• <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 ?

    基于圖形正則化低秩表示張量與親和矩陣的多視圖聚類

    2022-07-07 01:58:10程學(xué)軍王建平
    關(guān)鍵詞:特征方法

    程學(xué)軍, 王建平

    (1. 河南工業(yè)大學(xué) 漯河工學(xué)院, 河南 漯河 462000; 2. 河南科技學(xué)院 信息工程學(xué)院, 河南 新鄉(xiāng) 453003)

    子空間聚類由于其高效性在模式識(shí)別和機(jī)器學(xué)習(xí)領(lǐng)域得到廣泛關(guān)注[1]. 由于每個(gè)視圖通常都描述原始對(duì)象或數(shù)據(jù)的部分知識(shí), 因此多視圖聚類方法比單視圖聚類方法更能挖掘數(shù)據(jù)的潛在信息, 從而聚類效果更好[2]. 多視圖聚類算法(multiple view clustering, MVC)目前已有許多研究成果, 如多視圖k-means聚類、 共正則化MVC、 基于規(guī)范化相關(guān)分析的聚類以及基于低秩表示MVC[3-6]等. 上述方法首先都使用不同的子空間學(xué)習(xí)方法學(xué)習(xí)表示矩陣或張量; 然后通過(guò)對(duì)所有表示矩陣求平均構(gòu)造屬性矩陣, 其中親和矩陣旨在測(cè)量?jī)蓚€(gè)數(shù)據(jù)點(diǎn)之間的相似性; 最后使用具有親和矩陣的譜聚類算法獲得聚類結(jié)果. 聚類的核心是構(gòu)造一個(gè)信息親和矩陣, 但該矩陣的構(gòu)造依賴于先驗(yàn)知識(shí). 因此, 很多研究都集中在如何直接學(xué)習(xí)一個(gè)設(shè)計(jì)良好的表示矩陣或張量構(gòu)造親和力矩陣. 如夏菁等[7]提出了學(xué)習(xí)低秩稀疏表示矩陣; 李杏峰等[8]使用完整的空間學(xué)習(xí)技術(shù)學(xué)習(xí)信息完整性感知表示矩陣; 于茜茜[9]提出了一種結(jié)構(gòu)化的多視點(diǎn)子空間聚類方法學(xué)習(xí)表示矩陣. 盡管上述基于低秩矩陣或張量表示的MVC方法已取得了較好的性能, 但其仍存在以下局限性: 1) 這些方法常忽略局部結(jié)構(gòu), 即僅考慮表示矩陣或張量的全局低秩性, 在學(xué)習(xí)過(guò)程中忽略了樣本的局部性和相似性信息; 2) 分別學(xué)習(xí)低秩表示和親和矩陣, 忽略了兩者之間的高度依賴性.

    為解決上述問(wèn)題, 本文提出一種基于圖形正則化低秩表示張量與親和矩陣的多視圖聚類算法(multi view clustering algorithm based on graph regularized low rank representation tensor and affinity matrix, GRLRTAM-MVC), 該算法不僅可以同時(shí)學(xué)習(xí)低秩表示張量和親和矩陣, 而且可以將局部結(jié)構(gòu)統(tǒng)一集成, 有效增強(qiáng)信息挖掘的深度, 提升聚類性能. 在7個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明了該方法的有效性.

    1 預(yù)備知識(shí)

    參考文獻(xiàn)[8], 設(shè)χ,X,x分別表示張量、 矩陣和向量.在N1×N2×N3中,χ和y的內(nèi)積定義為〈χ,y〉=vec(χ)Tvec(y)T,χ的Frobenius范數(shù)定義為表示將矩陣X的所有列堆疊為一個(gè)向量.χ的L1范數(shù)表示為‖χ‖1=‖vec(χ)‖1,χ的無(wú)窮范數(shù)表示為張量χ的第k個(gè)切片表示為χ(k).沿χ的方向進(jìn)行快速Fouier變換(FFT), 表示為同理, 可通過(guò)逆FFT由得到χ, 即對(duì)于張量χ∈N1×N2×N3, 其分塊循環(huán)矩陣bcirc(χ)和塊對(duì)角矩陣bdiag(χ)定義為

    (1)

    (2)

    塊矢量化定義為bvec(χ)=(χ(1),…,χ(N3)), bvec和bdiag的逆運(yùn)算分別定義為bvfold(bvec(χ))=χ, bdfold(bdiag(χ))=χ.令y∈N2×N4×N3,t-productχ×y是N1×N4×N3張量,χ×y=bvfold(bcirc(χ)×bvec(y)).χ的轉(zhuǎn)置為χT∈N2×N1×N3, 是通過(guò)將每個(gè)切片進(jìn)行轉(zhuǎn)置, 然后將轉(zhuǎn)置后的切片通過(guò)N3將順序顛倒.單位張量L∈N1×N1×N3是一個(gè)第一個(gè)切片為N1×N1的單位矩陣張量, 其余切片為零.如果滿足條件χTχ=χχT=L, 則張量χ∈N1×N1×N3是正交的.

    定義1(t-SVD) 對(duì)于χ∈N1×N2×N3, 其t-SVD為χ=u×s×vT, 其中u∈N1×N1×N3,v∈N2×N2×N3, 二者是正交向量,s∈N1×N2×N3是f的對(duì)角張量, 其每個(gè)切片都是對(duì)角矩陣.三階張量的t-SVD如圖1所示.t-SVD可通過(guò)Fourier域中的矩陣SVD進(jìn)行計(jì)算.

    圖1 三階張量的t-SVDFig.1 t-SVD of third-order tensor

    定義2(張量多秩) 張量χ∈N1×N2×N3的張量多秩是向量r∈N3×1, 其第i個(gè)元素是的第i個(gè)切片的秩.

    定義3(t-SVD-TNN) 張量χ∈N1×N2×N3的t-SVD-TNN表示為‖χ‖?, 定義為所有切片的奇異值之和, 即

    (3)

    2 算法設(shè)計(jì)

    2.1 聚類算法

    根據(jù)自表示特性, 其他點(diǎn)的線性組合可用第v個(gè)視圖中的每個(gè)數(shù)據(jù)點(diǎn)表示, 即

    X(v)=X(v)Z(v)+E(v),

    其中E(v)表示噪聲.顯然, 由X(v)得到表示矩陣Z(v)和噪聲E(v), 適用性較差.因此引入低秩張量, 近似研究多視圖之間的高階關(guān)聯(lián)性.

