• <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 ?

    快速多視角特權(quán)協(xié)同隨機向量函數(shù)連接網(wǎng)絡(luò)

    2022-10-16 05:51:00吳天宇王士同
    計算機與生活 2022年10期
    關(guān)鍵詞:分類信息方法

    吳天宇,王士同

    江南大學(xué) 人工智能與計算機學(xué)院,江蘇 無錫214122

    隨機向量函數(shù)連接網(wǎng)絡(luò)(random vector function link network,RVFL)是一種輸入權(quán)值和隱藏層神經(jīng)元的偏置值隨機產(chǎn)生的前饋型神經(jīng)網(wǎng)絡(luò)。這種學(xué)習(xí)機制使得RVFL 有學(xué)習(xí)速度快和對計算資源要求低的優(yōu)勢。研究人員對RVFL 不斷改進,如Chen 和Wan解決了在RVFL 中由噪聲引起的小奇異值問題。Chen 和Liu提出了一種新的稀疏預(yù)訓(xùn)練RVFL,它采用稀疏自動編碼器以無監(jiān)督學(xué)習(xí)的方式預(yù)訓(xùn)練隨機分配的網(wǎng)絡(luò)參數(shù)。

    現(xiàn)實情況中通常會以不同的測量方法收集許多數(shù)據(jù)。例如同一個圖像用不同的特征提取方法,同一個物體在多個不同角度下展現(xiàn),把這樣針對同一對象從不同途徑或?qū)用娅@得的特征數(shù)據(jù)稱為多視角數(shù)據(jù),其呈現(xiàn)出多態(tài)性、多源性、多描述性。面對新興的數(shù)據(jù)應(yīng)用場景,多視角間存在重要相關(guān)信息,單視角RVFL 無法逐個學(xué)習(xí)。與傳統(tǒng)的單視角學(xué)習(xí)相比,多視角學(xué)習(xí)(multi-view learning,MVL)分別為每個視角特征構(gòu)造一個學(xué)習(xí)模型,通過同一對象的冗余視角數(shù)據(jù)共同優(yōu)化構(gòu)建模型。

    早期的多視角學(xué)習(xí)方法傾向于將多個視角合并成為一個更全面的視角,但是這種簡單的視角拼接策略忽略了每個視角的分布特征。近期基于不同策略的多視角分類算法相繼被提出,其目的是利用多視角間的相關(guān)信息得到更為準確有效的分類結(jié)果。其中常見的多視角算法有協(xié)同正則化型算法和協(xié)同訓(xùn)練型算法。

    實現(xiàn)協(xié)同訓(xùn)練型算法的重要前提是存在充分冗余的視角,協(xié)同訓(xùn)練類型的算法目標是最大化不同視角之間一致性。這方面的代表性算法有多訓(xùn)練支持向量機(multi-training support vector machine,MTSVM)。協(xié)同訓(xùn)練式算法有嚴格的學(xué)習(xí)假設(shè)并且對建模的充要條件有嚴格要求。

    在協(xié)同正則化類算法中,目標函數(shù)需要將不同視角之間的分歧最小化。典型的方法有稀疏多視角支持向量機(sparse multi-view SVM)、多視角拉普拉斯支持向量機(multi-view Laplacian SVM)、多視角向量值流形正則化方法(multi-view vector valued manifold regularization)等。這些基于SVM 的方法可以有效解決多視角應(yīng)用場景問題,但是這些方法也具有一定的局限性,這些方法忽略了視角之間的互補信息,另一方面支持向量機求解過程中的局限性如二次規(guī)劃求解對計算機內(nèi)存需求大,迭代速度慢。

    現(xiàn)有的多視角學(xué)習(xí)算法之間雖然存在各種明顯的差異,但這些算法主要體現(xiàn)了多視角學(xué)習(xí)的共識原理或互補性原理。在多視角學(xué)習(xí)中,共識和互補性原理在指導(dǎo)模型構(gòu)建中起著重要作用。共識原理的目的是最大化多個不同視角的一致性,改善算法的泛化誤差范圍。相反,互補原理強調(diào)視角之間共享互補信息,目的是更全面地描述數(shù)據(jù),提高算法的魯棒性。

    Vapnik 等人提出使用特權(quán)信息學(xué)習(xí)(learning using privileged information,LUPI)來解決學(xué)習(xí)模型中的補充知識。一個可能的常用類比是學(xué)生與教師的學(xué)習(xí):當(dāng)學(xué)生在學(xué)校學(xué)習(xí)一個概念,教師可以隨時提供額外的解釋(特權(quán)信息)。與教師只提出問題并給出答案的方式相比,教師的額外解釋可以顯著提高學(xué)生的學(xué)習(xí)情況。但是在以后的測試中,當(dāng)學(xué)生遇到類似問題時,無法獲得老師的專業(yè)知識也就是特權(quán)信息。LUPI 將人類教學(xué)理念融入了機器學(xué)習(xí)概念中。對于一個特定的任務(wù),比如分類,訓(xùn)練數(shù)據(jù)不僅是目標任務(wù)的監(jiān)督信息,還有一些額外的特權(quán)信息(附加信息)。

    從多視角學(xué)習(xí)的角度來看,不同的特征視角可以相互提供特權(quán)信息實現(xiàn)互補。因此,多種觀點共享互補信息,類似于人類學(xué)習(xí)中教師的回答和解釋。因此很自然地將LUPI概念應(yīng)用于多視角學(xué)習(xí)并提出了一個結(jié)合特權(quán)信息的多視角隨機向量函數(shù)連接網(wǎng)絡(luò)。

