• <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 ?

    粒子群算法優(yōu)化雙核支持向量機及應(yīng)用*

    2014-02-19 04:18:38聶立新張?zhí)靷b
    振動、測試與診斷 2014年3期
    關(guān)鍵詞:分率徑向尺度

    聶立新, 張?zhí)靷b, 趙 波

    (1.東北大學(xué)機械工程與自動化學(xué)院 沈陽,110819) (2.河南理工大學(xué)機械與動力工程學(xué)院 焦作,454000)

    引 言

    支持向量機[1](support vector machine,簡稱SVM)是一種基于統(tǒng)計學(xué)的VC維理論和結(jié)構(gòu)風(fēng)險最小化原理的小樣本學(xué)習(xí)方法,在模式分類上具有良好的泛化性能。支持向量機的理論基礎(chǔ)已經(jīng)較為完善,但在具體應(yīng)用中,必須慎重處理如何選擇核函數(shù)和控制參數(shù)的問題。常用的核函數(shù)有多項式核函數(shù)、徑向基核函數(shù)以及多層感知器核函數(shù)等三種[2],針對不同的數(shù)據(jù)集,核函數(shù)的表現(xiàn)也不盡相同。以支持向量機的交叉驗證正分率為目標(biāo)函數(shù),使用常用的優(yōu)化方法均可搜索到支持向量機控制參數(shù)的較優(yōu)值,但未必是全局最優(yōu)解。

    筆者提出了一種用并行定向變異粒子群優(yōu)化算法去優(yōu)選雙尺度徑向基核支持向量機的控制參數(shù)的方法,用標(biāo)準(zhǔn)數(shù)據(jù)集驗證了該方法的效果,并應(yīng)用于發(fā)動機的故障診斷。

    1 核方法與支持向量機

    1.1 核方法

    核方法[3]是解決非線性模式識別問題的有效途徑,它利用較為簡單的核函數(shù)運算,既避免了在特征空間的復(fù)雜內(nèi)積運算,又避免了特征空間(學(xué)習(xí)機器)本身的設(shè)計。設(shè)原空間數(shù)據(jù)集S=,其中:xi屬于輸入空間X?Rn;yi屬于輸出空間Y?Rm。通過一個非線性映射

    將原空間輸入數(shù)據(jù)映射到新的特征空間F={Φ(x)|x∈X},其中:F?Rn。該映射將原空間數(shù)據(jù)集轉(zhuǎn)化為特征空間的數(shù)據(jù)集

    核方法利用上述映射將原空間非線性可分的問題轉(zhuǎn)化為特征空間線性可分或近似線性可分的問題,并且可分性的優(yōu)劣取決于核函數(shù)的選取是否合適。目前,核函數(shù)選取的研究主要有3個方面。

    1)構(gòu)造特定的單核函數(shù)。文獻[4]則將小波核函數(shù)用于支持向量機的決策和分類,對于某具體問題,總有一種核函數(shù)對其有良好的表達能力。

    3)多尺度核方法。該方法是多核合成方法的特例,所采用的原始核km(x,z)均為同一核函數(shù),但核參數(shù)各不相同。這種方法靈活性很強,能夠提供更完備的尺度選擇。多尺度核方法的關(guān)鍵是找到一組具有多尺度表達能力的核函數(shù),并且核函數(shù)組合能夠最大限度地區(qū)分不同類別的樣本。常用的多尺度核函數(shù)有徑向基核函數(shù)和小波核函數(shù)等。

    1.2 支持向量機

    支持向量機是一種典型的核學(xué)習(xí)方法,有力地推動了核方法的應(yīng)用,其求解模型為

    其中:C≥0為懲罰參數(shù),起平衡區(qū)間距離最大化和分類誤差最小化的作用。

    式(4)可轉(zhuǎn)化為以下對偶問題

    (s.t.yTα=0;0≤αi≤C;i=1,2,…,l)其中:e=[1,1,…,1]T;Q為l×l半正定矩陣,其中Qi,j=y(tǒng)iyjK(xi,xj),K(xi,xj)=φ(xi)Tφ(xj)為核函數(shù)。

    理論上,支持向量機只能解決“非此即彼”的二分類問題。工程應(yīng)用中的多分類問題,可以通過多個二分類支持向量機的組合判決來實現(xiàn)[4]。

    在確定多分類支持向量機的組合方式以及核函數(shù)后,懲罰參數(shù)C以及核函數(shù)的核參數(shù)的選取是否合理成為支持向量機分類性能優(yōu)劣的決定因素。最常用的算法性能的評價標(biāo)準(zhǔn)是K-折交叉驗證(K-fold cross-validation,簡稱K-CV)[6],以懲罰參數(shù)C以及核函數(shù)的核參數(shù)為決策變量,交叉驗證正分率為目標(biāo)函數(shù)的優(yōu)化模型經(jīng)求解后得到最優(yōu)參數(shù),從而形成有較高魯棒性的支持向量機分類器。上述優(yōu)化模型通常具有多個局部最優(yōu)解,一般的優(yōu)化算法極易陷入局部最優(yōu),喪失了搜索到全局最優(yōu)解的機會。對于上述多峰目標(biāo)函數(shù)優(yōu)化問題,群智能優(yōu)化較常規(guī)優(yōu)化算法有更大優(yōu)勢。

