tǒng)一的SSSC優(yōu)化模型。

    猜你喜歡
    誤差率標簽聚類
    生化檢驗全程中質(zhì)量控制管理方式及應(yīng)用意義
    健康大視野(2020年1期)2020-03-02 11:33:53
    降低評吸人員單料煙感官評分誤差率探討
    無懼標簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    不害怕撕掉標簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    無線傳感器網(wǎng)絡(luò)定位算法在環(huán)境監(jiān)測中的應(yīng)用研究
    電工儀表測量中容易忽略的幾個問題
    標簽化傷害了誰
    基于改進的遺傳算法的模糊聚類算法
    基于多進制查詢樹的多標簽識別方法
    計算機工程(2015年8期)2015-07-03 12:20:27
    a级毛色黄片| 中文亚洲av片在线观看爽| 内射极品少妇av片p| 91狼人影院| 一级毛片aaaaaa免费看小| 又爽又黄a免费视频| 亚洲成a人片在线一区二区| 国产精品一二三区在线看| 高清毛片免费看| 精品久久久久久久人妻蜜臀av| 久久久久国产网址| 日韩欧美精品v在线| 天堂√8在线中文| 少妇猛男粗大的猛烈进出视频 | 日本成人三级电影网站| 男人舔奶头视频| 97超视频在线观看视频| 成人无遮挡网站| 国产单亲对白刺激| 午夜免费男女啪啪视频观看| 国产女主播在线喷水免费视频网站 | 少妇人妻精品综合一区二区 | 精品99又大又爽又粗少妇毛片| 丰满的人妻完整版| 村上凉子中文字幕在线| 少妇丰满av| 欧美日韩在线观看h| 中文精品一卡2卡3卡4更新| 午夜亚洲福利在线播放| 免费看av在线观看网站| 色5月婷婷丁香| 亚洲精品亚洲一区二区| 麻豆国产97在线/欧美| 一区二区三区四区激情视频 | 日本黄大片高清| 成人国产麻豆网| 日韩成人av中文字幕在线观看| 插阴视频在线观看视频| 午夜久久久久精精品| 人妻制服诱惑在线中文字幕| 哪个播放器可以免费观看大片| 国产精品爽爽va在线观看网站| 欧美色视频一区免费| 观看免费一级毛片| 国产一级毛片七仙女欲春2| 色综合亚洲欧美另类图片| 国产高清有码在线观看视频| 亚洲成a人片在线一区二区| 少妇的逼水好多| 美女脱内裤让男人舔精品视频 | 国产精品一二三区在线看| 欧美变态另类bdsm刘玥| 亚洲精品久久久久久婷婷小说 | 一区二区三区四区激情视频 | 爱豆传媒免费全集在线观看| 97热精品久久久久久| 99热这里只有精品一区| 三级男女做爰猛烈吃奶摸视频| 热99在线观看视频| 成人无遮挡网站| 色尼玛亚洲综合影院| 中文字幕av在线有码专区| 日本黄大片高清| 精品午夜福利在线看| 亚洲精品国产av成人精品| 久久久久久久久久久丰满| 成年版毛片免费区| 3wmmmm亚洲av在线观看| 性插视频无遮挡在线免费观看| 晚上一个人看的免费电影| 中国美白少妇内射xxxbb| 亚洲av中文av极速乱| 有码 亚洲区| 国产人妻一区二区三区在| 久久久精品大字幕| 两个人的视频大全免费| 美女国产视频在线观看| 国产黄a三级三级三级人| 一级毛片久久久久久久久女| 日本一二三区视频观看| 女人被狂操c到高潮| 国产欧美日韩精品一区二区| 免费av不卡在线播放| 日本与韩国留学比较| 精品久久久久久久久av| 午夜免费激情av| 在线免费观看不下载黄p国产| 国产色爽女视频免费观看| 特级一级黄色大片| 国产精品一区二区性色av| 天天躁夜夜躁狠狠久久av| 成人国产麻豆网| 99热网站在线观看| av又黄又爽大尺度在线免费看 | 99视频精品全部免费 在线| 天堂中文最新版在线下载 | 国产成人影院久久av| 亚洲av免费高清在线观看| 久久精品国产亚洲网站| 久久精品国产亚洲av天美| 免费人成在线观看视频色| 日本熟妇午夜| 国内精品美女久久久久久| 91aial.com中文字幕在线观看| 久久99精品国语久久久| 草草在线视频免费看| а√天堂www在线а√下载| 中出人妻视频一区二区| 国产精品一区二区在线观看99 | 日韩成人伦理影院| 精华霜和精华液先用哪个| 我要搜黄色片| 成人无遮挡网站| 久久久久性生活片| 91精品一卡2卡3卡4卡| 午夜福利在线在线| 又粗又硬又长又爽又黄的视频 | 国产在视频线在精品| 可以在线观看毛片的网站| kizo精华| 免费观看a级毛片全部| 欧美性猛交╳xxx乱大交人| 99热6这里只有精品| 99久久精品一区二区三区| 欧美又色又爽又黄视频| 女人十人毛片免费观看3o分钟| 老司机福利观看| www.av在线官网国产| 国产精品av视频在线免费观看| 天天躁日日操中文字幕| 国产精品麻豆人妻色哟哟久久 | 两性午夜刺激爽爽歪歪视频在线观看| 久久久久久久久大av| 国产精华一区二区三区| 在线播放无遮挡| 亚洲自拍偷在线| 欧美激情在线99| 亚洲美女搞黄在线观看| 欧美三级亚洲精品| 亚洲最大成人av| 亚洲精品国产成人久久av| 精品一区二区三区视频在线| 日本一本二区三区精品| 欧美又色又爽又黄视频| 我要搜黄色片| 级片在线观看| av在线观看视频网站免费| 深爱激情五月婷婷| 色视频www国产| 小蜜桃在线观看免费完整版高清| 亚洲成人久久性| 国产av不卡久久| 久久久色成人| 国产午夜精品论理片| 看非洲黑人一级黄片| 美女内射精品一级片tv| 久久久a久久爽久久v久久| 国产女主播在线喷水免费视频网站 | 白带黄色成豆腐渣| 国产亚洲91精品色在线| 久久久久性生活片| 在线a可以看的网站| 亚洲av免费在线观看| 国产精品久久久久久精品电影小说 | 国内精品久久久久精免费| 久久久久久九九精品二区国产| 在线免费观看的www视频| 最近中文字幕高清免费大全6| 听说在线观看完整版免费高清| 在线观看66精品国产| 色哟哟哟哟哟哟| 少妇丰满av| 国产一区二区三区在线臀色熟女| 男人的好看免费观看在线视频| 免费在线观看成人毛片| 亚洲欧美日韩高清在线视频| 你懂的网址亚洲精品在线观看 | 网址你懂的国产日韩在线| 久久久午夜欧美精品| 亚洲一级一片aⅴ在线观看| 日本爱情动作片www.在线观看| 午夜爱爱视频在线播放| 亚洲av成人精品一区久久| 在线观看免费视频日本深夜| 色噜噜av男人的天堂激情| 亚洲精品粉嫩美女一区| 中国美女看黄片| 久久久国产成人精品二区| 亚洲人成网站在线播| 成人永久免费在线观看视频| 国产av在哪里看| 淫秽高清视频在线观看| 亚洲国产精品成人久久小说 | АⅤ资源中文在线天堂| 男人的好看免费观看在线视频| 99热这里只有精品一区| kizo精华| 熟女电影av网| 精品国产三级普通话版| 69人妻影院| 秋霞在线观看毛片| 午夜精品一区二区三区免费看| 搞女人的毛片| 精品不卡国产一区二区三区| 日韩中字成人| 久久精品国产自在天天线| 免费电影在线观看免费观看| 深爱激情五月婷婷| 亚洲国产精品成人久久小说 | 国产一级毛片七仙女欲春2| 婷婷色综合大香蕉| 日日撸夜夜添| 嫩草影院精品99| 长腿黑丝高跟| 99riav亚洲国产免费| 最近2019中文字幕mv第一页| 国产91av在线免费观看| 一级av片app| 又黄又爽又刺激的免费视频.