    本文的貢獻總結(jié)如下:將特權(quán)信息和多視角學(xué)習(xí)概念結(jié)合在RVFL 的基礎(chǔ)上提出了一種快速多視角特權(quán)協(xié)同隨機向量函數(shù)連接網(wǎng)絡(luò)(fast multi-view privileged random vector function link network,F(xiàn)MPRVFL)。該網(wǎng)絡(luò)在平均情況下相互利用冗余視角的附加信息作為特權(quán)信息監(jiān)督當(dāng)前視角的分類,并以此設(shè)計了FMPRVFL 的目標函數(shù),利用解析解對目標函數(shù)進行優(yōu)化,從而使FMPRVFL 訓(xùn)練速度更快。隨后在64 個數(shù)據(jù)集上進行了實驗。結(jié)果驗證了FMPRVFL 優(yōu)于其他算法。

    1 相關(guān)工作

    1.1 多視角學(xué)習(xí)

    多視角學(xué)習(xí)發(fā)展迅速,多視角學(xué)習(xí)方法在一定程度上相較于特定的單視角學(xué)習(xí)顯示出一定優(yōu)勢。多視角學(xué)習(xí)算法通常是在共識或互補原理的指導(dǎo)下建立的,現(xiàn)有的多視角算法可以分為三類:協(xié)同訓(xùn)練類型算法、協(xié)同正則化類型算法和余量一致性類型算法。協(xié)同訓(xùn)練類型算法旨在最大化不同視角之間的一致性,例如協(xié)同測試支持向量機(co-testing SVM)、魯棒協(xié)同訓(xùn)練支持向量機(robust cotraining SVM)。相比之下,協(xié)同正則化類型的算法可以最大程度地減少不同視角之間的分歧,例如稀疏多視角支持向量機、多視角拉普拉斯支持向量機。最近還提出了余量一致性類型的算法,該類型算法利用多視角分類結(jié)果的潛在一致性,在最大熵判別(maximum entropy discrimination,MED)的基礎(chǔ)上實現(xiàn)。余量一致性類型算法與協(xié)同正則化類型算法對多視角的判別或回歸函數(shù)限制不同,余量一致性類型算法對多個視角的余量變量進行建模,使其盡可能相似,即每個輸出變量和判別函數(shù)的余量都大于每個余量變量。例如MVMED(multi-view maximum entropy discrimination),以最小化兩個視角邊距之間的相對熵實現(xiàn)了邊距一致性。MED-2C(consensus and complementarity based maximum entropy discrimination)以互補子空間將共識和互補的兩個原理整合到多視角MED,相對于MVMED 有更好的泛化性。

    1.2 特權(quán)信息學(xué)習(xí)

    LUPI 使用僅在訓(xùn)練期間可用的數(shù)據(jù)幫助學(xué)習(xí)模型在測試階段實現(xiàn)更好的預(yù)測結(jié)果。特權(quán)信息作為附加特征用來改進特定的分類器,Vipnik 和Vashist提出了最早的LUPI 算法支持向量機SVM+(support vector machine+)。Xu 等人利用訓(xùn)練數(shù)據(jù)中的其他深度圖像作為特權(quán)信息,設(shè)計了一種新穎的距離度量學(xué)習(xí)算法。Shi 等人提出了一個最后一層的預(yù)測結(jié)果用作特權(quán)信息的級聯(lián)多列RVFL+框架。

    這些方法主要利用共識原理或互補原理應(yīng)用多視角數(shù)據(jù)改善模型的通用性能。本文在平均情況下相互利用冗余視角的附加信息作為特權(quán)信息監(jiān)督當(dāng)前視角的分類。本文方法同時滿足共識原理和互補原理,相對于其他同時利用共識原理和互補原理的方法,關(guān)注在平均狀況下相互監(jiān)督的情況并且在此基礎(chǔ)上設(shè)計的目標函數(shù)可以利用解析解對目標函數(shù)進行優(yōu)化,從而使FMPRVFL 泛化能力更好,訓(xùn)練速度更快。

    2 算法介紹

    2.1 隨機向量函數(shù)連接網(wǎng)絡(luò)

    RVFL 由于其通用逼近能力和出色的泛化性能,是最流行的單層前饋神經(jīng)網(wǎng)絡(luò)之一。在近三十年中,許多研究人員研究了RVFL 在各個領(lǐng)域的眾多變體。Chen 和Wan為功能連接網(wǎng)絡(luò)提出了兩種新穎的算法,以便有效地計算最佳權(quán)重并實時更新權(quán)重,他們還解決了最有可能在RVFL 中由噪聲引起的小奇異值問題。Chen 等人提出了一種新穎的單隱藏層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),可以快速計算最佳權(quán)重。下面將詳細介紹本次使用的RVFL,其網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示。

    圖1 RVFL 網(wǎng)絡(luò)的架構(gòu)Fig.1 Architecture of RVFL network

    給出一組具有標記的數(shù)據(jù){(x,y)|x∈R,y∈{-1,1},=1,2,…,},具有個增強節(jié)點的RVFL 網(wǎng)絡(luò)可以表示如下:

    式中,是輸出向量權(quán)重;是連接輸入數(shù)據(jù)和增強節(jié)點輸出的級聯(lián)矩陣;是標簽矩陣。

    從式(1)可以通過Moore-Penrose 偽逆如式(6)或者嶺回歸式(7)計算出權(quán)重,?是Moore-Penrose 偽逆,是一個單位矩陣,是權(quán)衡參數(shù)。

