• <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 ?

    融合擬單層覆蓋粗集的集值數(shù)據(jù)平衡方法研究

    2022-10-18 01:02:58吳正江鄭愛玲梅秋雨張亞寧
    關(guān)鍵詞:模型

    吳正江,楊 天,鄭愛玲,梅秋雨,張亞寧

    河南理工大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,河南 焦作 454003

    不平衡數(shù)據(jù)是指數(shù)據(jù)集內(nèi)部類別分布不平衡的數(shù)據(jù),通常產(chǎn)生于網(wǎng)絡(luò)安全、異常流量檢測(cè)、生物信息中的異?;蚱魏托庞每ㄖЦ兜阮I(lǐng)域。在實(shí)際生活中,少數(shù)類的價(jià)值往往要高于多數(shù)類。因此,如何有效地提升不平衡數(shù)據(jù)的分類效果已經(jīng)引起了廣泛學(xué)者的關(guān)注?,F(xiàn)階段,對(duì)于不平衡數(shù)據(jù)的處理主要分?jǐn)?shù)據(jù)層面與算法層面兩個(gè)方面。對(duì)于數(shù)據(jù)層面來說,通過欠采樣、過采樣與混合采樣的方式,使得數(shù)據(jù)達(dá)到相對(duì)平衡。Chen等[1]提出的RSMOTE 模型引入相對(duì)密度來測(cè)量每個(gè)少數(shù)樣本的局部密度,通過在邊界樣本和安全樣本周圍分別進(jìn)行數(shù)據(jù)生成來提升邊界的可區(qū)分性,從而改進(jìn)分類效果。Li 等[2]提出的SMOTE-NaN-DE 模型基于噪聲檢測(cè)的方法來改進(jìn)SMOTE 過采樣后生成的數(shù)據(jù)。Ramentol 等[3]提出的SMOTE-RSB 模型通過將SMOTE平衡化后的數(shù)據(jù)用粗糙集下近似處理,從而提高數(shù)據(jù)質(zhì)量。對(duì)于算法層面來講,通過代價(jià)敏感學(xué)習(xí)、集成學(xué)習(xí)和單類學(xué)習(xí)等方法改善已有的算法。張壯等[4]提出的Takagi-Sugeno-Kang 模型通過集成學(xué)習(xí)改進(jìn)分類能力,徐劍等[5]結(jié)合代價(jià)敏感學(xué)習(xí)構(gòu)建不均衡數(shù)據(jù)分類器,陸妙芳等[6]通過基于密度和徑向基函數(shù)來提升過采樣能力。在文獻(xiàn)[7-9]中,均是通過不同方式改進(jìn)過采樣數(shù)據(jù)質(zhì)量來提升不平衡數(shù)據(jù)的分類效果,在文獻(xiàn)[10-11]中,通過不同的機(jī)器學(xué)習(xí)方法來解決不平衡數(shù)據(jù)分類問題??偟膩碚f,改進(jìn)數(shù)據(jù)質(zhì)量是提升不平衡數(shù)據(jù)分類能力的重點(diǎn),其中,如何合理地降低噪聲數(shù)據(jù)的影響也是研究中的熱點(diǎn)問題。由于粗糙集下近似具有較高的數(shù)據(jù)質(zhì)量,因此作為降低噪聲數(shù)據(jù)的處理手段是可行且合理的。

    在一個(gè)信息系統(tǒng)中,如果其中包含集值,就稱之為集值信息系統(tǒng)[12]。在集值信息系統(tǒng)中,如果只是簡(jiǎn)單地將集值記錄刪除,可能會(huì)放大該記錄帶來的影響,尤其是該記錄存在于少數(shù)類中。因此,將適用于集值信息系統(tǒng)的擬單層覆蓋粗集模型與過采樣或是欠采樣方法結(jié)合是一種合理的方案。

    容差關(guān)系粗糙集與擬單層覆蓋粗集是集值信息系統(tǒng)中的兩種主要粗糙集模型。Guan 等[13]提出了從集值信息系統(tǒng)中獲取決策規(guī)則的最大相容類模型。在文獻(xiàn)[14-15]中,基于容差關(guān)系從不完備信息系統(tǒng)中獲取高質(zhì)量的近似集和決策規(guī)則。Stefanowski 等[16]基于非對(duì)稱相似關(guān)系從不完備信息系統(tǒng)中獲取近似集和決策規(guī)則。Wang[17]處理基于限制性容差關(guān)系的不完備信息系統(tǒng),是粗糙集的進(jìn)一步擴(kuò)展。Wu 等[18]在覆蓋近似空間的基礎(chǔ)上提出了擬單層覆蓋近似空間的概念,并提出了近似集集合形式表示的原型。在文獻(xiàn)[19]中,討論了求解集值信息系統(tǒng)中擬單層近似集的問題。與其他基于容差關(guān)系的粗糙集模型相比,擬單層覆蓋粗集不僅具有更高的近似質(zhì)量,且因其等價(jià)類表示的優(yōu)點(diǎn)所以具有更快的計(jì)算速度。因此,選用擬單層覆蓋粗集作為樣本區(qū)域劃分的工具,在集值信息系統(tǒng)中將所屬不同區(qū)域的樣本根據(jù)不同的采樣策略進(jìn)行處理,能夠有效提高不平衡數(shù)據(jù)的分類效果。

    基于BorderlineSMOTE[20]的分區(qū)域處理與SMOTETomek[21]欠采樣與過采樣混合處理的思想。針對(duì)集值信息系統(tǒng)中的不平衡數(shù)據(jù),本文提出了SMCRS-BS-CL模型。在SMCRS-BS-CL模型中,首先使用擬單層覆蓋粗集(semi-monolayer covering rough set,SMCRS)下近似進(jìn)行區(qū)域劃分,將屬于下近似的元素劃分為可靠的元素,將這一部分可靠的元素使用BorderlineSMOTE模型進(jìn)行過采樣;將不屬于下近似的元素劃分為邊界元素,將這一部分邊界元素用ClusterCentroids[22]進(jìn)行欠采樣。模型建立的思想是,對(duì)于下近似部分,數(shù)據(jù)相對(duì)來說是質(zhì)量高數(shù)據(jù),因此用過采樣方法進(jìn)行過采,能夠極大程度提高分類質(zhì)量。對(duì)于邊界元素部分,由于數(shù)據(jù)相對(duì)來說質(zhì)量較低,因此對(duì)其進(jìn)行欠采樣,極大程度保留數(shù)據(jù)信息。通過利用分治的策略對(duì)不同區(qū)域的不平衡數(shù)據(jù)進(jìn)行處理,能夠極大地提升不平衡數(shù)據(jù)的分類效果。