    張同波:從十年九虧的軍工企業(yè)到現(xiàn)在總產(chǎn)能為800萬t的鋼鐵制品綜合加工上市企業(yè),新興鑄管走過了一段艱難的歷程。新興鑄管股份有限公司的前身是2672工廠,這是20世紀(jì)70年代為了解決鐵道兵鋼材短缺經(jīng)中央軍委批準(zhǔn)興建的,隸屬于鐵道兵,鐵道兵撤編后劃歸總后勤部。1996年,隨著我國國有企業(yè)轉(zhuǎn)制,工廠改制為新興鑄管(集團)有限責(zé)任公司,也就是現(xiàn)在新興際華集團的前身。1997年6月,由集團公司獨家發(fā)起募集設(shè)立新興鑄管股份有限公司,其股票在深交所上市。

    2 粒子群優(yōu)化算法

    粒子群優(yōu)化(particle swarm optimization,簡稱PSO)算法是Kennedy等[7]提出的一種基于群智能的優(yōu)化算法,其速度更新和位置更新公式為

    其中:xij和vij分別為粒子i第j維的位置和速度;pbestij為第i個粒子第j維的歷史最優(yōu)位置;gbestj為群體第j維歷史最優(yōu)位置;c1,c2分別為粒子自身加速系數(shù)和群體加速系數(shù),均為非負實數(shù);r1,r2~U[0 ,1 ] ;ω 稱為慣性權(quán)重;t為粒子的經(jīng)歷時間或迭代次數(shù)。

    盡管與傳統(tǒng)的基于梯度法的優(yōu)化方法相比,PSO算法能夠有良好的表現(xiàn),但其也有一個致命缺陷,即在迭代過程中極易出現(xiàn)早熟收斂,導(dǎo)致其陷入局部最優(yōu)[8]。為抑制早熟收斂,文獻[9]提出了遺傳算法與粒子群算法相融合的GAPSO混合算法。文獻[10]提出了一種在最優(yōu)解周圍的區(qū)域內(nèi)進行混沌搜索的混沌PSO算法,取得了較好的效果。但現(xiàn)有的改進算法通常同時對所有優(yōu)化決策變量進行擾動變異,存在文獻[8]所述的“進2退1”(two steps forward,one step back)現(xiàn)象。

    3 HPSO-PDT算法優(yōu)化雙核支持向量機

    3.1 雙尺度徑向基核函數(shù)

    徑向基核函數(shù)可以表示為

    其中:γ∈[2-15,215]為核參數(shù)。

    當(dāng)γ較大時,可以分辨劇烈變化的樣本;當(dāng)γ較小時,可對平緩變化的樣本進行分類[3]。根據(jù)上文所述的合成核方法和多尺度核方法,文中擬采用如下核函數(shù)

    可以證明,式(8)所示核函數(shù)滿足 Mercer條件要求,可以用于核方法運算。該核函數(shù)主動將核參數(shù)區(qū)間分為兩部分,通過調(diào)整權(quán)參數(shù)α大小去平衡兩個尺度的子核函數(shù)的效能。

    3.2 基于不平衡數(shù)據(jù)的支持向量機

    在支持向量機的具體應(yīng)用中,參與訓(xùn)練和測試的數(shù)據(jù)集通常是不均衡的,如在設(shè)備的故障診斷中,正常數(shù)據(jù)一般要比故障數(shù)據(jù)多一些。在數(shù)據(jù)不均衡場合,為每類數(shù)據(jù)設(shè)置不同懲罰參數(shù)C,有可能使支持向量機模型有更強的分類能力[11]。設(shè)數(shù)據(jù)有c類,則不平衡支持向量機模型表達如下

    3.3 HPSO-PDT算法

    筆者采用一種并行定向擾動的混合粒子群優(yōu)化(hybrid particle swarm optimization based on parallel directional turbulence,簡稱 HPSO-PDT)算法[12]。其算法核心及特點是當(dāng)算法出現(xiàn)早熟收斂時,群體中產(chǎn)生變異的每個粒子僅發(fā)生單坐標(biāo)方向擾動,從而避免了“進2退1”現(xiàn)象的出現(xiàn),避免了優(yōu)化決策變量之間的干擾。若優(yōu)化目標(biāo)為最小化問題,則HPSO-PDT的算法流程見圖1。

    圖1 HPSO-PDT算法的流程圖Fig.1 Flow chart of HPSO-PDT algorithm

    HPSO-PDT算法由標(biāo)準(zhǔn)PSO算法迭代、序列二次規(guī)劃(sequential quadratic programming,簡稱SQP)算法局部搜索和粒子單決策變量擾動變異三部分構(gòu)成。標(biāo)準(zhǔn)PSO算法使粒子在按規(guī)則運動過程中不斷更新個體和群體最優(yōu)值;SQP算法具有優(yōu)秀的局部搜索能力,能夠快速地到達當(dāng)前所在區(qū)域的“谷底”;粒子的并行定向變異可使每個參與變異的粒子分別沿選定的單個坐標(biāo)方向(即單優(yōu)化決策變量)進行搜索,繼承了現(xiàn)有的群體最優(yōu)位置信息。