    式中,ζ是訓(xùn)練誤差,y是一個標簽,y∈{-1,1},(x)表示組合特征向量。

    2.2 快速多視角特權(quán)協(xié)同隨機向量函數(shù)連接網(wǎng)絡(luò)

    在多視角學(xué)習(xí)中普遍接受的假設(shè)是每個特征視角都可以單獨提供一個信息分類器,從不同特征視角構(gòu)建的分類器在預(yù)測時往往是一致的。FMPRVFL的目標是訓(xùn)練一個決策函數(shù)(),滿足多視角分類的一致性和互補性,如圖2 所示。

    圖2 FMPRVFL 結(jié)構(gòu)示意圖Fig.2 Illustration of construction of FMPRVFL

    若()≥()≥0 則:

    可以用(1-(()-()))替代式(10)。有:

    由此可以得到目標函數(shù):

    為了進一步說明FMPRVFL 的機理,給出如下詳注。

    (3)引入非負松弛變量(18a)和(18b)在平均情況下讓兩個視角之間相互監(jiān)督,從而保證它們之間的一致性和互補性。C是一個非負懲罰參數(shù)。

    為了更好地解釋非負松弛變量保證它們之間的一致性和互補性的作用方法,將式(18a)和式(18b)展開得到式(19a)和式(19b)。

    對式(19a)和式(19b)中第二項進行變換得到式(20a)和式(20b),然后進一步展開得到式(21a)和式(21b)。

    在式(17)中求解ww后,分別在每個視角上和聯(lián)合在兩個視角上建立分類器,根據(jù)具體情況對新樣本的標簽進行預(yù)測。

    2.3 目標函數(shù)優(yōu)化

    可以通過固定ww求逆再固定ww求逆相互迭代,或者使用梯度下降法一步步迭代求解出合適的ww。這樣求解一般情況下,其解不保證是全局最優(yōu)解并且靠近極小值時收斂速度減慢。將ww構(gòu)造在一起,將式(26)~(29)帶入式(25)中直接得到了ww,得到了這個目標函數(shù)的解析解,相較于梯度法有更快的速度。

    依據(jù)式(17)構(gòu)造拉格朗日函數(shù)(w,w),對w、w求導(dǎo)。

    在二分類中通過以下方法確定測試樣品的預(yù)測標簽:

    基于上述優(yōu)化結(jié)果,算法的實現(xiàn)步驟如算法1所示。

    FMPRVFL

    FMPRVFL 在步驟1 中,算法的時間復(fù)雜度和增強節(jié)點的個數(shù)和輸入樣本量有關(guān),為()。一般情況下遠大于,因此此步的時間復(fù)雜度為(),在步驟2 中生成級聯(lián)矩陣復(fù)雜度為(),步驟3 中求偽逆的復(fù)雜度為(),其中涉及到矩陣乘的復(fù)雜度為(),為輸入訓(xùn)練樣本數(shù),為輸入樣本特征維數(shù)總和,為隱藏節(jié)點數(shù)。一般情況下?且?,綜合來看算法的時間復(fù)雜度為()。

    3 實驗評估

    3.1 數(shù)據(jù)集

    為了檢驗FMPRVFL 的性能,本節(jié)對一些真實數(shù)據(jù)集進行評估。為了保證實驗的真實準確,每種方法進行了5 折交叉驗證實驗,并且計算平均結(jié)果和標準差作為最終結(jié)果,采用了常用的準確率(accuracy,Acc)作為衡量指標并記錄了算法段運行的時間。所有模擬實驗都是在同一個環(huán)境下完成的,采用在Windows10 1903系統(tǒng)Intel i7-9750 2.60 GHz六核CPU和32 GB RAM 的計算機上 搭建Matlab2016b 環(huán)境中進行。

    AwA:包含50 種動物的30 475 張圖像,圖像數(shù)據(jù)是在2016 年從公共資源(例如Flickr)收集的。每張圖像具有6 個預(yù)先提取的特征表示。在二分類實驗中使用SURF(speeded up robust features)特 征2000-D 和HOG(histogram of oriented gradient)特征252-D。

    NUS-WIDE:由新加坡國立大學(xué)的媒體實驗室創(chuàng)建的網(wǎng)絡(luò)圖像數(shù)據(jù)集。數(shù)據(jù)集包括:269 648 張圖像和5 018 個唯一標簽;從這些圖像中提取的6 種類型的低級特征,包括64-D 顏色直方圖、144-D 顏色相關(guān)圖、73-D 邊緣方向直方圖、128-D 小波紋理、225-D逐塊顏色矩和基于SIFT 描述的500-D 特征;可用于評估的81 類分類場景。本文實驗使用其中單目標圖集,選擇了225-D 逐塊顏色矩Normalized_CM55 和73-D 邊緣方向直方圖Normalized_EDH。

    數(shù)據(jù)集的信息如表1 所示,為了進行更基本的比較,把數(shù)據(jù)集拆分成多個二分類。NUS-WIDE 數(shù)據(jù)集類別排序按照首字母順序。第一個實驗的選取方式參考了數(shù)據(jù)集作者給出的測試。第二個實驗直接以首字母排序后從第5 個到第75 個每間隔10 組成一組二分類數(shù)據(jù)集。

