• <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 ?

    高校教師信息素養(yǎng)指標(biāo)體系研究
    ——基于RreliefF特征選擇算法

    2022-08-29 09:36:34曾慧平
    關(guān)鍵詞:特征選擇分類樣本

    曾慧平

    (江西交通職業(yè)技術(shù)學(xué)院,江西 南昌 330013)

    0 引言

    信息素養(yǎng)包括文化素養(yǎng)、信息意識(shí)和信息技能三個(gè)層面,決定了什么時(shí)候需要什么樣的信息,在哪里能獲取到信息,并能夠評(píng)價(jià)和有效利用所需的信息。信息素養(yǎng)是人在信息時(shí)代所必備的技能,決定了其對(duì)社會(huì)的適應(yīng)能力與對(duì)事件的應(yīng)對(duì)能力。信息素養(yǎng)涉及多方面的內(nèi)容,人文、技術(shù)、經(jīng)濟(jì)、法律甚至周邊學(xué)科的專業(yè)知識(shí),都會(huì)影響個(gè)人的信息素養(yǎng)水平。高校教師作為國(guó)家人才的培養(yǎng)者,更需要具備高層次的信息素養(yǎng),以便在信息爆炸的大背景下敏銳地捕捉到先進(jìn)、正確的科學(xué)知識(shí),并傳授給學(xué)生。但是高校教師作為科研育人的特殊群體,如何評(píng)價(jià)其信息素養(yǎng),如何確定具體人員的信息素養(yǎng)構(gòu)成要素,都是一個(gè)有待深入研究的課題。

    RreliefF特征選擇算法是對(duì)各個(gè)影響要素的權(quán)重進(jìn)行賦值、綜合評(píng)定的一種運(yùn)算方法。在算法中,首先考慮了對(duì)事件結(jié)果可能產(chǎn)生影響的所有影響要素,其次注重各要素間的相互作用,用發(fā)展的視角看待各要素對(duì)結(jié)果的制約作用,還可以根據(jù)初始條件的不同,動(dòng)態(tài)選擇參與計(jì)算的要素種類和內(nèi)容。因此RreliefF特征選擇算法可以更真實(shí)地反映模擬計(jì)算結(jié)果。

    將RreliefF特征選擇算法應(yīng)用于高校教師的信息素養(yǎng)指標(biāo)評(píng)定,可以區(qū)分不同專業(yè)、不同需求教師群體的特殊性,并在歸一化的基礎(chǔ)條件之上客觀評(píng)價(jià)教師的信息素養(yǎng)?;诖怂枷?,該文開(kāi)發(fā)了高校教師信息素養(yǎng)指標(biāo)體系。

    1 基于RreliefF特征選擇算法的信息素養(yǎng)指標(biāo)體系

    1.1 RreliefF算法

    RreliefF算法的基本思想是對(duì)每個(gè)屬性進(jìn)行權(quán)重分配,通過(guò)迭代的方式來(lái)確定權(quán)重,再通過(guò)權(quán)重的方式來(lái)確定屬性的子集合,進(jìn)而使優(yōu)秀的屬性集合在一起,而非獨(dú)立的個(gè)體。對(duì)高校教師信息素養(yǎng)的評(píng)價(jià),需要枚舉出影響因素。為規(guī)范評(píng)價(jià)行為,針對(duì)影響因素進(jìn)行分類匯總,根據(jù)不同高校的專業(yè)領(lǐng)域、教師的具體研究方向,概括為人文素質(zhì)選項(xiàng)、技術(shù)實(shí)力選項(xiàng)、經(jīng)濟(jì)能力選項(xiàng)、法律儲(chǔ)備選項(xiàng)以及用于個(gè)性化定制的其他選項(xiàng)。在每一個(gè)選項(xiàng)中,還可以細(xì)分為二級(jí)考核點(diǎn),例如人文素質(zhì)選項(xiàng)中可包括人文常識(shí)、表達(dá)能力、寫(xiě)作能力和文字功底等很多考核點(diǎn);技術(shù)實(shí)力選項(xiàng)細(xì)分為專業(yè)技術(shù)、通用技術(shù)、周邊技術(shù)、融合能力和知識(shí)產(chǎn)權(quán)等。基于此細(xì)分原則,假設(shè)給定單標(biāo)簽數(shù)據(jù)集有個(gè)類標(biāo)簽,其訓(xùn)練數(shù)據(jù)集記為{(,)(,)…(x,y)},其中xR(=1,2,…,),R為樣本特征空間,為樣本特征空間的序號(hào),yR(=1,2,…,),R為樣本類別空間。如果第個(gè)樣本x屬于第k類,則記為y()=1,否則記為y()=0。因此,數(shù)據(jù)集可看作是由的特征矩陣[,,…,x]和的標(biāo)簽矩陣[,,…,y]構(gòu)成的,且矩陣的每一列只有1個(gè)元素值為1。

