• <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
    搡老熟女国产l中国老女人| 欧美性猛交黑人性爽| 国产免费男女视频| 免费黄网站久久成人精品| 国产淫片久久久久久久久| 国产精品一及| 一级a爱片免费观看的视频| 亚洲国产精品sss在线观看| 少妇丰满av| 国产免费av片在线观看野外av| 最新中文字幕久久久久| 国产一区二区在线观看日韩| 国产精品久久久久久精品电影| 国产男人的电影天堂91| 欧美一区二区国产精品久久精品| 日韩欧美免费精品| 免费大片18禁| 午夜亚洲福利在线播放| 99国产精品一区二区蜜桃av| 在现免费观看毛片| 性欧美人与动物交配| 看黄色毛片网站| 一区二区三区高清视频在线| 亚洲精品粉嫩美女一区| 欧美xxxx性猛交bbbb| 色av中文字幕| 亚洲三级黄色毛片| 小说图片视频综合网站| 少妇丰满av| 在线观看美女被高潮喷水网站| 在线免费十八禁| 蜜桃亚洲精品一区二区三区| 91麻豆av在线| av黄色大香蕉| 可以在线观看毛片的网站| 亚洲性久久影院| 一区二区三区激情视频| 我的老师免费观看完整版| 国产精品无大码| 日韩 亚洲 欧美在线| 99国产精品一区二区蜜桃av| 精品欧美国产一区二区三| 国产精品嫩草影院av在线观看 | 欧美一区二区亚洲| 美女cb高潮喷水在线观看| 三级毛片av免费| 日本欧美国产在线视频| 中文字幕人妻熟人妻熟丝袜美| 精品久久久久久久久久免费视频| 看十八女毛片水多多多| 国产精品一区二区性色av| 国产精品无大码| 亚洲av日韩精品久久久久久密| 国模一区二区三区四区视频| 夜夜夜夜夜久久久久| 内地一区二区视频在线| 99久久成人亚洲精品观看| 亚洲图色成人| 日韩欧美在线乱码| 久久精品91蜜桃| 国产不卡一卡二| 最近视频中文字幕2019在线8| 午夜福利在线观看吧| 久99久视频精品免费| 99精品久久久久人妻精品| 级片在线观看| 亚洲av二区三区四区| 国产精品福利在线免费观看| 国产一区二区亚洲精品在线观看| 嫩草影院精品99| 毛片女人毛片| 一卡2卡三卡四卡精品乱码亚洲| av专区在线播放| 全区人妻精品视频| 久久人人精品亚洲av| 免费高清视频大片| 久久久精品欧美日韩精品| 国模一区二区三区四区视频| xxxwww97欧美| 免费在线观看成人毛片| 黄色丝袜av网址大全| 波多野结衣巨乳人妻| 亚洲中文日韩欧美视频| 免费看光身美女| 日韩中文字幕欧美一区二区| 日韩欧美国产一区二区入口| 婷婷六月久久综合丁香| 麻豆国产97在线/欧美| 日韩强制内射视频| 免费大片18禁| 久久亚洲真实| 欧美色欧美亚洲另类二区| 欧美极品一区二区三区四区| a级一级毛片免费在线观看| 免费无遮挡裸体视频| 国产精品国产高清国产av| 欧美日韩黄片免| 亚洲国产精品sss在线观看| 日韩欧美三级三区| 久久精品综合一区二区三区| 91久久精品国产一区二区成人| 中文字幕精品亚洲无线码一区| 成人亚洲精品av一区二区| 联通29元200g的流量卡| 免费无遮挡裸体视频| 成人国产一区最新在线观看| 久久精品国产自在天天线| 乱人视频在线观看| 国产亚洲精品久久久com| 亚洲欧美激情综合另类| 亚洲在线自拍视频| 黄色配什么色好看| 22中文网久久字幕| 我的女老师完整版在线观看| 我要搜黄色片| 日韩欧美免费精品| 97人妻精品一区二区三区麻豆| 亚州av有码| 欧美在线一区亚洲| 桃红色精品国产亚洲av| 久久久国产成人精品二区| 色综合婷婷激情| 久久欧美精品欧美久久欧美| 亚洲熟妇中文字幕五十中出| 夜夜爽天天搞| 成人av在线播放网站| 精品久久久久久久久久久久久| 久久久久久久久久成人| 国产精品福利在线免费观看| 欧美性感艳星| 韩国av在线不卡| 国产大屁股一区二区在线视频| 国产精品1区2区在线观看.