• <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 ?

    一種基于聚類的非平衡分類算法

    2014-09-04 07:38:42武永成
    荊楚理工學(xué)院學(xué)報 2014年2期
    關(guān)鍵詞:樣例樣本數(shù)分類器

    武永成,劉 釗

    (1.荊楚理工學(xué)院 計算機工程學(xué)院,湖北 荊門 448000;2.武漢科技大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,湖北 武漢 430081)

    一種基于聚類的非平衡分類算法

    武永成1,劉 釗2

    (1.荊楚理工學(xué)院 計算機工程學(xué)院,湖北 荊門 448000;2.武漢科技大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,湖北 武漢 430081)

    傳統(tǒng)的分類算法大多假定用來學(xué)習(xí)的數(shù)據(jù)集是平衡的,但實際應(yīng)用中真正面臨的數(shù)據(jù)集往往是非平衡數(shù)據(jù)。針對非平衡數(shù)據(jù), 利用傳統(tǒng)的分類方法往往不能獲得良好的性能。文章提出了一種新的基于聚類的非平衡分類算法,通過聚類生成多個聚類體,在每個聚類體中選取一定數(shù)量的數(shù)據(jù)作為訓(xùn)練樣本,有效地處理了樣例數(shù)據(jù)的不平衡問題,在相關(guān)數(shù)據(jù)集上的實驗驗證了本方法的有效性。

    機器學(xué)習(xí);非平衡分類;減重取樣;聚類

    0 引言

    分類(classification)是機器學(xué)習(xí)和數(shù)據(jù)挖掘中最典型的任務(wù)之一[1]。分類算法在對有標記樣本集合(或稱為有分類類型的樣本集合)進行分析和學(xué)習(xí)后,生成一個分類器。利用得到的分類器,可以對那些沒有分類類型的數(shù)據(jù)進行預(yù)測,判斷其分類類型。如醫(yī)務(wù)人員可以將病人的相關(guān)數(shù)據(jù)輸入分類系統(tǒng),分類系統(tǒng)就能根據(jù)以往學(xué)習(xí)得到的分類器,自動判斷某個病人是否會藥物過敏。

    傳統(tǒng)的分類算法很多都基于一種假定:用來學(xué)習(xí)的樣本數(shù)據(jù)都是平衡的,即各類樣本數(shù)據(jù)的數(shù)量差別不大,不是一類樣本數(shù)據(jù)的數(shù)量遠遠大于另一類數(shù)據(jù)。然而,現(xiàn)實世界中,很多情況下,樣例數(shù)據(jù)是不均衡的。例如:在1 000個體檢數(shù)據(jù)集中,最終分類類型為健康的可能占90%,分類類型為不健康的可能為10%,這樣的數(shù)據(jù)集就是非平衡的。本文中,為便于敘述,將一個數(shù)據(jù)集中大多數(shù)的樣例都屬于的分類類型稱為MA,而剩余的樣例的分類類型稱為MI。

    對于非平衡數(shù)據(jù)的分類(imbalanced classification),最大的問題是:最終得到的分類器可能只對MA數(shù)據(jù)敏感,而忽略MI數(shù)據(jù)。在對測試數(shù)據(jù)進行分類預(yù)測時,容易將其分類為MA而忽略MI。例如:銀行想利用分類算法構(gòu)造一個分類器,對顧客未來是否進行信用貸款進行預(yù)測。銀行的歷史數(shù)據(jù)(有標記樣本集合)中,只有2%的顧客信用貸款,其余98%顧客不貸款。傳統(tǒng)的分類算法在這樣的樣本數(shù)據(jù)上進行學(xué)習(xí)得到的分類器,會將所有被預(yù)測的顧客判定為不貸款,因為這樣可以得到98%的分類準確率。顯然這不是銀行的真正目的。能對少數(shù)的可能貸款的用戶進行準確預(yù)測,才是銀行所需分類器的真正目的。

    針對非平衡數(shù)據(jù)的分類,在監(jiān)督學(xué)習(xí)中,主要采用的是重取樣(re-sampling)[2]和代價敏感(cost-sensitive learning)[3]的方法。