    將訓(xùn)練數(shù)據(jù)集輸入之后,其迭代的次數(shù)即為,樣本個(gè)數(shù)為最接近的值,特征權(quán)值向量在輸出時(shí)最明顯[6]。特征權(quán)值向量()=0.0最開(kāi)始會(huì)出現(xiàn)數(shù)據(jù)顯現(xiàn),其內(nèi)容為=1,2,3,…,。在中不按規(guī)則地選取一個(gè)隨即樣本,這個(gè)隨機(jī)樣本被記作R;尋找與這個(gè)隨機(jī)樣本R一樣的最近鄰值記作,對(duì)每個(gè)類≠class(R),尋找和R不一樣類別的個(gè)最近鄰值M(),for:=1:更新每個(gè)特征權(quán)值,如公式(1)(RreliefF算法)所示。

    式中:[]為特征全職矩陣集合;(R)為樣本R擁有的類標(biāo)簽;(,R,M())為樣本關(guān)于特征的距離;()為類別的可能性;((R))為R擁有的類標(biāo)簽的可能性;M()為第C類目標(biāo)的第個(gè)樣本;(·)為按照采樣大小設(shè)置和。

    在確定各屬性權(quán)重后,權(quán)重較大,則說(shuō)明各屬性具有較好的判別能力,由此可以利用門限選取新的特征子集,并在子集中降低維度。

    該方法是在訓(xùn)練集合中隨意選擇一個(gè)例子,然后對(duì)相鄰的1個(gè)例子進(jìn)行檢索,在該例子中,相似(擊中)的分類樣品被稱作,而相似(錯(cuò)誤)的分類樣品被稱作?;谠撌纠臄?shù)值對(duì)各屬性的差異值進(jìn)行了評(píng)估,并按照下列準(zhǔn)則進(jìn)行加權(quán)。當(dāng)1個(gè)例子和1個(gè)樣本分類的屬性數(shù)值不一樣時(shí),這個(gè)特性會(huì)把2個(gè)執(zhí)行個(gè)體從1個(gè)相同的類中分開(kāi),從而降低了1個(gè)品質(zhì)評(píng)估。當(dāng)1個(gè)例子和1個(gè)試品樣品的屬性數(shù)值不一樣時(shí),它會(huì)把2個(gè)例子從1個(gè)非相似的例子中分開(kāi),并且相應(yīng)地提高它們的品質(zhì)。上述步驟反復(fù)多次,最終求出每個(gè)特性的加權(quán)平均值,各屬性的權(quán)值愈高,則其分類性能愈好;相反,則表明此特性的分類性能較差。從算法上可以看到,在尋找最接近領(lǐng)值時(shí),只把每一個(gè)樣品歸入1個(gè)類別,并沒(méi)有將這個(gè)樣品歸入多個(gè)類別(也就是多標(biāo)記的資料),并且在步驟中,特征權(quán)的計(jì)算也沒(méi)有將多類別標(biāo)記的貢獻(xiàn)度計(jì)算在內(nèi),所以ReliefF為單一標(biāo)記,不能用于多標(biāo)記的屬性選取,多標(biāo)記的選取還需要更深入探討。

    1.2 多類數(shù)據(jù)處理

    RreliefF是一種求解多類別數(shù)字挖掘的擴(kuò)展方法,其實(shí)質(zhì)是將多個(gè)類型的問(wèn)題分解成單一對(duì)多個(gè)的問(wèn)題。RreliefF是一種擴(kuò)展的方法,該方法利用多重隨機(jī)取樣把多個(gè)屬性選取問(wèn)題分為2個(gè)類型。從各個(gè)分類中隨意選取2種不同類型的情況,可以不做任何修改。采用RreliefF方法對(duì)這2種類型問(wèn)題進(jìn)行分類后,將各類型的屬性權(quán)重合并,進(jìn)而得出最終的屬性評(píng)估。ReliefF并未考慮多個(gè)分類的情況下,搜索的最鄰近和屬性權(quán)重的變化情況,很明顯不適合多標(biāo)記的特征選取。為了解決這個(gè)問(wèn)題,該文設(shè)計(jì)把ReliefF方法推廣到多標(biāo)記問(wèn)題,并在此基礎(chǔ)上給出了1種多標(biāo)記的特征選取方法。

    假定樣本所具有的類別標(biāo)記對(duì)其的貢獻(xiàn)是相同的,在屬性權(quán)重計(jì)算中添加了貢獻(xiàn)度,并對(duì)其進(jìn)行了修正。在查找最近鄰時(shí),需要先找到樣本擁有的個(gè)類標(biāo)簽,記=(,,…,h),然后分別考慮每個(gè)類標(biāo)簽h=(=1,2,…,),該方法可以有效地克服ReliefF方法無(wú)法處理多類的共現(xiàn)問(wèn)題。多標(biāo)記的訓(xùn)練資料集合在標(biāo)記矩陣中,每個(gè)欄的取樣可以歸入多個(gè)分類,因此每個(gè)欄的單元數(shù)值是1。在ReliefF算法中,W是選取樣本,R是每個(gè)類標(biāo)簽對(duì)其的貢獻(xiàn)程度,其他參數(shù)基本一致。用1表示樣品的全部標(biāo)記貢獻(xiàn)的總和,則樣本R每個(gè)標(biāo)簽的貢獻(xiàn)值W為1/,這種方法通常叫作一范式加權(quán)方法。該權(quán)值分布將多標(biāo)記與單一標(biāo)記的資料并列,但多標(biāo)記的資料包括了更多的資訊,應(yīng)該給予更多的關(guān)注與更大的權(quán)值。另外一個(gè)是使用了一個(gè)簡(jiǎn)單的加權(quán)指派,即每類對(duì)樣本R的貢獻(xiàn)都設(shè)為1(稱單位權(quán)重法),那么它的全部貢獻(xiàn)是標(biāo)記數(shù)目的總和。