    (4)

    (5)

    其中‖·‖2,1是l2,1范數(shù), 用于去除特定樣本的損失;E=(E(1),E(2),…,E(V)); 利用Φ(·)將所有表示矩陣Z(V)合并, 構(gòu)造一個(gè)3階表示張量Z(V)∈n×n×V; 正則化ψ(Z)描述了Z的低秩性質(zhì);S為最終要學(xué)習(xí)的相似矩陣;λ1,λ2,λ3和γ為非負(fù)參數(shù);ω=(ω1,ω2,…,ωV)為權(quán)重向量,ωv是第v個(gè)視圖的相對(duì)權(quán)重.由式(5)可知, 可以在同一個(gè)框架內(nèi)同時(shí)訓(xùn)練學(xué)習(xí)低秩表示張量Z和相似矩陣S, 從而得到一個(gè)相似矩陣作為譜聚類算法的輸入, 進(jìn)而得到聚類結(jié)果.式(5)中的第一項(xiàng)描述了表示張量Z的低秩性; 第二項(xiàng)可以模擬特定樣本的損失; 使用流形正則化, 即式(5)中的第三項(xiàng), 可保持多視圖數(shù)據(jù)的局部結(jié)構(gòu), 使在原始空間中距離近的數(shù)據(jù)點(diǎn)仍具有相似的表示; 式(5)中的最后一項(xiàng)對(duì)不同的視圖施加不同的權(quán)重, 以獲得信息豐富的相似矩陣.為克服權(quán)重分配的困難, 式(5)可通過(guò)約束二次規(guī)劃方法, 對(duì)不同特征進(jìn)行自適應(yīng)權(quán)重分配.

    文獻(xiàn)[10]研究表明,t-SVD-TNN在計(jì)算機(jī)視覺(jué)中的性能優(yōu)于其他張量分解形式, 包括CANDECOMP/PARAFAC分解和Tucker分解. 受此啟發(fā), 本文利用t-SVD-TNN對(duì)Z的低秩張量性質(zhì)進(jìn)行編碼.

    2.2 GRLRTAM的優(yōu)化

    利用式(3)中t-SVD-TNN的定義, 即ψ(Z)=‖Z‖?, 式(5)中的模型可表示為

    (6)

    由于在Z上同時(shí)施加了全局低秩性和局部結(jié)構(gòu)優(yōu)先性, 所以式(6)與Z相耦合, 為使Z可分解, 引入變量分裂技術(shù), 并引入一個(gè)輔助張量變量y, 則式(6)可轉(zhuǎn)化為以下優(yōu)化問(wèn)題:

    (7)

    式(7)對(duì)應(yīng)的增廣Lagrange函數(shù)為

    其中Θ(v)∈dv×π和Π∈π×π×V分別是關(guān)于兩個(gè)等式約束的Lagrange乘子;ρ>0是懲罰參數(shù).式(8)可分為下列6個(gè)子問(wèn)題.

    1) 更新y.給定上述迭代中的其他變量, 可通過(guò)解決以下問(wèn)題更新y:

    式(9)可分為V個(gè)獨(dú)立的極小化問(wèn)題, 第v個(gè)極小化問(wèn)題為

    (10)

    式中

    將式(10)對(duì)Y(v)求導(dǎo), 并令導(dǎo)數(shù)為零, 可得Sylvester方程

    MY(v)+Y(v)N=C,

    其中

    2) 更新Z.修正其他變量,Z可更新為

    (11)

    式(11)的閉合形式解為

    Zt+1=Cv/ρ(Ft)=uCv/ρ(S)VT,

    (12)

    算法1基于t-SVD更新Z.

    輸入: 張量Ft∈n×V×v; 參數(shù)

    Ft=fft(χ,[ ],3);

    fork=1到k=ndo

    Σ(k)=S(k)J(k);

    end for

    輸出: 張量Zt+1.

    3) 更新E.最小化式(8)中E的增廣Lagrange函數(shù), 可得

    (13)

    其中

    Et+1的第j列可表示為

    (14)

    4) 更新S.為得到St+1的最優(yōu)解, 將式(8)中關(guān)于S的增廣Lagrange函數(shù)最小化為

    (15)

    關(guān)于式(15)對(duì)S的導(dǎo)數(shù), 其閉式解St+1為

    (16)

    5) 更新ω.將ω的優(yōu)化問(wèn)題轉(zhuǎn)化為

    (17)

    (18)

    6) 更新Θ(v),Π,ρ.Lagrange乘子Θ(v),Π和懲罰參數(shù)ρ可更新表示為

    (19)

    其中β>1是為加快收斂速度,ρmax是懲罰參數(shù)ρ的最大值.下列算法給出了求解式(7)的過(guò)程, 其中停止循環(huán)條件定義為

    (20)

    算法2GRLRTAM多視圖子空間聚類算法.

    輸入: 多視圖特征X(v); 參數(shù)λ1,λ2,λ3,γ=10; 最近鄰域個(gè)數(shù)為5; 圖像Laplace矩陣L(v); 簇的個(gè)數(shù)為K;

    While不收斂do

    forv=1到Vdo

    end for

    根據(jù)算法1更新Zt+1;

    根據(jù)式(14)更新Et+1;

    根據(jù)式(16)更新St+1;

    根據(jù)式(18)更新ωt+1;

    檢查式(20)的收斂條件;

    end while.

    輸出: 相似矩陣St+1.

    2.3 計(jì)算復(fù)雜度

    算法2的計(jì)算量主要通過(guò)更新y,Z,E決定, 求解Sylvester方程的計(jì)算量為O(n3), 更新Z的計(jì)算量為O(2Vn2log(n)), 通過(guò)更新Z計(jì)算三維Fourier變換和逆Fourier變換, 并用計(jì)算量為O(V2n2)對(duì)V個(gè)n×V矩陣執(zhí)行SVD, 其他更新的計(jì)算量為O(Vn2).其余計(jì)算步驟的計(jì)算成本可忽略不計(jì), 因?yàn)槠渲话具\(yùn)算, 如矩陣加法、 減法和乘法.因此, 算法2的計(jì)算復(fù)雜度為

    O(T(Vn3+2Vn2log(n)+V2n2)),

    其中T是迭代次數(shù).

    3 實(shí) 驗(yàn)

    下面實(shí)驗(yàn)評(píng)估GRLRTMA在7個(gè)具有代表性的多視圖數(shù)據(jù)集上的性能.

