• <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 ?

    一種改進的增強組合特征判別性的典型相關(guān)分析

    2022-04-15 04:23:26高玉森朱昌明岳聞
    應(yīng)用科技 2022年2期
    關(guān)鍵詞:先驗特征提取典型

    高玉森,朱昌明,岳聞

    上海海事大學(xué) 信息工程學(xué)院,上海 201306

    多視角學(xué)習(xí)[1-2]是當(dāng)前模式識別領(lǐng)域中的一個熱點,吸引了許多學(xué)者進行研究。多視角學(xué)習(xí)旨在學(xué)習(xí)由多視角數(shù)據(jù)組成的多視角數(shù)據(jù)集的特征,并設(shè)計可行的分類器以對這些數(shù)據(jù)集進行分類。比較知名的多視角學(xué)習(xí)算法有協(xié)同訓(xùn)練、多核學(xué)習(xí)以及子空間學(xué)習(xí)等。假設(shè)有一個多視角數(shù)據(jù)集D,其中每個數(shù)據(jù)均包含來自2 個視角的特征,即 {(x1,y1),(x2,y2),···,(xn,yn)} 。 特征{(x1,y1),(x2,y2),···,(xn,yn)} 來 自 特 征 集X, 特 征{(x1,y1),(x2,y2),···,(xn,yn)}來自特征集Y。這里,X和Y也代表此數(shù)據(jù)集的2 個視角。多視角學(xué)習(xí)旨在從X和Y中學(xué)習(xí)并獲得特征,從而設(shè)計一種可行的分類器。為了更好地學(xué)習(xí)特征,特征提取成為一種很好的方法,經(jīng)典的特征提取方法是典型相關(guān)分析(CCA)[3-4]。CCA 旨在從2 個視角中尋找特征集之間的線性相關(guān)關(guān)系,處理分類任務(wù)時,CCA 首先提取出2 組典型相關(guān)變量,使得2 組數(shù)據(jù)間相關(guān)性最大;接著再利用這2 組典型相關(guān)變量的組合(串行或并行)進行后續(xù)分類,能夠獲得比只使用單組特征進行操作的更優(yōu)的分類效果。在過去的幾十年中,CCA 及其變體已成功應(yīng)用于許多領(lǐng)域,例如圖像處理[5-6]、模式識別[7-8]以及腦電分析[9-10]等。

    盡管CCA 在特征提取方面具有不錯的性能,但CCA 本身是一種無監(jiān)督降維方法,沒有利用樣本的類別信息。為了解決這個問題,首先提出了判別典型相關(guān)分析(Discriminative CCA, DCCA)[11],DCCA 在CCA 的基礎(chǔ)上既考慮了2 個視角間的相關(guān)關(guān)系,又考慮了視角內(nèi)數(shù)據(jù)的相關(guān)關(guān)系。在最小化視角類內(nèi)相似度的同時最大化視角類間相似度,提取出了比CCA 更有判別性的相關(guān)特征。但DCCA 依舊采用對各視角提取的特征本身直接進行組合及分類輸入,并沒有針對分類任務(wù)來直接優(yōu)化組合特征本身。針對這個問題,周旭東等[12-13]提出了一種優(yōu)化組合特征的有監(jiān)督降維方法:增強組合特征判別性的CCA(CECCA),CECCA 通過結(jié)合判別分析,優(yōu)化組合特征本身及其組成部分,獲得了更利于分類的組合特征。

    CCA、DCCA 和CECCA 等算法在處理分類任務(wù)時,僅關(guān)注于隱藏在“干凈”數(shù)據(jù)中的信息,這些信息完全屬于學(xué)習(xí)任務(wù)中存在的任何類別,稱其為目標(biāo)數(shù)據(jù)。Universum 學(xué)習(xí)提出了將關(guān)于應(yīng)用領(lǐng)域的先驗知識融入到學(xué)習(xí)過程中,這些知識與目標(biāo)數(shù)據(jù)具有相同域但不屬于任務(wù)目標(biāo)類,被稱為Universum 數(shù)據(jù)。已經(jīng)提出了許多具有Universum 學(xué)習(xí)的學(xué)習(xí)機,例如陳曉紅等[14]提出了一種改進的CCA(ICCA)。在ICCA 中,必須同時考慮目標(biāo)數(shù)據(jù)之間的相關(guān)性和Universum 數(shù)據(jù)之間的相關(guān)性。這意味著在使用ICCA 時,特征提取會使用更多先驗信息。ICCA 通過執(zhí)行相關(guān)性分析,使目標(biāo)數(shù)據(jù)上的相關(guān)性盡可能大,而Universum 數(shù)據(jù)上的相關(guān)性盡可能小。它可以獲得具有與目標(biāo)數(shù)據(jù)最大相關(guān)性和與Universum 數(shù)據(jù)最小相關(guān)性的理想方向。