    該方法將類別標(biāo)記的權(quán)值與標(biāo)記數(shù)目相等,許多試驗(yàn)結(jié)果顯示該權(quán)值的分配方式再次強(qiáng)調(diào)了多重標(biāo)記的重要性。根據(jù)標(biāo)準(zhǔn)規(guī)范化的思路,將各標(biāo)記權(quán)重因子之和設(shè)為1,則每個(gè)標(biāo)簽的貢獻(xiàn)值W定為范權(quán)重法。在強(qiáng)調(diào)多個(gè)標(biāo)記的同時(shí),不能設(shè)置多個(gè)標(biāo)記的加權(quán),如果樣本R有1個(gè)類標(biāo)簽,貢獻(xiàn)值W的值總為1,這說(shuō)明ReliefF算法是一種特殊情況。

    1.3 特征選擇

    特征選擇的屬性抽取是將原資料中的變量進(jìn)行線性或非線性結(jié)合,生成新的群組變量,進(jìn)而獲得與所要解決的問(wèn)題有關(guān)的某些問(wèn)題。該文提出一種基于偏極最小二乘子的方法來(lái)驗(yàn)證該方法的正確性,設(shè)計(jì)了一種基于多元統(tǒng)計(jì)的新分析模型。該算法將、這2個(gè)變量都進(jìn)行了拆分,分別從、中隨機(jī)抽取各分量(一般稱作“因素”),然后根據(jù)這些因素的相互關(guān)系由大到小依次進(jìn)行排序。這種算法的目的主要是利用最少的方差來(lái)尋找一套最好的函數(shù),也就是利用一種簡(jiǎn)便的算法來(lái)獲得某些不知道的真數(shù)值,并使2個(gè)錯(cuò)誤的平方和最少。偏最小二乘法近似為多元線性回歸,結(jié)合經(jīng)典相關(guān)性和主成份分析,將其應(yīng)用到多元線性回歸的研究中的最簡(jiǎn)化的方法是,用單一的線性模式對(duì)和預(yù)期組的相關(guān)性進(jìn)行分析?;谏鲜龇椒?,該文提出了一種基于濾波的特性篩選方法,該方法在對(duì)該特性進(jìn)行評(píng)估時(shí),根據(jù)該特性的基本性質(zhì),對(duì)各特征行進(jìn)行相應(yīng)的打分,此計(jì)算方法無(wú)須借助RreliefF就可進(jìn)行。假設(shè)是所有消息的集合,且={,,…,x},()是給定消息的概率,那么的熵()的定義為公式(2)所示。

    在信息學(xué)中,互信息是一種重要的信息測(cè)量方法。概率理論與信息學(xué)都可以利用2個(gè)隨機(jī)變數(shù)的交互信息使它們彼此依賴,在范圍內(nèi)交互信息(;)的表達(dá)式為公式(3)所示。

    式中:()為的熵;(,)為聯(lián)合熵,其定義如公式(4)所示。

    式中:(,)為特征選擇結(jié)果的最終概率。

    在采用5類信息篩選方法進(jìn)行分類評(píng)估時(shí),一般會(huì)先將其與分類的相關(guān)資訊分開(kāi),若資訊數(shù)值高,說(shuō)明該特性與分類之關(guān)系愈大,也就是該特性對(duì)分類的辨識(shí)能力更強(qiáng)。把各屬性按互信息量的遞減順序排列,可以得出各屬性對(duì)分類的優(yōu)劣程度。在資訊增益方面,通過(guò)觀測(cè)特性所能給的分類體系的訊息數(shù)目便可以測(cè)度該特性是否有類別分的能力,此即是資訊擴(kuò)增的基礎(chǔ)概念,1個(gè)特性為分類所能提供的資訊愈多,則該特性愈具價(jià)值。1個(gè)特性在1個(gè)特定的屬性集中,其信息的數(shù)量會(huì)隨著時(shí)間的推移而改變,其大小就是該特性所能提供的信息,即為教師個(gè)人的信息素養(yǎng)評(píng)價(jià)結(jié)果。

    2 對(duì)比試驗(yàn)

    2.1 試驗(yàn)準(zhǔn)備

    試驗(yàn)內(nèi)容包括2個(gè)方面:一個(gè)是ReliefF法中的不同貢獻(xiàn)度的計(jì)算,另一個(gè)是對(duì)比了各種特征選取方法。試驗(yàn)選用KNN作為分類器(為3),使用5 fold交叉校驗(yàn),按特征權(quán)大小由大到小選擇。該研究選取3位教師的信息素質(zhì)之綜合指數(shù)資料,其中的數(shù)據(jù)集包括很多部分,這3個(gè)數(shù)據(jù)集的情況見(jiàn)表1。