    1 相關(guān)工作

    1.1 擬單層覆蓋粗集

    集值信息系統(tǒng)(SVIS)由(U,A,V,f)組成,U為論域,A是屬性的非空有限集合,(U,A∪j5i0abt0b,V,f)是集值信息決策系統(tǒng)(SVDIS),d代表了決策屬性,A代表了條件屬性,A∩j5i0abt0b=?,VA是條件屬性的取值,Vd是決策屬性的取值,V=VA∪Vd,f是V關(guān)于U×(A∪j5i0abt0b)上的函數(shù)。集值信息系統(tǒng)中的函數(shù)滿足f:U×A→2VA,單值系統(tǒng)中函數(shù)滿足f:U×j5i0abt0b→Vd。

    接下來,以2位審稿人審稿結(jié)果為例進(jìn)行模型的闡釋,數(shù)據(jù)如表1所示。

    表1 中,G 代表了good,P 代表了poor,Ac 代表了accept,Re 代表了reject,{G,P}則代表了兩位審稿人意見不一致,也就是集值信息。C={K1,K2,K3,K4}是U={1,2,3,4,5,6,7,8,9,10,11}的擬單層覆蓋。其中K1={1,2,3,4,5,11},K2={4,5,6,7,8},K3={9,10,11},K4={9}K10={1,2,3},K20={6,7,8},K30={10},具體信息如圖1所示。

    圖1 擬單層覆蓋Fig.1 Semi-monolayer covering

    表1 集值信息系統(tǒng)Table 1 Set-valued information system

    根據(jù)定義2,可以計(jì)算出不同決策集合的上下近似集合,如下所示:

    由于以上近似集求出的是決策規(guī)則,因此還需要通過決策規(guī)則來過濾數(shù)據(jù),過濾出的數(shù)據(jù)如圖2所示。

    圖2 近似集Fig.2 Approximation set

    根據(jù)容差關(guān)系、非對(duì)稱相似關(guān)系、限制性容差關(guān)系、最大相容類粗糙集相關(guān)定義,計(jì)算出其在表1中所對(duì)應(yīng)的下近似集合為空,近似質(zhì)量相對(duì)于擬單層覆蓋粗集較低,在文獻(xiàn)[19]中通過較為詳細(xì)的實(shí)驗(yàn)證明了擬單層覆蓋粗集相對(duì)于其他容差關(guān)系粗糙集近似質(zhì)量高,因此選用擬單層覆蓋粗集模型作為劃分工具相對(duì)于其他容差關(guān)系粗糙集模型是有效且合理的,并在本文實(shí)驗(yàn)部分也給予了驗(yàn)證。

    1.2 BorderlineSMOTE

    BorderlineSMOTE[20]是一種基于SMOTE 的過采樣改進(jìn)算法。與SMOTE 不同,該算法只是用邊界上的少數(shù)類來進(jìn)行樣本的人工合成。主要思想是將數(shù)據(jù)集中的少數(shù)類樣本根據(jù)KNN原理劃分為三類,分別是Safe、Danger、Noise。本文采用的方法是BorderlineSMOTE-1,僅在Danger類樣本的k個(gè)近鄰中,隨機(jī)選取少數(shù)類樣本進(jìn)行人工生成數(shù)據(jù),以增強(qiáng)Danger類數(shù)據(jù)的魯棒性,算法步驟如下:

    步驟1 根據(jù)不平衡率,計(jì)算出需要人工生成樣本的數(shù)量S。

    步驟2 對(duì)于少數(shù)類M中的每一個(gè)樣本mi(i=1,2,…,n)計(jì)算其k個(gè)最近鄰,記k個(gè)最近鄰中多數(shù)類個(gè)數(shù)為k′( 0<k′<k)。

    步驟3 對(duì)k′數(shù)量進(jìn)行判斷,如果k′=k,則該樣本屬于Noise 類樣本,不做任何操作。如果k/2>k′,則該樣本屬于Safe類樣本,不做任何操作。如果k/2<k′,則該樣本屬于Danger類樣本,也就是邊界上的樣本,對(duì)其采取以下操作。

    步驟4 計(jì)算Danger類中每個(gè)mi距M中其他少數(shù)類樣本的n個(gè)最近鄰。從n個(gè)最近鄰中隨機(jī)選取s個(gè)最近鄰按照公式:

    進(jìn)行樣本生成,mnew為新生成的樣本,ms為隨機(jī)選中的近鄰樣本。

    重復(fù)步驟4,直至生成滿足平衡率的S個(gè)樣本。

    1.3 ClusterCentroids

    ClusterCentroids 最早由Singh 等[22]提出,是一種基于原型生成方式的高效欠采樣方法,基于原始數(shù)據(jù)集Doriginal生成一個(gè)子集D′,D′的生成方式是基于k-Means算法求出Doriginal的簇心進(jìn)行替換原始數(shù)據(jù),而不是從Doriginal中進(jìn)行選取,通過這種下采樣方式能夠很好地保證源數(shù)據(jù)的信息質(zhì)量與信息載量,算法步驟如下:

    步驟1 計(jì)算不平衡率,根據(jù)不平衡率計(jì)算需要聚類的個(gè)數(shù)k。

    步驟2 在樣本集Doriginal中隨機(jī)選取k個(gè)多數(shù)類樣本作為初始的簇中心。

    步驟3 根據(jù)公式計(jì)算每個(gè)多數(shù)類樣本與簇中心的距離,將距離近的多數(shù)類樣本歸為一類,形成新的簇。

    步驟4 計(jì)算每個(gè)簇中對(duì)應(yīng)坐標(biāo)向量的平均值,從而求出新的簇心向量。

    步驟5 重復(fù)步驟3 與步驟4,直至簇中心向量未更新。

    步驟6 將生成的簇中心向量代替原有的多數(shù)類樣本,加入到數(shù)據(jù)集中。

    至此,通過簇心代替原有的多數(shù)類向量,對(duì)不平衡數(shù)據(jù)完成欠采樣。

    2 SMCRS-BS-CL

    本章將對(duì)SMCRS-BS-CL算法原理進(jìn)行介紹,并將該模型核心代碼部分進(jìn)行闡述。

    2.1 SMCRS-BS-CL算法思想

    由粗糙集的定義可知,粗糙集中下近似集中的元素是可靠且數(shù)據(jù)質(zhì)量較高的,因此,選取下近似集中的決策規(guī)則作為知識(shí)提取是合理的。