    CECCA 和ICCA 在特征提取方面都比CCA具有更好的性能,但是ICCA 和CECCA 都沒有利用彼此的優(yōu)勢。故將Universum 學(xué)習(xí)引入到CECCA 中,通過結(jié)合判別分析與Universum 學(xué)習(xí)提出了一種改進的增強組合特征判別性的典型相關(guān)分析(ICECCA), ICECCA 在CECCA 的基礎(chǔ)上,通過結(jié)合Universum 學(xué)習(xí),實現(xiàn)在利用訓(xùn)練數(shù)據(jù)與Universum 數(shù)據(jù)獲得更多先驗信息的同時,做到對組合特征相關(guān)性與判別性的聯(lián)合優(yōu)化。

    1 相關(guān)工作

    1.1 典型相關(guān)分析

    1.2 增強組合特征判別性典型相關(guān)分析

    CCA 是一種無監(jiān)督學(xué)習(xí)方法,做分類任務(wù)時直接利用提取出的特征,并沒有利用樣本的類別信息,缺少良好的判別性。CECCA 在CCA 基礎(chǔ)上加入了一種判別性懲罰項,通過結(jié)合判別信息,使得抽取的特征更利于分類。

    1.3 改進的典型相關(guān)分析

    2 改進的增強組合特征判別性的典型相關(guān)分析

    由于ICCA 和CECCA 具有彼此所沒有的優(yōu)勢,ICCA 引入了Universum 學(xué)習(xí),獲得了更多的先驗知識;CECCA 利用判別分析,實現(xiàn)對雙視角特征相關(guān)性與判別性的同時優(yōu)化。二者相比于CCA 都能更好地處理分類問題,但是它們都沒有利用彼此的優(yōu)勢。因此在這里可將Universum學(xué)習(xí)與CECCA 結(jié)合,提出一種改進的增強組合特征判別性的典型相關(guān)分析(ICECCA),以便能夠同時利用Universum 學(xué)習(xí)以及判別分析。ICECCA 在ICCA 和CECCA 的基礎(chǔ)上,通過結(jié)合二者優(yōu)勢,實現(xiàn)在獲得更多先驗信息的同時,做到了對目標(biāo)樣本特征相關(guān)性與判別性優(yōu)化。

    3 實驗

    在本節(jié)中,為了評估所提出的ICECCA 的性能,在多個數(shù)據(jù)集上進行了對比實驗,比較的方法包括CCA[3],ICCA[14]和CECCA[12]。使用的數(shù)據(jù)集包括人工數(shù)據(jù)集以及多特征數(shù)據(jù)集。

    3.1 在人工數(shù)據(jù)集上的性能比較

    為了公平起見,在本實驗中采用和文獻[14]中相同的人工數(shù)據(jù)集分布(分布是相同的,但是數(shù)據(jù)的生成是隨機的),生成一個具有2 個目標(biāo)類的雙視角(X視 角和Y視角)數(shù)據(jù)集,每個類包含100 個二維樣本,Universum 數(shù)據(jù)集包含200 個樣本。X=[X1,X2]表 示為目標(biāo)樣本的X視角,其中Xi(i=1,2)是 第i類的樣本矩陣。它們均通過高斯

    圖1 訓(xùn)練樣本分布

    圖2 測試樣本分布

    在實驗中,參數(shù) η的設(shè)置參考文獻[14],即η=2-4。圖3 和圖4 分別展示了從訓(xùn)練和測試樣本中提取的第一對特征的分布。

    圖3 X 視角和Y 視角的一維特征(訓(xùn)練樣本)

    從圖3 和圖4 中可以看出,CCA 雖然揭示特征間的線性相關(guān)關(guān)系,但2 類間存在嚴重重疊;ICCA 引入了Universum 學(xué)習(xí),獲得了更多的先驗信息,取得了比CCA 更優(yōu)的結(jié)果,但依舊存在重疊。CECCA 與ICECCA均引入類信息,2 類在第一對特征上的分布基本無重疊;并且ICECCA 還引入了Universum 學(xué)習(xí),相比于CECCA,ICECCA得到的結(jié)果類內(nèi)更緊湊,類間距更大,這說明ICECCA 所獲取的組合特征更優(yōu)。