    表1 實驗中用到的數(shù)據(jù)集Table 1 Datasets used in experiment

    3.2 實驗設(shè)置

    實驗選取一些主流對比算法,其中RVFL-A 和RVFL-B 為帶權(quán)重參數(shù)的用嶺回歸求解的RVFL,相當(dāng)于一組消融實驗。SVM-2K 是基于SVM 的多視角學(xué)習(xí)模型,SVM-2K 結(jié)合了標準SVM 和KCCA(kernel canonical correlation analysis)的距離最小化。MED-2C方法將共識性和互補性原則集成到MED 框架中,以進行多視角分類。PSVM-2V在SVM-2K的基礎(chǔ)上結(jié)合特權(quán)信息,以QP問題迭代求解。

    為了獲得所有方法的最佳參數(shù),實施了5 重交叉驗證并且運行10 次求平均值,SVM-2K、MED-2C 和PSVM-2V的高斯RBF(radial basis function)核函數(shù)的核參數(shù)選自{10,10,10,10,10,1,10,10,10,10,10}。依據(jù)原作者的設(shè)置方法在實驗中將算法中兩個視角的內(nèi)核參數(shù)設(shè)置為相同值。在集合{10,10,…,10}上調(diào)整PSVM-2V、SVM-2K、MED-2C、RVFL中的參數(shù)等。在FMPRVFL中,設(shè)置==并同上面核化參數(shù)相同的范圍選取即{10,10,…,10}。隱節(jié)點數(shù)從{80,100,120,140,160}中選擇。

    3.3 實驗結(jié)果和分析

    本節(jié)將比較FMPRVFL 和所有對比測試方法的性能。從圖3 也可以直觀看出,在多數(shù)情況下,F(xiàn)MPRVFL 的性能均優(yōu)于其他算法。

    圖3 在AwA 數(shù)據(jù)集上的分類性能Fig.3 Classification performance on AwA dataset

    在此討論FMPRVFL 的參數(shù)敏感性,在隱節(jié)點參數(shù)固定后精度會隨參數(shù)、C、變化,選擇參數(shù)的部分結(jié)果如圖4。在參數(shù)選擇中當(dāng)C在10處達到精度的極大值,或C都較大時模型的精確度達到最佳。從圖4(b)來看,當(dāng)參數(shù)處于10時,精度隨變化幅度不大;在=0.01 時精度達到極大值。

    圖4 不同參數(shù)下FMPRVFL 在AwA 第27 組實驗中性能變化Fig.4 Performance of FMPRVFL with different parameters on dataset AwA27

    表2 和表3 分別列出了來自AwA 和NUS-WIDE的36 個和28 個數(shù)據(jù)集二分類結(jié)果。FMPRVFL 在數(shù)據(jù)集AwA 的結(jié)果相對視角A 的RVFL 平均高出約3個百分點,相對視角B 的RVFL 平均高出約12 個百分點,相對SVM-2K 平均高出約3 個百分點,相對MED-2C 平均高出約6 個百分點,相對PSVM-2V 平均高出約2 個百分點。在6 組數(shù)據(jù)集略低于PSVM-2V,但是這種情況兩者也非常接近,最壞情況第24 組低約3個百分點。本文方法在NUS-WIDE 數(shù)據(jù)集上對比視角A 的RVFL 平均高出約2 個百分點,相對視角B 的RVFL 平均高出約4 個百分點,相對SVM-2K 平均高出約4 個百分點,相對MED-2C 平均高出約4 個百分點,相對PSVM-2V 平均高出約2 個百分點,在5 組數(shù)據(jù)集略低于PSVM-2V,但是這種情況兩者也非常接近,最壞情況第4 組實驗低約2 個百分點。表4 記錄了各個算法運算時間,可以看出FMPRVFL 相較于PSVM-2V、SVM-2K、MED-2C 這類用二次規(guī)劃多次迭代求解的方法有較為明顯的優(yōu)勢。

    表2 在AWA 數(shù)據(jù)集上的分類性能Table 2 Classification performance on AwA dataset

    表2 (續(xù))

    表3 在NUS-WIDE 數(shù)據(jù)集上的分類性能Table 3 Classification performance on NUS-WIDE dataset

    表4 在NUS-WIDE 數(shù)據(jù)集上的平均運行時間Table 4 Average running time on NUS-WIDE dataset 單位:s

    綜上所述可以得出以下結(jié)論:在多數(shù)情況下,F(xiàn)MPRVFL 的性能均優(yōu)于其他算法??梢钥闯觯現(xiàn)MPRVFL 以最高的平均準確度和最快速度獲得了最佳性能。對于大多數(shù)數(shù)據(jù)集,F(xiàn)MPRVFL 具有比PSVM-2V 更高的準確性,并且比自身單獨兩個視角的性能更好,這進一步證明了FMPRVFL 本身可以按照互補性原理充分利用兩個視角作為特權(quán)信息,并遵循共識性原理添加正則化項以實現(xiàn)更好的分類性能。

    4 結(jié)束語

    本文提出了一種快速多視角特權(quán)協(xié)同隨機向量函數(shù)連接網(wǎng)絡(luò)(FMPRVFL)來有效地解決多視角分類任務(wù)。FMPRVFL 在平均情況下相互利用冗余視角的附加信息作為特權(quán)信息監(jiān)督當(dāng)前視角的分類。該方法的目標函數(shù)可以求出解析解,可以使用偽逆方法快速求解。在64 個多視角數(shù)據(jù)集上進行實驗,相比SVM-2K、MED-2C、PSVM-2V,在實際任務(wù)中,F(xiàn)MPRVFL 可以實現(xiàn)更好的泛化性能和更快的速度,證明了該方法的有效性。目前只設(shè)計了兩視角的FMPRVFL,在一些任務(wù)中更多視角可能會對模型構(gòu)建帶來更多幫助,F(xiàn)MPRVFL 可以進一步改進使用兩個以上視角數(shù)據(jù)。FMPRVFL 中激活函數(shù)的選擇對網(wǎng)絡(luò)泛化能力的影響還有進一步探索的空間,后續(xù)可以使用核化方法提高非線性擬合能力。