| 神马国产精品三级电影在线观看| 男人舔女人下体高潮全视频| 国产精品女同一区二区软件 | 欧美+日韩+精品| 一区二区三区高清视频在线| 久久中文看片网| 嫩草影院新地址| x7x7x7水蜜桃| 国产色婷婷99| 国产毛片a区久久久久| 国产女主播在线喷水免费视频网站 | 久久精品国产自在天天线| 噜噜噜噜噜久久久久久91| 亚洲国产色片| 老师上课跳d突然被开到最大视频| 亚洲国产日韩欧美精品在线观看| 久久婷婷人人爽人人干人人爱| 日本一二三区视频观看| 窝窝影院91人妻| 日韩一本色道免费dvd| 国内毛片毛片毛片毛片毛片| 淫妇啪啪啪对白视频| 亚洲av中文av极速乱 | 亚洲色图av天堂| 免费不卡的大黄色大毛片视频在线观看 | 熟女人妻精品中文字幕| 白带黄色成豆腐渣| a级毛片a级免费在线| 国产精品伦人一区二区| 色哟哟哟哟哟哟| 亚洲狠狠婷婷综合久久图片| 一本精品99久久精品77| 亚洲美女黄片视频| 99在线视频只有这里精品首页| 国产午夜精品论理片| eeuss影院久久| 18禁裸乳无遮挡免费网站照片| 黄色欧美视频在线观看| 五月伊人婷婷丁香| 国产人妻一区二区三区在| 久久精品国产亚洲av涩爱 | 欧美bdsm另类| 久久久色成人| 亚洲色图av天堂| 亚洲熟妇熟女久久| 欧美国产日韩亚洲一区| av中文乱码字幕在线| 亚洲黑人精品在线| a级一级毛片免费在线观看| 国产真实伦视频高清在线观看 | 又粗又爽又猛毛片免费看| 最近中文字幕高清免费大全6 | 精品国产三级普通话版| 能在线免费观看的黄片| 精品不卡国产一区二区三区| 我要搜黄色片| 国产激情偷乱视频一区二区| 91麻豆精品激情在线观看国产| 少妇人妻精品综合一区二区 | 久久精品国产亚洲av天美| 亚洲成人久久性| 美女xxoo啪啪120秒动态图| 级片在线观看| 成人三级黄色视频| 男插女下体视频免费在线播放| 赤兔流量卡办理| 国产主播在线观看一区二区| 国产日本99.免费观看| 在线a可以看的网站| 久久精品综合一区二区三区| 国产久久久一区二区三区| 久久热精品热| 亚洲精华国产精华精| 成人欧美大片| 久久精品国产清高在天天线| 国产69精品久久久久777片| 在线观看免费视频日本深夜| 搡老妇女老女人老熟妇| 免费一级毛片在线播放高清视频| 亚洲精品日韩av片在线观看| bbb黄色大片| 色综合色国产| 最近视频中文字幕2019在线8| 午夜久久久久精精品| 午夜影院日韩av| 一区二区三区免费毛片| 伦精品一区二区三区| 高清日韩中文字幕在线| 欧美成人免费av一区二区三区| 国产免费一级a男人的天堂| 日韩欧美免费精品| 看黄色毛片网站| 91麻豆精品激情在线观看国产| 两人在一起打扑克的视频| 夜夜看夜夜爽夜夜摸| 观看美女的网站| 国产大屁股一区二区在线视频| 午夜影院日韩av| 在现免费观看毛片| 在线a可以看的网站| 亚洲性夜色夜夜综合| 国产 一区 欧美 日韩| 无遮挡黄片免费观看| 给我免费播放毛片高清在线观看| 老司机深夜福利视频在线观看| 亚洲国产欧洲综合997久久,| 一本精品99久久精品77| 少妇丰满av| 午夜激情福利司机影院| 永久网站在线| 国模一区二区三区四区视频| 少妇高潮的动态图| 超碰av人人做人人爽久久| 免费观看精品视频网站| 热99在线观看视频| 成人二区视频| 日本五十路高清| 美女cb高潮喷水在线观看| 国产精品乱码一区二三区的特点| 淫秽高清视频在线观看| 精品国内亚洲2022精品成人| 我的女老师完整版在线观看| 亚洲av不卡在线观看| 欧美+亚洲+日韩+国产| 一本久久中文字幕| .