    3.2 在多特征數(shù)據(jù)數(shù)據(jù)集上的性能比較

    在多特征數(shù)據(jù)集方面,采用從UCI 機器學(xué)習(xí)存儲庫中選擇的多特征數(shù)據(jù)集(multiple features data set,MFD)[15],該數(shù)據(jù)集由“0”-“9”的手寫數(shù)字組成,每類200 個樣本,共2 000 個。MFD 具有6 個特征,分別是輪廓相關(guān)性、字符形狀的傅里葉系數(shù)、Karhunen-Love 系數(shù)、2×3 窗口中的像素平均、Zernike 矩特征以及形態(tài)學(xué)特征。這些特征的名稱和維度分別為(fac,216),(fou,76),(kar,64),(pix,240),(zer,47)和(mor,6)。對于此數(shù)據(jù)集通常從6 個特征中隨機選擇2 組作為X視角和Y視角,因此共有15 種雙視角組合。

    根據(jù)表1 的結(jié)果可以發(fā)現(xiàn),與CCA 相比,ICCA 和CECCA 的優(yōu)越性分別表明了Universum數(shù)據(jù)的先驗信息以及增強組合特征的判別信息對于提取多視角數(shù)據(jù)的特征都具有很好的意義。ICECCA 明顯超過CCA,從4%~20%不等。ICECCA在15 種組合中的10 種上勝過CECCA。準(zhǔn)確性的提高證明,同時利用Universum 數(shù)據(jù)編碼的先驗信息以及增強組合特征的判別信息對于多視角特征提取更有意義。ICECCA 的性能并不總是優(yōu)于CECCA,原因可能是有些Universum 樣本提供的先驗信息不足,算法的性能受Universum 數(shù)據(jù)和目標(biāo)樣本的組合影響。

    表1 在多特征數(shù)據(jù)集上識別準(zhǔn)確率

    3.3 在UCI 數(shù)據(jù)集上的性能比較

    在本節(jié)中,從UCI 機器學(xué)習(xí)存儲庫中選擇5 種常見的多類別單視角數(shù)據(jù)集作為實驗數(shù)據(jù)。有關(guān)使用的數(shù)據(jù)集的詳細信息見表2。

    表2 UCI 數(shù)據(jù)集

    由于每個數(shù)據(jù)集都是單視角,因此將它們本身視為X視角的數(shù)據(jù),而對于Y視角的數(shù)據(jù),根據(jù)文獻[14] 中所述的方法來生成。例如對于Iris 鳶尾花數(shù)據(jù)集,它具有3 個類別xi,i=1,2,3。如果xi屬于第1 類,則Y視角中的對應(yīng)樣本表示為yi=(1,0,0)T;如果xi屬于第2 類,則yi=(0,1,0)T;如果xi屬 于類別3,則yi=(0,0,3)T。其他數(shù)據(jù)集的Y視角根據(jù)其類別數(shù)進行相應(yīng)的設(shè)置。

    顯然,不同的Universum 數(shù)據(jù)包含不同程度的域信息。假設(shè)目標(biāo)數(shù)據(jù)集具有n個類別,采用2 種不同的方法來生成Universum 數(shù)據(jù):1)將前n-1 類作為目標(biāo)樣本,將最后一個類作為Universum數(shù)據(jù);2)選擇與上述相同的目標(biāo)樣本,并根據(jù)高斯噪聲生成具有與目標(biāo)樣本相同的數(shù)量和維度的的Universum 樣本, 例如Iris 數(shù)據(jù)集的高斯噪聲Universum 數(shù)據(jù),如圖5 所示。

    圖5 通過高斯噪聲生成的Universum 數(shù)據(jù)

    對于這些數(shù)據(jù)集,仍然先采用CCA、ICCA、CECCA 和ICECCA 來 提 取 特 征, 接 著 使用SVM 根據(jù)提取的特征進行分類。參數(shù) η=2-20,對于每個目標(biāo)樣本,隨機選擇每個類的一半作為訓(xùn)練,其余部分進行測試,并重復(fù)進行10 次實驗。平均結(jié)果如表3 所示。其中ICCA_A 和ICCA_B分別表示將最后一類作為Universum 數(shù)據(jù)以及使用高斯 噪 聲 作 為Universum 數(shù) 據(jù),ICECCA_A 和ICECCA_B 同理。

    表3 在UCI 數(shù)據(jù)集上識別準(zhǔn)確率

    從表3 結(jié)果可以發(fā)現(xiàn):1)幾乎所有情況下,ICECCA 的 分 類 準(zhǔn) 確 率 都 高 于CCA、ICCA 和CECCA,達到了最佳性能(以粗體顯示)。結(jié)果驗證了Universum 學(xué)習(xí)與樣本判別信息的結(jié)合在降維中的有效性,Universum 學(xué)習(xí)提高了低維空間中不同類別樣本的可分離性;2)ICCA_A 與ICCA_B、ICECCA_A 與ICECCA_B 識別結(jié)果的差異表明,并非所有種類的Universum 數(shù)據(jù)都包含針對即將完成的任務(wù)的有意義的信息,而同種類不同數(shù)量的Universum 樣本也會對分類結(jié)果產(chǎn)生影響。因此,當(dāng)Universum 與目標(biāo)樣本無關(guān)或Universum 樣本數(shù)量過少,也即Universum 數(shù)據(jù)包含的先驗信息過少時,基于Universum 的學(xué)習(xí)效果會很差。

