• <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 ?

    PCD型自適應(yīng)彈性網(wǎng)絡(luò)在微陣列分類中的應(yīng)用

    2010-08-18 10:11:56李鈞濤賈英民
    智能系統(tǒng)學(xué)報(bào) 2010年3期
    關(guān)鍵詞:懲罰彈性分類

    李鈞濤,賈英民

    (北京航空航天大學(xué)第七研究室,北京 100191)

    PCD型自適應(yīng)彈性網(wǎng)絡(luò)在微陣列分類中的應(yīng)用

    李鈞濤,賈英民

    (北京航空航天大學(xué)第七研究室,北京 100191)

    針對(duì)癌癥分類中的重要基因選擇問(wèn)題,提出了一種基于順向坐標(biāo)下降算法的自適應(yīng)彈性網(wǎng)絡(luò).該自適應(yīng)彈性網(wǎng)絡(luò)通過(guò)引入數(shù)據(jù)驅(qū)動(dòng)權(quán)重,在構(gòu)建分類器的同時(shí)能自適應(yīng)地成群選擇基因,從而產(chǎn)生了一個(gè)稀疏的學(xué)習(xí)模型,增強(qiáng)了可解釋性.此外,通過(guò)引入懲罰因子,順向坐標(biāo)下降算法被改進(jìn)并有效地用于求解該自適應(yīng)彈性網(wǎng)絡(luò).急性白血病分類實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的有效性.

    癌癥分類;基因選擇;彈性網(wǎng)絡(luò);順向坐標(biāo)下降算法(PCD算法);微陣列分類

    基于微陣列基因表達(dá)數(shù)據(jù)的癌癥分類問(wèn)題開辟了機(jī)器學(xué)習(xí)方法在計(jì)算生物領(lǐng)域的最早應(yīng)用,大量的學(xué)習(xí)機(jī)器及求解算法已經(jīng)被提出[1-15].由于生物學(xué)家和醫(yī)學(xué)科學(xué)家能從選擇的重要基因來(lái)確定癌癥研究中的最新發(fā)現(xiàn)或建議新的探索途徑;因此,除了預(yù)測(cè)給定腫瘤樣本的癌癥類型,另一個(gè)挑戰(zhàn)性的問(wèn)題是辨識(shí)分類相關(guān)的重要基因[4-13].

    基因選擇的目標(biāo)是更好地理解產(chǎn)生數(shù)據(jù)的生物系統(tǒng)并改進(jìn)分類器的預(yù)測(cè)性能.現(xiàn)流行的基因選擇方法有:單變量排序[1]、判別式比率、主元分析、遞歸特征消除[2]等.然而,在這些方法中,基因選擇與分類器構(gòu)造是分開進(jìn)行的.最近的統(tǒng)計(jì)學(xué)習(xí)理論與實(shí)驗(yàn)表明,同時(shí)進(jìn)行基因選擇和分類預(yù)測(cè)將產(chǎn)生優(yōu)越的性能.因此,大量的新型學(xué)習(xí)模型被發(fā)展,例如1-范數(shù)支持向量機(jī)[3]、稀疏邏輯回歸[4-5]、LASSO[6].然而,這些學(xué)習(xí)方法并不能揭示基因間的相互信息,并且選擇的基因個(gè)數(shù)以樣本尺寸大小為上界.

    從生物醫(yī)學(xué)的角度考慮,癌癥是一種復(fù)雜的遺傳性疾病,不是由單個(gè)基因所決定的,而往往是由先天的或外界的影響所造成的一些基因的突變、缺失等原因所引起.因此,癌癥分類中必然存在一些高度相關(guān)的基因,它們應(yīng)該作為一個(gè)基因群,同時(shí)被選擇或消除.從學(xué)習(xí)的角度,這可以被描述為一種群體效應(yīng),即對(duì)高度相關(guān)的基因表達(dá)列產(chǎn)生相似大小的估計(jì)系數(shù).作為一種新的正則化方法,彈性網(wǎng)絡(luò)[7]及其各種推廣[8-9]能在構(gòu)建分類器的過(guò)程中激勵(lì)一種群體效應(yīng).然而,微陣列數(shù)據(jù)中往往含有數(shù)千個(gè),甚至數(shù)萬(wàn)個(gè)基因表達(dá)列,而且重要基因?qū)?yīng)的基因表達(dá)列可能與一些不重要基因表達(dá)列相關(guān).因此,根據(jù)基因表達(dá)列相關(guān)性來(lái)激勵(lì)群體效應(yīng)將有可能導(dǎo)致最終模型包含冗余的基因.如何消除被選擇群內(nèi)的冗余基因是當(dāng)前癌癥分類中的一個(gè)急需解決的問(wèn)題.

    在彈性網(wǎng)絡(luò)中,基因選擇是由彈性網(wǎng)絡(luò)懲罰的收縮自動(dòng)獲得的.因此,引入用于評(píng)估基因重要性的數(shù)據(jù)驅(qū)動(dòng)權(quán)重到L1-范數(shù)懲罰和L2-范數(shù)懲罰將會(huì)自適應(yīng)地控制著懲罰項(xiàng)的收縮,從而取得改進(jìn)的基因選擇性能[10-11].受 LARS 型自適應(yīng)彈性網(wǎng)絡(luò)[10]和順向坐標(biāo)下降算法的啟發(fā),本文提出了一種基于順向坐標(biāo)下降算法的自適應(yīng)彈性網(wǎng)絡(luò).該自適應(yīng)彈性網(wǎng)絡(luò)的一個(gè)突出優(yōu)點(diǎn)是能自適應(yīng)地成群選擇基因.此外,該自適應(yīng)彈性網(wǎng)絡(luò)能利用改進(jìn)的順向坐標(biāo)下降算法求解,大大提高了求解速度.將基于順向坐標(biāo)下降算法的自適應(yīng)彈性網(wǎng)絡(luò)應(yīng)用到急性白血病分類中去,取得較滿意的結(jié)果.