    3.4 HPSO-PDT算法優(yōu)化雙核SVM的數(shù)據(jù)驗證

    取支持向量機模型性能的評價函數(shù)為10-折交叉驗證(即K=10)正分率,并將其作為PSO算法的適應(yīng)度函數(shù),即優(yōu)化目標(biāo)函數(shù),便可通過PSO算法得到使交叉驗證正分率最高(或錯分率最低)的決策變量,即徑向基核函數(shù)參數(shù)γ1,γ2、雙核權(quán)參數(shù)α以及各數(shù)據(jù)類別的懲罰參數(shù)Ck。

    為驗證上述方法性能,取臺灣大學(xué)林智仁所列的UCI數(shù)據(jù)庫中的Iris,Wine和Glass 3個標(biāo)準(zhǔn)數(shù)據(jù)集進行測試。上述標(biāo)準(zhǔn)數(shù)據(jù)集的屬性見表1,每個數(shù)據(jù)集均隨機地劃分成訓(xùn)練集和測試集,并且按類近似平均分配。

    表1 數(shù)據(jù)集屬性及劃分Tab.1 Properties and partition of data sets

    訓(xùn)練集數(shù)據(jù)用于訓(xùn)練支持向量機,以便計算10-折交叉驗證正分率,測試集用于驗證訓(xùn)練得到的SVM的性能。粒子群優(yōu)化算法的慣性權(quán)重ω、加速系數(shù)c1,c2以及粒子群規(guī)模ps、最大迭代次數(shù)tmax見表2。

    為比較標(biāo)準(zhǔn)PSO和HPSO-PDT兩種優(yōu)化算法的優(yōu)劣,以及評價徑向基核SVM、雙尺度徑向基核SVM以及雙尺度徑向基核加多類懲罰參數(shù)SVM 3種支持向量機模型的分類效果,現(xiàn)采用表3列出的6種方法進行比較。支持向量機平均正分率的每個數(shù)據(jù)是按同一方法進行10次獨立重復(fù)試驗所得的數(shù)據(jù)的均值和標(biāo)準(zhǔn)差。

    表2 粒子群優(yōu)化算法的控制參數(shù)Tab.2 Controlling parameters of PSO algorithm

    從表3的數(shù)據(jù)可以看出:

    1)HPSO-PDT算法在多數(shù)情況下,能夠比標(biāo)準(zhǔn)PSO算法得到更高的交叉驗證正分率,HPSOPDT算法優(yōu)于標(biāo)準(zhǔn)PSO算法;

    2)與徑向基核支持向量機相比,雙尺度核支持向量機能夠取得更高的交叉驗證正分率,且測試集的正分率也有明顯提高;

    3)按類懲罰的不平衡數(shù)據(jù)支持向量機模型由于其控制參數(shù)數(shù)量的增加,標(biāo)準(zhǔn)PSO算法的優(yōu)化效果欠穩(wěn)定,Iris和Wine數(shù)據(jù)集的交叉驗證正分率低于單懲罰參數(shù)的標(biāo)準(zhǔn)支持向量機,但采用HPSOPDT算法后效果有較大提高。

    總之,從試驗數(shù)據(jù)的比對可以看出:HPSOPDT算法能夠取得比標(biāo)準(zhǔn)PSO算法更好的優(yōu)化效果;雙尺度徑向基核支持向量機比單徑向基核支持向量機有更高的適應(yīng)性和魯棒性;按類懲罰不平衡數(shù)據(jù)支持向量機在某些特定場合能夠獲得更好的評價性能。

    表3 粒子群優(yōu)化算法優(yōu)化支持向量機的平均正分率Tab.3 Average correct classification rates of SVMs optimized by PSO algorithms %

    4 基于HPSO-PDT算法優(yōu)化雙核SVM的發(fā)動機故障診斷

    為辨別發(fā)動機正常工作狀態(tài)S1以及排氣門開裂S2、活塞環(huán)斷裂S3、失火故障S4和水泵穴蝕S5等4種故障狀態(tài),分別測量了上述各狀態(tài)的發(fā)動機機油溫度Toil、催化器溫度Tc、輸出軸扭矩Ts、曲柄軸箱壓力P和主軸轉(zhuǎn)速Ns等5種信號共300組數(shù)據(jù)。根據(jù)文中所述方法,將采集到的數(shù)據(jù)隨機均勻分割成訓(xùn)練集和測試集兩部分(各150組),訓(xùn)練集數(shù)據(jù)歸一化后用于粒子群優(yōu)化支持向量機的訓(xùn)練,測試集數(shù)據(jù)用于驗證粒子群優(yōu)化支持向量機模型的效果。故障診斷的流程如圖2所示。

    圖2 發(fā)動機故障診斷流程Fig.2 Flow chart of engine fault diagnosis

    表4列出了訓(xùn)練集歸一化后的部分數(shù)據(jù)。為保證試驗的可靠性,發(fā)動機故障診斷中,每種方案均進行10次獨立重復(fù)試驗,并根據(jù)試驗值計算測試結(jié)果(測試集正分率)的均值、標(biāo)準(zhǔn)差、最大值和最小值等4個統(tǒng)計量,具體數(shù)據(jù)見表5。