    3.1 數(shù)據(jù)集

    BBC4view數(shù)據(jù)集和BBCSport數(shù)據(jù)集: BBC4view和BBCSport數(shù)據(jù)集主要包括新聞報(bào)道數(shù)據(jù), 其包含了來(lái)自英國(guó)廣播公司(BBC)體育網(wǎng)站的685份和544份關(guān)于體育新聞的5個(gè)主題文件, 對(duì)于每個(gè)文件, 提取BBC4view中4種不同類型的特征, 提取BBCSport中2種不同類型的特征.

    3個(gè)新聞數(shù)據(jù)集: 該數(shù)據(jù)集的內(nèi)容是新聞故事, 來(lái)自3個(gè)在線新聞, 其包含6類416個(gè)不同的新聞故事, 這3個(gè)數(shù)據(jù)集共包含了169篇新聞, 每個(gè)數(shù)據(jù)集都有各自的觀點(diǎn).

    MSRC-V1數(shù)據(jù)集: 包含樹、 建筑、 飛機(jī)、 奶牛、 人臉、 汽車、 自行車等7類210張圖像, 本文提取了5個(gè)視圖特征, 包括24維顏色矩、 576維定向梯度直方圖(HOG)、 512維 GIST、 254維中心特征和256維局部二值模式(LBP). Scene-15數(shù)據(jù)集: 包含15類4 485張室外和室內(nèi)場(chǎng)景圖像, 本文提取了1 800維光照、 1 180維PRI-CoLBP和1 240維中心點(diǎn)3種圖像特征表示Scene-15. MITIndoor-67數(shù)據(jù)集: 包含1.5萬(wàn)張室內(nèi)圖片, 涵蓋67個(gè)不同類別, 本文選取一個(gè)包含5 360張圖像的子集進(jìn)行訓(xùn)練聚類. COIL-20數(shù)據(jù)集: 有20個(gè)類別和1 440張像素大小為32×32的通用對(duì)象圖像, 此外還提取了1 024維強(qiáng)度、 3 304維LBP和6 750維Gabor三種視圖特征. 表1列出了這些數(shù)據(jù)集的統(tǒng)計(jì)特征.

    表1 7個(gè)代表性多視圖數(shù)據(jù)集的統(tǒng)計(jì)特征

    3.2 不同方法的對(duì)比分析

    將GRLRTMA與目前最新的方法進(jìn)行比較, 包括SSCbest[3]: 通過(guò)L1范數(shù)正則化表示矩陣構(gòu)造的單視圖聚類; LRRbest[4]: 通過(guò)核范數(shù)正則化表示矩陣構(gòu)造的單視圖聚類; RSSbest[5]: 通過(guò)同時(shí)學(xué)習(xí)數(shù)據(jù)表示和相似性矩陣實(shí)現(xiàn)單視圖聚類; MLAP[8]: 通過(guò)連接不同視圖的子空間表示并施加低秩約束探索具有互補(bǔ)性的MVC; DiMSC[9]: 具有Hilbert-Schmidt獨(dú)立性的MVC; LT-MSC[11]: 具有低秩張量約束的MVC; MVCC[12]: 基于局部流形正則化分散式概念的MVC; ECMSC[13]: 具有一致排外性的正則化MVC; MLAN[14]: 具有自適應(yīng)鄰域的MVC;t-SVD MSC[15]: 張量多秩極小化的MVC; MLRSSC[16]: 基于低秩稀疏子空間聚類的MVC; MSC_IAS[17]: 具有完整感知相似性的MVC. 其中前3種方法屬于單視圖聚類方法, 其他方法屬于多視圖聚類方法. 上述方法均按其實(shí)驗(yàn)參數(shù)值進(jìn)行設(shè)置, 以便進(jìn)行公平的比較. 此外, 在MITIndoor-67數(shù)據(jù)集上加入了深度特征, 并將GRLRTMA與GSNMF-CNN[18]進(jìn)行比較. 對(duì)于SSCbest,LRRbest和RSSbest, 每個(gè)特征獨(dú)立使用, 并展示最佳聚類結(jié)果. 為進(jìn)行全面比較, 使用由所有特征聯(lián)合在一起的聯(lián)合視圖進(jìn)行了SSC,LRR和RSS, 其分別表示為SSCCon,LRRCon和RSSCon. 由于MLAN中存在一個(gè)隨機(jī)參數(shù), 將MLAN執(zhí)行10次, 并展現(xiàn)其最佳的聚類結(jié)果. 對(duì)于DiMSC,LT-MSC,t-SVD-MSC,MLRSSC和MSC-IAS, 它們都首先學(xué)習(xí)表示矩陣或張量, 然后構(gòu)造相似性矩陣. 文獻(xiàn)[17]使用Tucker分解對(duì)低秩性進(jìn)行編碼, 用GLTA_Tucker表示. 對(duì)于除MLAN外的所有方法, 均使用譜聚類算法計(jì)算聚類結(jié)果.

    根據(jù)文獻(xiàn)[15], 本文利用6種常用的聚類指標(biāo), 即準(zhǔn)確度(ACC)、 歸一化互信息(NMI)、 調(diào)整后的秩指數(shù)(AR)、F-score、 精確度和召回率評(píng)估聚類性能. 通常這6個(gè)指標(biāo)值越高, 聚類效果越好. 由于所有方法的譜聚類都是基于k均值的, 不同的初始化設(shè)置可能會(huì)產(chǎn)生不同結(jié)果, 因此本文對(duì)每個(gè)實(shí)驗(yàn)均進(jìn)行10次試驗(yàn), 并計(jì)算其平均性能和標(biāo)準(zhǔn)差.

    3.3 聚類效果比較

    表2~表8分別列出了7個(gè)數(shù)據(jù)集的所有聚類結(jié)果. 由表2~表8可見, 多數(shù)情況下, GRLRTMA的性能優(yōu)于其他方法, 尤其是在BBC4view,Scene-15,MITIndoor-67和COIL-20數(shù)據(jù)集上.t-SVD-NN的GRLRTMA在所有情況下都優(yōu)于GLTA-Tucker, 表明基于奇異值分解的張量核范數(shù)可能比Tucker分解更適合于表示張量的低秩性. 在Scene-15數(shù)據(jù)集上, 相對(duì)于次優(yōu)方法t-SVD-MSC, 對(duì)于6個(gè)指標(biāo), 本文GRLRTMA的精度分別提高16.7%,11.6%,19.6%,18.1%,22.7%和12.9%, 而在MITIndoor-67數(shù)據(jù)集上, GRLRTMA的精度分別提高23.8%,22.3%,36.1%,35.6%,34.9%和36.3%. 這主要是因?yàn)镈iMSC,LT-MSC,t-SVD-MSC-MLRSSC和MSC_IAS分兩步構(gòu)造表示矩陣或張量相似性矩陣, 并未考慮不同特征的不同貢獻(xiàn)度. 但GRLRTMA同時(shí)學(xué)習(xí)表示張量和相似性矩陣, 很好地利用了它們之間的高度依賴性, 且其良好性能還得益于局部幾何結(jié)構(gòu)的保留.