    1 問(wèn)題陳述

    給定一個(gè)訓(xùn)練樣本集{(xi,yi)},其中xi=(xi1,xi2,…,xip)T是輸入向量,yi∈{+1,- 1}是樣本標(biāo)簽,分類問(wèn)題就是學(xué)習(xí)一個(gè)判別規(guī)則f:Rp→{+1,-1},從而可以準(zhǔn)確地預(yù)測(cè)新樣本的標(biāo)簽.對(duì)于微陣列表達(dá)數(shù)據(jù),xi表示具有p個(gè)基因表達(dá)水平的第i個(gè)樣本,yi表示腫瘤類型.令y=(y1,y2,…,yn)T是響應(yīng)向量,X=(x(1),x(2),…,x(p))是由n個(gè)輸入向量按行排列組成的模型矩陣,其中x(j)=(x1j,x2j,…,xnj)T被稱為預(yù)測(cè)子.假設(shè)預(yù)測(cè)子是標(biāo)準(zhǔn)化的,響應(yīng)具有零均值,即

    根據(jù)通常的線性回歸模型[12],輸出響應(yīng)能被預(yù)測(cè)為

    式中:=(,…)T是被估計(jì)的系數(shù)向量.目標(biāo)是:1)準(zhǔn)確地預(yù)測(cè)新樣本的標(biāo)簽;2)選擇分類相關(guān)的重要基因.

    對(duì)于基于微陣列基因表達(dá)數(shù)據(jù)的癌癥分類問(wèn)題,大量的學(xué)習(xí)機(jī)器已經(jīng)被成功構(gòu)建,例如,支持向量機(jī)[2-3]、稀疏邏輯回歸[4-5]和彈性網(wǎng)絡(luò)[7].這些學(xué)習(xí)機(jī)器能被統(tǒng)一地歸納為正則化框架:

    式中:λ >0是正則化參數(shù);L(y,f(x))和J(λ,β)分別表示損失函數(shù)與懲罰,常用的損失函數(shù)有hinge損失、平方誤差損失、指數(shù)損失等,常用的懲罰有L1-范數(shù)懲罰、L2-范數(shù)懲罰、彈性網(wǎng)絡(luò)懲罰、SCAD懲罰等.結(jié)合彈性網(wǎng)絡(luò)懲罰與平方誤差損失,下面的彈性網(wǎng)絡(luò)模型被提出[7]:

    式中:λ>0,1>α>0是新的模型參數(shù).在固定α的前提下,順向坐標(biāo)下降算法可以用來(lái)迅速地求解彈性網(wǎng)絡(luò).

    2 PCD型自適應(yīng)彈性網(wǎng)絡(luò)

    作為一種新的正則化與變量選擇方法,彈性網(wǎng)絡(luò)能產(chǎn)生一個(gè)稀疏的統(tǒng)計(jì)學(xué)習(xí)模型,并能鼓勵(lì)一種群體效應(yīng).雖然彈性網(wǎng)絡(luò)彈極其推廣已經(jīng)被成功地應(yīng)用于癌癥分類和基因選擇,然而該方法并不區(qū)分選擇的基因群里基因的重要性,從而導(dǎo)致濾波模型中將包含冗余的基因.在本節(jié)中,將發(fā)展一種新型的統(tǒng)計(jì)學(xué)習(xí)工具來(lái)解決該問(wèn)題.

    2.1 統(tǒng)計(jì)模型

    對(duì)于彈性網(wǎng)絡(luò)(1)或(2),相同的權(quán)重1被加在懲罰項(xiàng)的不同的系數(shù)上.理想的狀況應(yīng)該是大的懲罰加在不重要的變量上,從而很容易地消除它,而小的懲罰被強(qiáng)加在重要的變量上,從而在模型中保持它.基于上述思想,提出自適應(yīng)彈性網(wǎng)絡(luò)懲罰的概念.

    給定訓(xùn)練集(xi,yi),i=1,2,…,n,假設(shè)一個(gè)初始估計(jì)子=(,,…,)可以獲得.不失一般性,進(jìn)一步假設(shè)預(yù)測(cè)子x(1),x(2),…,x(p)被恰當(dāng)排序,從而使得

    為簡(jiǎn)便起見,仍舊用X表示變換后的模型矩陣.由于的度量在某種程度上暗示基因j對(duì)分類器的貢獻(xiàn),因此||(j=1,2,…,p)能被用來(lái)粗略地評(píng)估基因的重要性.根據(jù)這個(gè)粗略的評(píng)價(jià)標(biāo)準(zhǔn),提出如下數(shù)據(jù)驅(qū)動(dòng)權(quán)重矩陣:

    式中:wj=||-1,通過(guò)引入權(quán)重系數(shù),提出如下自適應(yīng)彈性網(wǎng)絡(luò)懲罰:

    除了改進(jìn)基因選擇性能,提出自適應(yīng)彈性網(wǎng)絡(luò)(3)的另一個(gè)動(dòng)機(jī)是其能用順向下降算法求解(詳見2.3小節(jié)),從而大大減少了計(jì)算量.為了和其他類型的自適應(yīng)彈性網(wǎng)絡(luò)加以區(qū)別,把該學(xué)習(xí)機(jī)器命名為PCD型自適應(yīng)彈性網(wǎng)絡(luò).使用該學(xué)習(xí)機(jī)器必須首先確定一個(gè)初始估計(jì)子.隨著機(jī)器學(xué)習(xí)算法的快速發(fā)展,LASSO估計(jì)子、支持向量機(jī)的估計(jì)系數(shù)與彈性網(wǎng)絡(luò)估計(jì)子都可以很方便地求解,從而被用作初始估計(jì)子.考慮到這些方法都不可避免模型參數(shù)選擇的困難,從而需要花費(fèi)大量的計(jì)算和時(shí)間來(lái)確定正則化參數(shù)和核參數(shù).因此使用如下的單變量回歸估計(jì)子作為初始估計(jì)子.

    2.2 自適應(yīng)的基因選擇

    由于重要基因可能與一些不重要的基因相關(guān),因此彈性網(wǎng)絡(luò)的濾波模型中可能會(huì)包含冗余的基因.PCD型自適應(yīng)彈性網(wǎng)絡(luò)能鼓勵(lì)一種自適應(yīng)的群體效應(yīng),從而能消除一些不重要的基因.

    定理假設(shè)預(yù)測(cè)子x(1),x(2),…,x(p)是標(biāo)準(zhǔn)化的,響應(yīng)y具有零均值.對(duì)于 1≤j,l≤p,如果aen)(aen)>0,那么有

    證明 令

    由于式(4)是一個(gè)無(wú)約束的凸最優(yōu)化問(wèn)題,因此式(6)對(duì)非零系數(shù)≠0的子梯度滿足:

    對(duì)于≠0,由式(7)可得

    類似地,可得

    由于(aen)(aen)>0且(aen)=(1+λ2),因此sign()=sign().由式(9)減去式(10)可得

    由式(4)和式(6)可得

    從而

    由于x(1),x(2),…,x(p)是標(biāo)準(zhǔn)化的,因此很容易可得

    由式(11)、(12)和(13),可得

    把式(3)代入式(14)可得式(5).證畢.