    從1.1 節(jié)中理論與結(jié)果可以看出,擬單層覆蓋粗集相對(duì)于傳統(tǒng)的覆蓋粗糙集來說,對(duì)于每一個(gè)塊都有一個(gè)全局且獨(dú)特的標(biāo)簽,并且能將可靠元與爭(zhēng)議元通過單值與集值建立一一對(duì)應(yīng)的關(guān)系。除此之外,將所有的可靠元加入運(yùn)算,并通過可靠元所對(duì)應(yīng)的決策來對(duì)爭(zhēng)議元的決策進(jìn)行賦值,能夠大大提升數(shù)據(jù)的數(shù)據(jù)質(zhì)量。此外,擬單層覆蓋粗集相較于其他容差關(guān)系粗糙集有較高的近似質(zhì)量,在文獻(xiàn)[19]中已經(jīng)經(jīng)過證實(shí),較高的近似質(zhì)量能夠保證在對(duì)數(shù)據(jù)進(jìn)行規(guī)則提取的同時(shí)極大程度地保留數(shù)據(jù)的完整性,以保證模型的泛化能力。

    對(duì)于BorderlineSMOTE-1(BS)來說,為了提升分類算法能力,僅對(duì)邊界域元素進(jìn)行過采樣,以提升整體分類精度。然而,原始數(shù)據(jù)集有可能會(huì)存在大量的噪聲數(shù)據(jù),用BS直接處理可能會(huì)降低分類效果。以1.1節(jié)中的例子來說,對(duì)象6、7、8 雖然且同為可靠元素,但其對(duì)應(yīng)的決策并不相同,因此在進(jìn)行下近似求解時(shí),由于它的知識(shí)模糊表達(dá)性質(zhì)并不會(huì)將其考慮進(jìn)去,這樣就能夠降低因數(shù)據(jù)模糊而造成的影響。此外,對(duì)于集值數(shù)據(jù),只有確定能與可靠元素建立規(guī)則的才予以保留,這樣做,可以極大程度地確定信息表達(dá)的正確性。BS生成數(shù)據(jù)模擬如圖3 所示,通過擬單層覆蓋粗集下近似處理,能夠提供給BS 更可靠的信息,降低信息表達(dá)不確定以及噪聲數(shù)據(jù)對(duì)BS 的影響,并通過BS 生成更為可靠的數(shù)據(jù),也就是圖3中的黑色實(shí)心五角星的數(shù)據(jù)。

    圖3 BS生成數(shù)據(jù)模擬Fig.3 BS generates data simulation

    對(duì)于ClusterCentroids(CL)來說,基于原型生成式的欠采樣方法在一定程度上會(huì)將原有高質(zhì)量數(shù)據(jù)抹去,降低分類精度??紤]到在不平衡數(shù)據(jù)中,少數(shù)類數(shù)據(jù)尤其珍貴,而下近似由于追求較好的數(shù)據(jù)質(zhì)量可能會(huì)造成少數(shù)類數(shù)據(jù)被過濾掉,因此使用CL 算法對(duì)不滿足下近似的數(shù)據(jù)質(zhì)量較低的數(shù)據(jù)進(jìn)行欠采樣,如圖4所示。通過CL 模型將多數(shù)類聚合,這樣做首先避免了高質(zhì)量數(shù)據(jù)在欠采樣過程中被抹掉,其次還能保留少數(shù)類數(shù)據(jù),并且對(duì)數(shù)據(jù)質(zhì)量較低的多數(shù)類數(shù)據(jù)進(jìn)行原型生成,降低噪聲對(duì)整體數(shù)據(jù)分類能力的影響。

    圖4 CL欠采樣數(shù)據(jù)模擬Fig.4 CL under-sampled data simulation

    SMCRS-BS-CL模型是基于擬單層覆蓋粗集的分治法預(yù)處理模型,它首先使用擬單層覆蓋粗集就DA0 下近似與DE0下近似將不平衡數(shù)據(jù)分別劃分為4個(gè)部分,分別為滿足DA0下近似與不滿足DA0下近似的數(shù)據(jù),滿足DE0下近似與不滿足DE0下近似的數(shù)據(jù)。將滿足下近似的數(shù)據(jù)用BS 進(jìn)行過采樣處理,增強(qiáng)邊界域區(qū)分性的同時(shí)極大程度降低噪聲數(shù)據(jù)對(duì)BS的影響。

    此外,為了充分提取數(shù)據(jù)的知識(shí)表達(dá)信息,將不屬于下近似的數(shù)據(jù)用CL 進(jìn)行欠采樣處理,目的也是降低噪聲數(shù)據(jù)對(duì)整體數(shù)據(jù)集的影響。最后,將相對(duì)應(yīng)處理好的數(shù)據(jù)集進(jìn)行合并,具體流程如圖5 所示。根據(jù)圖5 思想,結(jié)合其他不平衡數(shù)據(jù)處理算法替代了BS與CL進(jìn)行了對(duì)比實(shí)驗(yàn),驗(yàn)證了SMCRS-BS-CL 的有效性,具體數(shù)據(jù)在實(shí)驗(yàn)部分展示。

    圖5 SMCRS-BS-CL算法流程圖Fig.5 Flow chart of SMCRS-BS-CL algorithm

    2.2 SMCRS-BS-CL算法核心步驟

    SMCRS-BS-CL模型的算法核心即擬單層覆蓋粗集的實(shí)現(xiàn)過程,具體可分為如下步驟:

    步驟1 輸入數(shù)據(jù),構(gòu)建集值信息決策系統(tǒng)ISVDS=(U,A∪j5i0abt0b,V,f)。

    步驟2 根據(jù)定義1計(jì)算覆蓋塊K以及相對(duì)應(yīng)的K0。

    步驟3 根據(jù)步驟2 中計(jì)算出的K、K0,求出不同決策集對(duì)應(yīng)的決策規(guī)則(定義2),并將求出的結(jié)果取并集,得到不同近似集的整體決策規(guī)則。

    步驟4 根據(jù)步驟3計(jì)算出的決策規(guī)則,對(duì)原始數(shù)據(jù)進(jìn)行決策過濾,選取數(shù)據(jù)質(zhì)量較高的數(shù)據(jù)。

    步驟5 調(diào)用BS算法,根據(jù)步驟4中計(jì)算出的DA0、DE0 下近似進(jìn)行過采樣。

    步驟6 調(diào)用CL 算法,根據(jù)步驟4 中計(jì)算出的不滿足DA0、DE0下近似的樣本進(jìn)行欠采樣。

    步驟7 合并步驟5 與步驟6 中的數(shù)據(jù),完成集值數(shù)據(jù)的數(shù)據(jù)處理。通過以上步驟,完成SMCRS-BS-CL算法的整個(gè)過程。