    表2 數(shù)據(jù)集BBC4view的聚類結(jié)果(平均值±標(biāo)準(zhǔn)差)

    表3 基于BBCSport數(shù)據(jù)集的聚類結(jié)果(平均值±標(biāo)準(zhǔn)差)

    表4 基于3Sources數(shù)據(jù)集的聚類結(jié)果(平均值±標(biāo)準(zhǔn)差)

    表5 基于MSRC-V1數(shù)據(jù)集的聚類結(jié)果(平均值±標(biāo)準(zhǔn)差)

    表6 基于COIL-20數(shù)據(jù)集的聚類結(jié)果(平均值±標(biāo)準(zhǔn)差)

    續(xù)表6

    表7 基于Scene-15數(shù)據(jù)集的聚類結(jié)果(平均值±標(biāo)準(zhǔn)差)

    表8 基于MITIndoor-67數(shù)據(jù)集的聚類結(jié)果(平均值±標(biāo)準(zhǔn)差)

    通常多視圖聚類方法比單視圖聚類方法SSCbest,LRRbest和RSSbest具有更好的聚類性能. 這主要是因?yàn)閱我晥D聚類方法關(guān)注特定的視圖特征, 而多視圖聚類方法能很好地捕捉到多視圖之間的高階交叉信息; LT-MSC在前兩個(gè)數(shù)據(jù)集上的結(jié)果不理想, 可能是因?yàn)榛谡归_的張量核范數(shù)是Tucker階數(shù)的稀疏替代. 此外,t-SVD-MSC的性能比LT-MSC更好, 主要是因?yàn)閠-SVD-TNN比基于展開的張量核范數(shù)能更好地揭示表示張量的整體結(jié)構(gòu); MLAN在BBCSport和Scene-15數(shù)據(jù)集上的性能比3種單視圖聚類方法差, 主要是因?yàn)榭赡苡蒑LAN得到的相似性矩陣是直接從含有噪聲和離群值的原始數(shù)據(jù)中學(xué)習(xí)得到的; 基于低秩矩陣的多視圖子空間聚類方法MLRSSC和MSC_IAS性能不穩(wěn)定, 例如, 在BBC4view,BBCSport和COIL-20數(shù)據(jù)集上, 其性能優(yōu)于其他方法, 但在MITIndoor-67數(shù)據(jù)集上的性能卻比SSC和LRR差. 實(shí)驗(yàn)結(jié)果表明, 同步學(xué)習(xí)表示張量和相似性矩陣有助于提高聚類性能.

    3.4 性能分析

    3.4.1 參數(shù)選擇

    本文將所有實(shí)驗(yàn)的最近鄰域個(gè)數(shù)設(shè)為5,γ=10. 將GRLRTMA中的3個(gè)自由參數(shù)λ1,λ2,λ3進(jìn)行微調(diào), 即分別從集合{0.001,0.005,0.01,0.05,0.1,0.2,0.4,0.5}, {0.001,0.005,0.01,0.05,0.1,0.2,0.4,0.5,1,2,5,10,50,100,500}, {0.01,0.1,0.5,1,3,5,7,10,50 100}中取值.本文僅給出BBCSport和MSRC-V1數(shù)據(jù)集中不同組合λ1,λ2,λ3的GRLRTMA的ACC值. 由于誤差項(xiàng)對(duì)目標(biāo)函數(shù)的影響可能較小, 因此首先將λ1固定為相對(duì)較小的常數(shù), 然后將λ2和λ3設(shè)為不同值, 結(jié)果如圖2所示. 由圖2可見, GRLRTMA和參數(shù)λ2,λ3的關(guān)聯(lián)度較小.最后, 確定λ2和λ3參數(shù)值, 并考察λ1對(duì)模型性能的影響.當(dāng)λ1較小時(shí), GRLRTMA得到的結(jié)果較好. 因此, 與GRLRTMA的相關(guān)參數(shù)λ1,λ2,λ3可分別從區(qū)間[0.005,0.2],[0.05,0.2],[0.01,1]中取值.

    圖2 不同參數(shù)值的ACC值Fig.2 ACC values of different parameter values

    3.4.2 收斂性分析

    推導(dǎo)GRLRTMA的收斂性有一定困難. 因此本文分析了如圖2(A)所示的2個(gè)數(shù)據(jù)集的經(jīng)驗(yàn)收斂性, 其中縱軸表示

    的誤差. 經(jīng)過(guò)15次迭代后, 產(chǎn)生一個(gè)穩(wěn)定的誤差值, 表明GRLRTMA可以在有限次數(shù)迭代后收斂. 如圖2(B)所示, 給出了每次迭代的ACC和NMI值, 因?yàn)檫@兩個(gè)指標(biāo)在一定程度上反映了聚類性能. 由圖2(B)可見, 當(dāng)?shù)螖?shù)增加時(shí), ACC和NMI值也增加, 直到逼近最優(yōu)值. 從而證明了GRLRTMA在以上真實(shí)數(shù)據(jù)上的收斂性.

    3.4.3 特征權(quán)重

    表9列出了SSC和LRR對(duì)每個(gè)視圖特征的聚類結(jié)果. 由表9可見, 對(duì)于同一個(gè)數(shù)據(jù)集, 不同特征可能會(huì)產(chǎn)生不同的聚類結(jié)果. 如SSC在BBC4view上的ACC和NMI值分別為0.414~0.660和0.236~0.494. 對(duì)于3Sources數(shù)據(jù)集, SSC在3種視圖的ACC和NMI的差異分別為0.101和0.126. 此外, 在3Sources和MSRC-V1數(shù)據(jù)集上, SSCCon和LRRCon的性能比SSC和LRR差. 因此, 不同特征對(duì)聚類結(jié)果有不同的影響度. 在多視圖聚類過(guò)程中, 充分考慮不同特征對(duì)聚類結(jié)果的不同影響程度至關(guān)重要.