    利用最小二乘回歸估計(jì)子(ols)作為初始估計(jì)子,Ghosh在2007年提出如下的自適應(yīng)彈性網(wǎng)絡(luò)[18]:

    式中:wj=|(ols)|-γ,γ >0是提前給定的常數(shù).利用彈性網(wǎng)絡(luò)(en)作為初始估計(jì)子并引入比例系數(shù),Zou在2009年提出如下的自適應(yīng)彈性網(wǎng)絡(luò)[19]:

    式中:wj=|(en)|-γ,γ >0是提前給定的常數(shù).雖然Ghosh的自適應(yīng)彈性網(wǎng)絡(luò)宣稱能激勵(lì)一種群體效應(yīng).然而所描述的群體效應(yīng)控制上限是涉及2個(gè)正則化參數(shù)的復(fù)雜式子,缺乏直接的生物可解釋性.因此,嚴(yán)格意義講,這2種學(xué)習(xí)機(jī)器不具有可解釋的群體變量選擇功能.提出的PCD型自適應(yīng)彈性網(wǎng)絡(luò)能通過(guò)評(píng)估基因重要性來(lái)自動(dòng)地辨識(shí)選擇的基因群的尺寸,從而激勵(lì)一種自適應(yīng)群體選擇效應(yīng).這種群體效應(yīng)的上限是用乘式表達(dá)的,每一個(gè)乘子都具有較明確的生物學(xué)含義.

    2.3 順向坐標(biāo)下降算法

    類似于彈性網(wǎng)絡(luò),LASSO、LARS和前向階梯等算法也能用來(lái)求解自適應(yīng)彈性網(wǎng)絡(luò).然而,彈性網(wǎng)絡(luò)和PCD型自適應(yīng)彈性網(wǎng)絡(luò)在增廣空間中有p+n個(gè)觀測(cè)子和p個(gè)預(yù)測(cè)子,而在微陣列基因表達(dá)數(shù)據(jù)中,一般說(shuō)來(lái)p是非常大的,因此,這些算法將導(dǎo)致巨額的計(jì)算量,有時(shí)甚至是計(jì)算上不可行的.與這些方法相比較,順向坐標(biāo)下降算法在處理這類數(shù)據(jù)時(shí)具有不可爭(zhēng)議的快速性.因此,選擇使用該算法來(lái)求解PCD型自適應(yīng)彈性網(wǎng)絡(luò).

    為了計(jì)算簡(jiǎn)便的目的,把PCD型自適應(yīng)彈性網(wǎng)絡(luò)(3)改寫為

    假設(shè)在l≠j時(shí),估計(jì)子可以獲得.目標(biāo)是獲得關(guān)于βj的部分最優(yōu)化.根據(jù)文獻(xiàn)[16],坐標(biāo)下降調(diào)整有如下形式:

    為了使用順向坐標(biāo)下降算法,必須首先選擇1個(gè)最小的正則化參數(shù)值λmin,并構(gòu)造1個(gè)從最大值λmax到最小值λmin對(duì)數(shù)下降的λ序列.典型的構(gòu)造方法是令K=100,λmin=ελmax,其中 ε =0.001.如果使用自己構(gòu)造的λ序列,那么不同的懲罰因子可以被加在每一個(gè)系數(shù)上,從而可以成功求解PCD型自適應(yīng)彈性網(wǎng)絡(luò)(15).具體求解步驟如下:

    2)設(shè)置順向坐標(biāo)下降算法的初始參數(shù)值:響應(yīng)類型、彈性網(wǎng)絡(luò)混合參數(shù)α、最小λ值和懲罰因子等參數(shù).

    3)利用順向坐標(biāo)下降算法求解具有懲罰因子w1,w2,…,wp的彈性網(wǎng)絡(luò).

    4)利用交叉檢驗(yàn)決定最優(yōu)模型的參數(shù).

    5)提取最優(yōu)模型的非零系數(shù)來(lái)構(gòu)建分類器,并確定非零系數(shù)對(duì)應(yīng)的基因.

    由于自適應(yīng)彈性網(wǎng)絡(luò)懲罰把一些系數(shù)收縮到零,因此在構(gòu)建分類器的同時(shí),實(shí)現(xiàn)了基因的自動(dòng)選擇,所需要做的是提取非零系數(shù)并決定與他們相對(duì)應(yīng)的基因名稱.在實(shí)驗(yàn)中,上述算法程序是用R語(yǔ)言寫的,但在執(zhí)行該程序時(shí),需要加載并使用“glmnet”工具包.R程序中的函數(shù)“as.character”被用來(lái)產(chǎn)生并測(cè)試基因性狀,函數(shù)“predict”和“coef”被聯(lián)合使用,從而提取估計(jì)模型中的非零系數(shù).

    由于相同的數(shù)據(jù)驅(qū)動(dòng)權(quán)重被同時(shí)加在1-范數(shù)懲罰系數(shù)和2-范數(shù)懲罰系數(shù)上,所以提出的自適應(yīng)彈性網(wǎng)絡(luò)可以用帶懲罰因子的順向坐標(biāo)下降算法來(lái)求解.在Ghosh和Zou自適應(yīng)彈性網(wǎng)絡(luò)中,由于僅有1-范數(shù)懲罰系數(shù)被賦予于權(quán)重,因此無(wú)法用該算法來(lái)求解.

    3 仿真實(shí)驗(yàn)與分析

    白血病基準(zhǔn)數(shù)據(jù)被用來(lái)驗(yàn)證所提方法的有效性.該基準(zhǔn)數(shù)據(jù)包含47個(gè)急性淋巴性白血病樣本和25個(gè)急性骨髓性白血病樣本,其中,每一個(gè)樣本包含7 129個(gè)基因表達(dá)值.實(shí)驗(yàn)的目的是:構(gòu)建診斷規(guī)則,區(qū)分這2種急性白血病.基準(zhǔn)數(shù)據(jù)的訓(xùn)練集中包含27個(gè)急性淋巴性白血病樣本和11個(gè)急性骨髓性白血病樣本,余下的34個(gè)樣本用來(lái)測(cè)試診斷規(guī)則的預(yù)測(cè)精度.為了能使用回歸模型來(lái)處理二分類問(wèn)題,把白血病編碼為 0-1影響,并定義分類函數(shù)為I(>0.5),其中I(·)是指示函數(shù).