    表4 發(fā)動機狀態(tài)歸一化數(shù)據(jù)Tab.4 Normalization data of engine status

    從表5中的測試結(jié)果可看出,雙尺度徑向基核支持向量機的測試結(jié)果與單徑向基核支持向量機相比有明顯提高,同時,其標(biāo)準(zhǔn)差有較大減小,說明雙尺度徑向基核SVM具有更高的穩(wěn)定性。按類懲罰的不平衡SVM方法與單懲罰參數(shù)SVM相比,分類效果略有提高,但差別不大。HPSO-PDT算法優(yōu)化SVM比標(biāo)準(zhǔn)PSO算法優(yōu)化SVM的效果有較大提高,能夠更加逼近全局最優(yōu)解。通過核函數(shù)構(gòu)造以及優(yōu)化算法的改進,故障診斷的正確率提高了6.49%。最終,可以選取HPSO-PDT算法優(yōu)化雙尺度徑向基核支持向量機模型用于故障診斷,支持向量機單懲罰參數(shù)或按類懲罰均可,但按類懲罰會有更好的性能。

    表5 發(fā)動機故障診斷正分率Tab.5 Correct classification rates of engine fault diagnosis%

    5 結(jié)束語

    筆者建立了主動劃分核參數(shù)區(qū)間的雙尺度徑向基核支持向量機,考慮了類間數(shù)據(jù)不平衡對支持向量機的影響,用并行定向變異的混合粒子群優(yōu)化算法優(yōu)選支持向量機的控制參數(shù),用標(biāo)準(zhǔn)數(shù)據(jù)集驗證了其性能,在發(fā)動機故障診斷中取得了良好的應(yīng)用。

    [1] Vapnik V N.The nature of statistical learning theory[M].2nd.Berlin:Springer-Verlag,1999:138-170.

    [2] 申秀敏,左曙光,韓樂,等.基于支持向量機的車內(nèi)噪聲聲品質(zhì)預(yù)測[J].振動、測試與診斷,2011,31(1):55-58.

    Shen Xiumin,Zuo Shuguang,Han Le,et al.Interior vehicle noise quality prediction using support vector machines[J].Journal of Vibration,Measurement &Diagnosis,2011,31(1):55-58.(in Chinese)

    [3] 汪洪橋,孫富春,蔡艷寧,等.多核學(xué)習(xí)方法[J].自動化學(xué)報,2010,36(8):1037-1050.

    Wang Hongqiao,Sun Fuchun,Cai Yanning,et al.On multiple kernel learning methods[J].Acta Automatica Sinica,2010,36(8):1037-1050.(in Chinese)

    [4] 董紹江,湯寶平,宋濤.改進投票策略的Morlet小波核支持向量機及應(yīng)用[J].振動、測試與診斷,2011,31(3):314-317.

    Dong Shaojiang,Tang Baoping,Song Tao.Morlet wavelet kernel SVM improved by voting strategy and its application[J].Journal of Vibration,Measurement& Diagnosis,2011,31(3):314-317.(in Chinese)

    [5] Smits G F,Jordaan E M.Improved SVM regression using mixtures of kernels[C]∥ Proceedings of the 2002International Joint Conference on Neural Networks.Honolulu:IEEE,2002:2785-2790.

    [6] 鄧乃揚,田英杰.支持向量機-理論、算法與拓展[M].北京:科學(xué)出版社,2009:134-155.

    [7] Kennedy J,Eberhart R C.Particle swarm optimization[C]∥IEEE International Conference on Neural Networks.Piscataway:IEEE,1995:1942-1948.

    [8] Van Den B.An analysis of particle swarm optimizers[D].South Africa:University of Pretoria,2002.

    [9] Nie Ru,Yue Jianhua.A GA and particle swarm optimization based hybrid algorithm [C]∥ Proceeding of IEEE Congress on Evolutionary Computation 2008.Hongkong:IEEE,2008:1047-1050.

    [10]劉玲,鐘偉民,錢鋒.改進的混沌粒子群優(yōu)化算法[J].華東理工大學(xué)學(xué)報:自然科學(xué)版,2010,36(2):267-272.

    Liu Ling,Zhong Weimin,Qian Feng.An improved chaos-particle swarm optimization algorithm[J].Journal of East China University of Science and Technology:Natural Science Edition,2010,36(2):267-272.(in Chinese)

    [11]Chang C C,Lin C J.LIBSVM :a library for support vector machines[EB/OL].[2014-01-10].http:∥www.csie.ntu.edu.tw/~cjlin/libsvm .

    [12]聶立新,張?zhí)靷b,郭立新.并行定向擾動的混合粒子群優(yōu)化算法[J].計算機應(yīng)用研究,2013,30(6):1633-1635.