    表9 不同視圖特征的對(duì)比

    3.5 分塊研究

    由上述實(shí)驗(yàn)結(jié)果可見, 僅考慮低階張量表示(如LT-MSC和t-SVD-MSC)或局部結(jié)構(gòu)(如MLAN)都不能獲得滿意的性能結(jié)果. 現(xiàn)有的方法, 包括DiMSC,LT-MSC和t-SVD-MSC, 都是學(xué)習(xí)表示張量, 然后構(gòu)造相似性矩陣, 未考慮不同特征的不同貢獻(xiàn)度和特征之間的依賴性. 為解決這些問(wèn)題, 本文提出的GRLRTMA分兩個(gè)階段改進(jìn)現(xiàn)有的方法: 1) 同時(shí)學(xué)習(xí)表示張量和相似性矩陣; 2) 將局部幾何結(jié)構(gòu)整合到一個(gè)統(tǒng)一的框架中. 為分別統(tǒng)計(jì)上述兩個(gè)因素的貢獻(xiàn)程度, 進(jìn)行了兩種測(cè)試. 測(cè)試1令λ2,λ3=0, 并調(diào)整其他參數(shù), 而測(cè)試2僅令λ3=0.

    測(cè)試1表示為GRLRTMA-p1, 令λ2,λ3=0, 驗(yàn)證λ1的貢獻(xiàn).在GRLRTMA-p1中, 當(dāng)局部結(jié)構(gòu)丟失時(shí), 同時(shí)學(xué)習(xí)Z和S.測(cè)試2表示為GRLRTMA-p2, 令λ1,λ3=0, 驗(yàn)證λ2的貢獻(xiàn). 這兩個(gè)測(cè)試均使用BBC4view,BBCSport,3Sources,MSRC-V1,Scene15和COIL-20數(shù)據(jù)集. 表10列出了GRLRTMA,GRLRTMA-p1和GRLRTMA-p2的聚類結(jié)果. 由表10可見, GRLRTMA-p1和GRLRTMA在所有情況下表現(xiàn)都較出色. 對(duì)于ACC的平均值, GRLRTMA比GRLRTMA-p1和GRLRTMA-p2分別提高了21.85%,6.25%, NMI提高了23.57%,7.27%. 實(shí)驗(yàn)結(jié)果證明了GRLRTMA的優(yōu)越性, 并說(shuō)明同步構(gòu)造表示張量和相似性矩陣并維持局部幾何結(jié)構(gòu)可明顯提高聚類性能. 不同多視圖聚類方法的平均運(yùn)行時(shí)間列于表11.

    表10 不同方法的ACC,NMI比較

    表11 所有數(shù)據(jù)集上的平均運(yùn)行時(shí)間

    所有實(shí)驗(yàn)均采用MATLAB2016a編譯器, 硬件配置為3.50 GHz的CPU和16 GB的RAM. 在所有方法中, MLAN和MSC_IAS的運(yùn)行時(shí)間最短, 尤其是在處理大規(guī)模數(shù)據(jù)集時(shí). MLAP和DiMSC的運(yùn)行時(shí)間與GRLRTMA相當(dāng). 基于低秩張量的多視圖聚類方法(LT-MSC,t-SVD-MSC,GRLRTMA)的計(jì)算量較大, 但其性能優(yōu)于其他同類方法. 其根本原因是LT-MSC,t-SVD-MSC和GRLRTMA通過(guò)低秩張量在全局視圖中盡力找到表示矩陣的相關(guān)性. 為進(jìn)一步研究該算法的計(jì)算復(fù)雜度, 基于BBC4view數(shù)據(jù)集, 進(jìn)行不同組合(λ1,λ2,λ3)的實(shí)驗(yàn), 結(jié)果列于表12.由表12可見, 不同參數(shù)(λ1,λ2,λ3)的設(shè)置對(duì)GRLRTMA的運(yùn)行時(shí)間影響較小.

    表12 基于數(shù)據(jù)集BBC4view不同參數(shù)組合(λ1,λ2,λ3)的平均運(yùn)行時(shí)間

    綜上所述, 針對(duì)現(xiàn)有多視圖聚類方法存在的忽略信息挖掘深度的問(wèn)題, 本文提出了一種基于圖形正則化低秩表示張量與親和矩陣的多視圖聚類方法. 通過(guò)7個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)可得如下結(jié)論:

    1) GRLRTMA相對(duì)于其他多視圖聚類算法具有更好的聚類精度, 并且在多個(gè)數(shù)據(jù)集上均能保持良好的聚類效果, 證明該方法具有良好的穩(wěn)定性和泛化能力;

    2) 同步構(gòu)造表示張量和相似性矩陣, 并維持局部幾何結(jié)構(gòu)對(duì)于提升聚類精度具有顯著作用, 并考慮了不同特征的影響, 自適應(yīng)分配權(quán)值, 對(duì)聚類性能的提升具有重要作用;

    3) 該方法運(yùn)行時(shí)間較長(zhǎng), 但其精度提升效果明顯, 在不要求實(shí)時(shí)性的領(lǐng)域有一定的應(yīng)用價(jià)值, 并且不同參數(shù)設(shè)置對(duì)GRLRTMA的運(yùn)行時(shí)間影響較小.