国产精品久久| 黄色视频,在线免费观看| 国产高清三级在线| 久久久久久伊人网av| 色视频www国产| 91久久精品电影网| 给我免费播放毛片高清在线观看| 在线观看66精品国产| 俄罗斯特黄特色一大片| 波多野结衣巨乳人妻| 免费不卡的大黄色大毛片视频在线观看 | 国产在视频线在精品| 国产三级在线视频| 美女cb高潮喷水在线观看| 国产在线男女| 亚洲欧美日韩无卡精品| 中国美女看黄片| 九色国产91popny在线| 亚洲av二区三区四区| 亚洲精品一区av在线观看| 国产精品女同一区二区软件 | av在线观看视频网站免费| 欧美性猛交╳xxx乱大交人| 亚洲一区高清亚洲精品| 两性午夜刺激爽爽歪歪视频在线观看| 97人妻精品一区二区三区麻豆| 男女视频在线观看网站免费| 级片在线观看| 久久久久久九九精品二区国产| 偷拍熟女少妇极品色| 国产精品久久电影中文字幕| 夜夜看夜夜爽夜夜摸| 男女边吃奶边做爰视频| 国产视频内射| 伊人久久精品亚洲午夜| 亚洲av.av天堂| 91在线精品国自产拍蜜月| 女的被弄到高潮叫床怎么办 | 欧美中文日本在线观看视频| 日本与韩国留学比较| 国产欧美日韩一区二区精品| 熟女电影av网| 嫁个100分男人电影在线观看| 少妇熟女aⅴ在线视频| 亚洲国产欧美人成| a级一级毛片免费在线观看| 国产私拍福利视频在线观看| 蜜桃久久精品国产亚洲av| 国产精品无大码| 精品无人区乱码1区二区| 麻豆久久精品国产亚洲av| 午夜福利在线观看吧| 黄色配什么色好看| 欧美激情在线99| 欧美激情国产日韩精品一区| 午夜亚洲福利在线播放| 久久精品国产亚洲av涩爱 | 欧美黑人欧美精品刺激| 国产 一区 欧美 日韩| 国产高清激情床上av| 免费看av在线观看网站| 国产三级在线视频| 最新在线观看一区二区三区| av在线观看视频网站免费| 国产精品美女特级片免费视频播放器| 精品人妻偷拍中文字幕| 狂野欧美白嫩少妇大欣赏| 国产高潮美女av| 禁无遮挡网站| 欧美日韩综合久久久久久 | 亚洲无线观看免费| 乱人视频在线观看| 亚洲性久久影院| 嫩草影院精品99| 少妇的逼水好多| 国产成人福利小说| 国产欧美日韩精品一区二区| 变态另类丝袜制服| 成人欧美大片| 国产一区二区亚洲精品在线观看| 国产在线男女| 亚洲无线在线观看| 中文字幕高清在线视频| 成人特级av手机在线观看| 日韩大尺度精品在线看网址| 床上黄色一级片| 亚洲人成网站高清观看| 国产欧美日韩精品亚洲av| av在线老鸭窝| 亚洲av成人av| 成人欧美大片| 九九热线精品视视频播放| 国产探花在线观看一区二区| 久久久久久国产a免费观看| 国产色婷婷99| 国产一区二区亚洲精品在线观看| 少妇的逼水好多| 国产精品日韩av在线免费观看| 日日夜夜操网爽| 国产亚洲91精品色在线| 欧美潮喷喷水| 琪琪午夜伦伦电影理论片6080| 国产欧美日韩精品一区二区| 欧美性猛交黑人性爽| 小蜜桃在线观看免费完整版高清| 我要看日韩黄色一级片| 国产免费男女视频| 欧美激情在线99| 又黄又爽又免费观看的视频| 91久久精品国产一区二区成人| 婷婷亚洲欧美| 成人无遮挡网站| 亚洲精品一卡2卡三卡4卡5卡| 性插视频无遮挡在线免费观看| 国产乱人伦免费视频| 啪啪无遮挡十八禁网站| 国产精品亚洲一级av第二区| 春色校园在线视频观看| 国产视频一区二区在线看| 日韩欧美精品免费久久| av.