    SMCRS-BS-CL算法對(duì)擬單層覆蓋粗集進(jìn)行了下一步的研究,由近似質(zhì)量轉(zhuǎn)為了決策規(guī)則的提取,通過計(jì)算出決策規(guī)則,結(jié)合數(shù)據(jù)進(jìn)行性數(shù)據(jù)清洗,篩選出符合決策規(guī)則的高質(zhì)量數(shù)據(jù)。其次,結(jié)合BS 與CL 算法,通過分治法提升數(shù)據(jù)質(zhì)量與降低數(shù)據(jù)損耗來提升不平衡數(shù)據(jù)的分類能力。

    3 實(shí)驗(yàn)

    實(shí)驗(yàn)中的數(shù)據(jù)集來自Kaggle中的不平衡數(shù)據(jù)集,選取了Abalone、Bank、Waktu、Magic、Wdbc、White_wine和House_vote共7個(gè)不同數(shù)據(jù)集,并將數(shù)據(jù)集劃分為訓(xùn)練集與測(cè)試集,比例為8∶2。其中前6個(gè)數(shù)據(jù)集是完備的,在進(jìn)行擬單層覆蓋粗集算法時(shí)首先構(gòu)建集值信息系統(tǒng),轉(zhuǎn)變?yōu)榧禂?shù)據(jù),實(shí)現(xiàn)方式由3.1 節(jié)給出。House_vote數(shù)據(jù)集是不完備的,直接根據(jù)映射關(guān)系將缺失值映射為集值進(jìn)行處理,此外,為了加大數(shù)據(jù)的不平衡性,對(duì)House_vote數(shù)據(jù)集少數(shù)類進(jìn)行隨機(jī)抽取處理,使其平衡率為3∶1,具體信息如表2所示。

    表2 數(shù)據(jù)集Table 2 Datasets

    本次實(shí)驗(yàn)采用Python 3.6進(jìn)行實(shí)驗(yàn)設(shè)計(jì),實(shí)驗(yàn)過程中,SMOTE[23]、BorderlineSMOTE-1、BorderlineSMOTE-2[20]過采樣方法的過采樣率為100%,即平衡少數(shù)類樣本與多數(shù)類樣本的個(gè)數(shù),近鄰個(gè)數(shù)設(shè)置為5,ClusterCentroids、TomekLinks[24]欠采樣率均為100%,即平衡少數(shù)類樣本與多數(shù)類樣本的個(gè)數(shù)。其中ClusterCentroids 聚類的簇?cái)?shù)由不平衡率進(jìn)行確定,各個(gè)分類算法與不平衡數(shù)據(jù)處理方法的隨機(jī)種子設(shè)置為42,指標(biāo)評(píng)測(cè)值是進(jìn)行10次實(shí)驗(yàn)計(jì)算平均值得出的結(jié)果。

    3.1 集值信息系統(tǒng)構(gòu)造

    集值信息系統(tǒng)覆蓋規(guī)則的構(gòu)建就是計(jì)算出每列屬性的最小值、最大值、均值、中位數(shù)。判斷每個(gè)對(duì)象屬性值所屬的區(qū)間位置,如果位于最小值與min{均值,中位數(shù)}之間或是位于max{均值,中位數(shù)}與最大值之間,則該屬性值被認(rèn)為是單值;若屬性值位于中位數(shù)與均值之間,則該屬性值被認(rèn)為是集值。

    3.2 分類能力評(píng)價(jià)指標(biāo)

    由于不平衡數(shù)據(jù)本身的獨(dú)特性質(zhì),僅用單一指標(biāo)去評(píng)價(jià)不平衡數(shù)據(jù)并不能有效地展示其分類性能。因此,選取F-score、AUC、Accuracy 作為不平衡數(shù)據(jù)的分類效果評(píng)價(jià)指標(biāo)。

    基于表3,可以算出F-score(公式(3))、AUC(公式(4))、Accuracy(公式(5))計(jì)算過程中的指標(biāo)。

    表3 混淆矩陣Table 3 Confusion matrix

    其中,F(xiàn)PR、TPR分別代表了假陽性率與真陽性率,二者與坐標(biāo)軸圍成的面積即為AUC值。

    3.3 對(duì)比實(shí)驗(yàn)

    為了檢測(cè)SMCRS-BS-CL 算法對(duì)不平衡數(shù)據(jù)分類性能的提升,選取了SMOTE、BorderlineSMOTE-1、BorderlineSMOTE-2、ClusterCentroids、TomekLinks、SMOTETomek分別對(duì)數(shù)據(jù)集進(jìn)行處理,設(shè)計(jì)了如下對(duì)比實(shí)驗(yàn)方案,在實(shí)驗(yàn)數(shù)據(jù)表中,加粗的數(shù)據(jù)為最優(yōu)值,加下劃線的數(shù)據(jù)為次優(yōu)值。SMCRS-BS-CC-DE0與SMCRSBS-CC-DA0分別代表了經(jīng)過DE0近似集與DA0近似集按照本文模型處理后的結(jié)果。

    3.3.1 F-score

    為了驗(yàn)證SMCRS-BS-CL 模型相較于其他不平衡數(shù)據(jù)處理模型的組合效果,結(jié)合圖中思想,將BS(BS-CL)模型更換為SMOTE(SMOTE-CL)、BorderlineSMOTE-2(BS-2-CL),將CL 模型更換為Tomek(BS-Tomek)。此外,為了驗(yàn)證CL 模型的重要性,單獨(dú)將BS 模型處理后的數(shù)據(jù)用于驗(yàn)證,分類器采用Extra-Tree[25],評(píng)價(jià)指標(biāo)選取F-score,具體數(shù)值如表4所示。以模型整體效果為標(biāo)準(zhǔn),SMCRS-BS-CL 模型在5 個(gè)數(shù)據(jù)集合上都有較好的效果,驗(yàn)證了該模型的有效性。

    表4 不同組合模型F-score對(duì)比Table 4 Comparison of F-scores for different combination models

    將SMCRS-BS-CL 與其他不平衡數(shù)據(jù)處理方法處理后的數(shù)據(jù)經(jīng)過Extratree分類器訓(xùn)練后的F-score值如表5 所示。從表5 中可以看出,SMCRS-BS-CC-DE0 較原始數(shù)據(jù)集F-score 平均提升4.30 個(gè)百分點(diǎn),SMCRSBS-CC-DA0平均提升了1.85個(gè)百分點(diǎn)。SMCRS-BS-CL相對(duì)其他方法表現(xiàn)較好。