    猜你喜歡
    特征方法
    抓住特征巧觀察
    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(chéng)的四個(gè)特征
    學(xué)習(xí)方法
    抓住特征巧觀察
    可能是方法不對(duì)
    用對(duì)方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    賺錢方法
    久久亚洲国产成人精品v| 婷婷色综合大香蕉| 午夜福利在线观看免费完整高清在| 国产极品精品免费视频能看的| 日韩一本色道免费dvd| 久久久亚洲精品成人影院| 日韩欧美精品v在线| 色综合亚洲欧美另类图片| 超碰av人人做人人爽久久| 三级毛片av免费| 国产 一区 欧美 日韩| 九草在线视频观看| 亚洲欧美成人综合另类久久久 | 特大巨黑吊av在线直播| 天天一区二区日本电影三级| av免费观看日本| av国产免费在线观看| 97在线视频观看| 舔av片在线| 美女cb高潮喷水在线观看| 国产精品永久免费网站| 国产精品1区2区在线观看.| 亚洲乱码一区二区免费版| 国产亚洲最大av| 国产亚洲精品久久久com| 直男gayav资源| 黄色一级大片看看| 精品久久久久久电影网 | 国产成年人精品一区二区| 日本av手机在线免费观看| 99热这里只有是精品在线观看| 欧美变态另类bdsm刘玥| 日日啪夜夜撸| 免费看美女性在线毛片视频| 18禁动态无遮挡网站| 亚洲,欧美,日韩| 国产精品国产三级专区第一集| 国产精品日韩av在线免费观看| 国产老妇伦熟女老妇高清| 一级爰片在线观看| 日韩av不卡免费在线播放| 有码 亚洲区| 国产老妇伦熟女老妇高清| 亚洲在线观看片| 欧美日韩一区二区视频在线观看视频在线 | 黄片wwwwww| 亚洲精品日韩在线中文字幕| 国产老妇女一区| 青青草视频在线视频观看| 淫秽高清视频在线观看| 麻豆国产97在线/欧美| 免费大片18禁| 天天躁日日操中文字幕| 国产黄色视频一区二区在线观看 | 亚洲色图av天堂| 国产午夜福利久久久久久| 成人毛片60女人毛片免费| 日韩中字成人| 国产精品人妻久久久影院| 乱人视频在线观看| 最近手机中文字幕大全| 桃色一区二区三区在线观看| 小蜜桃在线观看免费完整版高清| 亚洲精品自拍成人| 亚洲av一区综合| 久久久国产成人精品二区| 国产免费男女视频| 亚洲伊人久久精品综合 | 国产伦在线观看视频一区| 欧美日本亚洲视频在线播放| 一个人观看的视频www高清免费观看| 午夜福利成人在线免费观看| 中文亚洲av片在线观看爽| 免费电影在线观看免费观看| 大香蕉97超碰在线| 亚洲av中文字字幕乱码综合| 国产一区二区三区av在线| 我要搜黄色片| 亚洲天堂国产精品一区在线| 精品人妻偷拍中文字幕| 免费看美女性在线毛片视频| 亚洲人成网站在线播| 国产白丝娇喘喷水9色精品| 亚洲美女视频黄频| 久久久久九九精品影院| 国产淫语在线视频| 波多野结衣高清无吗| 18禁在线播放成人免费| 国产久久久一区二区三区| 免费av不卡在线播放| 亚洲国产精品专区欧美| 在现免费观看毛片| 日日摸夜夜添夜夜添av毛片| 精品久久久久久久久亚洲| 99国产精品一区二区蜜桃av| 真实男女啪啪啪动态图| 日韩一本色道免费dvd| 欧美性感艳星| 国产一级毛片在线| 在线天堂最新版资源| 国产亚洲91精品色在线| 啦啦啦啦在线视频资源| 小说图片视频综合网站| 国产精品三级大全| 嘟嘟电影网在线观看| 少妇高潮的动态图| 亚洲自偷自拍三级| 非洲黑人性xxxx精品又粗又长| 亚洲精华国产精华液的使用体验| 亚洲av成人精品一二三区| 欧美成人一区二区免费高清观看| 成人综合一区亚洲| 亚洲精品久久久久久婷婷小说 | 午夜视频国产福利| 婷婷色综合大香蕉| 亚洲欧美日韩高清专用| 亚洲成av人片在线播放无| 国产午夜精品久久久久久一区二区三区| 午夜亚洲福利在线播放| 国产综合懂色| 国产高潮美女av| 国产精品爽爽va在线观看网站| 久久精品国产99精品国产亚洲性色| 少妇高潮的动态图| 少妇的逼好多水| 一级黄片播放器| 伦精品一区二区三区| 最新中文字幕久久久久| av女优亚洲男人天堂| 久久亚洲国产成人精品v| 少妇丰满av| 最后的刺客免费高清国语| 成人综合一区亚洲| 亚洲成人精品中文字幕电影| 一级毛片我不卡| 欧美97在线视频| 久久久午夜欧美精品| 欧美激情在线99| videos熟女内射| 中文天堂在线官网| 成人午夜高清在线视频| 夜夜爽夜夜爽视频| 亚洲精品,欧美精品| 女人十人毛片免费观看3o分钟| 久久精品国产鲁丝片午夜精品| 亚洲av日韩在线播放| 综合色av麻豆| 99久久人妻综合| 身体一侧抽搐| 日日干狠狠操夜夜爽| videos熟女内射| 久久精品人妻少妇| 亚洲高清免费不卡视频| 国产伦精品一区二区三区四那| 国产真实伦视频高清在线观看| 久久韩国三级中文字幕| 国产成人精品一,二区| 亚洲av中文av极速乱| 91午夜精品亚洲一区二区三区| 免费看美女性在线毛片视频| 一级爰片在线观看| 亚洲成人中文字幕在线播放| 欧美色视频一区免费| 国产伦一二天堂av在线观看| 亚州av有码| 青春草国产在线视频| 国产精品1区2区在线观看.