| 老师上课跳d突然被开到最大视频| 赤兔流量卡办理| 亚洲不卡免费看| av黄色大香蕉| 99久久精品国产国产毛片| 69av精品久久久久久| 在线观看午夜福利视频| 美女内射精品一级片tv| 六月丁香七月| 午夜爱爱视频在线播放| 国产v大片淫在线免费观看| 高清毛片免费看| 级片在线观看| 免费一级毛片在线播放高清视频| 极品教师在线视频| 国产 一区 欧美 日韩| 高清在线视频一区二区三区 | 91久久精品国产一区二区三区| 精品久久国产蜜桃| eeuss影院久久| 国产精品福利在线免费观看| 91av网一区二区| 亚洲成人精品中文字幕电影| 久久久久久九九精品二区国产| 国产乱人视频| 少妇人妻一区二区三区视频| 国产黄片美女视频| 国产精品不卡视频一区二区| 人妻制服诱惑在线中文字幕| 亚洲精品自拍成人| 日韩一本色道免费dvd| 精华霜和精华液先用哪个| 波多野结衣高清作品| 91久久精品国产一区二区成人| 日日摸夜夜添夜夜爱| 日本一二三区视频观看| 最近2019中文字幕mv第一页| 非洲黑人性xxxx精品又粗又长| 欧美高清性xxxxhd video| 99久国产av精品| 99久国产av精品| 真实男女啪啪啪动态图| 少妇熟女aⅴ在线视频| 91午夜精品亚洲一区二区三区| 12—13女人毛片做爰片一| 亚洲av中文av极速乱| 亚洲av.av天堂| 少妇裸体淫交视频免费看高清| 亚洲高清免费不卡视频| 哪里可以看免费的av片| 舔av片在线| 亚洲精品456在线播放app| 美女被艹到高潮喷水动态| 亚洲在线观看片| 91狼人影院| 亚洲成av人片在线播放无| 小说图片视频综合网站| 亚洲欧美精品专区久久| 美女黄网站色视频| 最近视频中文字幕2019在线8| 男人和女人高潮做爰伦理| 女的被弄到高潮叫床怎么办| 99精品在免费线老司机午夜| 久久久久久久久久久丰满| 国产伦精品一区二区三区四那| 岛国毛片在线播放| 精品不卡国产一区二区三区| 高清午夜精品一区二区三区 | 91麻豆精品激情在线观看国产| 又粗又硬又长又爽又黄的视频 | 午夜a级毛片| 在线免费观看不下载黄p国产| 高清毛片免费看| 久久久a久久爽久久v久久| 国产伦理片在线播放av一区 | 免费看光身美女| 亚洲第一区二区三区不卡| 午夜福利高清视频| 国产老妇女一区| 哪个播放器可以免费观看大片| 男女边吃奶边做爰视频| 成人无遮挡网站| 欧美极品一区二区三区四区| 亚洲在线观看片| 不卡视频在线观看欧美| 欧美日韩一区二区视频在线观看视频在线 | 中文字幕免费在线视频6| 在线播放国产精品三级| 91精品一卡2卡3卡4卡| h日本视频在线播放| 色综合色国产| 2021天堂中文幕一二区在线观| 九色成人免费人妻av| 久久久精品94久久精品| 日本av手机在线免费观看| 国产美女午夜福利| 国产伦一二天堂av在线观看| 直男gayav资源| 日本熟妇午夜| 不卡视频在线观看欧美| 欧美人与善性xxx| 国产av麻豆久久久久久久| 国产免费男女视频| 成人亚洲精品av一区二区| 中文字幕人妻熟人妻熟丝袜美| 99热这里只有精品一区| 久久久a久久爽久久v久久| 国产精品人妻久久久久久| 高清午夜精品一区二区三区 | 91在线精品国自产拍蜜月| 久久精品夜色国产| 亚洲av成人精品一区久久| 大又大粗又爽又黄少妇毛片口| 国产高清不卡午夜福利| 91午夜精品亚洲一区二区三区| 此物有八面人人有两片| 亚洲精品久久久久久婷婷小说 | 国产午夜福利久久久久久| 一个人看的www免费观看视频| 国内精品美女久久久久久| 国产高清激情床上av| 国产一区二区三区在线臀色熟女| 久久午夜福利片| 午夜福利在线观看吧| 乱系列少妇在线播放| 久久精品久久久久久久性| 老师上课跳d突然被开到最大视频| 大香蕉久久网| 亚洲欧美精品专区久久| 激情 狠狠 欧美| 男人和女人高潮做爰伦理| 亚洲不卡免费看| 