    本文在重取樣技術(shù)的基礎(chǔ)上,提出了一種新的基于聚類(clustering)[1]的非平衡分類算法,通過聚類生成多個聚類體,在每個聚類體中選取一定數(shù)量有代表性的數(shù)據(jù)作為訓(xùn)練樣本,有效地提高了對MI類數(shù)據(jù)預(yù)測的準確性。在相關(guān)數(shù)據(jù)集上的實驗驗證了本方法的有效性。

    1 相關(guān)工作

    機器學(xué)習(xí)的分類問題中,給定一個樣例集合D={,…}∈X×Y,其中是一個樣例。xi是一個向量[xi1,…xim],yi是該樣例的標注(或分類類型)。X、Y分別是xi,yi的取值范圍。是未標注樣例,是有標注樣例。分類算法的任務(wù)就是在集合D上進行學(xué)習(xí)得到分類器。利用學(xué)習(xí)得到的分類器,就可以對未標注樣例的分類類型進行預(yù)測。

    非平衡分類問題,作為一個具有挑戰(zhàn)性的機器學(xué)習(xí)問題,近些年在機器學(xué)習(xí)、數(shù)據(jù)挖掘等領(lǐng)域被廣泛研究。其中使用的最重要的技術(shù)是:重取樣技術(shù)和代價敏感學(xué)習(xí)技術(shù)。重取樣技術(shù)又分為增重取樣(over-sampling)[2]和減重取樣(under-sampling)[4]兩種方法,增重取樣技術(shù)通過復(fù)制MI樣本來使得它和MA的樣本數(shù)達到平衡,減重取樣技術(shù)則通過減少一定的MA樣本使它與MI的樣本數(shù)達到平衡。

    減重取樣技術(shù)中最簡單的一種方法稱為隨機減重取樣技術(shù)(random under-sampling approach,簡稱為RUSA),它隨機地在MA數(shù)據(jù)集中選取一定數(shù)量的MA樣本,與MI一起組成一個平衡的訓(xùn)練集。

    2 基于聚類的非平衡分類算法

    隨機減重取樣技術(shù)最大的問題是隨機選取的樣本代表性可能不強。為此,本文提出了一種基于聚類的非平衡分類算法。首先對整個訓(xùn)練集D(由MA樣本和MI樣本組成的非平衡數(shù)據(jù)集)進行聚類,生成若干個聚類體。對于這些聚類體,每個可能具有不同的特點。某個聚類體可能包含較多的MA樣本和較少的MI樣本,則這個聚類體的整體特性與MA樣本更接近;同樣,某個聚類體可能包含較多的MI樣本和較少的MA樣本,則這個聚類體的整體特性與MI樣本更接近。因此,根據(jù)每個聚類體中MA樣本與MI樣本的比值,我們的算法從每個聚類體中選取不同數(shù)量的MA樣本,與D中所有的MI一起,組成最終的訓(xùn)練樣本D’(平衡的數(shù)據(jù)集),這樣就有效地克服了隨機減重取樣技術(shù)的盲目性問題。

    2.1 基于聚類的平衡數(shù)據(jù)集產(chǎn)生辦法

    (1)

    例如:有一個非平衡數(shù)據(jù)集D,它的樣本數(shù)量為1 100,其中SizeMA=1 000,SizeMI=100。聚類算法將D聚類為3個聚類體,3個聚類體的相關(guān)數(shù)據(jù)如表1所示。

    設(shè)平衡化處理后的數(shù)據(jù)集D’中MA與MI樣本之比1∶1,則可知從D中選取的MA樣本數(shù)為100。這100個MA樣本,是分別從聚類體1、2、3中選取82、10、8個MA樣本組成的。具體計算方法如表2所示。

    表1 3個聚類體的相關(guān)數(shù)據(jù)表

    表2 3個聚類體中分別選取的MA樣本數(shù)