    猜你喜歡
    分類信息方法
    分類算一算
    分類討論求坐標
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    訂閱信息
    中華手工(2017年2期)2017-06-06 23:00:31
    可能是方法不對
    用對方法才能瘦
    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
    捕魚
    展會信息
    中外會展(2014年4期)2014-11-27 07:46:46
    日韩有码中文字幕| 真人一进一出gif抽搐免费| 中文亚洲av片在线观看爽| 校园春色视频在线观看| 毛片女人毛片| 长腿黑丝高跟| 久久久久亚洲av毛片大全| 国产探花极品一区二区| 国产69精品久久久久777片| 精品一区二区三区视频在线 | 免费在线观看日本一区| 国产高清视频在线观看网站| 天堂av国产一区二区熟女人妻| 十八禁人妻一区二区| 国产高清视频在线播放一区| 中文字幕人妻熟人妻熟丝袜美 | 欧美在线黄色| 欧美日韩福利视频一区二区| 在线观看66精品国产| 香蕉丝袜av| 国产99白浆流出| 亚洲av不卡在线观看| 叶爱在线成人免费视频播放| 19禁男女啪啪无遮挡网站| 欧美日韩黄片免| 搞女人的毛片| 一个人看视频在线观看www免费 | 免费电影在线观看免费观看| 97超视频在线观看视频| 国产蜜桃级精品一区二区三区| 五月伊人婷婷丁香| 男女午夜视频在线观看| 精品人妻偷拍中文字幕| 丁香六月欧美| 亚洲成av人片免费观看| 久久精品综合一区二区三区| 此物有八面人人有两片| 又黄又粗又硬又大视频| 精品99又大又爽又粗少妇毛片 | 国产极品精品免费视频能看的| 国产伦一二天堂av在线观看| 成人一区二区视频在线观看| 午夜福利成人在线免费观看| 亚洲成人久久爱视频| 女人十人毛片免费观看3o分钟| 九九久久精品国产亚洲av麻豆| 日本黄色视频三级网站网址| 精品国内亚洲2022精品成人| 精品国内亚洲2022精品成人| 亚洲在线观看片| 日日夜夜操网爽| 日韩大尺度精品在线看网址| 国产精品 欧美亚洲| 高清毛片免费观看视频网站| 亚洲国产高清在线一区二区三| 亚洲五月婷婷丁香| 国产乱人视频| 99精品在免费线老司机午夜| 午夜老司机福利剧场| 在线观看av片永久免费下载| 真实男女啪啪啪动态图| 国产真实乱freesex| 久久久精品欧美日韩精品| 国产午夜精品久久久久久一区二区三区 | 国产成年人精品一区二区| 欧美不卡视频在线免费观看| 少妇的丰满在线观看| 在线观看66精品国产| 日韩欧美精品免费久久 | 黄色日韩在线| 欧美极品一区二区三区四区| av在线天堂中文字幕| 精华霜和精华液先用哪个| 国产探花极品一区二区| 中文在线观看免费www的网站| 99热6这里只有精品| 97超级碰碰碰精品色视频在线观看| 无人区码免费观看不卡| 午夜激情福利司机影院| 亚洲人成伊人成综合网2020| 日本撒尿小便嘘嘘汇集6| 性色avwww在线观看| 免费看美女性在线毛片视频| 少妇裸体淫交视频免费看高清| 国内毛片毛片毛片毛片毛片| 有码 亚洲区| 欧美成人a在线观看| 日韩欧美国产一区二区入口| 91九色精品人成在线观看| 精品人妻一区二区三区麻豆 | 欧美又色又爽又黄视频| 午夜福利高清视频| 亚洲国产高清在线一区二区三| 欧美一区二区精品小视频在线| 欧美日本视频| 亚洲不卡免费看| e午夜精品久久久久久久| 国产精品嫩草影院av在线观看 | 99久久无色码亚洲精品果冻| 国产精品一区二区三区四区久久| 18禁国产床啪视频网站| 亚洲,欧美精品.| 亚洲av免费在线观看| 亚洲熟妇中文字幕五十中出| 免费高清视频大片| 90打野战视频偷拍视频| 国产精品女同一区二区软件 | 成人欧美大片| 桃红色精品国产亚洲av| 天堂动漫精品| 亚洲自拍偷在线| 手机成人av网站| 国产 一区 欧美 日韩| 99久久精品国产亚洲精品| 一个人观看的视频www高清免费观看| 中文字幕人成人乱码亚洲影| 村上凉子中文字幕在线| 免费av不卡在线播放| 久久久久国产精品人妻aⅴ院| 欧美最新免费一区二区三区 | 成人鲁丝片一二三区免费| 免费看日本二区| 亚洲avbb在线观看| 国产在视频线在精品| 亚洲欧美日韩高清在线视频| 中亚洲国语对白在线视频| 亚洲av日韩精品久久久久久密| 亚洲精品成人久久久久久| 日韩欧美国产一区二区入口| 亚洲人成网站在线播放欧美日韩| 韩国av一区二区三区四区| 一级毛片高清免费大全| 啦啦啦观看免费观看视频高清| 国产 一区 欧美 日韩| 国产又黄又爽又无遮挡在线| 