    表5 不同模型F-score值Table 5 F-scores for different combination models

    3.3.2 AUC

    首先,通過ExtraTree 與DecisionTree[26]作為分類器(隨機(jī)種子設(shè)置為42,其余參數(shù)均是默認(rèn)值,下同),訓(xùn)練經(jīng)過SMCRS-BS-CL 以及上述不平衡數(shù)據(jù)算法處理過的數(shù)據(jù),得到每個(gè)處理方式處理后的所對(duì)應(yīng)的AUC值。

    ExtraTree分類器對(duì)應(yīng)的AUC值如圖6所示。

    圖6 ExtraTree下AUC值比較Fig.6 Comparison of AUC values under ExtraTree

    從圖6中可以看出,SMCRS-BS-CL整體較其他方法表現(xiàn)好。具體數(shù)值如表6,根據(jù)表6 可以看出SMCRSBS-CL-DE0 在5 個(gè)數(shù)據(jù)集上達(dá)到了最優(yōu)值,AUC 值平均提升了4.22 個(gè)百分點(diǎn)。SMCRS-BS-CL-DA0 在兩個(gè)數(shù)據(jù)集上達(dá)到了最大值,較原始數(shù)據(jù)集平均提升了2.71個(gè)百分點(diǎn)。但SMCRS-BS-CL-DE0 在White_wine 數(shù)據(jù)集表現(xiàn)一般,原因是由于構(gòu)建集值信息系統(tǒng)過程中,爭(zhēng)議元較多,使用DA0近似集對(duì)數(shù)據(jù)集進(jìn)行決策過濾能夠更好清除噪聲數(shù)據(jù)從而達(dá)到更好的效果。整體來說,SMCRS-BS-CL-DE0表現(xiàn)較SMCRS-BS-CL-DA0優(yōu)異。

    表6 ExtraTree下AUC值Table 6 AUC values under ExtraTree

    DecisionTree分類器對(duì)應(yīng)的AUC值如表7所示。根據(jù)表7中數(shù)據(jù)可以得到SMCRS-BS-CL-DE0在3個(gè)數(shù)據(jù)集上達(dá)到了最優(yōu),兩個(gè)數(shù)據(jù)集達(dá)到了次優(yōu),AUC值平均提升了3.10 個(gè)百分點(diǎn)。SMCRS-BS-CL-DA0 在兩個(gè)數(shù)據(jù)集上達(dá)到了最優(yōu),一個(gè)數(shù)據(jù)集達(dá)到了次優(yōu),原始數(shù)據(jù)集合平均提升了3.35 個(gè)百分點(diǎn)。整體來說,SMCRSBS-CL算法相對(duì)于其他算法表現(xiàn)優(yōu)異。

    表7 DecisionTree下AUC值Table 7 AUC values under DecisionTree

    3.3.3 Accuracy

    為了驗(yàn)證擬單層覆蓋粗集模型相對(duì)于其他容差關(guān)系模型的在集值信息系統(tǒng)中的優(yōu)越性,本文采用容差關(guān)系粗糙集(TR)、限制性容差關(guān)系粗糙集(LTR)、非對(duì)稱限制關(guān)系粗糙集(NTR)、最大相容類粗糙集(MTR)進(jìn)行對(duì)比,對(duì)不平衡數(shù)據(jù)處理方式均是將屬于下近似的數(shù)據(jù)進(jìn)行過采樣,不屬于下近似的欠采樣,最后將二者合并為一個(gè)數(shù)據(jù)集。訓(xùn)練器采用feature generation by convolutional neural network(FGCNN)[27],該訓(xùn)練器是一種利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行自動(dòng)特征提取的深度學(xué)習(xí)模型,模型中epochs設(shè)置為50。經(jīng)過FGCNN訓(xùn)練后的Accuracy如圖7所示,從圖7中明顯看出SMCRS-BS-CL相對(duì)于其他容差關(guān)系粗糙集模型,在大多數(shù)數(shù)據(jù)集上表現(xiàn)出了較好的結(jié)果。

    4 結(jié)束語

    針對(duì)集值信息系統(tǒng)中的不平衡數(shù)據(jù)問題,本文提出了一種基于擬單層覆蓋粗集與BorderlineSMOTE、ClusterCentroids 的混合采樣方法。該方法首先通過擬單層覆蓋粗集分別用DE0 與DA0 下近似進(jìn)行數(shù)據(jù)劃分,將屬于下近似的數(shù)據(jù)用BorderlineSMOTE進(jìn)行過采樣,將不屬于下近似的數(shù)據(jù)用ClusterCentroids進(jìn)行欠采樣,最后分別將屬于DE0 與DA0 的過采樣數(shù)據(jù)與欠采樣數(shù)據(jù)合并,達(dá)到對(duì)不平衡數(shù)據(jù)的預(yù)處理。這種處理方式能夠極大程度地增強(qiáng)邊界數(shù)據(jù)可區(qū)分性,并且能夠降低少數(shù)類數(shù)據(jù)的信息損耗。最后,基于Kaggle上的公開數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)驗(yàn)證,證明了算法的有效性。但是該算法仍有需要改進(jìn)的地方,由于結(jié)合了多種算法,模型處理上稍微復(fù)雜,仍需要進(jìn)一步深入優(yōu)化。