    2.2 基于聚類的非平衡分類算法的完整描述

    本文提出的基于聚類的非平衡分類算法,其完整描述如算法1所示。

    算法1 基于聚類的非平衡分類算法

    3 實驗結(jié)果與分析

    實驗中用到兩個真實的數(shù)據(jù)集。一個是美國人口統(tǒng)計局1994年和1995年的人口-收入統(tǒng)計數(shù)據(jù)庫,該數(shù)據(jù)集中包含公民的年齡、性別、受教育程度、工作等信息,該數(shù)據(jù)集的任務(wù)是能對每個公民的收入進行預(yù)測??倶颖緮?shù)為30 162,其中MA(收入低于5萬美元)樣本數(shù)為22 654,MI(收入高于5萬美元)樣本數(shù)為7 508;另一個數(shù)據(jù)庫是銀行貸款拖欠檢測數(shù)據(jù)集,該數(shù)據(jù)集中包含客戶基本信息、客戶支付能力和客戶賬單資金總量等信息,該數(shù)據(jù)集的任務(wù)是能對容易拖欠的客戶進行預(yù)測。該數(shù)據(jù)集的樣本總數(shù)為62 309,其中MA(不容易拖欠的客戶)樣本數(shù)為47 707,MI(容易拖欠的客戶)樣本數(shù)為14 602。我們使用80%的樣本作為學(xué)習(xí)樣本,其余20%的樣本用來對學(xué)習(xí)得到的分類器進行評價。

    算法1的第一步提到的聚類算法采用k-medoids算法[6],算法1的第四步提到的分類算法采用神經(jīng)網(wǎng)絡(luò)算法[7]。

    為驗證本算法的有效性,與隨機減重取樣算法(RUSA)進行了對比,實驗結(jié)果如表3所示。從表3可看出,在兩個數(shù)據(jù)集上,我們的算法都優(yōu)于RUSA算法。

    表3 兩種算法的實驗結(jié)果

    4 結(jié)束語

    本文針對隨機減重取樣技術(shù)的局限性,提出了一種基于聚類的非平衡分類算法。首先采用聚類算法對整個原始非平衡樣本集合進行聚類,得到多個聚類體;然后在每個聚類體中,選取一定數(shù)量的MA樣本,與原始樣本中的所有MI樣本一起,組成一個新的平衡的樣本集合。在該樣本集合上,利用傳統(tǒng)的分類算法進行學(xué)習(xí),得到最終的分類器。在兩個非平衡數(shù)據(jù)集上,驗證了本算法的有效性。

    [1] 韓家煒.數(shù)據(jù)挖掘:概念與技術(shù)[M].北京:機械工業(yè)出版社,2004.

    [2] N Chawla,K Bowyer,L Hall,et al.SMOTE:Synthetic Minority Over-Sampling Technique[J].Journal of Artificial Intelligence Research,2002,16:321-357.

    [3] Z Zhou,X Liu.Training Cost-Sensitive Neural Networks with Methods Addressing the Class Imbalance Problem[C]// IEEE Transaction on Knowledge and Data Engineering,2006:63-77.

    [4] R Barandela,J Sánchez,V García,et al.Strategies for Learning in Class Imbalance Problems[J].Pattern Recognition, 2003,36:849-851.

    [5] M Kubat,S Matwin.Addressing the Curse of Imbalanced Training Sets:One-Sided Selection[C]//In Proceedings of ICML-97,1997:179-186.

    [6] Struyf A,Hubert M,Rousseeuw P.Integrating Robust Clustering Techniques in S-plus[J].Computational Statistics and Data Analysis,1997(26):17-37.

    [7] Sondak N E,Sondak V K.Neural Networks and Artificial Intelligence[C]//In Proceedings of the 20th SIGCSE Technical Symposium on Computer Science Education,1989.

    2013-11-05

    武永成(1971-),男,湖北仙桃人,荊楚理工學(xué)院講師,碩士。研究方向:機器學(xué)習(xí)和數(shù)據(jù)挖掘; 劉釗(1967-),男,湖北襄陽人,武漢科技大學(xué)教授,博士。研究方向:人工智能和演化計算。

    TP301.6

    A

    1008-4657(2014)02-0045-04

    寸曉非]