    Nie Lixin,Zhang Tianxia,Guo Lixin.Hybrid particle swarm optimization algorithm based on parallel directional turbulence[J].Application Research of Computers,2013,30(6):1633-1635.(in Chinese)

    猜你喜歡
    分率徑向尺度
    量率對應(yīng) 解決問題
    淺探徑向連接體的圓周運動
    RN上一類Kirchhoff型方程徑向?qū)ΨQ正解的存在性
    財產(chǎn)的五大尺度和五重應(yīng)對
    基于PID+前饋的3MN徑向鍛造機控制系統(tǒng)的研究
    重型機械(2020年3期)2020-08-24 08:31:40
    一類無窮下級整函數(shù)的Julia集的徑向分布
    解分數(shù)問題例談
    分數(shù)應(yīng)用題常見錯例剖析
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    利用分率巧解題
    王馨瑶露胸无遮挡在线观看| 成人黄色视频免费在线看| 黄色配什么色好看| 免费看不卡的av| 国产精品不卡视频一区二区| 久久人人爽人人片av| 3wmmmm亚洲av在线观看| 久久久久久久久久人人人人人人| 午夜视频国产福利| 亚洲精品影视一区二区三区av| 色吧在线观看| 日产精品乱码卡一卡2卡三| 国产探花极品一区二区| 我要看日韩黄色一级片| 五月玫瑰六月丁香| 亚洲伊人久久精品综合| 在线精品无人区一区二区三 | av在线蜜桃| 男人狂女人下面高潮的视频| 听说在线观看完整版免费高清| 亚洲精品乱久久久久久| 九九在线视频观看精品| 97在线人人人人妻| 五月天丁香电影| 观看美女的网站| 国产伦精品一区二区三区视频9| 99精国产麻豆久久婷婷| 可以在线观看毛片的网站| 99热这里只有是精品在线观看| 超碰av人人做人人爽久久| 99热国产这里只有精品6| 肉色欧美久久久久久久蜜桃 | 亚洲av电影在线观看一区二区三区 | 亚洲国产高清在线一区二区三| 久久鲁丝午夜福利片| 欧美老熟妇乱子伦牲交| 国产在线男女| 久久久精品免费免费高清| 久久久色成人| 亚洲一级一片aⅴ在线观看| 亚洲自拍偷在线| 永久免费av网站大全| 色网站视频免费| 亚洲av中文字字幕乱码综合| 高清毛片免费看| 午夜爱爱视频在线播放| 最近中文字幕高清免费大全6| 精品国产乱码久久久久久小说| 国产精品国产三级专区第一集| av网站免费在线观看视频| 成人高潮视频无遮挡免费网站| 国产成人午夜福利电影在线观看| 国产色婷婷99| 超碰97精品在线观看| 插阴视频在线观看视频| 在线观看免费高清a一片| 免费av毛片视频| 国产免费福利视频在线观看| 看黄色毛片网站| 丝瓜视频免费看黄片| 在现免费观看毛片| 久久久精品欧美日韩精品| 又大又黄又爽视频免费| 国产白丝娇喘喷水9色精品| 成人一区二区视频在线观看| 又爽又黄无遮挡网站| 大香蕉97超碰在线| 日本爱情动作片www.在线观看| 免费不卡的大黄色大毛片视频在线观看| 免费看a级黄色片| 午夜日本视频在线| 国产精品国产av在线观看| 性色av一级| 欧美高清性xxxxhd video| 女的被弄到高潮叫床怎么办| 国产91av在线免费观看| 欧美成人午夜免费资源| 亚洲av免费高清在线观看| 成人漫画全彩无遮挡| 九九久久精品国产亚洲av麻豆| 国内少妇人妻偷人精品xxx网站| 纵有疾风起免费观看全集完整版| 一级毛片黄色毛片免费观看视频| 特大巨黑吊av在线直播| 亚洲av免费高清在线观看| 王馨瑶露胸无遮挡在线观看| 大片电影免费在线观看免费| 只有这里有精品99| 蜜臀久久99精品久久宅男| 永久免费av网站大全| 欧美最新免费一区二区三区| 波野结衣二区三区在线| 亚洲在久久综合| 国产成人一区二区在线| 熟女av电影| kizo精华| 十八禁网站网址无遮挡 | 国产伦理片在线播放av一区| 欧美97在线视频| 欧美成人午夜免费资源| 麻豆精品久久久久久蜜桃| 毛片女人毛片| 久久久久久久久大av| 大话2 男鬼变身卡| 国产亚洲av片在线观看秒播厂| 麻豆精品久久久久久蜜桃| 亚洲av免费高清在线观看| 国产精品久久久久久av不卡| 国产综合精华液| 精品久久国产蜜桃| 亚洲精品色激情综合| 91aial.com中文字幕在线观看| 国产乱人视频| 伦理电影大哥的女人| 可以在线观看毛片的网站| 日日啪夜夜爽| 亚洲精品一区蜜桃| 亚洲四区av| 身体一侧抽搐| 天堂中文最新版在线下载 | 亚洲天堂av无毛| 97人妻精品一区二区三区麻豆| 