日韩大尺度精品在线看网址| 美女脱内裤让男人舔精品视频 | 久久午夜福利片| 欧美色视频一区免费| 成年av动漫网址| 久久久久免费精品人妻一区二区| 精品熟女少妇av免费看| 欧美成人精品欧美一级黄| 春色校园在线视频观看| 日韩亚洲欧美综合| 男人狂女人下面高潮的视频| 日韩视频在线欧美| 久久久久久久久久成人| 亚洲中文字幕日韩| 日本-黄色视频高清免费观看| 国产男人的电影天堂91| 亚洲国产精品成人综合色| 美女 人体艺术 gogo| 中文字幕制服av| 久久久久久久久中文| 插逼视频在线观看| 日韩人妻高清精品专区| 少妇裸体淫交视频免费看高清| 99热6这里只有精品| 午夜精品一区二区三区免费看| 伊人久久精品亚洲午夜| 久久99精品国语久久久| 少妇的逼好多水| 美女内射精品一级片tv| 久久久久网色| 免费看光身美女| 久久精品国产自在天天线| 精品久久久久久久久av| 99久国产av精品国产电影| 一卡2卡三卡四卡精品乱码亚洲| 欧美最黄视频在线播放免费| 久久精品91蜜桃| 高清日韩中文字幕在线| 综合色丁香网| 国产久久久一区二区三区| 色综合色国产| 久久精品人妻少妇| 亚洲欧洲日产国产| 女人十人毛片免费观看3o分钟| 欧美色欧美亚洲另类二区| 成人午夜精彩视频在线观看| 一区二区三区高清视频在线| 又粗又硬又长又爽又黄的视频 | 午夜福利在线在线| 国产精品,欧美在线| 三级国产精品欧美在线观看| 综合色丁香网| 亚洲欧美精品综合久久99| 久久久久国产网址| 久久国产乱子免费精品| 亚洲无线在线观看| 中文字幕免费在线视频6| 免费无遮挡裸体视频| 精品国产三级普通话版| 午夜福利在线观看吧| 欧美另类亚洲清纯唯美| 一个人看的www免费观看视频| 久久99热这里只有精品18| 亚洲精品影视一区二区三区av| 国产精品伦人一区二区| 国产精品国产高清国产av| 男人舔奶头视频| 一级毛片电影观看 | 婷婷色av中文字幕| 一本精品99久久精品77| 中国美白少妇内射xxxbb| 大型黄色视频在线免费观看| 舔av片在线| 中文字幕精品亚洲无线码一区| 精品久久久噜噜| 波野结衣二区三区在线| 插逼视频在线观看| 搡女人真爽免费视频火全软件| 欧美日韩乱码在线| 桃色一区二区三区在线观看| 成人一区二区视频在线观看| 国产毛片a区久久久久| 久久国产乱子免费精品| 深爱激情五月婷婷| 九九爱精品视频在线观看| 青春草视频在线免费观看| 久久欧美精品欧美久久欧美| 亚洲av一区综合| 又爽又黄无遮挡网站| 中文资源天堂在线| 变态另类成人亚洲欧美熟女| 日本色播在线视频| 嫩草影院精品99| 成人鲁丝片一二三区免费| 国产精品国产高清国产av| 热99在线观看视频| 日本免费a在线| 中文字幕免费在线视频6| 欧美不卡视频在线免费观看| 日韩制服骚丝袜av| 色播亚洲综合网| 女的被弄到高潮叫床怎么办| 人人妻人人澡人人爽人人夜夜 | 22中文网久久字幕| 国内少妇人妻偷人精品xxx网站| 国产午夜精品久久久久久一区二区三区| a级毛片免费高清观看在线播放| 亚洲高清免费不卡视频| 国产 一区 欧美 日韩| 身体一侧抽搐| 久久人人爽人人爽人人片va| 久久人人爽人人爽人人片va| 99久久人妻综合| 成熟少妇高潮喷水视频| 亚洲在久久综合| 欧美日韩在线观看h| 成人漫画全彩无遮挡| 成人二区视频| 国产精品乱码一区二三区的特点| 亚洲无线观看免费| 免费观看在线日韩| 五月玫瑰六月丁香| 亚洲四区av| 午夜精品一区二区三区免费看| 欧美三级亚洲精品| 爱豆传媒免费全集在线观看| 日韩欧美精品免费久久| 可以在线观看毛片的网站| 白带黄色成豆腐渣| 欧美日韩综合久久久久久| eeuss影院久久| 久久午夜福利片| 中文字幕人妻熟人妻熟丝袜美| 