    猜你喜歡
    樣例樣本數(shù)分類器
    樣例復(fù)雜度與學(xué)習(xí)形式對不同數(shù)量樣例學(xué)習(xí)的影響
    樣例呈現(xiàn)方式對概念訓(xùn)練類別表征的影響
    勘 誤 聲 明
    “樣例教學(xué)”在小學(xué)高年級數(shù)學(xué)中的應(yīng)用
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    三時間間隔圓錐補償姿態(tài)更新算法性能分析
    田間鑒定雜交棉品種純度的適宜時期和樣本數(shù)
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    日韩av在线免费看完整版不卡| 黄色配什么色好看| 全区人妻精品视频| 亚洲国产精品专区欧美| 色哟哟·www| 免费观看的影片在线观看| 狂野欧美白嫩少妇大欣赏| 国产视频内射| 色5月婷婷丁香| 国产成人精品在线电影| 午夜福利网站1000一区二区三区| 国产精品三级大全| 曰老女人黄片| 亚洲成人一二三区av| 国产精品人妻久久久久久| 亚洲av欧美aⅴ国产| 国产 一区精品| 狂野欧美激情性xxxx在线观看| 美女国产高潮福利片在线看| 久久精品熟女亚洲av麻豆精品| 亚洲第一区二区三区不卡| 亚洲国产精品专区欧美| 一区二区三区乱码不卡18| 国产深夜福利视频在线观看| 99视频精品全部免费 在线| 国产熟女午夜一区二区三区 | 看免费成人av毛片| 亚洲人成77777在线视频| 街头女战士在线观看网站| 午夜福利网站1000一区二区三区| 777米奇影视久久| 美女cb高潮喷水在线观看| 国产乱人偷精品视频| 色94色欧美一区二区| 26uuu在线亚洲综合色| 国产黄片视频在线免费观看| 亚洲av不卡在线观看| 国产成人freesex在线| 黄片无遮挡物在线观看| 黄色毛片三级朝国网站| 97在线人人人人妻| 亚洲av日韩在线播放| 国产欧美另类精品又又久久亚洲欧美| 下体分泌物呈黄色| 欧美成人精品欧美一级黄| 亚洲,欧美,日韩| 日本与韩国留学比较| 在线观看国产h片| 秋霞在线观看毛片| 伊人久久精品亚洲午夜| 亚洲怡红院男人天堂| av卡一久久| 国产欧美日韩一区二区三区在线 | av电影中文网址| 亚洲少妇的诱惑av| 久久人妻熟女aⅴ| 18禁裸乳无遮挡动漫免费视频| 性色avwww在线观看| 涩涩av久久男人的天堂| 成人毛片a级毛片在线播放| 又粗又硬又长又爽又黄的视频| 一本一本综合久久| 久久久欧美国产精品| 日韩av不卡免费在线播放| 国产亚洲午夜精品一区二区久久| 国产视频内射| 国产成人精品在线电影| 国产成人精品婷婷| 欧美3d第一页| 国产男女超爽视频在线观看| 少妇的逼好多水| av女优亚洲男人天堂| 久久狼人影院| 超色免费av| 免费大片18禁| 欧美成人午夜免费资源| 亚洲国产精品一区二区三区在线| 久久久精品94久久精品| 美女视频免费永久观看网站| 色网站视频免费| 一本色道久久久久久精品综合| 在现免费观看毛片| 欧美老熟妇乱子伦牲交| 国产一区二区在线观看日韩| 99久久精品国产国产毛片| 黄色欧美视频在线观看| freevideosex欧美| av国产精品久久久久影院| 亚洲国产成人一精品久久久| 你懂的网址亚洲精品在线观看| 一本色道久久久久久精品综合| 日韩亚洲欧美综合| 在线播放无遮挡| 街头女战士在线观看网站| 国产av国产精品国产| 内地一区二区视频在线| 国产免费一级a男人的天堂| 精品久久久久久久久av| 免费看av在线观看网站| 欧美最新免费一区二区三区| 一本色道久久久久久精品综合| 