精品久久久久久久久亚洲| 日本wwww免费看| av播播在线观看一区| 国产熟女欧美一区二区| 全区人妻精品视频| 欧美xxⅹ黑人| 永久网站在线| 亚洲精品一二三| 久久这里有精品视频免费| 男人添女人高潮全过程视频| 久热这里只有精品99| 又爽又黄无遮挡网站| 亚洲久久久久久中文字幕| 涩涩av久久男人的天堂| 国产精品久久久久久精品古装| av国产久精品久网站免费入址| 性插视频无遮挡在线免费观看| 嫩草影院新地址| 日韩三级伦理在线观看| 有码 亚洲区| 一边亲一边摸免费视频| 久久久久久久久大av| 男女下面进入的视频免费午夜| 蜜臀久久99精品久久宅男| 日本黄大片高清| 亚洲最大成人中文| 中文资源天堂在线| 午夜免费观看性视频| 日日摸夜夜添夜夜添av毛片| 超碰97精品在线观看| 最后的刺客免费高清国语| 女人十人毛片免费观看3o分钟| 国产精品爽爽va在线观看网站| 少妇的逼好多水| 777米奇影视久久| 亚洲美女视频黄频| 国产真实伦视频高清在线观看| 汤姆久久久久久久影院中文字幕| 久久久久久九九精品二区国产| 最近中文字幕2019免费版| 人人妻人人澡人人爽人人夜夜| 国产成人freesex在线| 欧美老熟妇乱子伦牲交| 一个人看视频在线观看www免费| 欧美老熟妇乱子伦牲交| 免费人成在线观看视频色| 精品久久久久久久人妻蜜臀av| 搞女人的毛片| 色综合色国产| 91午夜精品亚洲一区二区三区| 久久精品国产自在天天线| av播播在线观看一区| 国内精品美女久久久久久| 一级毛片黄色毛片免费观看视频| 神马国产精品三级电影在线观看| 国产精品av视频在线免费观看| 久久99热这里只有精品18| 久久99精品国语久久久| 街头女战士在线观看网站| 国产 一区精品| av免费观看日本| 午夜福利网站1000一区二区三区| 久久久久久九九精品二区国产| 精华霜和精华液先用哪个| 亚洲综合色惰| 菩萨蛮人人尽说江南好唐韦庄| 99久久精品热视频| 中国三级夫妇交换| 国产男人的电影天堂91| 一边亲一边摸免费视频| 欧美日韩视频高清一区二区三区二| 女人十人毛片免费观看3o分钟| 青春草亚洲视频在线观看| 美女xxoo啪啪120秒动态图| 超碰av人人做人人爽久久| 搡老乐熟女国产| 噜噜噜噜噜久久久久久91| 精品久久国产蜜桃| 久久久久久国产a免费观看| 欧美精品国产亚洲| 午夜激情久久久久久久| 大码成人一级视频| www.色视频.com| 免费电影在线观看免费观看| 一级毛片 在线播放| 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 | 精品熟女少妇av免费看| 熟女电影av网| 日本黄大片高清| 国产高潮美女av| 亚洲激情五月婷婷啪啪| 深爱激情五月婷婷| 啦啦啦在线观看免费高清www| 亚洲av.av天堂| 18禁裸乳无遮挡动漫免费视频 | 在线亚洲精品国产二区图片欧美 | 国产精品一区www在线观看| 丝袜脚勾引网站| 亚洲美女搞黄在线观看| 在线观看一区二区三区激情| 欧美老熟妇乱子伦牲交| 精品国产一区二区三区久久久樱花 | 校园人妻丝袜中文字幕| 国产在视频线精品| 男人狂女人下面高潮的视频| 国产乱人偷精品视频| 中文字幕久久专区| 97超碰精品成人国产| 夫妻性生交免费视频一级片| 男人舔奶头视频| 亚洲国产精品专区欧美| 成人特级av手机在线观看| av又黄又爽大尺度在线免费看| 夫妻午夜视频| 亚洲aⅴ乱码一区二区在线播放| av女优亚洲男人天堂| 久久久久性生活片| 国产人妻一区二区三区在| av黄色大香蕉| 国产精品国产av在线观看| 久久久久久久久久久免费av| 身体一侧抽搐| 日韩av不卡免费在线播放| 色吧在线观看| 777米奇影视久久| 噜噜噜噜噜久久久久久91| 啦啦啦中文免费视频观看日本| 欧美激情在线99| 国产精品一区www在线观看| 成人亚洲精品av一区二区| 国产成人a区在线观看| 亚洲精品一二三| 九草在线视频观看| 熟女电影av网| 亚洲一区二区三区欧美精品 | 免费观看的影片在线观看| av女优亚洲男人天堂| 亚洲精品成人av观看孕妇| 免费看av在线观看网站| 久久精品国产a三级三级三级| 精品久久久噜噜| 日韩一区二区视频免费看| 日韩国内少妇激情av| 亚洲av二区三区四区| 在线看a的网站| 日日啪夜夜撸| 免费播放大片免费观看视频在线观看| 亚洲一级一片aⅴ在线观看| 国产高清国产精品国产三级 | 亚洲精品国产成人久久av| 久久6这里有精品| 老司机影院成人| 美女视频免费永久观看网站| 国产日韩欧美在线精品| 久久久精品免费免费高清| 欧美区成人在线视频| 精品国产乱码久久久久久小说| 欧美一区二区亚洲| 丝袜脚勾引网站| 国产色婷婷99| 三级经典国产精品| 