    第1個(gè)實(shí)驗(yàn)評(píng)估了彈性網(wǎng)絡(luò)和PCD型自適應(yīng)彈性網(wǎng)絡(luò)的預(yù)測(cè)性能.為此,給定的72個(gè)樣本數(shù)據(jù)被隨機(jī)地劃分成10個(gè)部分,使得每一部分所含樣本個(gè)數(shù)基本相等,然后計(jì)算這2種學(xué)習(xí)機(jī)器的10重交叉檢驗(yàn)均方預(yù)測(cè)誤差,并以此來(lái)評(píng)估他們的預(yù)測(cè)性能.圖1給出了這2種學(xué)習(xí)機(jī)器的交叉檢驗(yàn)預(yù)測(cè)誤差曲線.由圖1易知,PCD型自適應(yīng)彈性網(wǎng)絡(luò)能明顯改進(jìn)彈性網(wǎng)絡(luò)的預(yù)測(cè)性能.這種現(xiàn)象可以從基因選擇的角度給出解釋.在基準(zhǔn)白血病數(shù)據(jù)中,基因M23197_at、M27891_at和 M63138_at具有高度相關(guān)的表達(dá)列,并且這些表達(dá)列和基因M31303_rnal_at的表達(dá)列高度負(fù)相關(guān);因此這4個(gè)基因在彈性網(wǎng)絡(luò)和PCD型自適應(yīng)彈性網(wǎng)絡(luò)中,被作為一個(gè)基因群被同時(shí)選擇.基因 M22324_at的表達(dá)列與基因M92287_at和X74262_at的表達(dá)列高度負(fù)相關(guān);因此,這3個(gè)基因作為一個(gè)基因群被彈性網(wǎng)絡(luò)同時(shí)選擇.然而,基因M22324_at并不對(duì)分類產(chǎn)生很大影響,PCD型自適應(yīng)彈性網(wǎng)絡(luò)通過(guò)評(píng)估基因重要性,把不重要基因M22324_at從該群中消除出去.這種自適應(yīng)的群體基因選擇解釋了PCD自適應(yīng)彈性網(wǎng)絡(luò)取得好的預(yù)測(cè)精度的原因.

    圖1 10重交叉檢驗(yàn)預(yù)測(cè)誤差曲線Fig.1 Curve of tenfold cross-validated prediction error

    第2個(gè)實(shí)驗(yàn)比較了LARS算法和順向坐標(biāo)下降算法的運(yùn)算速度.在配置為 Pentium(R)D CPU 3.4 GHz,3.39 GHz、內(nèi)存1.00 GB的雙核戴爾計(jì)算機(jī)上,利用LARS算法求解100步的彈性網(wǎng)絡(luò)[7]和LARS型自適應(yīng)彈性網(wǎng)絡(luò)[10]大約需要2~3 min;而用順向坐標(biāo)下降算法求解K=100的PCD型自適應(yīng)彈性網(wǎng)絡(luò),只需要30 s左右.

    4 結(jié)束語(yǔ)

    PCD型自適應(yīng)彈性網(wǎng)絡(luò)通過(guò)引入恰當(dāng)?shù)臋?quán)重,改進(jìn)了彈性網(wǎng)絡(luò)的基因選擇、計(jì)算速度等性能.與Ghosh自適應(yīng)彈性網(wǎng)絡(luò)、Zou自適應(yīng)彈性網(wǎng)絡(luò)等統(tǒng)計(jì)學(xué)習(xí)模型相比,PCD型自適應(yīng)彈性網(wǎng)絡(luò)更能激勵(lì)一種群體基因選擇效應(yīng).與LARS型自適應(yīng)彈性網(wǎng)絡(luò)相比,PCD型自適應(yīng)彈性網(wǎng)絡(luò)能大大提高了計(jì)算速度.本文僅使用1個(gè)微陣列數(shù)據(jù)集來(lái)驗(yàn)證PCD型自適應(yīng)彈性網(wǎng)絡(luò)的有效性,因此在更多的數(shù)據(jù)集上來(lái)檢驗(yàn)其性能并給出其合理的生物學(xué)解釋是接下來(lái)要做的工作.

    [1]GOLUB T R,SLONIM D K,TAMAYO P,et al.Molecular classification of cancer:class discovery and class prediction by gene expression monitoring[J].Science,1999,286(5439):531-536.

    [2]GUYON I,WESTON J,BARNHILL S,VAPNIK V.Gene selection for cancer classification using support vector machines[J].Machine Learning,2002,46(1):389-422.

    [3]ZHU J,ROSSET S,HASTIE T,TIBSHIRANI R.1-norm support vector machines[J].Advances in Neural Information Processing Systems,2004,16(1):49-56.

    [4]SHEVADE S K,KEERTHI S S.A simple and efficient algorithm for gene selection using sparse logistic regression[J].Bioinformatics,2006,19(17):2246-2253.

    [5]CAWLEY G C,TALBOT N L C.Gene selection in cancer classification using sparse logistic regression with Bayesian regularization[J].Bioinformatics,2006,22(19):2348-2355.

    [6]TIBSHIRANI R.Regression shrinkage and selection via the lasso[J].Journal of the Royal Statistical Society:Series B,1996,58(1):267-288.

    [7]ZOU Hui,HASTIE T.Regularization and variable selection via the elastic net[J].Journal of the Royal Statistical Society:Series B,2005,67:301-320.

    [8]WANG Li,ZHU Ji,ZOU Hui.The doubly regularized support vector machine[J].Statistica Sinica,2006,16(2):589-615.

    [9]李鈞濤,賈英民.用于微陣列分類的Huberized多類支持向量機(jī)[J]. 自動(dòng)化學(xué)報(bào),2010,36(3):399-405.

    LI Juntao,JIA Yingmin.Huberized multi-class support vector machine for microarray classification[J].Acta Automatica Sinica,2010,36(3):399-405.

    [10]李鈞濤,賈英民.用于癌癥分類與基因選擇的一種改進(jìn)的彈性網(wǎng)絡(luò)[J]. 自動(dòng)化學(xué)報(bào),2010,36(7):976-981.

    LI Juntao,JIA Yingmin.An improved elastic net for cancer classification and gene selection[J].Acta Automatica Sinica,2010,36(7):976-981.

    [11]LI Juntao,JIA Yingmin,DU Junping,YU Fashan.A new support vector machine for microarray classification and adaptive gene selection[C]//2009 American Control Conference.St.Louis,USA:5410-5415.