亚洲欧美成人精品一区二区| 91国产中文字幕| 国精品久久久久久国模美| 亚洲精品中文字幕在线视频| 波野结衣二区三区在线| 精品久久久久久久久av| 亚洲国产欧美日韩在线播放| 你懂的网址亚洲精品在线观看| 久久久国产一区二区| 在线免费观看不下载黄p国产| 亚洲国产精品999| 欧美人与性动交α欧美精品济南到 | 97超碰精品成人国产| 日本与韩国留学比较| 久久97久久精品| 熟妇人妻不卡中文字幕| 高清黄色对白视频在线免费看| 免费av中文字幕在线| 国产精品一二三区在线看| 不卡视频在线观看欧美| 亚洲精品色激情综合| 亚洲欧美中文字幕日韩二区| 伊人久久精品亚洲午夜| xxx大片免费视频| 狂野欧美激情性bbbbbb| 久久久久久久久久久免费av| 亚洲综合色网址| 亚洲精品第二区| 一个人看视频在线观看www免费| 少妇人妻 视频| 最近手机中文字幕大全| a级片在线免费高清观看视频| 亚洲美女黄色视频免费看| 中文字幕av电影在线播放| 精品亚洲成a人片在线观看| 久久99一区二区三区| 在线观看国产h片| 18禁动态无遮挡网站| 人体艺术视频欧美日本| 亚洲国产欧美在线一区| 亚洲av综合色区一区| 国产免费现黄频在线看| 中文精品一卡2卡3卡4更新| 美女国产高潮福利片在线看| 国产欧美亚洲国产| 久久久国产一区二区| 建设人人有责人人尽责人人享有的| 亚洲国产日韩一区二区| 亚洲精品色激情综合| 99热全是精品| 高清午夜精品一区二区三区| 国产极品天堂在线| av天堂久久9| 国产精品蜜桃在线观看| 大话2 男鬼变身卡| 久久99热这里只频精品6学生| 亚洲国产精品国产精品| 日产精品乱码卡一卡2卡三| 国产成人免费无遮挡视频| 久久久国产欧美日韩av| 久久久午夜欧美精品| 国产av国产精品国产| av在线老鸭窝| 欧美日韩视频精品一区| 五月天丁香电影| 亚洲精华国产精华液的使用体验| 九九久久精品国产亚洲av麻豆| 色婷婷久久久亚洲欧美| 伦理电影大哥的女人| 久久久久视频综合| 欧美 日韩 精品 国产| 狠狠婷婷综合久久久久久88av| 免费av中文字幕在线| 18禁动态无遮挡网站| 成年美女黄网站色视频大全免费 | 国产精品一区二区三区四区免费观看| 一级毛片电影观看| 乱码一卡2卡4卡精品| 亚洲精品视频女| 一区二区三区四区激情视频| 老熟女久久久| av网站免费在线观看视频| 激情五月婷婷亚洲| 亚洲精品乱码久久久v下载方式| 日本黄大片高清| 观看美女的网站| 精品亚洲成国产av| 婷婷色综合大香蕉| 国产精品99久久99久久久不卡 | 成人无遮挡网站| 大又大粗又爽又黄少妇毛片口| 欧美精品一区二区免费开放| 丰满少妇做爰视频| 久久精品国产亚洲av涩爱| 亚洲一级一片aⅴ在线观看| 一级黄片播放器| 国产精品.久久久| 精品久久久久久久久av| 国产精品一区www在线观看| 国产一区二区三区综合在线观看 | 一本一本综合久久| 伦理电影大哥的女人| 精品久久国产蜜桃| 国产亚洲精品第一综合不卡 | 人人澡人人妻人| 91成人精品电影| 一区二区三区精品91| 日韩欧美精品免费久久| 国产成人freesex在线| 在线观看三级黄色| 在线亚洲精品国产二区图片欧美 | 成人二区视频| 日韩av不卡免费在线播放| 亚洲成人手机| 欧美人与善性xxx| 一本色道久久久久久精品综合| 大片免费播放器 马上看| 一区二区日韩欧美中文字幕 | 久久久国产一区二区| 女的被弄到高潮叫床怎么办| 这个男人来自地球电影免费观看 | 久久久亚洲精品成人影院| 免费观看性生交大片5| 青春草视频在线免费观看| 欧美人与性动交α欧美精品济南到 | 人成视频在线观看免费观看| 毛片一级片免费看久久久久| 