    表1 試驗(yàn)所需數(shù)據(jù)集數(shù)值內(nèi)容

    根據(jù)以上2種方法分別求取相應(yīng)的貢獻(xiàn)度,再采用ReliefF算法選取特征子集中,根據(jù)ReliefF算法進(jìn)行多標(biāo)記的分類,并通過(guò)數(shù)據(jù)對(duì)ReliefF的效果進(jìn)行比較。

    2.2 試驗(yàn)結(jié)果

    根據(jù)以上方法在試驗(yàn)中的貢獻(xiàn)值的確定W,采用 ReliefF方法選取了多個(gè)特征點(diǎn),并將其歸類為多標(biāo)記,并對(duì)其效果進(jìn)行了對(duì)比。3個(gè)貢獻(xiàn)度對(duì)ReliefF的作用如圖1所示。在這些數(shù)據(jù)中,橫軸代表了所選取的特征量所占的比例。

    圖1 貢獻(xiàn)值對(duì)算法的影響

    根據(jù)圖1可知,二范權(quán)重法的分類準(zhǔn)確率最少,表現(xiàn)為穩(wěn)定性;當(dāng)屬性維度一致時(shí),采用一范權(quán)重法對(duì)多標(biāo)記與單一標(biāo)記的數(shù)據(jù)進(jìn)行比較,選擇的屬性不夠理性,因此一范權(quán)重法的分類準(zhǔn)確率最低。而單元加權(quán)法過(guò)于注重多項(xiàng)指標(biāo),因此其分類準(zhǔn)確率比二范權(quán)重法的準(zhǔn)確率低。

    對(duì)ReliefF和ALA-ReliefF這2種特征選取方法進(jìn)行對(duì)比,以全面檢驗(yàn)該方法的正確性。ALA-ReliefF方法是將多個(gè)標(biāo)記的資料集合轉(zhuǎn)換為單一標(biāo)記,再使用ReliefF方法進(jìn)行標(biāo)記的選取。ReliefF方法采用二次加權(quán)方法,對(duì)其進(jìn)行了求解。如表2所示,在2個(gè)特征選擇算法中,對(duì)最早20%的屬性進(jìn)行了分類,在80%以上的情況下也同樣對(duì)其進(jìn)行了分類。

    根據(jù)表2可知,當(dāng)具有同樣的特征維度時(shí),基于ReliefF方法的識(shí)別準(zhǔn)確度要比ALA-ReliefF方法好得多,因?yàn)锳LAReliefF在將多個(gè)標(biāo)記的信息向單個(gè)標(biāo)記的轉(zhuǎn)換過(guò)程中會(huì)形成一些干擾,進(jìn)而使其識(shí)別準(zhǔn)確度下降。ReliefF方法在進(jìn)行了特征選取后,其準(zhǔn)確度明顯優(yōu)于未進(jìn)行特征選取的情況,表明ReliefF方法能有效地消除噪聲,并能有效地改善其識(shí)別準(zhǔn)確度。ReliefF方法在識(shí)別準(zhǔn)確率方面的差異要比ALAReliefF方法低,表明ReliefF方法具有很好的穩(wěn)定性,其獲得的教師信息素養(yǎng)指標(biāo)體系評(píng)價(jià)結(jié)果更能夠反映真實(shí)情況。

    表2 2種特征選擇算法的分類正確率

    3 結(jié)語(yǔ)

    該文基于我國(guó)大學(xué)教師的信息素質(zhì)評(píng)價(jià)指標(biāo),分析了我國(guó)大學(xué)教師的信息素質(zhì)特征,并對(duì)其構(gòu)成進(jìn)行了分析。然后基于RreliefF特征選擇算法對(duì)大學(xué)英語(yǔ)專業(yè)教師的信息素質(zhì)進(jìn)行了分析,并建立了相應(yīng)的評(píng)估指標(biāo)和評(píng)估標(biāo)準(zhǔn)。大學(xué)教師的信息素質(zhì)指數(shù)是一個(gè)多層次、多結(jié)構(gòu)且綜合性強(qiáng)、可測(cè)性高的量化性時(shí)代性評(píng)定方法。制定高校教師信息素養(yǎng)指標(biāo)體系是一個(gè)龐大而復(fù)雜的系統(tǒng)工程,該文的指標(biāo)體系只是一個(gè)探索和嘗試,希望更多的研究機(jī)構(gòu)和專家學(xué)者參與相關(guān)研究,基于RreliefF特征選擇算法早日制定出符合我國(guó)國(guó)情的高校教師信息素養(yǎng)指標(biāo)體系。