    [12]EGAL M,DAHLQUIST K,CONKLIN B.Regression approaches for microarray data analysis[J].Journal of Computational Biology,2003,10(6):961-980.

    [13]VAPNIK V.The nature of statistical learning theory[M].New York:Springer,1995:1-60.

    [14]EFRON B,HASTIE T,JOHNSTON I,TIBSHIRANI R.Least angle regression[J].Annals of Statistics,2004,32(2):407-499.

    [15]陳曉峰,王士同,曹蘇群.半監(jiān)督多標(biāo)記學(xué)習(xí)的基因功能分析[J]. 智能系統(tǒng)學(xué)報(bào),2008,3(1):83-90.

    CHEN Xiaofeng, WANG Shitong, CAO Suqun.Gene function analysis of semi-supervised multi-label learning[J].CAAI Transactions on Intelligent Systems,2008,3(1):83-90.

    [16]FRIEDMAN J,HASTIE T,TIBSHIRANI R.Regularization paths for generalized linear models via coordinate descent[R].Palo Alto,USA:Standford University,2008.

    [17]FRIEDMAN J,HASTIE T,HóFLING H,TIBSHIRANI R.Pathwise coordinate optimization[J].Annals of Applied Statistics,2007,1(2):302-332.

    [18]GHOSH S.Adaptive elastic net:an improvement of elastic net to achieve oracle properties:IUPUI tech report No.pr07-01[R].Indianapolis,USA:Department of Mathematical Sciences,Indiana University-Purdue University,2007.

    [19]ZOU H,ZHANG H H.On the adaptive elastic net with a diverging number of parameters[J].Annals of Statistics,2009,37(4):1733-1751.

    李鈞濤,男,1978年生,講師、博士.主要研究方向?yàn)橹悄芸刂啤⒔y(tǒng)計(jì)學(xué)習(xí)及其在生物信息學(xué)中的應(yīng)用.

    賈英民,男,1958年生,教授、博士生導(dǎo)師,教育部“長(zhǎng)江學(xué)者”特聘教授,中國(guó)科學(xué)院系統(tǒng)控制重點(diǎn)實(shí)驗(yàn)室學(xué)術(shù)委員會(huì)委員,中國(guó)人工智能學(xué)會(huì)智能空天系統(tǒng)專業(yè)委員會(huì)主任,中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)副主任,中國(guó)航空學(xué)會(huì)控制理論與應(yīng)用專業(yè)委員會(huì)副主任.主要研究方向?yàn)轸敯艨刂?、自適應(yīng)控制、智能控制及其在車輛系統(tǒng)和工業(yè)過(guò)程中的應(yīng)用.承擔(dān)國(guó)家“973”計(jì)劃、“863”計(jì)劃,國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目、科學(xué)儀器專項(xiàng),面上項(xiàng)目,國(guó)防基礎(chǔ)科研項(xiàng)目,教育部高校博士點(diǎn)基金等20余項(xiàng).國(guó)家杰出青年科學(xué)基金獲得者,國(guó)家“百千萬(wàn)人才工程”第一、二層次人選.發(fā)表學(xué)術(shù)論文120余篇,出版專著1部,申請(qǐng)專利10余項(xiàng).

    Applying a PCD adaptive elastic net in microarray classification

    LI Jun-tao,JIA Ying-min
    (The Seventh Research Division,Beihang University,Beijing 100191,China)

    An adaptive elastic net was proposed,based on a pathwise coordinate descent(PCD)algorithm,to select genes important for cancer classification.By introducing data-driven weights,the proposed adaptive elastic net can adaptively select genes in groups in the process of building classifiers.It thus produces a sparse learning model with enhanced interpretability.Furthermore,by introducing penalty factors,the pathwise coordinate descent algorithm was improved,solving the adaptive elastic net more efficiently.Experimental results from leukemia classification verified the proposed method.

    cancer classification;gene selection;elastic net;pathwise coordinate descent algorithm;microarray classification

    TP273

    A

    1673-4785(2010)03-0227-06

    10.3969/j.issn.1673-4785.2010.03.004

    2009-12-14.

    國(guó)家自然科學(xué)基金資助項(xiàng)目(60727002,60774003,60850004);國(guó)家“973”計(jì)劃資助項(xiàng)目(2005CB321902);國(guó)防基礎(chǔ)研究資助項(xiàng)目(A2120061303).

    李鈞濤.E-mail:juntaolimail@yahoo.com.cn.