    4 結(jié)論

    本文通過將ICCA 的先驗知識與CECCA 的優(yōu)化組合特征結(jié)合在一起,提出了一種改進的增強組合特征判別性的典型相關(guān)分析ICECCA,為了驗證所提出方法的有效性,對包括人工、多特征數(shù)據(jù)集以及經(jīng)典的UCI 數(shù)據(jù)集進行了實驗,并采用現(xiàn)有的多視角特征提取算法進行了對比。相關(guān)實驗驗證了本文提出的算法的有效性.

    本文為了減少時間開銷使用Universum 學(xué)習(xí)來進行信息增強,但目前已經(jīng)有很多其他方法可以生成額外的無標(biāo)簽樣本,如對抗網(wǎng)絡(luò)等,未來可以采用對抗網(wǎng)絡(luò)等方式更好地增強樣本信息。

    目前深度學(xué)習(xí)是一個非常熱門的研究領(lǐng)域,提出了許多與深度學(xué)習(xí)相關(guān)的特征提取算法,如深度典型相關(guān)分析(Deep CCA)[16],相關(guān)實驗已經(jīng)驗證了Deep CCA 可以很好地解決多視角特征提取問題,受此啟發(fā),未來將嘗試把Universum 學(xué)習(xí)與Deep CCA 相關(guān)算法相結(jié)合,更好地解決多視角特征提取問題。