    猜你喜歡
    特征選擇分類樣本
    分類算一算
    用樣本估計(jì)總體復(fù)習(xí)點(diǎn)撥
    分類討論求坐標(biāo)
    推動(dòng)醫(yī)改的“直銷樣本”
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    隨機(jī)微分方程的樣本Lyapunov二次型估計(jì)
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    村企共贏的樣本
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    三级国产精品欧美在线观看| 精品午夜福利视频在线观看一区| 春色校园在线视频观看| 久久天躁狠狠躁夜夜2o2o| 18禁在线播放成人免费| 亚洲熟妇中文字幕五十中出| 日韩人妻高清精品专区| 精品人妻一区二区三区麻豆 | 男人和女人高潮做爰伦理| 听说在线观看完整版免费高清| 国产男人的电影天堂91| 他把我摸到了高潮在线观看| 亚洲精品日韩av片在线观看| 国内少妇人妻偷人精品xxx网站| 天天一区二区日本电影三级| 久久久久精品国产欧美久久久| 亚洲成人久久爱视频| 久久人人爽人人爽人人片va| www.色视频.com| 亚洲欧美日韩无卡精品| 白带黄色成豆腐渣| 免费人成在线观看视频色| 亚洲图色成人| 成年免费大片在线观看| 国产真实乱freesex| 男女之事视频高清在线观看| 制服丝袜大香蕉在线| 亚洲av第一区精品v没综合| 哪里可以看免费的av片| 少妇被粗大猛烈的视频| 日本黄大片高清| 成年女人毛片免费观看观看9| 51国产日韩欧美| 精品免费久久久久久久清纯| 色吧在线观看| 亚洲美女视频黄频| 国产精品福利在线免费观看| 日本免费一区二区三区高清不卡| 亚洲第一区二区三区不卡| 黄色日韩在线| 欧美绝顶高潮抽搐喷水| 99久久精品一区二区三区| 亚洲av成人精品一区久久| 国产大屁股一区二区在线视频| 色精品久久人妻99蜜桃| 乱人视频在线观看| 亚洲熟妇中文字幕五十中出| 国产精品一及| 日本黄大片高清| 久久精品91蜜桃| 全区人妻精品视频| 亚洲专区国产一区二区| 少妇的逼水好多| 男女那种视频在线观看| 极品教师在线视频| 成人二区视频| 亚洲精华国产精华精| 琪琪午夜伦伦电影理论片6080| 3wmmmm亚洲av在线观看| 国产男靠女视频免费网站| 小说图片视频综合网站| 免费看光身美女| 看黄色毛片网站| 亚洲欧美日韩高清在线视频| 欧美国产日韩亚洲一区| 一进一出抽搐动态| 亚洲av一区综合| 国产男人的电影天堂91| 亚洲熟妇中文字幕五十中出| 亚洲一级一片aⅴ在线观看| 日韩欧美精品v在线| 国产女主播在线喷水免费视频网站 | 俺也久久电影网| 女生性感内裤真人,穿戴方法视频| 国产精品,欧美在线| 欧美日本亚洲视频在线播放| av在线观看视频网站免费| 一区二区三区激情视频| 亚洲av五月六月丁香网| 中文字幕高清在线视频| 天堂网av新在线| 一本精品99久久精品77| 日本三级黄在线观看| 性欧美人与动物交配| bbb黄色大片| 国产精品一区www在线观看 | 岛国在线免费视频观看| 国产精品爽爽va在线观看网站| a级毛片a级免费在线| 99热只有精品国产| 精品一区二区免费观看| 国产主播在线观看一区二区| 国产三级在线视频| 身体一侧抽搐| 亚洲人成网站在线播放欧美日韩| 搡老熟女国产l中国老女人| 中文字幕久久专区| 国产在视频线在精品| 久久久久久久久久久丰满 | 中亚洲国语对白在线视频| 日日干狠狠操夜夜爽| 国国产精品蜜臀av免费| 哪里可以看免费的av片| 国产精品日韩av在线免费观看| 国产高清视频在线观看网站| 国产伦精品一区二区三区视频9| 亚洲精品在线观看二区| 自拍偷自拍亚洲精品老妇| 少妇人妻一区二区三区视频| ponron亚洲| 中文字幕av成人在线电影| 成人国产一区最新在线观看| 身体一侧抽搐| 悠悠久久av| 12—13女人毛片做爰片一| 一进一出抽搐gif免费好疼| 午夜福利在线观看免费完整高清在 | 国产又黄又爽又无遮挡在线| 干丝袜人妻中文字幕| 欧美3d第一页| 色视频www国产| 免费看日本二区| 免费看日本二区| aaaaa片日本免费| 99精品久久久久人妻精品| 久久午夜亚洲精品久久| 欧美色视频一区免费| 久久久久九九精品影院| 日本a在线网址| 欧美成人性av电影在线观看| 99热6这里只有精品| 婷婷色综合大香蕉| 久久精品人妻少妇| 精品人妻偷拍中文字幕| 一进一出抽搐gif免费好疼| 