欧美变态另类bdsm刘玥| 只有这里有精品99| 一区二区三区免费毛片| 亚洲精品美女久久av网站| 国产精品一国产av| 性色avwww在线观看| 伦精品一区二区三区| 国产男人的电影天堂91| 久久久久久久国产电影| 只有这里有精品99| 在线观看免费日韩欧美大片 | 这个男人来自地球电影免费观看 | 日本-黄色视频高清免费观看| 欧美性感艳星| 男女无遮挡免费网站观看| 日韩精品有码人妻一区| 妹子高潮喷水视频| 这个男人来自地球电影免费观看 | 九色亚洲精品在线播放| 女人久久www免费人成看片| 欧美少妇被猛烈插入视频| 高清在线视频一区二区三区| freevideosex欧美| 精品人妻熟女av久视频| 国产成人精品久久久久久| 国产av国产精品国产| 另类亚洲欧美激情| 国产成人91sexporn| 国产精品一二三区在线看| 精品熟女少妇av免费看| 美女内射精品一级片tv| 人妻制服诱惑在线中文字幕| 亚洲情色 制服丝袜| 国产日韩欧美在线精品| 色婷婷av一区二区三区视频| 久久精品久久久久久久性| 纵有疾风起免费观看全集完整版| 国模一区二区三区四区视频| 国产精品一区二区三区四区免费观看| 成人影院久久| 国产av一区二区精品久久| 99久久中文字幕三级久久日本| 超碰97精品在线观看| 成人毛片a级毛片在线播放| 亚洲国产最新在线播放| 伦理电影大哥的女人| 99九九线精品视频在线观看视频| 精品人妻在线不人妻| 成人国产av品久久久| 日韩伦理黄色片| 亚洲精品成人av观看孕妇| 国产有黄有色有爽视频| 美女内射精品一级片tv| 久久久国产精品麻豆| 免费大片18禁| 亚洲性久久影院| 国国产精品蜜臀av免费| 青春草视频在线免费观看| 亚洲伊人久久精品综合| 久久久久久久国产电影| 看非洲黑人一级黄片| 麻豆精品久久久久久蜜桃| 午夜福利网站1000一区二区三区| 一本一本综合久久| 久久久久久久久久人人人人人人| 国产成人a∨麻豆精品| 日韩成人伦理影院| 成人漫画全彩无遮挡| 久久狼人影院| 九色成人免费人妻av| 十八禁高潮呻吟视频| 美女主播在线视频| 亚洲国产成人一精品久久久| 欧美人与性动交α欧美精品济南到 | 久久精品国产自在天天线| 麻豆精品久久久久久蜜桃| 男女免费视频国产| 色婷婷久久久亚洲欧美| 大话2 男鬼变身卡| 人人澡人人妻人| 久久精品国产亚洲av天美| 国产 一区精品| 婷婷色综合www| 日韩一区二区视频免费看| 亚洲精品乱久久久久久| 免费黄频网站在线观看国产| 日日撸夜夜添| 午夜福利视频在线观看免费| 各种免费的搞黄视频| 久久精品国产a三级三级三级| 欧美日韩精品成人综合77777| 少妇熟女欧美另类| 婷婷色麻豆天堂久久| 久久久久精品性色| 久久热精品热| 国产成人aa在线观看| 久久99一区二区三区| 美女cb高潮喷水在线观看| 国产高清不卡午夜福利| av国产久精品久网站免费入址| 女性生殖器流出的白浆| 亚洲高清免费不卡视频| 性高湖久久久久久久久免费观看| 卡戴珊不雅视频在线播放| 亚洲在久久综合| 亚洲av电影在线观看一区二区三区| 国产av一区二区精品久久| 大片电影免费在线观看免费| 亚洲三级黄色毛片| 精品久久久久久久久av| 赤兔流量卡办理| 国国产精品蜜臀av免费| 国产不卡av网站在线观看| 欧美国产精品一级二级三级| 成年女人在线观看亚洲视频| 国产精品三级大全| 国产又色又爽无遮挡免| 美女xxoo啪啪120秒动态图| 精品人妻在线不人妻| 精品久久久久久久久av| 午夜免费男女啪啪视频观看| 丰满乱子伦码专区| 在线播放无遮挡| 久久ye,这里只有精品| 久热这里只有精品99| 国产男女内射视频| 两个人免费观看高清视频| 高清av免费在线| 