    猜你喜歡
    先驗特征提取典型
    用最典型的事寫最有特點的人
    多項式求值題的典型解法
    典型胰島素瘤1例報道
    基于無噪圖像塊先驗的MRI低秩分解去噪算法研究
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    基于自適應(yīng)塊組割先驗的噪聲圖像超分辨率重建
    Bagging RCSP腦電特征提取算法
    基于平滑先驗法的被動聲信號趨勢項消除
    先驗的廢話與功能的進路
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    亚洲,欧美精品.| 国产不卡一卡二| 国产精品国产av在线观看| 一二三四社区在线视频社区8| 亚洲av日韩在线播放| bbb黄色大片| 亚洲欧洲日产国产| 国产成+人综合+亚洲专区| 午夜精品国产一区二区电影| videos熟女内射| 日韩 欧美 亚洲 中文字幕| 亚洲,欧美精品.| 欧美黄色片欧美黄色片| 久久久水蜜桃国产精品网| 91成年电影在线观看| 国产伦人伦偷精品视频| 国产免费福利视频在线观看| 麻豆av在线久日| bbb黄色大片| 亚洲avbb在线观看| 精品国产乱子伦一区二区三区| 色播在线永久视频| av不卡在线播放| 女同久久另类99精品国产91| 999精品在线视频| 国产日韩欧美亚洲二区| 日韩欧美免费精品| 精品午夜福利视频在线观看一区 | 在线观看免费视频网站a站| 欧美激情高清一区二区三区| 亚洲第一欧美日韩一区二区三区 | 精品人妻熟女毛片av久久网站| 99riav亚洲国产免费| 欧美中文综合在线视频| 女同久久另类99精品国产91| 一二三四社区在线视频社区8| 两性夫妻黄色片| 欧美久久黑人一区二区| 欧美 日韩 精品 国产| 午夜福利,免费看| 亚洲一区二区三区欧美精品| 欧美大码av| 一二三四在线观看免费中文在| 久久狼人影院| 亚洲一区二区三区欧美精品| 亚洲欧美日韩高清在线视频 | 极品人妻少妇av视频| 我的亚洲天堂| 精品一区二区三区av网在线观看 | 麻豆国产av国片精品| 国产黄色免费在线视频| 精品国产乱码久久久久久小说| 可以免费在线观看a视频的电影网站| 黄色丝袜av网址大全| 一区二区三区乱码不卡18| 精品少妇一区二区三区视频日本电影| 又大又爽又粗| 99国产精品免费福利视频| 男女午夜视频在线观看| 国产不卡一卡二| 露出奶头的视频| 黄片大片在线免费观看| 高清毛片免费观看视频网站 | 制服诱惑二区| 欧美日韩福利视频一区二区| 日本wwww免费看| 中文字幕人妻熟女乱码| 国产精品秋霞免费鲁丝片| 国产精品美女特级片免费视频播放器 | 在线观看66精品国产| 国产精品久久久久久精品电影小说| 国产亚洲一区二区精品| 欧美 日韩 精品 国产| 亚洲国产毛片av蜜桃av| 久久精品aⅴ一区二区三区四区| 国产欧美日韩一区二区三| 一本一本久久a久久精品综合妖精| 五月开心婷婷网| 大型av网站在线播放| 最近最新免费中文字幕在线| 中文欧美无线码| 欧美人与性动交α欧美精品济南到| av福利片在线| 操美女的视频在线观看| 亚洲成a人片在线一区二区| 无人区码免费观看不卡 | 亚洲少妇的诱惑av| av天堂在线播放| 久久人人97超碰香蕉20202| 人人妻,人人澡人人爽秒播| 国产真人三级小视频在线观看| 亚洲五月色婷婷综合| 在线观看免费视频日本深夜| 国产日韩欧美视频二区| 欧美日韩黄片免| 狠狠精品人妻久久久久久综合| 色在线成人网| 精品一区二区三卡| 欧美黑人精品巨大| 十八禁网站网址无遮挡| 国产在线视频一区二区| 91成年电影在线观看| 欧美精品一区二区大全| 亚洲五月婷婷丁香| 18禁裸乳无遮挡动漫免费视频| 久久精品成人免费网站| 色94色欧美一区二区| 一进一出好大好爽视频| 亚洲精品国产精品久久久不卡| 香蕉丝袜av| 国产成人影院久久av| 狠狠狠狠99中文字幕| 男女下面插进去视频免费观看| 精品免费久久久久久久清纯 | 精品久久久久久电影网| 精品午夜福利视频在线观看一区 | 久久婷婷成人综合色麻豆| 久久精品国产亚洲av香蕉五月 | 国内毛片毛片毛片毛片毛片| 99精国产麻豆久久婷婷| 国产欧美日韩一区二区精品| 成人国产av品久久久| 美女福利国产在线| 午夜久久久在线观看| 麻豆国产av国片精品| 亚洲第一欧美日韩一区二区三区 | 天天躁日日躁夜夜躁夜夜| 精品高清国产在线一区| 看免费av毛片| 不卡av一区二区三区| 老汉色∧v一级毛片| 日本五十路高清| 十八禁网站免费在线| 亚洲av国产av综合av卡| 一级片免费观看大全| 一本色道久久久久久精品综合| 美女扒开内裤让男人捅视频| 