    猜你喜歡
    懲罰彈性分類
    為什么橡膠有彈性?
    軍事文摘(2021年18期)2021-12-02 01:28:12
    為什么橡膠有彈性?
    分類算一算
    注重低頻的細(xì)節(jié)與彈性 KEF KF92
    神的懲罰
    小讀者(2020年2期)2020-03-12 10:34:06
    Jokes笑話
    彈性?shī)A箍折彎模的改進(jìn)
    模具制造(2019年4期)2019-06-24 03:36:40
    分類討論求坐標(biāo)
    數(shù)據(jù)分析中的分類討論
    懲罰
    毛片一级片免费看久久久久| 国产一级毛片七仙女欲春2| 91久久精品电影网| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 欧美xxxx性猛交bbbb| av.在线天堂| 欧美97在线视频| 精品99又大又爽又粗少妇毛片| 人妻少妇偷人精品九色| av在线天堂中文字幕| 国产亚洲91精品色在线| 国产极品天堂在线| 国产一级毛片七仙女欲春2| 日本wwww免费看| 国精品久久久久久国模美| 色视频www国产| 欧美一级a爱片免费观看看| 大陆偷拍与自拍| 成人国产麻豆网| 国精品久久久久久国模美| 国产单亲对白刺激| 国产色爽女视频免费观看| 尤物成人国产欧美一区二区三区| 久久99热6这里只有精品| 亚洲精品乱久久久久久| eeuss影院久久| 亚洲精品,欧美精品| 亚洲欧美日韩无卡精品| 一级a做视频免费观看| 免费观看的影片在线观看| 狠狠精品人妻久久久久久综合| 一个人看视频在线观看www免费| 永久免费av网站大全| 国产欧美另类精品又又久久亚洲欧美| 亚洲国产精品成人久久小说| 午夜免费男女啪啪视频观看| 国产一区二区三区av在线| 精品久久国产蜜桃| 好男人在线观看高清免费视频| av在线老鸭窝| 三级国产精品欧美在线观看| 欧美另类一区| 成人鲁丝片一二三区免费| 亚洲精品一二三| freevideosex欧美| 嫩草影院新地址| 成人二区视频| www.av在线官网国产| 亚洲真实伦在线观看| 精品久久久久久久久av| 水蜜桃什么品种好| 国产午夜精品一二区理论片| 亚洲精品久久久久久婷婷小说| 一级片'在线观看视频| 欧美成人一区二区免费高清观看| 国产美女午夜福利| 国产综合精华液| 综合色av麻豆| 国产av不卡久久| 亚州av有码| 一级二级三级毛片免费看| 日韩亚洲欧美综合| 真实男女啪啪啪动态图| 午夜福利在线观看免费完整高清在| 亚洲av成人精品一二三区| 777米奇影视久久| 人人妻人人澡欧美一区二区| 亚洲精品视频女| 国产永久视频网站| 日韩精品青青久久久久久| 国产亚洲91精品色在线| 亚洲最大成人手机在线| 啦啦啦韩国在线观看视频| 99视频精品全部免费 在线| 成人国产麻豆网| 免费观看无遮挡的男女| 欧美高清性xxxxhd video| 熟妇人妻久久中文字幕3abv| 在线观看一区二区三区| 亚洲精品国产av成人精品| 国产精品麻豆人妻色哟哟久久 | 成人午夜高清在线视频| 久久精品国产鲁丝片午夜精品| 国产老妇女一区| 久久久久久久久大av| 一本久久精品| 成人欧美大片| ponron亚洲| 久久久久久久午夜电影| 人妻系列 视频| 久久久精品免费免费高清| 亚洲精品视频女| 深爱激情五月婷婷| 久久精品国产亚洲av天美| 最近中文字幕2019免费版| 七月丁香在线播放| 简卡轻食公司| 国产精品99久久久久久久久| 国产伦精品一区二区三区视频9| 亚洲国产最新在线播放| 成人一区二区视频在线观看| 少妇人妻一区二区三区视频| 精品久久久精品久久久| 少妇的逼水好多| 汤姆久久久久久久影院中文字幕 | 国产色爽女视频免费观看| 我的老师免费观看完整版| 色哟哟·www| 午夜激情福利司机影院| 人人妻人人看人人澡| 亚洲乱码一区二区免费版| 国产高清有码在线观看视频| 最近最新中文字幕大全电影3| av在线蜜桃| av一本久久久久| 建设人人有责人人尽责人人享有的 | 全区人妻精品视频| 综合色av麻豆| 亚洲av在线观看美女高潮| 一级毛片黄色毛片免费观看视频| 日韩强制内射视频| 高清毛片免费看| 三级男女做爰猛烈吃奶摸视频| 日韩三级伦理在线观看| 久久精品久久久久久久性| 人妻制服诱惑在线中文字幕| 爱豆传媒免费全集在线观看| 人妻系列 视频| 搞女人的毛片| 精品人妻视频免费看| 中文字幕免费在线视频6| 国产黄色视频一区二区在线观看| 啦啦啦啦在线视频资源| 免费黄频网站在线观看国产| 日韩国内少妇激情av| 欧美xxⅹ黑人| 国内揄拍国产精品人妻在线| 精品午夜福利在线看| 深爱激情五月婷婷| 日韩av在线大香蕉| 久久久久九九精品影院| 免费在线观看成人毛片| 一级毛片aaaaaa免费看小| 永久网站在线| 综合色丁香网| 日日啪夜夜爽| 国产男女超爽视频在线观看| 在线观看一区二区三区| 一级二级三级毛片免费看| 国产老妇伦熟女老妇高清| 久久久久久久久久久丰满| 天天一区二区日本电影三级| 男女啪啪激烈高潮av片| 最近最新中文字幕免费大全7| 毛片一级片免费看久久久久| 日本黄色片子视频| 80岁老熟妇乱子伦牲交| 人人妻人人澡人人爽人人夜夜 | 七月丁香在线播放| 亚洲欧美日韩卡通动漫| 韩国高清视频一区二区三区| 啦啦啦韩国在线观看视频| 成年女人看的毛片在线观看| 日韩伦理黄色片| 亚洲最大成人av| 国产亚洲精品久久久com| 日本黄色片子视频| 日韩欧美一区视频在线观看 | 国产一区二区三区av在线| 一级毛片久久久久久久久女| 久99久视频精品免费| 国产大屁股一区二区在线视频| 99久久九九国产精品国产免费| 2022亚洲国产成人精品| 五月玫瑰六月丁香| 久久久久九九精品影院| 免费黄频网站在线观看国产| 欧美最新免费一区二区三区| 中文字幕av成人在线电影| 色吧在线观看| 一区二区三区免费毛片| 久久精品久久久久久久性| 91精品一卡2卡3卡4卡| 日韩av在线免费看完整版不卡| 亚州av有码| 18禁裸乳无遮挡免费网站照片| 