中文亚洲av片在线观看爽| 白带黄色成豆腐渣| 国产白丝娇喘喷水9色精品| 色综合婷婷激情| 亚洲欧美日韩高清在线视频| 国产综合懂色| 欧美极品一区二区三区四区| 乱系列少妇在线播放| 韩国av在线不卡| 免费看美女性在线毛片视频| 亚洲内射少妇av| 国产精品人妻久久久影院| 亚洲精品粉嫩美女一区| 女生性感内裤真人,穿戴方法视频| 久久精品国产亚洲av香蕉五月| 少妇被粗大猛烈的视频| 欧美一区二区精品小视频在线| 国内精品美女久久久久久| 国产一区二区三区视频了| 国内精品一区二区在线观看| netflix在线观看网站| 波多野结衣巨乳人妻| 国产探花在线观看一区二区| 老师上课跳d突然被开到最大视频| 内地一区二区视频在线| 99久国产av精品| 成人av在线播放网站| 熟女人妻精品中文字幕| 亚洲欧美日韩高清专用| 偷拍熟女少妇极品色| 亚洲av日韩精品久久久久久密| 亚州av有码| 黄色女人牲交| 在线免费观看的www视频| 99久久精品热视频| 男女做爰动态图高潮gif福利片| 色在线成人网| 精品人妻1区二区| 18禁黄网站禁片免费观看直播| 欧美三级亚洲精品| 日本-黄色视频高清免费观看| av.在线天堂| 在线观看免费视频日本深夜| 成人高潮视频无遮挡免费网站| 亚洲色图av天堂| 国产乱人伦免费视频| 国产精品99久久久久久久久| 欧美人与善性xxx| 日韩国内少妇激情av| a级一级毛片免费在线观看| 精品久久久久久成人av| 精品久久久久久成人av| 老司机午夜福利在线观看视频| 精品午夜福利视频在线观看一区| 国产单亲对白刺激| 国产精品伦人一区二区| 亚洲一区高清亚洲精品| 国产真实乱freesex| 一本一本综合久久| 狠狠狠狠99中文字幕| 在线观看午夜福利视频| 午夜老司机福利剧场| 男人和女人高潮做爰伦理| 午夜福利在线观看吧| 91久久精品国产一区二区成人| 亚洲七黄色美女视频| 国产精品精品国产色婷婷| 琪琪午夜伦伦电影理论片6080| 亚洲内射少妇av| 高清日韩中文字幕在线| www.色视频.com| 哪里可以看免费的av片| 黄色视频,在线免费观看| 精品久久国产蜜桃| 一个人免费在线观看电影| 日韩高清综合在线| 免费观看的影片在线观看| 很黄的视频免费| 久久久国产成人精品二区| 蜜桃久久精品国产亚洲av| 老司机福利观看| 男女那种视频在线观看| 波多野结衣巨乳人妻| 免费看光身美女| 在线观看免费视频日本深夜| 中文字幕av成人在线电影| 18禁黄网站禁片免费观看直播| 午夜影院日韩av| 久久精品国产清高在天天线| 色哟哟·www| 夜夜爽天天搞| 国产人妻一区二区三区在| 国产亚洲欧美98| 狂野欧美白嫩少妇大欣赏| 久久久久久久精品吃奶| 非洲黑人性xxxx精品又粗又长| 欧美高清性xxxxhd video| 午夜精品一区二区三区免费看| 亚洲av成人精品一区久久| 亚洲午夜理论影院| 亚洲成av人片在线播放无| 精品福利观看| 男人舔奶头视频| 日本色播在线视频| 亚洲美女视频黄频| 天堂动漫精品| 欧美激情在线99| 午夜免费激情av| 婷婷丁香在线五月| 国产色婷婷99| 亚洲午夜理论影院| av天堂中文字幕网| 亚洲专区中文字幕在线| 久久精品国产亚洲av香蕉五月| 国产一区二区在线av高清观看| 欧美zozozo另类| 最近在线观看免费完整版| 欧美成人免费av一区二区三区| 看片在线看免费视频| 亚洲,欧美,日韩| 国内精品一区二区在线观看| 国产精品一区二区性色av| 嫩草影视91久久| 国产91精品成人一区二区三区| 丰满乱子伦码专区| 一区二区三区免费毛片| 久久久久九九精品影院| 1024手机看黄色片| 午夜亚洲福利在线播放| 啦啦啦韩国在线观看视频| 在线观看一区二区三区| 小说图片视频综合网站| 亚洲av二区三区四区| 国产探花在线观看一区二区| 色哟哟·www| 黄片wwwwww| 国产男靠女视频免费网站| 色吧在线观看| 最近中文字幕高清免费大全6 | 国产人妻一区二区三区在| 亚洲人成网站在线播| 99热精品在线国产| 日韩精品中文字幕看吧| 欧美一区二区精品小视频在线| 深夜a级毛片| 国产精品一区二区三区四区久久| 欧美成人性av电影在线观看| 亚洲欧美日韩高清专用| 国产精品一区www在线观看 | 天堂av国产一区二区熟女人妻| 麻豆成人av在线观看| 亚洲av中文av极速乱 | 国产人妻一区二区三区在| 中出人妻视频一区二区| 联通29元200g的流量卡| 一个人看的www免费观看视频| ponron亚洲| 亚洲成人中文字幕在线播放| 少妇的逼好多水| 亚洲aⅴ乱码一区二区在线播放| 日韩欧美精品免费久久| 国产中年淑女户外野战色| 