免费在线观看日本一区| 美女福利国产在线| 日日摸夜夜添夜夜添小说| 美女福利国产在线| 欧美国产精品va在线观看不卡| 激情视频va一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 天天躁夜夜躁狠狠躁躁| 在线观看一区二区三区激情| 亚洲第一青青草原| 国产三级黄色录像| 色94色欧美一区二区| 大陆偷拍与自拍| 精品国产一区二区三区久久久樱花| 视频区欧美日本亚洲| 亚洲成人国产一区在线观看| 日韩欧美一区视频在线观看| 男男h啪啪无遮挡| 免费人妻精品一区二区三区视频| tocl精华| 亚洲人成电影免费在线| 免费不卡黄色视频| 国产精品二区激情视频| 精品人妻1区二区| 久久人人97超碰香蕉20202| 久久久久久久国产电影| 久久久精品区二区三区| 丝瓜视频免费看黄片| 好男人电影高清在线观看| 丁香欧美五月| 久久久水蜜桃国产精品网| a级毛片在线看网站| 香蕉丝袜av| 国产欧美日韩综合在线一区二区| 亚洲成国产人片在线观看| 一区二区三区国产精品乱码| 超碰97精品在线观看| 在线观看人妻少妇| 成年人免费黄色播放视频| 欧美日韩成人在线一区二区| √禁漫天堂资源中文www| 国产精品久久久久成人av| av天堂在线播放| 老司机影院毛片| 久久午夜亚洲精品久久| 老司机福利观看| 女人爽到高潮嗷嗷叫在线视频| 悠悠久久av| 十八禁网站网址无遮挡| 18在线观看网站| 一级片'在线观看视频| 99九九在线精品视频| 国产在线一区二区三区精| 亚洲精品粉嫩美女一区| 成人手机av| 99久久99久久久精品蜜桃| 日日夜夜操网爽| 在线 av 中文字幕| 欧美亚洲日本最大视频资源| 国产日韩欧美在线精品| 黑丝袜美女国产一区| 99热国产这里只有精品6| 午夜成年电影在线免费观看| 午夜91福利影院| 午夜福利影视在线免费观看| 动漫黄色视频在线观看| 欧美亚洲日本最大视频资源| 亚洲美女黄片视频| kizo精华| 久久久水蜜桃国产精品网| 亚洲av国产av综合av卡| av又黄又爽大尺度在线免费看| 亚洲国产欧美网| 999精品在线视频| av视频免费观看在线观看| 男女免费视频国产| 欧美黄色淫秽网站| 欧美日韩av久久| 日本欧美视频一区| 亚洲精品自拍成人| 久久午夜综合久久蜜桃| 黄色视频在线播放观看不卡| 久久精品aⅴ一区二区三区四区| 久久99一区二区三区| 亚洲成国产人片在线观看| 一级毛片女人18水好多| 老熟妇仑乱视频hdxx| 十八禁网站免费在线| 国产成人av教育| 国产高清国产精品国产三级| 一级毛片电影观看| 黑人巨大精品欧美一区二区mp4| 午夜福利欧美成人| 久久精品国产亚洲av高清一级| 亚洲国产av影院在线观看| 国精品久久久久久国模美| 成人特级黄色片久久久久久久 | 久久天堂一区二区三区四区| 在线永久观看黄色视频| 国产福利在线免费观看视频| 国产麻豆69| 亚洲精品av麻豆狂野| 国产一区二区三区视频了| 日本精品一区二区三区蜜桃| 在线观看免费日韩欧美大片| 国产精品欧美亚洲77777| 757午夜福利合集在线观看| 国产不卡一卡二| 天天操日日干夜夜撸| 99热网站在线观看| 久久精品国产综合久久久| 国产野战对白在线观看| 性色av乱码一区二区三区2| 高清av免费在线| 99国产精品一区二区三区| 国产一区有黄有色的免费视频| 亚洲精品av麻豆狂野| 精品国产乱码久久久久久男人| 中文字幕人妻丝袜一区二区| 亚洲熟女精品中文字幕| 热re99久久国产66热| 精品国产一区二区三区四区第35| 精品国产乱码久久久久久男人| www.熟女人妻精品国产| 黄网站色视频无遮挡免费观看| 欧美激情极品国产一区二区三区| 操美女的视频在线观看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲av美国av| 国产黄色免费在线视频| 国产1区2区3区精品| av天堂在线播放| 久久亚洲真实| 18禁裸乳无遮挡动漫免费视频| 午夜激情av网站| 99re6热这里在线精品视频| 一进一出抽搐动态| 一区二区三区乱码不卡18| 久久精品aⅴ一区二区三区四区| 麻豆av在线久日| 国产aⅴ精品一区二区三区波| 午夜精品国产一区二区电影| 国产欧美日韩精品亚洲av| 超色免费av| 色尼玛亚洲综合影院| 国产亚洲av高清不卡| 亚洲精品美女久久av网站| 日韩人妻精品一区2区三区| 午夜激情久久久久久久| 亚洲 欧美一区二区三区| 久久国产精品影院| 国产精品久久久人人做人人爽| 欧美精品一区二区大全| 国产精品久久电影中文字幕 | 欧美日韩一级在线毛片| 午夜福利视频精品| 人人妻,人人澡人人爽秒播| 久久人妻熟女aⅴ| 