    猜你喜歡
    模型
    一半模型
    一種去中心化的域名服務(wù)本地化模型
    適用于BDS-3 PPP的隨機(jī)模型
    提煉模型 突破難點(diǎn)
    函數(shù)模型及應(yīng)用
    p150Glued在帕金森病模型中的表達(dá)及分布
    函數(shù)模型及應(yīng)用
    重要模型『一線三等角』
    重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
    3D打印中的模型分割與打包
    婷婷色av中文字幕| 亚洲精品日韩av片在线观看| tube8黄色片| av卡一久久| 一级毛片 在线播放| 熟女电影av网| 免费少妇av软件| 色婷婷久久久亚洲欧美| 有码 亚洲区| 自拍偷自拍亚洲精品老妇| 看免费成人av毛片| 日日啪夜夜爽| 亚洲国产最新在线播放| 日本vs欧美在线观看视频 | 人人妻人人看人人澡| 国产乱来视频区| 久久人人爽av亚洲精品天堂 | 久久久久国产精品人妻一区二区| 噜噜噜噜噜久久久久久91| 国产精品福利在线免费观看| 日本黄色日本黄色录像| 国产精品蜜桃在线观看| 美女福利国产在线 | 国产免费视频播放在线视频| 少妇人妻久久综合中文| 寂寞人妻少妇视频99o| 国产精品国产av在线观看| 91精品国产九色| 日本爱情动作片www.在线观看| 热99国产精品久久久久久7| 亚洲成人手机| av在线播放精品| 2018国产大陆天天弄谢| 亚洲av国产av综合av卡| 伦精品一区二区三区| 成年av动漫网址| 99久国产av精品国产电影| 亚洲精品国产成人久久av| 精品国产乱码久久久久久小说| 一级毛片黄色毛片免费观看视频| 国产伦精品一区二区三区四那| 欧美丝袜亚洲另类| 最近中文字幕高清免费大全6| 草草在线视频免费看| 亚洲av日韩在线播放| 91精品一卡2卡3卡4卡| 国产精品蜜桃在线观看| 国产亚洲精品久久久com| 国产精品欧美亚洲77777| 中文欧美无线码| 大陆偷拍与自拍| 午夜视频国产福利| 成年av动漫网址| av女优亚洲男人天堂| 在线观看美女被高潮喷水网站| 一区二区av电影网| 国内少妇人妻偷人精品xxx网站| 99国产精品免费福利视频| av黄色大香蕉| 亚洲人与动物交配视频| 国产高清有码在线观看视频| 国产欧美另类精品又又久久亚洲欧美| 男人舔奶头视频| 网址你懂的国产日韩在线| 久久这里有精品视频免费| 亚洲精品456在线播放app| 亚洲欧美清纯卡通| 久久影院123| 久久久久久久久大av| 婷婷色麻豆天堂久久| 免费av不卡在线播放| 99久久精品一区二区三区| 免费黄网站久久成人精品| 在线免费十八禁| 久久97久久精品| 2018国产大陆天天弄谢| 26uuu在线亚洲综合色| 欧美精品一区二区大全| 久久久久国产网址| 一级毛片aaaaaa免费看小| 美女视频免费永久观看网站| 免费观看的影片在线观看| 校园人妻丝袜中文字幕| av又黄又爽大尺度在线免费看| 国产精品无大码| 亚洲欧美精品自产自拍| 国产探花极品一区二区| 久久精品熟女亚洲av麻豆精品| 国产v大片淫在线免费观看| 国产精品久久久久成人av| 91在线精品国自产拍蜜月| 九色成人免费人妻av| 亚洲欧洲国产日韩| 精品人妻偷拍中文字幕| 亚洲经典国产精华液单| 午夜视频国产福利| 亚洲人成网站高清观看| 欧美激情极品国产一区二区三区 | 黄色一级大片看看| 成人美女网站在线观看视频| 女的被弄到高潮叫床怎么办| 亚洲人与动物交配视频| 日本一二三区视频观看| 久久6这里有精品| 久久人人爽人人爽人人片va| 日本wwww免费看| 国产亚洲5aaaaa淫片| 三级国产精品欧美在线观看| 岛国毛片在线播放| 国产精品国产av在线观看| 国产色爽女视频免费观看| 特大巨黑吊av在线直播| 国产黄色视频一区二区在线观看| 99久久综合免费| 综合色丁香网| av国产精品久久久久影院| 一个人看视频在线观看www免费| 大又大粗又爽又黄少妇毛片口| 人妻系列 视频| 国产精品精品国产色婷婷| 亚洲精品久久久久久婷婷小说| 亚洲av二区三区四区| 国产毛片在线视频| 男女无遮挡免费网站观看| 精品人妻一区二区三区麻豆| 成人二区视频| 99热全是精品| 国产人妻一区二区三区在| 精品久久久精品久久久| 亚洲aⅴ乱码一区二区在线播放| 国产精品精品国产色婷婷| 色哟哟·www| 国产一区亚洲一区在线观看| 免费播放大片免费观看视频在线观看| 久久99蜜桃精品久久| 精品人妻偷拍中文字幕| 大话2 男鬼变身卡| .国产精品久久| 国产在线免费精品| 伦精品一区二区三区| 国产又色又爽无遮挡免| 联通29元200g的流量卡| 国产精品麻豆人妻色哟哟久久| 精品亚洲乱码少妇综合久久| 久久久久久久国产电影| 91精品国产九色| 韩国高清视频一区二区三区| 最近2019中文字幕mv第一页| 日韩亚洲欧美综合| 精品久久久精品久久久| 国产成人a∨麻豆精品| 91在线精品国自产拍蜜月| 国产综合精华液| 青春草亚洲视频在线观看| 麻豆国产97在线/欧美| 精品午夜福利在线看| 久久久久久久久大av| 亚洲怡红院男人天堂| 日韩中字成人| 国产 一区精品| 精品人妻视频免费看| 久久99精品国语久久久| 婷婷色麻豆天堂久久| 91午夜精品亚洲一区二区三区| 欧美精品人与动牲交sv欧美| 全区人妻精品视频| 久久久亚洲精品成人影院| 亚洲怡红院男人天堂| 久久人人爽人人爽人人片va| 欧美成人a在线观看| 91精品国产国语对白视频| 一二三四中文在线观看免费高清| 日韩成人av中文字幕在线观看| 成人影院久久| 91久久精品国产一区二区三区| 色哟哟·www| 亚洲精品国产成人久久av| 伦理电影免费视频| 欧美国产精品一级二级三级 | 亚洲中文av在线| 欧美区成人在线视频| 欧美高清成人免费视频www| 国产综合精华液| 久久99热这里只频精品6学生| 成年免费大片在线观看| 精品一品国产午夜福利视频| 99国产精品免费福利视频| 日韩一本色道免费dvd| 美女国产视频在线观看| 在现免费观看毛片| 国产一区有黄有色的免费视频| 