2022亚洲国产成人精品| 精品人妻视频免费看| 亚洲精品色激情综合| 嫩草影院入口| 成人二区视频| 久久久精品免费免费高清| www.av在线官网国产| 一级毛片黄色毛片免费观看视频| 成人黄色视频免费在线看| 国产黄a三级三级三级人| 亚洲va在线va天堂va国产| 亚洲av不卡在线观看| 久久这里有精品视频免费| 欧美三级亚洲精品| 精品国产三级普通话版| 嫩草影院精品99| 欧美xxxx黑人xx丫x性爽| 久久99热6这里只有精品| 成人综合一区亚洲| 中国美白少妇内射xxxbb| 国产精品国产av在线观看| 国产白丝娇喘喷水9色精品| 亚洲欧美精品专区久久| 亚洲欧洲国产日韩| 免费av毛片视频| 少妇人妻久久综合中文| 97超视频在线观看视频| 亚洲精品久久午夜乱码| 婷婷色综合www| 免费看日本二区| 成年女人在线观看亚洲视频 | 国产一区二区亚洲精品在线观看| 在线观看国产h片| 热99国产精品久久久久久7| 欧美 日韩 精品 国产| 亚洲av中文av极速乱| 精品久久久久久电影网| 久久韩国三级中文字幕| 国产亚洲av片在线观看秒播厂| av福利片在线观看| 26uuu在线亚洲综合色| 中国国产av一级| 亚洲最大成人手机在线| 干丝袜人妻中文字幕| 欧美激情国产日韩精品一区| 日产精品乱码卡一卡2卡三| 国产精品爽爽va在线观看网站| 人妻少妇偷人精品九色| 成年免费大片在线观看| 欧美一级a爱片免费观看看| 亚洲色图av天堂| 亚洲自拍偷在线| 欧美性感艳星| 丰满乱子伦码专区| 2021少妇久久久久久久久久久| 免费黄频网站在线观看国产| 国产精品一区二区三区四区免费观看| 一区二区三区精品91| 嫩草影院精品99| 男人和女人高潮做爰伦理| 大又大粗又爽又黄少妇毛片口| 一个人看的www免费观看视频| 亚洲精品,欧美精品| 国产成人免费观看mmmm| 国产精品久久久久久av不卡| 99久久人妻综合| 亚洲第一区二区三区不卡| 国产成人91sexporn| 一级二级三级毛片免费看| 在现免费观看毛片| 又爽又黄a免费视频| 搞女人的毛片| 久久久午夜欧美精品| 国产亚洲最大av| 99久久精品国产国产毛片| 国产一级毛片在线| 欧美+日韩+精品| 欧美日韩精品成人综合77777| 日日摸夜夜添夜夜爱| 久久久久久久国产电影| 亚洲色图av天堂| www.色视频.com| 在线观看免费高清a一片| 久久久久久久久久久丰满| 美女脱内裤让男人舔精品视频| 黑人高潮一二区| 国产精品一区www在线观看| 精品久久久久久久人妻蜜臀av| 亚洲真实伦在线观看| 精品午夜福利在线看| av女优亚洲男人天堂| 伊人久久国产一区二区| 免费av不卡在线播放| 色吧在线观看| 下体分泌物呈黄色| 国产探花在线观看一区二区| 插逼视频在线观看| 国产一区二区在线观看日韩| 美女xxoo啪啪120秒动态图| 久久人人爽人人片av| 中文资源天堂在线| 亚洲熟女精品中文字幕| 午夜激情久久久久久久| 国产精品99久久99久久久不卡 | av播播在线观看一区| 久久99热这里只频精品6学生| 在线免费十八禁| av在线老鸭窝| 夫妻性生交免费视频一级片| 免费av毛片视频| 国内精品宾馆在线| 国产在线男女| 22中文网久久字幕| 午夜激情久久久久久久| 国产亚洲精品久久久com| 精品人妻一区二区三区麻豆| 黄色日韩在线| 亚洲av成人精品一二三区| 亚洲,一卡二卡三卡| 久热久热在线精品观看| 人人妻人人爽人人添夜夜欢视频 | 久久精品久久久久久噜噜老黄| 亚洲精品久久午夜乱码| 干丝袜人妻中文字幕| 日日摸夜夜添夜夜添av毛片| 亚洲一区二区三区欧美精品 | 新久久久久国产一级毛片| 不卡视频在线观看欧美| 成人黄色视频免费在线看| 欧美日韩视频高清一区二区三区二| 久久99热6这里只有精品| 中国美白少妇内射xxxbb| 久久99精品国语久久久| 99九九线精品视频在线观看视频| 三级国产精品片| 国产午夜精品一二区理论片| 日韩av不卡免费在线播放| 久久久精品欧美日韩精品| 性色av一级| 内射极品少妇av片p| 亚洲自拍偷在线| 深爱激情五月婷婷| 国产精品久久久久久精品古装| 久久精品国产亚洲av涩爱| 街头女战士在线观看网站| 亚洲精品久久午夜乱码| 极品教师在线视频| 精品酒店卫生间| 日韩不卡一区二区三区视频在线| 亚洲综合精品二区| 亚洲av在线观看美女高潮| 欧美日韩一区二区视频在线观看视频在线 | 九九在线视频观看精品| 欧美精品国产亚洲| 久久精品久久久久久久性| 久久久久久久久久人人人人人人| h日本视频在线播放| 一区二区av电影网| 18禁裸乳无遮挡免费网站照片| av在线老鸭窝| 精品人妻偷拍中文字幕| 国产亚洲最大av| 成年av动漫网址| 在线天堂最新版资源| 国产精品爽爽va在线观看网站| 