在线观看一区二区三区激情| av免费在线看不卡| 国产一区有黄有色的免费视频| 一本色道久久久久久精品综合| 日本91视频免费播放| 桃花免费在线播放| 日本欧美视频一区| 夫妻午夜视频| 热99久久久久精品小说推荐| 久久人人爽av亚洲精品天堂| 精品少妇黑人巨大在线播放| 啦啦啦中文免费视频观看日本| 一个人看视频在线观看www免费| 亚洲精品久久午夜乱码| 亚洲中文av在线| 久久97久久精品| 少妇高潮的动态图| 丰满少妇做爰视频| 男女免费视频国产| 狂野欧美白嫩少妇大欣赏| 亚洲精品日韩在线中文字幕| 国产亚洲一区二区精品| 最黄视频免费看| 国产精品蜜桃在线观看| 精品久久久久久电影网| 国产一区有黄有色的免费视频| 国产精品人妻久久久影院| 亚洲av成人精品一区久久| 99热网站在线观看| 一级爰片在线观看| 免费久久久久久久精品成人欧美视频 | 99久久人妻综合| 欧美人与性动交α欧美精品济南到 | 91aial.com中文字幕在线观看| 久久99热6这里只有精品| 国产黄频视频在线观看| 欧美成人精品欧美一级黄| 国产一区二区在线观看日韩| 国产乱人偷精品视频| 99久久中文字幕三级久久日本| 少妇精品久久久久久久| 又粗又硬又长又爽又黄的视频| 一级毛片aaaaaa免费看小| 日韩中文字幕视频在线看片| 国产淫语在线视频| 狂野欧美激情性xxxx在线观看| 日韩成人伦理影院| 高清不卡的av网站| 大陆偷拍与自拍| 大香蕉97超碰在线| 精品人妻偷拍中文字幕| 人妻系列 视频| 国产精品99久久99久久久不卡 | 三上悠亚av全集在线观看| 精品久久久久久久久亚洲| 午夜精品国产一区二区电影| 亚洲伊人久久精品综合| 中文字幕久久专区| 青春草亚洲视频在线观看| 日韩成人伦理影院| 久久国产亚洲av麻豆专区| 国产精品一区二区在线观看99| 国语对白做爰xxxⅹ性视频网站| 制服丝袜香蕉在线| 亚洲综合精品二区| 亚洲精品一二三| 国产成人精品无人区| 国产在线视频一区二区| 有码 亚洲区| 国产精品一区www在线观看| 肉色欧美久久久久久久蜜桃| 最后的刺客免费高清国语| 老司机影院毛片| 美女福利国产在线| 欧美+日韩+精品| 夫妻午夜视频| 黄色欧美视频在线观看| 精品久久久久久电影网| 晚上一个人看的免费电影| 国产精品偷伦视频观看了| 亚洲欧美日韩另类电影网站| 欧美精品人与动牲交sv欧美| 99久久精品国产国产毛片| 成人亚洲欧美一区二区av| 精品少妇内射三级| 亚洲中文av在线| 日本爱情动作片www.在线观看| 国产老妇伦熟女老妇高清| 五月开心婷婷网| 免费大片18禁| 欧美老熟妇乱子伦牲交| 国产精品欧美亚洲77777| 国产色婷婷99| 五月玫瑰六月丁香| 久久久久久久久久久丰满| 国产国语露脸激情在线看| 久久99热6这里只有精品| 亚洲一区二区三区欧美精品| 国产片特级美女逼逼视频| 精品人妻熟女毛片av久久网站| 日日撸夜夜添| 久久精品国产亚洲av天美| 亚洲精品视频女| 亚洲色图综合在线观看| 久久精品熟女亚洲av麻豆精品| 大码成人一级视频| 久久久国产欧美日韩av| 极品人妻少妇av视频| 在线亚洲精品国产二区图片欧美 | 最后的刺客免费高清国语| 久久久国产精品麻豆| 久久99热这里只频精品6学生| 国产伦理片在线播放av一区| 成人影院久久| 免费看不卡的av| 成人18禁高潮啪啪吃奶动态图 | 中文欧美无线码| 超碰97精品在线观看| 日产精品乱码卡一卡2卡三| 日韩 亚洲 欧美在线| 天天操日日干夜夜撸| 欧美精品亚洲一区二区| 交换朋友夫妻互换小说| videossex国产| 国产在线免费精品| 国产高清有码在线观看视频| 在线精品无人区一区二区三| 