伦理电影大哥的女人| 黄片wwwwww| 高清不卡的av网站| 欧美成人午夜免费资源| 熟女电影av网| 欧美精品国产亚洲| 少妇人妻精品综合一区二区| 国产精品国产av在线观看| 91午夜精品亚洲一区二区三区| 国产精品女同一区二区软件| 国产爽快片一区二区三区| 女性生殖器流出的白浆| 日日啪夜夜撸| 亚洲欧洲日产国产| 国产美女午夜福利| 日韩欧美一区视频在线观看 | 欧美激情国产日韩精品一区| 午夜福利高清视频| 精品久久久久久电影网| 卡戴珊不雅视频在线播放| 亚洲av在线观看美女高潮| 国产探花极品一区二区| 国产一区二区三区av在线| 少妇猛男粗大的猛烈进出视频| 直男gayav资源| 黑丝袜美女国产一区| 97超视频在线观看视频| 天美传媒精品一区二区| 女的被弄到高潮叫床怎么办| 亚洲无线观看免费| av在线观看视频网站免费| 国产av国产精品国产| videos熟女内射| 免费看光身美女| 国产高清不卡午夜福利| 日本黄大片高清| 亚洲精品亚洲一区二区| 在线观看免费日韩欧美大片 | av女优亚洲男人天堂| 韩国av在线不卡| 色视频www国产| 中文字幕亚洲精品专区| 乱码一卡2卡4卡精品| av专区在线播放| 欧美+日韩+精品| av天堂中文字幕网| 永久网站在线| 日日啪夜夜撸| 少妇被粗大猛烈的视频| 亚洲av男天堂| 男女边吃奶边做爰视频| 日韩成人av中文字幕在线观看| 国产免费一区二区三区四区乱码| 2021少妇久久久久久久久久久| 国产黄色视频一区二区在线观看| 国产精品久久久久久精品古装| 国产在线一区二区三区精| 美女中出高潮动态图| 国产伦在线观看视频一区| 亚洲色图av天堂| 国产免费一级a男人的天堂| 国产精品福利在线免费观看| 日本wwww免费看| 亚洲内射少妇av| 久久久久久久精品精品| 亚洲高清免费不卡视频| 成年人午夜在线观看视频| 干丝袜人妻中文字幕| 中文字幕人妻熟人妻熟丝袜美| 一级毛片aaaaaa免费看小| 国产探花极品一区二区| 高清午夜精品一区二区三区| 天天躁夜夜躁狠狠久久av| 精品久久久久久久久亚洲| 十分钟在线观看高清视频www | 亚洲成色77777| 欧美精品一区二区大全| av国产免费在线观看| 97超视频在线观看视频| 国产精品精品国产色婷婷| 一区二区三区免费毛片| 亚洲国产精品999| 人妻 亚洲 视频| 国产精品一区二区三区四区免费观看| 夜夜看夜夜爽夜夜摸| 一区二区三区精品91| 亚洲av.av天堂| 在线观看国产h片| 王馨瑶露胸无遮挡在线观看| 狂野欧美白嫩少妇大欣赏| 国产av一区二区精品久久 | 少妇人妻久久综合中文| 午夜福利视频精品| av在线app专区| 老司机影院毛片| 各种免费的搞黄视频| 久久人人爽人人片av| 国产成人freesex在线| 少妇人妻久久综合中文| av国产久精品久网站免费入址| 乱码一卡2卡4卡精品| 国产精品.久久久| 午夜福利高清视频| 一区二区av电影网| 噜噜噜噜噜久久久久久91| 午夜老司机福利剧场| 色视频www国产| 久久国产精品男人的天堂亚洲 | 97超碰精品成人国产| 亚洲成人av在线免费| 国产黄频视频在线观看| 最近最新中文字幕免费大全7| 午夜免费鲁丝| 亚洲欧美中文字幕日韩二区| 欧美成人午夜免费资源| 亚洲欧美成人精品一区二区| 肉色欧美久久久久久久蜜桃| 国产真实伦视频高清在线观看| 五月玫瑰六月丁香| 久久 成人 亚洲| 少妇熟女欧美另类| 少妇精品久久久久久久| 日韩国内少妇激情av| 人妻夜夜爽99麻豆av| 看非洲黑人一级黄片| 成人特级av手机在线观看| 亚洲欧美清纯卡通| 香蕉精品网在线| 人人妻人人看人人澡| 欧美三级亚洲精品| 日韩精品有码人妻一区| 深爱激情五月婷婷| 毛片女人毛片| 老熟女久久久| 不卡视频在线观看欧美| 中文字幕av成人在线电影| 中国三级夫妇交换| 久久97久久精品| 国产精品一二三区在线看| 中文字幕久久专区| 夫妻性生交免费视频一级片| 少妇人妻一区二区三区视频| 国产精品免费大片| 夜夜骑夜夜射夜夜干| 九九爱精品视频在线观看| 伦精品一区二区三区| 久久久亚洲精品成人影院| 亚州av有码| 嫩草影院入口| 亚洲av不卡在线观看| kizo精华| 22中文网久久字幕| 日韩大片免费观看网站| 国产免费视频播放在线视频| 热re99久久精品国产66热6| 欧美变态另类bdsm刘玥| 国产成人精品久久久久久| 亚洲国产精品专区欧美| 日日摸夜夜添夜夜爱| 男人狂女人下面高潮的视频| 日韩在线高清观看一区二区三区| 国产免费一级a男人的天堂| 最近最新中文字幕免费大全7| 欧美成人a在线观看| 中文字幕制服av| 免费看光身美女| 国产黄频视频在线观看| 伦理电影免费视频| 国产精品99久久99久久久不卡 | av黄色大香蕉| 亚洲av二区三区四区| 26uuu在线亚洲综合色| 久久99热这里只频精品6学生| 建设人人有责人人尽责人人享有的 | 啦啦啦视频在线资源免费观看| 国产乱来视频区| 免费看不卡的av| 国产乱人视频| 一级a做视频免费观看| 男人和女人高潮做爰伦理| 另类亚洲欧美激情| 精华霜和精华液先用哪个| 91久久精品国产一区二区三区| 男人爽女人下面视频在线观看| 亚洲国产毛片av蜜桃av| 精品国产露脸久久av麻豆| 色婷婷av一区二区三区视频| 大片免费播放器 马上看| 高清毛片免费看| 亚洲av二区三区四区| 草草在线视频免费看| 国产免费视频播放在线视频| 亚洲精品国产av蜜桃| 国产在线免费精品| 精品久久久久久久久亚洲| 少妇裸体淫交视频免费看高清| 黄色视频在线播放观看不卡| 青春草视频在线免费观看| 国产免费福利视频在线观看| 大码成人一级视频| 日韩亚洲欧美综合| 精品视频人人做人人爽| 精品熟女少妇av免费看| 精品一区二区免费观看| 久久国产亚洲av麻豆专区| 国产v大片淫在线免费观看| 人人妻人人爽人人添夜夜欢视频 | 人妻少妇偷人精品九色| 亚洲三级黄色毛片| 你懂的网址亚洲精品在线观看| 菩萨蛮人人尽说江南好唐韦庄| 高清不卡的av网站| 亚洲av不卡在线观看| 久久鲁丝午夜福利片| 日韩中字成人| 亚洲,一卡二卡三卡| 