日韩中文字幕视频在线看片| 五月天丁香电影| avwww免费| 十八禁人妻一区二区| √禁漫天堂资源中文www| 另类精品久久| 色94色欧美一区二区| 精品久久蜜臀av无| 少妇 在线观看| 日本精品一区二区三区蜜桃| 日本av免费视频播放| 久久精品成人免费网站| 一级毛片女人18水好多| 亚洲欧美色中文字幕在线| 午夜福利在线观看吧| 高潮久久久久久久久久久不卡| 丁香六月天网| 最新的欧美精品一区二区| 黄色怎么调成土黄色| 国产在线一区二区三区精| 母亲3免费完整高清在线观看| 国产99久久九九免费精品| 午夜福利视频在线观看免费| 免费人妻精品一区二区三区视频| 欧美乱码精品一区二区三区| 在线观看人妻少妇| 日韩人妻精品一区2区三区| 亚洲精品久久午夜乱码| 新久久久久国产一级毛片| 最近最新免费中文字幕在线| 日日摸夜夜添夜夜添小说| 久久人人97超碰香蕉20202| 香蕉久久夜色| 丰满饥渴人妻一区二区三| 免费少妇av软件| 国产男女超爽视频在线观看| 精品国产一区二区久久| 久久国产亚洲av麻豆专区| 亚洲伊人色综图| 在线看a的网站| 欧美精品av麻豆av| 飞空精品影院首页| 精品国产一区二区三区久久久樱花| 欧美另类亚洲清纯唯美| 亚洲成人免费电影在线观看| videosex国产| 色综合欧美亚洲国产小说| 亚洲精品中文字幕在线视频| 香蕉丝袜av| 国产一区二区 视频在线| 成人国产一区最新在线观看| 91av网站免费观看| 久久久精品94久久精品| 妹子高潮喷水视频| 色94色欧美一区二区| 91老司机精品| 午夜福利,免费看| 午夜久久久在线观看| 啦啦啦免费观看视频1| 人人妻人人澡人人看| 精品国产超薄肉色丝袜足j| 亚洲一码二码三码区别大吗| 精品久久久精品久久久| 欧美激情高清一区二区三区| 中文字幕精品免费在线观看视频| 丝袜美腿诱惑在线| 91九色精品人成在线观看| 精品乱码久久久久久99久播| 黄色丝袜av网址大全| 欧美午夜高清在线| 丰满迷人的少妇在线观看| kizo精华| 国产aⅴ精品一区二区三区波| 亚洲美女黄片视频| 首页视频小说图片口味搜索| 搡老岳熟女国产| 少妇的丰满在线观看| 少妇粗大呻吟视频| 菩萨蛮人人尽说江南好唐韦庄| 精品国产超薄肉色丝袜足j| 免费人妻精品一区二区三区视频| 久久久久久免费高清国产稀缺| 欧美日韩成人在线一区二区| 悠悠久久av| 国产熟女午夜一区二区三区| 妹子高潮喷水视频| 别揉我奶头~嗯~啊~动态视频| 国产日韩欧美视频二区| 亚洲熟女精品中文字幕| 老熟妇仑乱视频hdxx| 欧美成狂野欧美在线观看| 妹子高潮喷水视频| 99香蕉大伊视频| 少妇粗大呻吟视频| 视频区图区小说| 伊人久久大香线蕉亚洲五| 别揉我奶头~嗯~啊~动态视频| 日韩免费av在线播放| 国产极品粉嫩免费观看在线| 男人舔女人的私密视频| 99久久精品国产亚洲精品| 免费看a级黄色片| 首页视频小说图片口味搜索| 欧美av亚洲av综合av国产av| 一本色道久久久久久精品综合| 午夜免费成人在线视频| 自拍欧美九色日韩亚洲蝌蚪91| 天天影视国产精品| 国产激情久久老熟女| h视频一区二区三区| 欧美中文综合在线视频| 国产男女超爽视频在线观看| 欧美日韩国产mv在线观看视频| 精品人妻在线不人妻| 午夜老司机福利片| 国产精品久久久久久精品电影小说| 成人亚洲精品一区在线观看| 怎么达到女性高潮| 啦啦啦免费观看视频1| 黄色片一级片一级黄色片| 又紧又爽又黄一区二区| 国产亚洲精品久久久久5区| 丁香六月欧美| 国产主播在线观看一区二区| 亚洲国产av新网站| 中文亚洲av片在线观看爽 | 正在播放国产对白刺激| 动漫黄色视频在线观看| 最近最新中文字幕大全免费视频| 国产激情久久老熟女| 亚洲熟女毛片儿| 久久国产精品大桥未久av| 成人三级做爰电影| 丰满饥渴人妻一区二区三| 18禁美女被吸乳视频| 人人妻人人添人人爽欧美一区卜| 99久久人妻综合| 国产色视频综合| 一级黄色大片毛片| 成年人免费黄色播放视频| 国产激情久久老熟女| 日韩一区二区三区影片| 99国产综合亚洲精品| www.