制服人妻中文乱码| 人妻一区二区av| 国产综合精华液| 欧美激情 高清一区二区三区| 一级a做视频免费观看| av专区在线播放| 久久人人爽人人爽人人片va| 在线观看人妻少妇| 国产成人免费观看mmmm| 99热这里只有精品一区| 精品国产乱码久久久久久小说| 晚上一个人看的免费电影| 制服诱惑二区| 国产精品一二三区在线看| 这个男人来自地球电影免费观看 | 日韩视频在线欧美| 大码成人一级视频| 日韩视频在线欧美| xxx大片免费视频| 高清在线视频一区二区三区| 搡女人真爽免费视频火全软件| 国产亚洲一区二区精品| 国产精品无大码| 久久精品久久久久久久性| 成人黄色视频免费在线看| 18禁动态无遮挡网站| av福利片在线| 如何舔出高潮| 五月伊人婷婷丁香| 久久久久久久国产电影| 少妇丰满av| 亚洲美女搞黄在线观看| 亚洲av成人精品一二三区| 高清毛片免费看| 26uuu在线亚洲综合色| 亚洲人成网站在线播| 免费播放大片免费观看视频在线观看| 精品99又大又爽又粗少妇毛片| 日韩伦理黄色片| 久久久久久久国产电影| 少妇被粗大猛烈的视频| 晚上一个人看的免费电影| 26uuu在线亚洲综合色| 18禁观看日本| 欧美bdsm另类| 自线自在国产av| 亚洲美女视频黄频| 老熟女久久久| 色婷婷av一区二区三区视频| 97在线人人人人妻| 国产欧美另类精品又又久久亚洲欧美| 免费少妇av软件| 国产男女内射视频| 国产av一区二区精品久久| 国产亚洲最大av| 国产精品不卡视频一区二区| 9色porny在线观看| 久久久久久久久久成人| 国产高清有码在线观看视频| 亚洲中文av在线| 大片免费播放器 马上看| 亚洲人成77777在线视频| 国模一区二区三区四区视频| 一级毛片黄色毛片免费观看视频| 高清欧美精品videossex| 亚洲欧美精品自产自拍| 下体分泌物呈黄色| 亚洲精品乱码久久久久久按摩| 在线免费观看不下载黄p国产| 国产极品天堂在线| 在线观看www视频免费| 国产 一区精品| 成年av动漫网址| 女人精品久久久久毛片| 亚洲国产毛片av蜜桃av| 精品午夜福利在线看| 欧美一级a爱片免费观看看| 国产欧美另类精品又又久久亚洲欧美| 天天影视国产精品| 国产成人精品婷婷| 久热这里只有精品99| 久久久久人妻精品一区果冻| 亚洲精华国产精华液的使用体验| 美女xxoo啪啪120秒动态图| 看免费成人av毛片| 嫩草影院入口| 日本-黄色视频高清免费观看| 人妻少妇偷人精品九色| 男的添女的下面高潮视频| 欧美精品亚洲一区二区| 成人手机av| 欧美 日韩 精品 国产| 精品一区二区免费观看| 新久久久久国产一级毛片| av又黄又爽大尺度在线免费看| 人妻 亚洲 视频| 人人澡人人妻人| 看十八女毛片水多多多| 亚洲精品国产av成人精品| 国产成人精品无人区| 麻豆乱淫一区二区| 成人黄色视频免费在线看| 九九爱精品视频在线观看| 日日撸夜夜添| 成年女人在线观看亚洲视频| 丝袜脚勾引网站| 三级国产精品欧美在线观看| 亚洲五月色婷婷综合| 国产 一区精品| 丝瓜视频免费看黄片| 国产精品国产三级国产av玫瑰| 久久精品熟女亚洲av麻豆精品| 在线观看美女被高潮喷水网站| av有码第一页| 大香蕉97超碰在线| 汤姆久久久久久久影院中文字幕| 久久久久久久国产电影| 777米奇影视久久| 日韩在线高清观看一区二区三区| 一二三四中文在线观看免费高清| 日本免费在线观看一区| 亚洲精品成人av观看孕妇| 最新中文字幕久久久久| 日韩视频在线欧美| 天堂8中文在线网| 色网站视频免费| 51国产日韩欧美| 最黄视频免费看| 夜夜爽夜夜爽视频| 在线观看美女被高潮喷水网站| 色网站视频免费| 午夜激情福利司机影院|