国产又黄又爽又无遮挡在线| 欧美最黄视频在线播放免费| 色5月婷婷丁香| 99视频精品全部免费 在线| 99视频精品全部免费 在线| 精品久久久久久,| 精品久久久久久久久av| 69av精品久久久久久| 少妇人妻精品综合一区二区 | 午夜福利在线观看吧| 夜夜夜夜夜久久久久| 亚洲欧美日韩高清在线视频| 黄色配什么色好看| av在线观看视频网站免费| 国产av不卡久久| 日韩欧美精品免费久久| 女人被狂操c到高潮| 免费av观看视频| 国产精品乱码一区二三区的特点| 伊人久久精品亚洲午夜| 国产爱豆传媒在线观看| 亚洲自拍偷在线| 免费高清视频大片| 免费搜索国产男女视频| 婷婷丁香在线五月| 日日摸夜夜添夜夜添av毛片 | 一进一出抽搐gif免费好疼| 亚洲精品成人久久久久久| 国产精品av视频在线免费观看| 亚洲性夜色夜夜综合| 毛片女人毛片| 日本三级黄在线观看| 天天一区二区日本电影三级| 欧美区成人在线视频| 最新中文字幕久久久久| 国产精品爽爽va在线观看网站| 美女黄网站色视频| 久久久久久国产a免费观看| 在线观看午夜福利视频| 成熟少妇高潮喷水视频| 国产伦在线观看视频一区| 亚洲精品亚洲一区二区| 一a级毛片在线观看| 免费看美女性在线毛片视频| 亚洲四区av| 成熟少妇高潮喷水视频| 91在线观看av| 国产一级毛片七仙女欲春2| 国产一区二区在线观看日韩| 天美传媒精品一区二区| aaaaa片日本免费| 色视频www国产| 99久久成人亚洲精品观看| 看片在线看免费视频| 亚洲人成网站在线播放欧美日韩| 少妇被粗大猛烈的视频| 亚洲av第一区精品v没综合| 国产亚洲欧美98| 亚洲成av人片在线播放无| 全区人妻精品视频| 亚洲国产精品sss在线观看| 男女边吃奶边做爰视频| 97热精品久久久久久| 欧洲精品卡2卡3卡4卡5卡区| 搡老熟女国产l中国老女人| 波多野结衣高清无吗| a级毛片a级免费在线| 精品人妻熟女av久视频| 十八禁国产超污无遮挡网站| 国语自产精品视频在线第100页| 国产 一区精品| 乱人视频在线观看| 69av精品久久久久久| 在线看三级毛片| 欧美潮喷喷水| 亚洲国产高清在线一区二区三| 亚洲美女视频黄频| 毛片一级片免费看久久久久 | 干丝袜人妻中文字幕| 91狼人影院| 久久精品国产自在天天线| 久久国内精品自在自线图片| 免费一级毛片在线播放高清视频| 国产真实伦视频高清在线观看 | 国产久久久一区二区三区| 久久久久国产精品人妻aⅴ院| 精品久久久久久久久亚洲 | 成年女人永久免费观看视频| 国产精品嫩草影院av在线观看 | 国产伦人伦偷精品视频| 真实男女啪啪啪动态图| 国产激情偷乱视频一区二区| 韩国av一区二区三区四区| 1000部很黄的大片| 久久精品人妻少妇| 亚洲av中文字字幕乱码综合| 成年免费大片在线观看| 小蜜桃在线观看免费完整版高清| 午夜福利在线在线| 亚洲aⅴ乱码一区二区在线播放| 国产久久久一区二区三区| 婷婷精品国产亚洲av| 亚洲熟妇中文字幕五十中出| x7x7x7水蜜桃| 亚洲,欧美,日韩| 99久久精品热视频| 毛片女人毛片| 色综合婷婷激情| avwww免费| 亚洲精华国产精华精| 国产 一区 欧美 日韩| 又粗又爽又猛毛片免费看| 91久久精品国产一区二区三区| 一级av片app| 亚洲最大成人中文| 久久精品国产清高在天天线| 亚洲av免费高清在线观看| 免费在线观看日本一区| 国产精品久久久久久亚洲av鲁大| а√天堂www在线а√下载| 午夜爱爱视频在线播放| 日韩一区二区视频免费看| 亚洲欧美日韩无卡精品| 97热精品久久久久久| 成人一区二区视频在线观看| 精品人妻视频免费看| 国产成人影院久久av| 在线播放无遮挡| 国产精品av视频在线免费观看| 国产亚洲av嫩草精品影院| 欧美日韩国产亚洲二区| 91麻豆精品激情在线观看国产| 在线免费观看不下载黄p国产 | 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| 成人性生交大片免费视频hd| 特级一级黄色大片| 深夜精品福利| 日本黄色片子视频| 国产一区二区三区视频了| 美女xxoo啪啪120秒动态图| 亚洲欧美日韩高清在线视频| 3wmmmm亚洲av在线观看| 亚洲成人久久爱视频| 国产视频一区二区在线看| 我要看日韩黄色一级片| 亚洲av成人精品一区久久| 亚洲美女视频黄频| 97超级碰碰碰精品色视频在线观看| 欧美日韩综合久久久久久 | 午夜福利视频1000在线观看| 欧美色视频一区免费| 免费观看人在逋| 精品人妻一区二区三区麻豆 | 精品久久久久久久久久免费视频| av天堂在线播放| 