精华液| 黑人巨大精品欧美一区二区蜜桃| 成人手机av| 国产99久久九九免费精品| 亚洲精品在线观看二区| 亚洲七黄色美女视频| 午夜免费鲁丝| 女人高潮潮喷娇喘18禁视频| 久久性视频一级片| 91九色精品人成在线观看| 欧美日本中文国产一区发布| 国产麻豆69| 国产精品国产高清国产av | 纯流量卡能插随身wifi吗| 国产福利在线免费观看视频| 一级毛片精品| 精品视频人人做人人爽| 亚洲国产av新网站| 9191精品国产免费久久| 精品亚洲成a人片在线观看| 啪啪无遮挡十八禁网站| 一级片'在线观看视频| 狠狠精品人妻久久久久久综合| 三级毛片av免费| 国产深夜福利视频在线观看| 成人国语在线视频| 精品一品国产午夜福利视频| 色尼玛亚洲综合影院| 人人妻人人爽人人添夜夜欢视频| 中文字幕av电影在线播放| 国产亚洲欧美在线一区二区| 亚洲av成人一区二区三| 国产男女超爽视频在线观看| 亚洲va日本ⅴa欧美va伊人久久| 欧美在线一区亚洲| 黄色怎么调成土黄色| 久久久精品免费免费高清| aaaaa片日本免费| 97人妻天天添夜夜摸| 成人免费观看视频高清| 久久精品国产99精品国产亚洲性色 | 国产不卡一卡二| 国产精品秋霞免费鲁丝片| 国产日韩欧美视频二区| 99国产综合亚洲精品| 中文字幕最新亚洲高清| 91成人精品电影| 黄色片一级片一级黄色片| 999久久久精品免费观看国产| 久久亚洲真实| 欧美乱码精品一区二区三区| 亚洲男人天堂网一区| 熟女少妇亚洲综合色aaa.| 老熟女久久久| 波多野结衣一区麻豆| 国产精品98久久久久久宅男小说| 国内毛片毛片毛片毛片毛片| 午夜日韩欧美国产| 91av网站免费观看| 9热在线视频观看99| 这个男人来自地球电影免费观看| 12—13女人毛片做爰片一| 国产成人av教育| 一个人免费看片子| 国产激情久久老熟女| 亚洲av美国av| 午夜日韩欧美国产| 纵有疾风起免费观看全集完整版| 亚洲成人免费电影在线观看| 欧美精品一区二区免费开放| 亚洲专区国产一区二区| 麻豆国产av国片精品| 日本五十路高清| 一级片'在线观看视频| 精品人妻熟女毛片av久久网站| 欧美日韩国产mv在线观看视频| 一级,二级,三级黄色视频| 欧美日韩亚洲高清精品| 欧美一级毛片孕妇| 欧美黑人欧美精品刺激| 免费在线观看视频国产中文字幕亚洲| 成人手机av| 波多野结衣av一区二区av| 两个人看的免费小视频| 日韩欧美免费精品| 麻豆成人av在线观看| 亚洲国产av新网站| 亚洲精品在线观看二区| 亚洲国产av新网站| 亚洲成人免费av在线播放| 久久精品91无色码中文字幕| 亚洲三区欧美一区| 成人手机av| 狠狠精品人妻久久久久久综合| 国产麻豆69| 国产欧美日韩一区二区三区在线| 极品人妻少妇av视频| 欧美精品高潮呻吟av久久| 777米奇影视久久| 天天躁狠狠躁夜夜躁狠狠躁| 18禁裸乳无遮挡动漫免费视频| 亚洲精品久久成人aⅴ小说| 国产精品欧美亚洲77777| 日韩欧美三级三区| 免费在线观看日本一区| 大陆偷拍与自拍| 免费日韩欧美在线观看| 一级,二级,三级黄色视频| 精品国产超薄肉色丝袜足j| 黄色片一级片一级黄色片| tube8黄色片| 免费av中文字幕在线| 人人妻人人爽人人添夜夜欢视频| 一级毛片精品| 国产精品av久久久久免费| 一边摸一边抽搐一进一出视频| 高清黄色对白视频在线免费看| 菩萨蛮人人尽说江南好唐韦庄| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品免费大片| 国产精品久久久av美女十八| 女警被强在线播放| 国产成人欧美| 国产精品成人在线| 高潮久久久久久久久久久不卡| 91麻豆精品激情在线观看国产 | 久久人人97超碰香蕉20202| 亚洲精品乱久久久久久| 国产淫语在线视频| 成人影院久久| 十八禁网站网址无遮挡| 真人做人爱边吃奶动态| 亚洲av日韩精品久久久久久密| 黑人操中国人逼视频| 欧美激情高清一区二区三区| 天天躁日日躁夜夜躁夜夜| 精品福利永久在线观看| 一级a爱视频在线免费观看| 99riav亚洲国产免费| 九色亚洲精品在线播放| 满18在线观看网站| 日韩免费高清中文字幕av| 国产男女内射视频| 久久久久久免费高清国产稀缺| 在线看a的网站| 老司机深夜福利视频在线观看| 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| 国产三级黄色录像| 高清在线国产一区| 欧美成人午夜精品| 高清黄色对白视频在线免费看| 黑人猛操日本美女一级片| av视频免费观看在线观看| 久久久久国产一级毛片高清牌| 久久精品国产亚洲av香蕉五月 | 嫩草影视91久久| 免费高清在线观看日韩| 国产精品电影一区二区三区 | 国产97色在线日韩免费| 国产精品1区2区在线观看. | 亚洲中文日韩欧美视频| 婷婷丁香在线五月| 亚洲欧洲精品一区二区精品久久久| 美女午夜性视频免费| 国产伦理片在线播放av一区| 亚洲精品中文字幕一二三四区 | 香蕉国产在线看| 精品一区二区三区av网在线观看 | 一级片'在线观看视频| 一级毛片精品| av线在线观看网站| 亚洲av国产av综合av卡| 老司机亚洲免费影院| 99re6热这里在线精品视频| 啦啦啦中文免费视频观看日本| 黑丝袜美女国产一区|