| 亚洲内射少妇av| 久久草成人影院| 日本免费在线观看一区| 搡老妇女老女人老熟妇| 亚洲三级黄色毛片| 婷婷色综合大香蕉| 狂野欧美白嫩少妇大欣赏| 国产精品乱码一区二三区的特点| АⅤ资源中文在线天堂| 99久久人妻综合| 精品熟女少妇av免费看| 久久精品久久精品一区二区三区| 啦啦啦韩国在线观看视频| 精品国产一区二区三区久久久樱花 | 男人舔奶头视频| 五月伊人婷婷丁香| 国产一区二区亚洲精品在线观看| 国语对白做爰xxxⅹ性视频网站| 特大巨黑吊av在线直播| 人人妻人人澡人人爽人人夜夜 | 亚洲欧美精品自产自拍| 99久久精品热视频| 一区二区三区四区激情视频| 免费看av在线观看网站| 午夜免费男女啪啪视频观看| 纵有疾风起免费观看全集完整版 | 村上凉子中文字幕在线| 亚洲精品国产成人久久av| 国产中年淑女户外野战色| 伦理电影大哥的女人| 亚洲国产欧美在线一区| 欧美高清性xxxxhd video| 亚洲精品aⅴ在线观看| 精品免费久久久久久久清纯| 小蜜桃在线观看免费完整版高清| 黑人高潮一二区| 超碰97精品在线观看| 高清午夜精品一区二区三区| 亚洲av熟女| 啦啦啦韩国在线观看视频| 3wmmmm亚洲av在线观看| 日韩 亚洲 欧美在线| 国产白丝娇喘喷水9色精品| 精品久久久久久久久av| 最近最新中文字幕大全电影3| av播播在线观看一区| 99久久精品国产国产毛片| 欧美高清成人免费视频www| 亚洲怡红院男人天堂| 亚洲人与动物交配视频| 国产老妇女一区| 最近视频中文字幕2019在线8| 国产精品永久免费网站| 精华霜和精华液先用哪个| 精品欧美国产一区二区三| 伊人久久精品亚洲午夜| 激情 狠狠 欧美| 观看免费一级毛片| 26uuu在线亚洲综合色| 成人av在线播放网站| 大香蕉久久网| 噜噜噜噜噜久久久久久91| 老师上课跳d突然被开到最大视频| 国产亚洲5aaaaa淫片| 国产在视频线精品| h日本视频在线播放| 亚洲精品国产成人久久av| 国产大屁股一区二区在线视频| 国产亚洲5aaaaa淫片| 春色校园在线视频观看| 欧美不卡视频在线免费观看| 欧美性感艳星| 午夜免费男女啪啪视频观看| 一边亲一边摸免费视频| 日本一本二区三区精品| 国产精品av视频在线免费观看| 国产麻豆成人av免费视频| 欧美不卡视频在线免费观看| 午夜亚洲福利在线播放| 国产精品不卡视频一区二区| 又粗又硬又长又爽又黄的视频| 特大巨黑吊av在线直播| 亚洲成人精品中文字幕电影| 少妇熟女欧美另类| 一区二区三区高清视频在线| 日本一二三区视频观看| 欧美最新免费一区二区三区| 午夜亚洲福利在线播放| 日日摸夜夜添夜夜添av毛片| 丰满乱子伦码专区| 午夜精品一区二区三区免费看| 26uuu在线亚洲综合色| 一级黄片播放器| 免费观看在线日韩| 99久久无色码亚洲精品果冻| 国产免费男女视频| or卡值多少钱| 小蜜桃在线观看免费完整版高清| 99在线人妻在线中文字幕| 亚洲人成网站在线播| 汤姆久久久久久久影院中文字幕 | 桃色一区二区三区在线观看| 日韩av在线免费看完整版不卡| 插阴视频在线观看视频| 欧美最新免费一区二区三区| 一区二区三区四区激情视频| 亚洲性久久影院| 亚洲内射少妇av| 精品久久久久久久久久久久久| 亚洲欧美日韩无卡精品| 99热全是精品| 午夜福利网站1000一区二区三区| 春色校园在线视频观看| 欧美最新免费一区二区三区| 男女视频在线观看网站免费| 国产免费男女视频| 青青草视频在线视频观看| 美女被艹到高潮喷水动态| 日日撸夜夜添| 精品人妻一区二区三区麻豆| 国产伦精品一区二区三区视频9| 成人二区视频| 国产亚洲5aaaaa淫片| 在线免费十八禁| 亚洲中文字幕日韩| av国产久精品久网站免费入址| 伦精品一区二区三区| 欧美一区二区国产精品久久精品| 欧美潮喷喷水| 久久人人爽人人爽人人片va| 国产精品麻豆人妻色哟哟久久 | 色播亚洲综合网| 欧美日本视频| 国产成人福利小说| 国产欧美日韩精品一区二区| 国产黄a三级三级三级人| 亚洲精品一区蜜桃| 男女下面进入的视频免费午夜| 桃色一区二区三区在线观看| 亚洲精品,欧美精品| 熟女人妻精品中文字幕| 精品人妻偷拍中文字幕| 国产人妻一区二区三区在| 亚洲国产高清在线一区二区三| 毛片一级片免费看久久久久| 国产精品乱码一区二三区的特点| 久99久视频精品免费| 全区人妻精品视频| 午夜老司机福利剧场| 欧美+日韩+精品| 日本猛色少妇xxxxx猛交久久| 国产又黄又爽又无遮挡在线| 国产精品国产三级国产av玫瑰| 别揉我奶头 嗯啊视频| 欧美日韩精品成人综合77777| 色视频www国产| 国产乱人视频| 久久久国产成人免费| 免费观看在线日韩| 99久久精品国产国产毛片| 一个人看的www免费观看视频| 久久久精品欧美日韩精品| av专区在线播放| 国产成人精品婷婷| 国产免费又黄又爽又色| 国产av不卡久久| 最近最新中文字幕大全电影3| 九九久久精品国产亚洲av麻豆| 亚洲av电影不卡..在线观看| 日本午夜av视频| 一级av片app| 国产高潮美女av| 丝袜美腿在线中文| 啦啦啦观看免费观看视频高清| 国产成人精品久久久久久| 亚州av有码| 超碰97精品在线观看| 久久精品91蜜桃| 免费大片18禁| 国产一区有黄有色的免费视频 | 亚洲成色77777| 欧美性猛交黑人性爽| 亚洲人成网站在线播| 久久久久久九九精品二区国产| 嫩草影院新地址| 亚洲三级黄色毛片| 久久精品国产自在天天线| 成人av在线播放网站| 女人久久www免费人成看片 | 久久久久久久久中文| 99热网站在线观看| 国产视频内射| 日本免费在线观看一区| 插阴视频在线观看视频| 日本黄大片高清| 日本欧美国产在线视频| 1000部很黄的大片| 51国产日韩欧美| 天天躁夜夜躁狠狠久久av| 简卡轻食公司| 国产精品综合久久久久久久免费| 中文字幕精品亚洲无线码一区| 日本免费一区二区三区高清不卡| 欧美xxxx性猛交bbbb| 男女啪啪激烈高潮av片| 国产精品国产三级国产专区5o | 国产av一区在线观看免费| 亚洲伊人久久精品综合 | 国产三级中文精品| 国产亚洲av嫩草精品影院| 国产精品乱码一区二三区的特点| 一个人免费在线观看电影| 亚洲天堂国产精品一区在线| 在线观看一区二区三区| 级片在线观看| 亚洲av福利一区| 亚洲三级黄色毛片| 综合色av麻豆| 两性午夜刺激爽爽歪歪视频在线观看| 成人午夜高清在线视频| 成人亚洲欧美一区二区av| 成人无遮挡网站| 国产老妇女一区| 禁无遮挡网站| 日韩人妻高清精品专区| 秋霞在线观看毛片| av播播在线观看一区| 蜜桃亚洲精品一区二区三区| 亚洲欧洲国产日韩| 日本一本二区三区精品| 亚洲国产欧美人成| 伦精品一区二区三区| 久久精品久久精品一区二区三区| 网址你懂的国产日韩在线| 一边摸一边抽搐一进一小说| av在线蜜桃| 国产美女午夜福利| 国产精品无大码| 中文字幕制服av| 男人舔女人下体高潮全视频| 