性色av一级| 18+在线观看网站| 国产极品天堂在线| 91久久精品国产一区二区三区| 国产 精品1| 亚洲三级黄色毛片| 中文天堂在线官网| 97在线视频观看| 亚洲欧美日韩另类电影网站 | 久久久久国产网址| 国产一区二区在线观看日韩| 啦啦啦中文免费视频观看日本| 亚洲av综合色区一区| 十八禁网站网址无遮挡 | 成人亚洲精品一区在线观看 | 一级片'在线观看视频| 久久久久网色| 人妻 亚洲 视频| 蜜臀久久99精品久久宅男| 青春草亚洲视频在线观看| 色视频www国产| 99re6热这里在线精品视频| 国产 一区精品| 国产成人免费无遮挡视频| 欧美极品一区二区三区四区| 国产精品一区二区三区四区免费观看| 看非洲黑人一级黄片| 国产成人a∨麻豆精品| 久久久久久久久久久丰满| 精品国产一区二区三区久久久樱花 | 亚洲av二区三区四区| 美女国产视频在线观看| 插阴视频在线观看视频| 亚洲国产毛片av蜜桃av| 亚洲av日韩在线播放| 日韩av免费高清视频| 国产精品一区www在线观看| 久久久精品免费免费高清| 亚洲av中文av极速乱| 黑人猛操日本美女一级片| 下体分泌物呈黄色| 午夜免费男女啪啪视频观看| 91aial.com中文字幕在线观看| 亚洲婷婷狠狠爱综合网| 男人添女人高潮全过程视频| 欧美亚洲 丝袜 人妻 在线| 啦啦啦视频在线资源免费观看| 观看免费一级毛片| 三级国产精品片| 超碰97精品在线观看| 成人亚洲精品一区在线观看 | 欧美zozozo另类| 国产日韩欧美在线精品| 国产免费福利视频在线观看| 少妇的逼好多水| 蜜桃亚洲精品一区二区三区| 国产有黄有色有爽视频| 免费av中文字幕在线| 新久久久久国产一级毛片| 一区在线观看完整版| 国模一区二区三区四区视频| 丝袜喷水一区| 国产亚洲5aaaaa淫片| 美女内射精品一级片tv| 久久精品熟女亚洲av麻豆精品| 只有这里有精品99| 精品久久久久久久末码| a级一级毛片免费在线观看| 日韩中字成人| 男人爽女人下面视频在线观看| 99re6热这里在线精品视频| av免费在线看不卡| 三级国产精品片| 99精国产麻豆久久婷婷| 国产精品爽爽va在线观看网站| 欧美高清性xxxxhd video| 久久久久久九九精品二区国产| 亚洲色图综合在线观看| 国产日韩欧美在线精品| 亚洲熟女精品中文字幕| 免费观看的影片在线观看| 国产成人一区二区在线| 99热网站在线观看| 99热全是精品| 插逼视频在线观看| 成人影院久久| 久久精品国产鲁丝片午夜精品| 日韩一本色道免费dvd| 国产成人a∨麻豆精品| 亚洲av中文字字幕乱码综合| 亚洲欧洲国产日韩| 免费黄色在线免费观看| 网址你懂的国产日韩在线| 精品一区在线观看国产| 亚洲不卡免费看| 午夜福利在线在线| 一本久久精品| 99国产精品免费福利视频| 国产男人的电影天堂91| 嘟嘟电影网在线观看| 欧美精品一区二区大全| 国产成人a∨麻豆精品| 亚洲国产精品一区三区| tube8黄色片| 欧美日韩视频精品一区| 国产淫片久久久久久久久| 黄色一级大片看看| 91久久精品国产一区二区三区| 极品少妇高潮喷水抽搐| 国产精品成人在线| 国产精品久久久久成人av| 亚洲国产日韩一区二区| 夫妻午夜视频| 亚洲国产精品国产精品| 只有这里有精品99| 五月天丁香电影| 久久女婷五月综合色啪小说| 中国国产av一级| 日本欧美视频一区| 日韩不卡一区二区三区视频在线| 亚洲精品成人av观看孕妇| av.在线天堂| 亚洲欧美日韩卡通动漫| 成人午夜精彩视频在线观看| av免费在线看不卡| 女的被弄到高潮叫床怎么办| 亚洲一区二区三区欧美精品| 欧美成人一区二区免费高清观看| 麻豆成人av视频| 日本猛色少妇xxxxx猛交久久| 极品少妇高潮喷水抽搐| 3wmmmm亚洲av在线观看| 国产精品久久久久久精品古装| 深夜a级毛片| 久久久久国产精品人妻一区二区| 免费观看av网站的网址| 91精品国产国语对白视频| 中文资源天堂在线| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲人与动物交配视频| 你懂的网址亚洲精品在线观看| 女人十人毛片免费观看3o分钟| 国产午夜精品一二区理论片| 国产精品一及| 99热这里只有精品一区| 国产午夜精品久久久久久一区二区三区| 99久国产av精品国产电影| 久久女婷五月综合色啪小说| 嫩草影院新地址| 少妇的逼水好多| 国产国拍精品亚洲av在线观看| 精品亚洲成国产av| 少妇人妻 视频| 特大巨黑吊av在线直播| 国产黄频视频在线观看| 久久久久国产精品人妻一区二区| 久久99精品国语久久久| 蜜桃亚洲精品一区二区三区| 亚洲国产精品专区欧美| 中文字幕久久专区| 97在线视频观看| 蜜桃在线观看..| 午夜激情久久久久久久| 老师上课跳d突然被开到最大视频| 精华霜和精华液先用哪个| 日本黄色片子视频| 22中文网久久字幕| 在线 av 中文字幕| 亚洲第一区二区三区不卡| 美女内射精品一级片tv| 少妇高潮的动态图| 校园人妻丝袜中文字幕| 高清视频免费观看一区二区| 男女国产视频网站| 秋霞伦理黄片| 免费久久久久久久精品成人欧美视频 | 久久99蜜桃精品久久| 狂野欧美激情性bbbbbb| 国产爱豆传媒在线观看| 精品一区二区三区视频在线| 久久人妻熟女aⅴ| 日韩欧美精品免费久久| 老司机影院毛片| 一区二区三区免费毛片| av天堂中文字幕网| 王馨瑶露胸无遮挡在线观看| 网址你懂的国产日韩在线| 91精品国产国语对白视频| 大香蕉久久网| 卡戴珊不雅视频在线播放| 国产精品一区二区三区四区免费观看| 最近中文字幕高清免费大全6| 国产探花极品一区二区| 精品少妇久久久久久888优播| 亚洲在久久综合| av国产精品久久久久影院| 久久鲁丝午夜福利片| 91在线精品国自产拍蜜月| 久久鲁丝午夜福利片| 亚洲aⅴ乱码一区二区在线播放| 国产成人精品福利久久| 91精品伊人久久大香线蕉| 亚洲av二区三区四区| av国产久精品久网站免费入址| 亚洲成人av在线免费| 午夜福利影视在线免费观看| 精品熟女少妇av免费看| 成年人午夜在线观看视频|