两个人看的免费小视频| 窝窝影院91人妻| 久久久精品大字幕| 人妻久久中文字幕网| 一个人观看的视频www高清免费观看| 亚洲精品一区av在线观看| 夜夜夜夜夜久久久久| 黄片小视频在线播放| 免费av不卡在线播放| 内地一区二区视频在线| 99久久无色码亚洲精品果冻| 一区福利在线观看| 成年女人看的毛片在线观看| 窝窝影院91人妻| 色av中文字幕| 精品熟女少妇八av免费久了| av视频在线观看入口| 十八禁网站免费在线| 国产视频一区二区在线看| 人妻丰满熟妇av一区二区三区| 特大巨黑吊av在线直播| 真人一进一出gif抽搐免费| 欧美色视频一区免费| 日韩高清综合在线| 久久九九热精品免费| 99在线视频只有这里精品首页| 日本撒尿小便嘘嘘汇集6| 婷婷丁香在线五月| 两个人看的免费小视频| av专区在线播放| 成人国产综合亚洲| 亚洲一区二区三区色噜噜| 欧美又色又爽又黄视频| 午夜免费观看网址| 国内毛片毛片毛片毛片毛片| www.www免费av| 亚洲精品粉嫩美女一区| 国产高清激情床上av| 在线观看一区二区三区| 国产精品久久久久久亚洲av鲁大| 亚洲中文字幕日韩| 国产视频一区二区在线看| 一本综合久久免费| 人妻丰满熟妇av一区二区三区| a级一级毛片免费在线观看| av黄色大香蕉| 久久久精品大字幕| 伊人久久精品亚洲午夜| 色哟哟哟哟哟哟| 亚洲美女黄片视频| 国产国拍精品亚洲av在线观看 | 亚洲精品久久国产高清桃花| 日本撒尿小便嘘嘘汇集6| 黑人欧美特级aaaaaa片| 国产亚洲精品一区二区www| 天天一区二区日本电影三级| 中文字幕av在线有码专区| 怎么达到女性高潮| 亚洲最大成人手机在线| 97超视频在线观看视频| 熟妇人妻久久中文字幕3abv| 亚洲avbb在线观看| 丝袜美腿在线中文| 亚洲激情在线av| 身体一侧抽搐| 欧美乱色亚洲激情| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | www.熟女人妻精品国产| 在线免费观看不下载黄p国产 | 天天添夜夜摸| 午夜福利欧美成人| 九九在线视频观看精品| 国产 一区 欧美 日韩| 欧美日韩一级在线毛片| а√天堂www在线а√下载| 88av欧美| 午夜免费观看网址| 免费大片18禁| 性色avwww在线观看| 亚洲欧美激情综合另类| 欧洲精品卡2卡3卡4卡5卡区| 很黄的视频免费| 国产日本99.免费观看| xxxwww97欧美| 国内精品久久久久久久电影| 欧美日韩亚洲国产一区二区在线观看| 精品久久久久久成人av| 日本三级黄在线观看| 中文字幕久久专区| 无限看片的www在线观看| 身体一侧抽搐| 国产私拍福利视频在线观看| 久久久国产精品麻豆| 色播亚洲综合网| 1024手机看黄色片| 欧美成人免费av一区二区三区| 免费人成在线观看视频色| 婷婷亚洲欧美| 亚洲精品一区av在线观看| 亚洲精品久久国产高清桃花| 性欧美人与动物交配| 国产精品嫩草影院av在线观看 | 给我免费播放毛片高清在线观看| 国产真实乱freesex| 国产精品嫩草影院av在线观看 | 国产视频内射| 亚洲在线自拍视频| 亚洲中文日韩欧美视频| 在线国产一区二区在线| 999久久久精品免费观看国产| 搡女人真爽免费视频火全软件 | 午夜福利18| 久久久久久国产a免费观看| 欧美成狂野欧美在线观看| 亚洲不卡免费看| 欧美乱色亚洲激情| 手机成人av网站| h日本视频在线播放| 国产一级毛片七仙女欲春2| 久久香蕉精品热| 3wmmmm亚洲av在线观看| eeuss影院久久| 国产成年人精品一区二区| 亚洲av第一区精品v没综合| 好男人在线观看高清免费视频| 国产单亲对白刺激| 啦啦啦韩国在线观看视频| 国产精品一区二区三区四区免费观看 | 青草久久国产| 免费在线观看亚洲国产| 中文字幕人妻熟人妻熟丝袜美 | 亚洲成人中文字幕在线播放| 亚洲精品日韩av片在线观看 | 午夜亚洲福利在线播放| 午夜精品久久久久久毛片777| 高清在线国产一区| 欧美日韩瑟瑟在线播放| av中文乱码字幕在线| 久久香蕉国产精品| 熟女人妻精品中文字幕| 久久久久精品国产欧美久久久| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 国产一区二区在线av高清观看| 亚洲aⅴ乱码一区二区在线播放| 精品熟女少妇八av免费久了| 99久久综合精品五月天人人| 波多野结衣巨乳人妻| 日本黄色视频三级网站网址| 久久久成人免费电影| 丝袜美腿在线中文| 欧美中文日本在线观看视频| 久久久久久久久中文| 中文亚洲av片在线观看爽| 国产伦精品一区二区三区视频9 | 99热6这里只有精品| 