在线天堂| 亚洲最大成人手机在线| 成人av一区二区三区在线看| bbb黄色大片| 91午夜精品亚洲一区二区三区 | 久久精品夜夜夜夜夜久久蜜豆| 亚洲avbb在线观看| 亚洲av.av天堂| 国产色爽女视频免费观看| 久久久久久久久久黄片| 国产在线精品亚洲第一网站| 变态另类丝袜制服| 国产精品人妻久久久久久| 国产一区二区在线av高清观看| a级一级毛片免费在线观看| 久久久久久久久久黄片| 人妻久久中文字幕网| 日本五十路高清| 国产精品久久久久久精品电影| 美女cb高潮喷水在线观看| 一个人看视频在线观看www免费| 国产av不卡久久| 啦啦啦观看免费观看视频高清| 一级黄色大片毛片| 一区二区三区四区激情视频 | 亚洲人成网站高清观看| 久久精品国产亚洲av香蕉五月| 三级毛片av免费| 身体一侧抽搐| 日韩欧美免费精品| 日日摸夜夜添夜夜添av毛片 | 亚洲av中文字字幕乱码综合| 色吧在线观看| 一本久久中文字幕| 婷婷亚洲欧美| 免费看美女性在线毛片视频| 国产精品野战在线观看| 99热只有精品国产| x7x7x7水蜜桃| 亚洲专区中文字幕在线| 午夜精品在线福利| 网址你懂的国产日韩在线| 色哟哟·www| av在线老鸭窝| 国产伦精品一区二区三区视频9| 免费看av在线观看网站| 大型黄色视频在线免费观看| 亚洲va在线va天堂va国产| 国产精品乱码一区二三区的特点| 欧美性猛交黑人性爽| 人妻丰满熟妇av一区二区三区| 精品一区二区免费观看| 欧美成人免费av一区二区三区| 国产精品一区二区性色av| 亚洲精品久久国产高清桃花| 天天一区二区日本电影三级| 乱人视频在线观看| 免费一级毛片在线播放高清视频| 88av欧美| 老师上课跳d突然被开到最大视频| 久久精品国产自在天天线| 干丝袜人妻中文字幕| 两个人的视频大全免费| 久久久久国内视频| 少妇熟女aⅴ在线视频| 欧美一区二区亚洲| 国产精品不卡视频一区二区| 男女边吃奶边做爰视频| 黄色欧美视频在线观看| 丰满人妻一区二区三区视频av| 中文字幕免费在线视频6| 国产一区二区三区av在线 | 色哟哟·www| 天堂网av新在线| 日韩欧美三级三区| 精品人妻一区二区三区麻豆 | 欧美日本亚洲视频在线播放| 国产成人av教育| 色哟哟哟哟哟哟| 禁无遮挡网站| 亚洲成人免费电影在线观看| 一个人观看的视频www高清免费观看| 亚洲午夜理论影院| 丰满乱子伦码专区| 免费观看精品视频网站| 亚洲精品色激情综合| 又爽又黄a免费视频| 久久精品久久久久久噜噜老黄 | 久久精品国产鲁丝片午夜精品 | 亚洲avbb在线观看| 97人妻精品一区二区三区麻豆| aaaaa片日本免费| 91午夜精品亚洲一区二区三区 | 久久精品人妻少妇| 亚洲av免费高清在线观看| 国产熟女欧美一区二区| 精品久久久久久久末码| 国产白丝娇喘喷水9色精品| 俄罗斯特黄特色一大片| 国产精品一区www在线观看 | www日本黄色视频网| 中文字幕精品亚洲无线码一区| 欧美一区二区精品小视频在线| 在线观看午夜福利视频| 不卡视频在线观看欧美| 国产精品爽爽va在线观看网站| 亚洲在线观看片| 色噜噜av男人的天堂激情| 亚洲欧美精品综合久久99| 91av网一区二区| 欧美中文日本在线观看视频| 亚洲美女黄片视频| 麻豆av噜噜一区二区三区| 波多野结衣高清无吗| 美女 人体艺术 gogo| 