国产高清不卡午夜福利| 又粗又硬又长又爽又黄的视频 | 美女高潮的动态| 日韩欧美在线乱码| 天堂√8在线中文| 国产v大片淫在线免费观看| 久久久久久久久久成人| 国产午夜精品久久久久久一区二区三区| 久久综合国产亚洲精品| 国产亚洲av片在线观看秒播厂 | 少妇人妻精品综合一区二区 | 女人被狂操c到高潮| 国产午夜精品一二区理论片| 国产一区亚洲一区在线观看| 国产麻豆成人av免费视频| 国产又黄又爽又无遮挡在线| 日日撸夜夜添| 狂野欧美白嫩少妇大欣赏| 日韩国内少妇激情av| 午夜福利在线在线| 日韩亚洲欧美综合| 久99久视频精品免费| 亚洲在线自拍视频| 男人舔奶头视频| 51国产日韩欧美| 三级经典国产精品| 精品午夜福利在线看| 婷婷色av中文字幕| 赤兔流量卡办理| 日韩欧美 国产精品| 日本欧美国产在线视频| 国产精品不卡视频一区二区| 欧美+亚洲+日韩+国产| 丰满乱子伦码专区| 欧美丝袜亚洲另类| 国产精品乱码一区二三区的特点| 男人舔奶头视频| av在线播放精品| 老师上课跳d突然被开到最大视频| 插逼视频在线观看| 2022亚洲国产成人精品| 哪里可以看免费的av片| 韩国av在线不卡| 高清午夜精品一区二区三区 | 婷婷色综合大香蕉| 欧美日韩乱码在线| 免费在线观看成人毛片| 国产av麻豆久久久久久久| 12—13女人毛片做爰片一| 丰满的人妻完整版| 国产精品美女特级片免费视频播放器| 伦理电影大哥的女人| 99热只有精品国产| 丰满的人妻完整版| 韩国av在线不卡| 久久久久久久久中文| 亚洲内射少妇av| 天堂影院成人在线观看| 一区二区三区高清视频在线| 成人特级av手机在线观看| 国产综合懂色| 国产极品天堂在线| 亚洲精品影视一区二区三区av| 精品国内亚洲2022精品成人| 亚洲国产欧美人成| 99热这里只有是精品在线观看| 你懂的网址亚洲精品在线观看 | 欧美丝袜亚洲另类| 丝袜喷水一区| 久久亚洲国产成人精品v| 亚洲欧洲日产国产| 天堂影院成人在线观看| 亚洲精品自拍成人| 搡老妇女老女人老熟妇| 日韩国内少妇激情av| 最近视频中文字幕2019在线8| 老师上课跳d突然被开到最大视频| 亚洲美女视频黄频| 干丝袜人妻中文字幕| 久久久久久伊人网av| 一本久久精品| 日韩一区二区视频免费看| 此物有八面人人有两片| 黄色视频,在线免费观看| 老师上课跳d突然被开到最大视频| 在线播放无遮挡| 国产精品一区二区性色av| a级毛片免费高清观看在线播放| 如何舔出高潮| 国产精品久久久久久久电影| 亚洲自偷自拍三级| 午夜老司机福利剧场| 久久这里有精品视频免费| 国产高潮美女av| 欧美性猛交╳xxx乱大交人| 99热这里只有精品一区| 精品一区二区三区人妻视频| 日韩成人av中文字幕在线观看| 国产日韩欧美在线精品| 亚洲av中文av极速乱| 卡戴珊不雅视频在线播放| 真实男女啪啪啪动态图| 一级黄色大片毛片| 久久精品影院6| av又黄又爽大尺度在线免费看 | 三级毛片av免费| 婷婷色av中文字幕| 午夜免费激情av| 久久精品国产亚洲av天美| 插逼视频在线观看| 午夜a级毛片| 青春草亚洲视频在线观看| 精品久久久久久久久久久久久| 国产亚洲5aaaaa淫片| 欧美成人一区二区免费高清观看| 精品少妇黑人巨大在线播放 | 给我免费播放毛片高清在线观看| 成人特级黄色片久久久久久久| 18禁在线播放成人免费| 老师上课跳d突然被开到最大视频| 日本五十路高清| 午夜免费激情av| 亚洲成人av在线免费| 久久久色成人| 麻豆久久精品国产亚洲av| 午夜爱爱视频在线播放| 免费看a级黄色片| 午夜福利成人在线免费观看| 日日撸夜夜添| 国产日韩欧美在线精品| 亚洲精品国产成人久久av|