国产综合懂色| 精品久久国产蜜桃| 高清视频免费观看一区二区 | 午夜福利成人在线免费观看| 日日撸夜夜添| 美女被艹到高潮喷水动态| 日韩强制内射视频| 中国美白少妇内射xxxbb| 在线观看美女被高潮喷水网站| 日韩国内少妇激情av| 卡戴珊不雅视频在线播放| 亚洲av二区三区四区| 国语对白做爰xxxⅹ性视频网站| 日本黄大片高清| 日韩 亚洲 欧美在线| 久久99精品国语久久久| 国产精品久久电影中文字幕| 爱豆传媒免费全集在线观看| 国产午夜精品一二区理论片| 综合色丁香网| 人人妻人人澡人人爽人人夜夜 | 色视频www国产| 欧美日韩精品成人综合77777| 久久精品国产亚洲av天美| 国产成人91sexporn| 国产成人a区在线观看| 亚洲国产欧美人成| 久久精品国产亚洲av涩爱| 69av精品久久久久久| 欧美日韩综合久久久久久| 亚洲欧美日韩高清专用| 国产av在哪里看| 中文字幕制服av| av免费在线看不卡| 国产欧美日韩精品一区二区| 日本免费a在线| 伦理电影大哥的女人| 亚洲综合精品二区| 日韩一本色道免费dvd| 免费看av在线观看网站| 久久99热这里只有精品18| 亚洲在线自拍视频| 中文字幕熟女人妻在线| 中文亚洲av片在线观看爽| 国产精品久久久久久av不卡| 久久精品91蜜桃| 国产麻豆成人av免费视频| 欧美日韩在线观看h| 欧美另类亚洲清纯唯美| 五月玫瑰六月丁香| 亚洲无线观看免费| 亚洲高清免费不卡视频| 欧美精品一区二区大全| 一本一本综合久久| 成年女人看的毛片在线观看| 亚洲aⅴ乱码一区二区在线播放| 人人妻人人看人人澡| 又粗又硬又长又爽又黄的视频| 级片在线观看| 国产午夜精品久久久久久一区二区三区| 少妇人妻精品综合一区二区| 午夜福利高清视频| 2021少妇久久久久久久久久久| 人妻制服诱惑在线中文字幕| 成年女人永久免费观看视频| 亚洲图色成人| 婷婷色综合大香蕉| 成年免费大片在线观看| 久久久午夜欧美精品| 欧美色视频一区免费| av.在线天堂| 久久6这里有精品| 亚洲无线观看免费| 久久婷婷人人爽人人干人人爱| 欧美3d第一页| 三级男女做爰猛烈吃奶摸视频| 免费观看人在逋| av在线亚洲专区| 狂野欧美激情性xxxx在线观看| 国产色婷婷99| 免费电影在线观看免费观看| 免费黄网站久久成人精品| 亚洲精品成人久久久久久| 成年免费大片在线观看| 国产极品天堂在线| 最近的中文字幕免费完整| 欧美精品一区二区大全| 男人和女人高潮做爰伦理| 夫妻性生交免费视频一级片| 日日摸夜夜添夜夜爱| 国产精品国产高清国产av| 超碰av人人做人人爽久久| 一个人看视频在线观看www免费| 18禁在线无遮挡免费观看视频| 两个人的视频大全免费| 一级av片app| 丰满人妻一区二区三区视频av| 秋霞伦理黄片| 岛国在线免费视频观看| 国产精品一区二区性色av| 久久久国产成人精品二区| 国产精品无大码| 久久久国产成人精品二区| 日本色播在线视频| 女的被弄到高潮叫床怎么办| 一区二区三区高清视频在线| 国产精华一区二区三区| 老司机影院毛片| 亚洲综合精品二区| 高清午夜精品一区二区三区| 一二三四中文在线观看免费高清| 少妇熟女aⅴ在线视频| 欧美激情在线99| 女人久久www免费人成看片 | 赤兔流量卡办理| 久久久久久久午夜电影| 少妇的逼水好多| 久久久久久大精品| 中国美白少妇内射xxxbb| 美女xxoo啪啪120秒动态图| 国产成人午夜福利电影在线观看| 国产亚洲最大av| 国产伦一二天堂av在线观看| 最近中文字幕高清免费大全6| 天天一区二区日本电影三级| 久久6这里有精品| 国语自产精品视频在线第100页| 美女内射精品一级片tv| 色网站视频免费| 午夜免费激情av| 永久网站在线| 国产真实乱freesex| 波多野结衣高清无吗| 国产精品一二三区在线看| 99久久中文字幕三级久久日本| 久久久久免费精品人妻一区二区| 免费观看的影片在线观看| 国产午夜精品久久久久久一区二区三区| 真实男女啪啪啪动态图| 校园人妻丝袜中文字幕| 国产女主播在线喷水免费视频网站 | 蜜桃久久精品国产亚洲av| 亚洲国产欧美人成| av天堂中文字幕网| 桃色一区二区三区在线观看| 免费不卡的大黄色大毛片视频在线观看 | 亚洲人与动物交配视频| 欧美又色又爽又黄视频| 国产69精品久久久久777片| 亚洲国产精品sss在线观看| 老司机福利观看| 国产真实伦视频高清在线观看| 国产单亲对白刺激| 91av网一区二区| 久久久久久久国产电影| 男人舔女人下体高潮全视频| 欧美高清性xxxxhd video| 国产精品av视频在线免费观看| 欧美高清性xxxxhd video| 美女国产视频在线观看| 国产一区有黄有色的免费视频 | 免费观看a级毛片全部| 一卡2卡三卡四卡精品乱码亚洲| 久久99热这里只有精品18| 一级爰片在线观看| a级毛片免费高清观看在线播放| 中国美白少妇内射xxxbb| 成人午夜高清在线视频| 亚洲成人av在线免费| 99在线视频只有这里精品首页| 国产三级中文精品| 一级av片app| 免费av毛片视频| 国产免费又黄又爽又色| 91久久精品国产一区二区三区| 一个人看视频在线观看www免费| 六月丁香七月| 1000部很黄的大片| 久久99热6这里只有精品| 男女下面进入的视频免费午夜| 久久人妻av系列| 色综合站精品国产| 国产探花极品一区二区| 欧美成人一区二区免费高清观看| 边亲边吃奶的免费视频| 久久精品久久久久久久性| 久久亚洲精品不卡| 国产日韩欧美在线精品| 最近视频中文字幕2019在线8| 日本熟妇午夜| 性插视频无遮挡在线免费观看| 日本免费在线观看一区| 国产成人aa在线观看| 国产 一区精品| 国产91av在线免费观看| 亚洲18禁久久av| 精品久久久久久久人妻蜜臀av| 免费看美女性在线毛片视频| 女人久久www免费人成看片 | 久久精品91蜜桃| 成人亚洲精品av一区二区| 激情 狠狠 欧美| av在线蜜桃| 精品久久久久久久久久久久久| 校园人妻丝袜中文字幕| 亚洲精品亚洲一区二区| 最近最新中文字幕大全电影3| 日日摸夜夜添夜夜爱|