国产一区二区三区视频了| 久久久色成人| 亚洲一区二区三区色噜噜| 国产精华一区二区三区| 欧美区成人在线视频| 中国美女看黄片| 在线a可以看的网站| 99riav亚洲国产免费| 亚洲成人免费电影在线观看| 一本久久中文字幕| 亚洲中文字幕日韩| 国产精华一区二区三区| 成年女人看的毛片在线观看| 男人的好看免费观看在线视频| 亚洲第一区二区三区不卡| 精品欧美国产一区二区三| 日韩欧美 国产精品| 人妻少妇偷人精品九色| 亚洲精品日韩av片在线观看| 精品一区二区三区av网在线观看| 日本免费a在线| 女同久久另类99精品国产91| 韩国av在线不卡| 国产免费av片在线观看野外av| 午夜视频国产福利| 亚洲五月天丁香| 22中文网久久字幕| 日韩欧美在线二视频| 女生性感内裤真人,穿戴方法视频| 国产探花极品一区二区| 国产精品嫩草影院av在线观看 | 熟女人妻精品中文字幕| 午夜a级毛片| 国产激情偷乱视频一区二区| 国产精品久久久久久av不卡| 又粗又爽又猛毛片免费看| 九九爱精品视频在线观看| 精品久久国产蜜桃| 国产毛片a区久久久久| 99精品久久久久人妻精品| 少妇被粗大猛烈的视频| 欧美潮喷喷水| 国产精品久久久久久av不卡| 日韩精品青青久久久久久| 九九爱精品视频在线观看| 久久久久久国产a免费观看| 国语自产精品视频在线第100页| 99精品久久久久人妻精品| 少妇丰满av| 国产精品野战在线观看| 亚洲精华国产精华精| 男女啪啪激烈高潮av片| 啦啦啦啦在线视频资源| 搡老岳熟女国产| 日本a在线网址| 精品人妻一区二区三区麻豆 | 日韩精品中文字幕看吧| 欧美xxxx黑人xx丫x性爽| 女同久久另类99精品国产91| 亚洲四区av| 99久久久亚洲精品蜜臀av| 麻豆成人午夜福利视频| 国产高清视频在线播放一区| 成人性生交大片免费视频hd| 99视频精品全部免费 在线| 一本久久中文字幕| 成人av一区二区三区在线看| 韩国av在线不卡| 成人三级黄色视频| 亚洲国产精品久久男人天堂| 在线免费观看的www视频| 成人欧美大片| 欧美性猛交╳xxx乱大交人| 国内精品一区二区在线观看| 夜夜爽天天搞| 国产午夜福利久久久久久| 乱系列少妇在线播放| 久久人人精品亚洲av| 欧洲精品卡2卡3卡4卡5卡区| 午夜a级毛片| 国产精品一区二区免费欧美| 国产精品三级大全| 中国美白少妇内射xxxbb| 亚洲aⅴ乱码一区二区在线播放| 在线观看免费视频日本深夜| 国产淫片久久久久久久久| 人人妻人人澡欧美一区二区| 极品教师在线视频| 精华霜和精华液先用哪个| av黄色大香蕉| 女生性感内裤真人,穿戴方法视频| 色5月婷婷丁香| 少妇猛男粗大的猛烈进出视频 | 真实男女啪啪啪动态图| 99久久中文字幕三级久久日本| 九色国产91popny在线| 日本精品一区二区三区蜜桃| 国产欧美日韩精品一区二区| 国内精品一区二区在线观看| 日韩欧美免费精品| 久久久久国产精品人妻aⅴ院| 亚洲五月天丁香| 国产一区二区三区视频了| 亚洲成人久久爱视频| 欧美日本亚洲视频在线播放| 99热这里只有精品一区| 亚洲av美国av| 亚洲av中文字字幕乱码综合| 制服丝袜大香蕉在线| 国产精品98久久久久久宅男小说| 亚洲欧美日韩高清专用| 日本免费一区二区三区高清不卡| 久久精品国产99精品国产亚洲性色| 国内揄拍国产精品人妻在线| 大又大粗又爽又黄少妇毛片口| 深爱激情五月婷婷| 亚洲专区国产一区二区| 简卡轻食公司| av国产免费在线观看| 最近最新中文字幕大全电影3| 丰满乱子伦码专区| 国产毛片a区久久久久|