国产精品久久久久久av不卡| 级片在线观看| 神马国产精品三级电影在线观看| 亚洲精品影视一区二区三区av| 精品久久久久久久人妻蜜臀av| 国产私拍福利视频在线观看| 国产精品嫩草影院av在线观看 | 日韩人妻高清精品专区| 性插视频无遮挡在线免费观看| 久久久久久久久中文| 一进一出好大好爽视频| 99热这里只有是精品在线观看| 国产视频一区二区在线看| 欧美性猛交黑人性爽| 免费黄网站久久成人精品| 久久热精品热| 男人的好看免费观看在线视频| 国产伦在线观看视频一区| 亚洲av免费在线观看| 成人二区视频| 欧美日韩黄片免| 日本a在线网址| 天堂av国产一区二区熟女人妻| 美女黄网站色视频| 99热这里只有精品一区| 日日啪夜夜撸| 成人无遮挡网站| 搞女人的毛片| 国产成人福利小说| 久久久久精品国产欧美久久久| 国产 一区精品| 日韩 亚洲 欧美在线| 一级黄色大片毛片| 女人十人毛片免费观看3o分钟| 国产激情偷乱视频一区二区| 一区福利在线观看| 热99re8久久精品国产| 国产极品精品免费视频能看的| 国产精品自产拍在线观看55亚洲| 观看免费一级毛片| 午夜福利欧美成人| 精品无人区乱码1区二区| 精品一区二区三区视频在线观看免费| а√天堂www在线а√下载| 美女被艹到高潮喷水动态| avwww免费| 久久久久性生活片| 99视频精品全部免费 在线| 舔av片在线| 成人综合一区亚洲| 国产精品免费一区二区三区在线| 校园春色视频在线观看| 欧美又色又爽又黄视频| 国产亚洲av嫩草精品影院| 三级男女做爰猛烈吃奶摸视频| 国内毛片毛片毛片毛片毛片| 天堂影院成人在线观看| av国产免费在线观看| 欧美丝袜亚洲另类 | 搡老妇女老女人老熟妇| 成人永久免费在线观看视频| 欧美一区二区国产精品久久精品| 久久久久久久久久久丰满 | 波多野结衣高清作品| 成年免费大片在线观看| 日韩欧美 国产精品| 日韩av在线大香蕉| 国产激情偷乱视频一区二区| 香蕉av资源在线| 很黄的视频免费| av.在线天堂| 日本爱情动作片www.在线观看 | av在线老鸭窝| www日本黄色视频网| 亚洲成人久久爱视频| 麻豆成人av在线观看| 狠狠狠狠99中文字幕| 窝窝影院91人妻| 国产免费av片在线观看野外av| 国产69精品久久久久777片| 中文亚洲av片在线观看爽| 亚洲五月天丁香| 亚洲国产精品合色在线| 色综合站精品国产| 精品久久久久久久久久免费视频| 美女大奶头视频| 国产中年淑女户外野战色| 91午夜精品亚洲一区二区三区 | 99视频精品全部免费 在线| 啪啪无遮挡十八禁网站| 国内精品一区二区在线观看| 在线观看美女被高潮喷水网站| 午夜视频国产福利| 久久久久久国产a免费观看| 99久久成人亚洲精品观看| 男人舔女人下体高潮全视频| 91精品国产九色| 日本与韩国留学比较| 国产视频内射| av天堂在线播放| 国产日本99.免费观看| 91久久精品电影网| 欧美色视频一区免费| 欧美日韩黄片免| 久久午夜福利片| 亚洲欧美日韩东京热| 在线观看美女被高潮喷水网站| 看片在线看免费视频| 哪里可以看免费的av片| 精品一区二区三区av网在线观看| 久久久成人免费电影| 欧美高清性xxxxhd video| 国产精品无大码| 啦啦啦啦在线视频资源| 亚洲真实伦在线观看| 亚洲人成伊人成综合网2020| 大型黄色视频在线免费观看| 国产成人aa在线观看| 中文字幕av成人在线电影| 精品欧美国产一区二区三| 国产一区二区三区视频了| 亚洲欧美日韩高清专用| 三级国产精品欧美在线观看| 国产精品久久久久久av不卡| 看十八女毛片水多多多| 一区二区三区免费毛片| 网址你懂的国产日韩在线| 日本a在线网址| 伦精品一区二区三区| 偷拍熟女少妇极品色| 欧美潮喷喷水| 日韩,欧美,国产一区二区三区 | 精品久久久久久久久av| 国产激情偷乱视频一区二区| 国产精品人妻久久久影院| 欧美一级a爱片免费观看看| 亚洲熟妇中文字幕五十中出| 国产高清三级在线| 变态另类丝袜制服| 国产精品野战在线观看| 亚洲无线在线观看| 精品一区二区三区av网在线观看| 国产av不卡久久| 少妇的逼水好多| 18禁在线播放成人免费| 亚洲最大成人中文| 欧美成人a在线观看| 免费av不卡在线播放| 亚洲四区av| 又粗又爽又猛毛片免费看| 两人在一起打扑克的视频| 国产精品人妻久久久久久| 国产av不卡久久| 日韩欧美在线乱码| 一个人免费在线观看电影| 国内精品一区二区在线观看| videossex国产| 不卡一级毛片| av女优亚洲男人天堂| 99国产极品粉嫩在线观看| 亚洲av不卡在线观看| 男女做爰动态图高潮gif福利片|