欧美最黄视频在线播放免费| 亚洲中文字幕一区二区三区有码在线看| 国内精品美女久久久久久| 国产爱豆传媒在线观看| 国产野战对白在线观看| 黄片小视频在线播放| 哪里可以看免费的av片| 日本免费a在线| 亚洲欧美日韩卡通动漫| 国产精华一区二区三区| 一级黄片播放器| 亚洲一区高清亚洲精品| 少妇的逼水好多| 女同久久另类99精品国产91| 成人国产一区最新在线观看| 国产黄a三级三级三级人| 亚洲人与动物交配视频| 精品久久久久久久人妻蜜臀av| 日本免费一区二区三区高清不卡| 天堂√8在线中文| 男人的好看免费观看在线视频| 国产高清三级在线| 老汉色∧v一级毛片| 长腿黑丝高跟| 别揉我奶头~嗯~啊~动态视频| 99热这里只有是精品50| 午夜精品一区二区三区免费看| 国产精品久久久久久久电影 | 日本精品一区二区三区蜜桃| 久久久久久国产a免费观看| 国产高清有码在线观看视频| 一级作爱视频免费观看| 九色国产91popny在线| 国产精品99久久99久久久不卡| 波多野结衣高清无吗| 美女高潮喷水抽搐中文字幕| 欧美在线一区亚洲| 国产 一区 欧美 日韩| 亚洲av二区三区四区| 无遮挡黄片免费观看| 国产精品精品国产色婷婷| 99精品久久久久人妻精品| 两个人看的免费小视频| 一级毛片女人18水好多| 小蜜桃在线观看免费完整版高清| 99热这里只有是精品50| 国产探花在线观看一区二区| 国产老妇女一区| 色噜噜av男人的天堂激情| 综合色av麻豆| 99精品久久久久人妻精品| 国产综合懂色| 波野结衣二区三区在线 | 久久精品国产自在天天线| 一夜夜www| 美女高潮的动态| 亚洲成人免费电影在线观看| 国产精品精品国产色婷婷| 中文字幕高清在线视频| 久久久久久大精品| 国产亚洲精品综合一区在线观看| 俄罗斯特黄特色一大片| 又黄又粗又硬又大视频| 男女之事视频高清在线观看| 久久久久国产精品人妻aⅴ院| 搡老妇女老女人老熟妇| 成人国产综合亚洲| 最近最新免费中文字幕在线| 99视频精品全部免费 在线| 免费搜索国产男女视频| 精品福利观看| 国模一区二区三区四区视频| 日本黄色视频三级网站网址| 好男人在线观看高清免费视频| 动漫黄色视频在线观看| 欧美色视频一区免费| 麻豆久久精品国产亚洲av| 1024手机看黄色片| 大型黄色视频在线免费观看| 老司机午夜十八禁免费视频| 久久国产乱子伦精品免费另类| 欧美3d第一页| 97人妻精品一区二区三区麻豆| 久久精品国产99精品国产亚洲性色| 午夜福利18| 欧美中文日本在线观看视频| 久久精品国产自在天天线| 欧美日韩亚洲国产一区二区在线观看| 久久婷婷人人爽人人干人人爱| 日本在线视频免费播放| 在线免费观看的www视频| 国产高清三级在线| 亚洲精品粉嫩美女一区| 亚洲午夜理论影院| 精品免费久久久久久久清纯| 欧美日韩精品网址| 黄片大片在线免费观看| 1000部很黄的大片| 非洲黑人性xxxx精品又粗又长| 久久久久亚洲av毛片大全| 欧美色欧美亚洲另类二区| 欧美日本亚洲视频在线播放| 人妻久久中文字幕网| avwww免费| 国产成人啪精品午夜网站| 久久婷婷人人爽人人干人人爱| 尤物成人国产欧美一区二区三区| 国产成年人精品一区二区| 高潮久久久久久久久久久不卡| 亚洲熟妇熟女久久| 欧美日本视频| 岛国在线免费视频观看| 一级黄色大片毛片| 亚洲欧美日韩高清专用| 欧美又色又爽又黄视频| 99久久综合精品五月天人人| 日韩欧美一区二区三区在线观看| 淫妇啪啪啪对白视频| 床上黄色一级片| 看黄色毛片网站| 欧美性感艳星| 免费无遮挡裸体视频| 免费看十八禁软件| 悠悠久久av| 亚洲人成电影免费在线| 国产野战对白在线观看| 亚洲国产中文字幕在线视频| 午夜免费观看网址| 成人欧美大片| 我要搜黄色片| 欧美最新免费一区二区三区 | e午夜精品久久久久久久| 成人三级黄色视频| 在线播放国产精品三级| 国产国拍精品亚洲av在线观看 | 亚洲激情在线av| 国产精品亚洲一级av第二区| 久久6这里有精品| 9191精品国产免费久久| 国产精品日韩av在线免费观看| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 网址你懂的国产日韩在线| 极品教师在线免费播放| 国产成人av教育| 手机成人av网站| 叶爱在线成人免费视频播放| 中文字幕高清在线视频| 少妇的逼好多水| 日本在线视频免费播放| 国产一区二区在线观看日韩 | 久久久久免费精品人妻一区二区| 19禁男女啪啪无遮挡网站| 一本精品99久久精品77| 国产精品av视频在线免费观看| 亚洲一区高清亚洲精品| 日本五十路高清| 一级作爱视频免费观看| 日本黄大片高清| 一区二区三区免费毛片| 