晚上一个人看的免费电影| 中文字幕久久专区| 日韩,欧美,国产一区二区三区| 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| av专区在线播放| 精品人妻视频免费看| 美女内射精品一级片tv| 99久久精品一区二区三区| 日本午夜av视频| av国产久精品久网站免费入址| 亚洲图色成人| 国产精品久久久久久久电影| 一边亲一边摸免费视频| 秋霞在线观看毛片| 不卡视频在线观看欧美| 日韩不卡一区二区三区视频在线| 午夜老司机福利剧场| 日韩电影二区| 一区二区三区精品91| 亚洲欧美日韩卡通动漫| 尤物成人国产欧美一区二区三区| 全区人妻精品视频| 国国产精品蜜臀av免费| 免费在线观看成人毛片| 人妻一区二区av| 亚洲av成人精品一二三区| 在线免费十八禁| 国产在线男女| 国内揄拍国产精品人妻在线| 一级黄片播放器| 国产熟女欧美一区二区| xxx大片免费视频| 亚洲精品成人av观看孕妇| av福利片在线观看| 男女国产视频网站| av线在线观看网站| 免费高清在线观看视频在线观看| 美女内射精品一级片tv| 精品久久久久久久人妻蜜臀av| 亚洲av成人精品一二三区| 日韩 亚洲 欧美在线| 麻豆成人av视频| 久久精品国产自在天天线| 国产精品久久久久久av不卡| av在线老鸭窝| 国产一区二区三区av在线| 婷婷色综合www| 亚洲性久久影院| 亚洲精品乱久久久久久| 亚洲精品成人av观看孕妇| 黄色日韩在线| 欧美少妇被猛烈插入视频| 熟妇人妻不卡中文字幕| 国产爱豆传媒在线观看| 国产av国产精品国产| 国产免费又黄又爽又色| 蜜臀久久99精品久久宅男| 亚洲婷婷狠狠爱综合网| 97超碰精品成人国产| 亚洲av成人精品一二三区| 99热这里只有是精品在线观看| av在线蜜桃| 国产在视频线精品| 免费av观看视频| 久久99蜜桃精品久久| 大香蕉97超碰在线| 大陆偷拍与自拍| 天美传媒精品一区二区| 免费黄频网站在线观看国产| 欧美bdsm另类| 麻豆精品久久久久久蜜桃| 久久热精品热| 色婷婷久久久亚洲欧美| 国产有黄有色有爽视频| 大片免费播放器 马上看| 十八禁网站网址无遮挡 | 99热6这里只有精品| 精品熟女少妇av免费看| 丝袜美腿在线中文| 18+在线观看网站| 亚洲自偷自拍三级| 亚洲美女搞黄在线观看| 久久99蜜桃精品久久| 丝袜脚勾引网站| 人人妻人人澡人人爽人人夜夜| 亚洲国产欧美人成| 老师上课跳d突然被开到最大视频| 97人妻精品一区二区三区麻豆| 国产黄色视频一区二区在线观看| 国产毛片a区久久久久| 欧美国产精品一级二级三级 | 久久久亚洲精品成人影院| 亚洲精品国产av成人精品| 看十八女毛片水多多多| 啦啦啦中文免费视频观看日本| 91狼人影院| 我要看日韩黄色一级片| 精品久久久久久久人妻蜜臀av| 午夜激情久久久久久久| 亚洲在线观看片| 国产伦精品一区二区三区视频9| 亚洲精品中文字幕在线视频 | 成人国产av品久久久| 国产伦精品一区二区三区四那| 高清日韩中文字幕在线| 在线 av 中文字幕| 夫妻性生交免费视频一级片| 自拍欧美九色日韩亚洲蝌蚪91 | 国产免费福利视频在线观看| 九色成人免费人妻av| 永久免费av网站大全| 99九九线精品视频在线观看视频| 欧美97在线视频| 男女边摸边吃奶| 嫩草影院入口| 91狼人影院| 视频区图区小说| 亚洲婷婷狠狠爱综合网| 特级一级黄色大片| 成人国产麻豆网| 国产人妻一区二区三区在| 波野结衣二区三区在线| 五月玫瑰六月丁香| 国产美女午夜福利| 一个人看视频在线观看www免费| 亚洲精品国产成人久久av| 蜜桃亚洲精品一区二区三区| 人体艺术视频欧美日本| 少妇猛男粗大的猛烈进出视频 | 麻豆成人av视频| 国产精品无大码| 毛片一级片免费看久久久久| 日韩视频在线欧美| 国产精品福利在线免费观看| 日韩 亚洲 欧美在线| 伊人久久精品亚洲午夜| 五月玫瑰六月丁香| 伊人久久国产一区二区| 午夜日本视频在线| 午夜老司机福利剧场| 亚洲av成人精品一区久久| 国产精品福利在线免费观看| 国产乱来视频区| 日本黄大片高清| 2021少妇久久久久久久久久久| 久久久久久久久久成人| av又黄又爽大尺度在线免费看| 国产成人a区在线观看| 日本色播在线视频| 精品人妻熟女av久视频| av网站免费在线观看视频| 日韩欧美精品免费久久| 中文字幕免费在线视频6| 午夜激情福利司机影院| 插逼视频在线观看| 久久久久九九精品影院| 人人妻人人澡人人爽人人夜夜| 久久6这里有精品| 久热这里只有精品99| 99热网站在线观看| 亚洲人成网站在线播| 国产乱人视频| 少妇裸体淫交视频免费看高清| 国产午夜精品一二区理论片| 亚洲av男天堂| 高清在线视频一区二区三区|