亚洲成人一二三区av| 少妇的逼水好多| 午夜日本视频在线| 日韩av免费高清视频| 婷婷色综合www| 非洲黑人性xxxx精品又粗又长| 成人综合一区亚洲| 国产高清不卡午夜福利| 久久精品国产自在天天线| av卡一久久| 美女被艹到高潮喷水动态| eeuss影院久久| 国产片特级美女逼逼视频| 亚洲精华国产精华液的使用体验| 亚洲真实伦在线观看| 综合色丁香网| 韩国高清视频一区二区三区| 亚洲在久久综合| 我的女老师完整版在线观看| 免费看日本二区| 身体一侧抽搐| 亚洲国产最新在线播放| 国产一区二区三区综合在线观看 | 亚洲国产精品国产精品| 高清视频免费观看一区二区 | 女人十人毛片免费观看3o分钟| 女的被弄到高潮叫床怎么办| 人妻一区二区av| 神马国产精品三级电影在线观看| 精品一区在线观看国产| 丝袜喷水一区| 亚洲自拍偷在线| 午夜免费激情av| 色5月婷婷丁香| 久久久久久久久久黄片| 国产91av在线免费观看| 欧美一级a爱片免费观看看| 午夜福利成人在线免费观看| 亚洲丝袜综合中文字幕| 国产大屁股一区二区在线视频| 九草在线视频观看| 日韩伦理黄色片| av卡一久久| 久久久久久久亚洲中文字幕| 国产黄色免费在线视频| 久久久久久国产a免费观看| 国产人妻一区二区三区在| av在线老鸭窝| 亚洲av国产av综合av卡| 两个人视频免费观看高清| 国产成人a区在线观看| 亚洲精品日韩在线中文字幕| av一本久久久久| 婷婷色av中文字幕| 久久久久久久久久人人人人人人| 精品久久国产蜜桃| 国产人妻一区二区三区在| 免费看不卡的av| 日韩伦理黄色片| 国产片特级美女逼逼视频| 91狼人影院| 国产成人免费观看mmmm| 99热全是精品| 成人高潮视频无遮挡免费网站| 亚洲av.av天堂| 亚洲最大成人手机在线| 亚洲丝袜综合中文字幕| 91av网一区二区| 国产免费视频播放在线视频 | 黄色一级大片看看| 自拍偷自拍亚洲精品老妇| 欧美性感艳星| 亚洲在线观看片| 国产男女超爽视频在线观看| 色综合亚洲欧美另类图片| 18禁在线无遮挡免费观看视频| av黄色大香蕉| 黄色配什么色好看| 日韩三级伦理在线观看| 久久精品国产亚洲av天美| 国产三级在线视频| 在线免费观看不下载黄p国产| 免费av不卡在线播放| 中文精品一卡2卡3卡4更新| 在线免费十八禁| 国产精品不卡视频一区二区| 97人妻精品一区二区三区麻豆| 毛片一级片免费看久久久久| 午夜久久久久精精品| 男女啪啪激烈高潮av片| 免费观看无遮挡的男女| 成人美女网站在线观看视频| 亚洲欧洲国产日韩| 简卡轻食公司| 岛国毛片在线播放| 欧美精品国产亚洲| 最后的刺客免费高清国语| av在线老鸭窝| 亚洲激情五月婷婷啪啪| 搡老妇女老女人老熟妇| 极品少妇高潮喷水抽搐| 久久热精品热| 国产欧美另类精品又又久久亚洲欧美| 少妇熟女欧美另类| 免费大片黄手机在线观看| 一级毛片 在线播放| 非洲黑人性xxxx精品又粗又长| 亚洲欧美日韩东京热| 国产不卡一卡二| 亚洲精品国产av成人精品| 成人一区二区视频在线观看| 亚洲精品亚洲一区二区| 啦啦啦中文免费视频观看日本| 成人鲁丝片一二三区免费| 日韩,欧美,国产一区二区三区| 91久久精品国产一区二区三区| 男女那种视频在线观看| 在线免费观看的www视频| 成年av动漫网址| 亚洲自拍偷在线| 97精品久久久久久久久久精品| 国产一级毛片七仙女欲春2| 午夜福利在线观看吧| 看免费成人av毛片| 啦啦啦中文免费视频观看日本| 欧美日本视频| 青春草亚洲视频在线观看| 久久精品熟女亚洲av麻豆精品 | 99热6这里只有精品| 国产女主播在线喷水免费视频网站 | 欧美极品一区二区三区四区| 3wmmmm亚洲av在线观看| 亚洲国产成人一精品久久久| 国产精品无大码| 韩国av在线不卡| 免费大片黄手机在线观看| 在线观看一区二区三区| 日本免费a在线| 真实男女啪啪啪动态图| 日日撸夜夜添| 久久久a久久爽久久v久久| 亚洲欧洲国产日韩| 高清毛片免费看| 免费看a级黄色片| 午夜精品在线福利| .国产精品久久| 日日摸夜夜添夜夜爱| 青春草视频在线免费观看| 97超视频在线观看视频| 99热这里只有是精品50| 五月玫瑰六月丁香| 啦啦啦韩国在线观看视频| 国产男人的电影天堂91| 联通29元200g的流量卡| 精品久久国产蜜桃| 天堂影院成人在线观看| 国产三级在线视频| 一本久久精品| 亚洲精华国产精华液的使用体验| 国产成人免费观看mmmm| 51国产日韩欧美| 日韩欧美 国产精品| 在线 av 中文字幕| 久久热精品热| 亚洲精品成人av观看孕妇| 成人毛片a级毛片在线播放| 一本一本综合久久| 亚洲第一区二区三区不卡| 亚洲va在线va天堂va国产| 精品不卡国产一区二区三区| 春色校园在线视频观看| av在线蜜桃| 老司机影院成人| 国产一级毛片七仙女欲春2| 春色校园在线视频观看| 两个人的视频大全免费| 最近2019中文字幕mv第一页| 婷婷色麻豆天堂久久| 在线免费观看不下载黄p国产| 日韩av不卡免费在线播放| 乱系列少妇在线播放| 男的添女的下面高潮视频| 国产老妇伦熟女老妇高清| 三级国产精品欧美在线观看| 水蜜桃什么品种好| 国产亚洲5aaaaa淫片| 久久人人爽人人片av| 亚洲精品乱码久久久久久按摩| 亚洲人与动物交配视频| 国产三级在线视频| 特大巨黑吊av在线直播| 亚洲av成人精品一二三区| 日本黄色片子视频| 日本色播在线视频| 别揉我奶头 嗯啊视频| 亚洲成人精品中文字幕电影| 春色校园在线视频观看| 免费av不卡在线播放| 一个人免费在线观看电影| 秋霞伦理黄片| 美女国产视频在线观看| 99热6这里只有精品| 夫妻性生交免费视频一级片| 搡老妇女老女人老熟妇| 欧美变态另类bdsm刘玥| 一级毛片久久久久久久久女| 少妇高潮的动态图| 亚洲va在线va天堂va国产| 天堂中文最新版在线下载 | 午夜激情福利司机影院| 国产三级在线视频| 亚洲精品国产av蜜桃| 又大又黄又爽视频免费| 精品人妻一区二区三区麻豆| 爱豆传媒免费全集在线观看| 午夜免费观看性视频| 一级毛片电影观看| 