亚洲色图av天堂| 日本免费a在线| 在线国产一区二区在线| 制服丝袜大香蕉在线| 国产黄片美女视频| 男人和女人高潮做爰伦理| ponron亚洲| 欧美3d第一页| 他把我摸到了高潮在线观看| 国产激情欧美一区二区| a级毛片a级免费在线| 两性午夜刺激爽爽歪歪视频在线观看| 在线观看午夜福利视频| 精品人妻偷拍中文字幕| 亚洲欧美精品综合久久99| 国产欧美日韩一区二区三| 人妻丰满熟妇av一区二区三区| 90打野战视频偷拍视频| 日韩精品中文字幕看吧| 亚洲最大成人手机在线| 亚洲真实伦在线观看| 亚洲av不卡在线观看| 国产91精品成人一区二区三区| 脱女人内裤的视频| 日本免费a在线| 麻豆成人av在线观看| 99精品久久久久人妻精品| 亚洲乱码一区二区免费版| 成人亚洲精品av一区二区| 黄片小视频在线播放| 波多野结衣巨乳人妻| а√天堂www在线а√下载| 小说图片视频综合网站| 黄色片一级片一级黄色片| 亚洲真实伦在线观看| 亚洲一区高清亚洲精品| 香蕉av资源在线| 免费人成在线观看视频色| 欧美一区二区亚洲| 国产视频一区二区在线看| 亚洲成人久久爱视频| av国产免费在线观看| 国产综合懂色| 国产精品自产拍在线观看55亚洲| 国产精品98久久久久久宅男小说| 国产真实乱freesex| 国产真实伦视频高清在线观看 | xxxwww97欧美| 日本 av在线| 欧美一级a爱片免费观看看| 极品教师在线免费播放| 在线a可以看的网站| 亚洲成人久久爱视频| 五月伊人婷婷丁香| 夜夜躁狠狠躁天天躁| 叶爱在线成人免费视频播放| 国产老妇女一区| 51国产日韩欧美| 最新中文字幕久久久久| 精品国内亚洲2022精品成人| 18禁美女被吸乳视频| 日本黄色视频三级网站网址| av片东京热男人的天堂| 国产精品久久久久久精品电影| 男女那种视频在线观看| 舔av片在线| av福利片在线观看| 美女 人体艺术 gogo| 亚洲片人在线观看| 国产激情偷乱视频一区二区| 色播亚洲综合网| 国产高清视频在线播放一区| 特大巨黑吊av在线直播| 亚洲熟妇熟女久久| 欧美激情久久久久久爽电影| 国产欧美日韩一区二区精品| 美女免费视频网站| 精品久久久久久久久久免费视频| 18禁在线播放成人免费| 日韩中文字幕欧美一区二区| 色视频www国产| 色吧在线观看| 国产伦在线观看视频一区| 俺也久久电影网| 大型黄色视频在线免费观看| 亚洲精品乱码久久久v下载方式 | 又黄又爽又免费观看的视频| 亚洲国产色片| 最新中文字幕久久久久| 亚洲av中文字字幕乱码综合| 色精品久久人妻99蜜桃| 中文字幕av成人在线电影| 法律面前人人平等表现在哪些方面| 有码 亚洲区| 亚洲av五月六月丁香网| 18禁黄网站禁片午夜丰满| 国产主播在线观看一区二区| 成人精品一区二区免费| 老鸭窝网址在线观看| 久久精品人妻少妇| 在线播放国产精品三级| 乱人视频在线观看| 亚洲电影在线观看av| 久久久国产成人精品二区| 国产高清视频在线观看网站| 少妇熟女aⅴ在线视频| 久久久色成人| 少妇丰满av| 国产伦精品一区二区三区四那| 夜夜爽天天搞| 国产乱人视频| 黄色丝袜av网址大全| 国产精品精品国产色婷婷| 一区二区三区激情视频| 蜜桃亚洲精品一区二区三区| 变态另类丝袜制服| 国语自产精品视频在线第100页| 美女 人体艺术 gogo| 久久久久久久久大av| 国产伦一二天堂av在线观看| 久久久色成人| 男女下面进入的视频免费午夜| 麻豆一二三区av精品| 欧美成人一区二区免费高清观看| 日本五十路高清| 日本一本二区三区精品| 狠狠狠狠99中文字幕| 欧美一区二区精品小视频在线| 亚洲不卡免费看| 最近视频中文字幕2019在线8| 一区二区三区激情视频| 蜜桃亚洲精品一区二区三区| 国产精品三级大全| 久久国产精品影院| 欧美3d第一页| 少妇的逼好多水| 免费av不卡在线播放| 色视频www国产| 国产欧美日韩精品亚洲av| 老司机在亚洲福利影院| 在线看三级毛片| 男女床上黄色一级片免费看| 欧美日韩瑟瑟在线播放| 国产真实乱freesex| 国产免费av片在线观看野外av| 亚洲中文日韩欧美视频| 岛国在线免费视频观看| 精品国产亚洲在线| x7x7x7水蜜桃| av欧美777| 人妻丰满熟妇av一区二区三区| 国产精品自产拍在线观看55亚洲| 老熟妇乱子伦视频在线观看| 精品欧美国产一区二区三| 免费看a级黄色片| 日本三级黄在线观看| 九色成人免费人妻av| 国产免费男女视频| a在线观看视频网站| 国产三级中文精品| 精品久久久久久成人av| 免费高清视频大片| 国产免费男女视频| 久久久久九九精品影院| 欧美又色又爽又黄视频| 欧洲精品卡2卡3卡4卡5卡区|