亚洲在久久综合| 日日摸夜夜添夜夜爱| 免费av不卡在线播放| 午夜免费激情av| 大话2 男鬼变身卡| 99热全是精品| 美女主播在线视频| 亚洲天堂国产精品一区在线| 又粗又硬又长又爽又黄的视频| 国产伦精品一区二区三区四那| 精品一区在线观看国产| 日本熟妇午夜| 一级毛片我不卡| 欧美xxⅹ黑人| 一级黄片播放器| 国产 一区精品| 欧美成人午夜免费资源| 国产成人91sexporn| 久久久久久久大尺度免费视频| av网站免费在线观看视频 | 真实男女啪啪啪动态图| 日本色播在线视频| 国产中年淑女户外野战色| 2021天堂中文幕一二区在线观| 久久草成人影院| 久久这里只有精品中国| 精品久久久噜噜| 一级a做视频免费观看| 九九久久精品国产亚洲av麻豆| 欧美成人精品欧美一级黄| 精品国产三级普通话版| 日日啪夜夜爽| 九色成人免费人妻av| 18+在线观看网站| 一夜夜www| 国产精品一区二区在线观看99 | 中文字幕免费在线视频6| 日韩制服骚丝袜av| 丝瓜视频免费看黄片| 91av网一区二区| 国产淫片久久久久久久久| 国产精品久久久久久久电影| 亚洲高清免费不卡视频| 不卡视频在线观看欧美| 国产视频首页在线观看| 极品少妇高潮喷水抽搐| 深夜a级毛片| 丝瓜视频免费看黄片| 久久久久久久久久黄片| 18+在线观看网站| 国产av国产精品国产| 插逼视频在线观看| 亚洲欧美中文字幕日韩二区| 少妇人妻一区二区三区视频| 国产在视频线在精品| 床上黄色一级片| 日日摸夜夜添夜夜添av毛片| 日韩av在线大香蕉| 亚洲欧美一区二区三区黑人 | 亚洲怡红院男人天堂| 国产成人精品一,二区| 国产精品日韩av在线免费观看| 2018国产大陆天天弄谢| 高清在线视频一区二区三区| 26uuu在线亚洲综合色| 免费看av在线观看网站| 人妻夜夜爽99麻豆av| 一区二区三区乱码不卡18| 欧美区成人在线视频| 性插视频无遮挡在线免费观看| 国内精品一区二区在线观看| 搡老妇女老女人老熟妇| 国产伦在线观看视频一区| 久久久精品94久久精品| 日韩电影二区| 国产 亚洲一区二区三区 | 欧美成人精品欧美一级黄| 亚洲国产精品专区欧美| a级一级毛片免费在线观看| 搡老妇女老女人老熟妇| 亚洲电影在线观看av| 一级黄片播放器| 国内揄拍国产精品人妻在线| 免费人成在线观看视频色| 综合色丁香网| 亚洲国产高清在线一区二区三| 亚洲精品第二区| 成人国产麻豆网| 大又大粗又爽又黄少妇毛片口| 成人漫画全彩无遮挡| 国产精品1区2区在线观看.| av女优亚洲男人天堂| 精品人妻视频免费看| 老师上课跳d突然被开到最大视频| 男女边吃奶边做爰视频| 黄色一级大片看看| av女优亚洲男人天堂| 亚洲精品日韩av片在线观看| 亚洲av成人精品一区久久| 国产精品精品国产色婷婷| 久久久久久久久久久免费av| 在线免费十八禁| 五月伊人婷婷丁香| 大又大粗又爽又黄少妇毛片口| 日本免费a在线| 亚洲国产高清在线一区二区三| 日韩一区二区三区影片| 美女国产视频在线观看| 91精品一卡2卡3卡4卡| 精品久久久久久久末码| 精品人妻偷拍中文字幕| 九九爱精品视频在线观看| 国产成人福利小说| 色综合色国产| 国产精品美女特级片免费视频播放器| 婷婷色综合大香蕉| 精品国内亚洲2022精品成人| 两个人视频免费观看高清| 国产免费福利视频在线观看| 亚洲成人一二三区av| 久久久久久久久久黄片| 99re6热这里在线精品视频| 亚洲综合精品二区| 亚洲真实伦在线观看| 中文字幕人妻熟人妻熟丝袜美| 亚洲精品国产成人久久av| 亚洲av二区三区四区| 国产黄色视频一区二区在线观看| 搡女人真爽免费视频火全软件| a级一级毛片免费在线观看| 卡戴珊不雅视频在线播放| 久久久久久九九精品二区国产| 午夜精品国产一区二区电影 | 国产黄片视频在线免费观看| 三级国产精品欧美在线观看| 特大巨黑吊av在线直播| 精品久久久久久久久av| h日本视频在线播放| 国产麻豆成人av免费视频| 久久久久精品久久久久真实原创| 亚洲av中文字字幕乱码综合| 18禁在线无遮挡免费观看视频| 午夜日本视频在线| 亚洲天堂国产精品一区在线| 久久综合国产亚洲精品| 国产午夜福利久久久久久| 亚洲一区高清亚洲精品| 日韩三级伦理在线观看| 亚洲最大成人中文| 亚洲欧美中文字幕日韩二区| 婷婷六月久久综合丁香| 91精品一卡2卡3卡4卡| 亚洲欧美清纯卡通| 日本色播在线视频| 可以在线观看毛片的网站| 一个人观看的视频www高清免费观看| 日韩一本色道免费dvd| 国产在线一区二区三区精| 听说在线观看完整版免费高清| 全区人妻精品视频| 91精品国产九色| 国产成人福利小说| av天堂中文字幕网| 久久99热6这里只有精品| 亚洲精品色激情综合| 内射极品少妇av片p| 国产老妇伦熟女老妇高清| 免费播放大片免费观看视频在线观看| 久久久久久久久中文| 丰满少妇做爰视频| 自拍偷自拍亚洲精品老妇| 亚洲在线自拍视频| 亚洲aⅴ乱码一区二区在线播放| 午夜福利高清视频| 精品人妻一区二区三区麻豆| 久久综合国产亚洲精品| 永久免费av网站大全| 久久精品久久久久久久性| 国产伦精品一区二区三区视频9| 亚洲av成人精品一区久久| 久久久久久久久久黄片| av国产久精品久网站免费入址| 日本黄大片高清| 久久久久性生活片| 亚洲国产av新网站| 青春草视频在线免费观看| 亚洲av电影在线观看一区二区三区 | 在线免费观看不下载黄p国产| 黄片无遮挡物在线观看| 色尼玛亚洲综合影院| 亚洲18禁久久av| 尾随美女入室| 久久午夜福利片| 成人毛片60女人毛片免费| 国产成人aa在线观看| 中文欧美无线码| 国产在线一区二区三区精| 2018国产大陆天天弄谢| 亚洲性久久影院| 一区二区三区免费毛片| 午夜福利网站1000一区二区三区| 99热这里只有是精品在线观看| 男女下面进入的视频免费午夜| 日本一本二区三区精品| 国产视频首页在线观看| 黄色一级大片看看| 日韩亚洲欧美综合| 精品人妻视频免费看| 观看免费一级毛片| 我要看日韩黄色一级片| 一个人看的www免费观看视频| 国产淫片久久久久久久久|