• <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 ?

    基于遺傳算法和互信息公式結(jié)合的特征選擇

    2014-12-14 06:10:06涂昌慧胡天亮
    關(guān)鍵詞:互信息特征選擇子集

    涂昌慧,葛 紅 ,胡天亮

    (華南師范大學(xué)計算機(jī)學(xué)院,廣州510631)

    特征選擇是統(tǒng)計學(xué)、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘等領(lǐng)域中的經(jīng)典問題. 在模式識別中,它根據(jù)一些準(zhǔn)則,在刪除一組不相關(guān)、冗余的特征后,選出對分類最有效的特征以達(dá)到降低特征空間維數(shù),使得如分類、回歸模型等任務(wù)達(dá)到和特征選擇前近似甚至更好的預(yù)測精度[1].

    特征選擇方法大致可以分為封裝式(Wrapper)、過濾式(Filter)和嵌入式(Embedded)等3 類.封裝式特征選擇方法準(zhǔn)確率較高,但容易出現(xiàn)過擬合現(xiàn)象,魯棒性較差,依賴具體的學(xué)習(xí)算法,不適合大規(guī)模數(shù)據(jù)集[2].過濾式特征選擇方法的評估依賴于數(shù)據(jù)集本身,其可擴(kuò)展性、魯棒性高,適合大規(guī)模數(shù)據(jù)集[3],但沒有考慮與學(xué)習(xí)算法間的關(guān)系,得到的子集性能較差,嵌入式特征選擇方法運(yùn)行速度較快,選擇的特征與分類性能有關(guān),但其依賴于學(xué)習(xí)算法的選擇,魯棒性不高.

    遺傳算法是一種自適應(yīng)的全局搜索方法,具有并行性和適合于解決多目標(biāo)優(yōu)化等特性. 互信息是2個隨機(jī)變量統(tǒng)計相關(guān)性的測度.在特征選擇中,互信息度量特征與類別標(biāo)簽的相關(guān)性是一種基于相關(guān)性的過濾式特征選擇方法. 為了充分利用遺傳算法和互信息的優(yōu)點(diǎn),本文結(jié)合遺傳算法和互信息進(jìn)行特征選擇.

    1 相關(guān)概念

    1.1 遺傳算法

    遺傳算法(Genetic Algorithm,GA)是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法. 其基本思想是從任意初始群體出發(fā),通過隨機(jī)選擇、交叉和變異操作,產(chǎn)生一群更適應(yīng)環(huán)境的個體.

    遺傳算法首先需實(shí)現(xiàn)從表現(xiàn)型到基因型的映射,即編碼.初代種群產(chǎn)生之后,按照適者生存和優(yōu)勝劣汰的原理,逐代演化產(chǎn)生更好的近似解,在每一代,根據(jù)問題域中個體的適應(yīng)度大小選擇個體,并借助于遺傳算子進(jìn)行組合交叉和變異,產(chǎn)生出代表新解集的種群.遺傳算法在進(jìn)化搜索過程中僅以適應(yīng)度函數(shù)為依據(jù),所以適應(yīng)度函數(shù)直接影響到遺傳算法的收斂速度以及能否找到最優(yōu)解[4]. 遺傳算法的3個基本操作:

    (1)選擇.根據(jù)個體的適應(yīng)度值,按照一定的規(guī)則或方法,從上一代群體中選擇出一些優(yōu)良的個體遺傳到下一代種群中. 選擇的依據(jù)是適應(yīng)性強(qiáng)的個體為下一代貢獻(xiàn)一個或多個后代的概率大.

    (2)交叉.交叉是把2個父個體的部分結(jié)構(gòu)加以替換而生成新個體的操作.交叉操作產(chǎn)生的新一代個體,既保留了雙親的部分基因,又引入新的基因.

    (3)變異. 變異可以防止求解過程中過早收斂產(chǎn)生局部最優(yōu)解而非總體最優(yōu)解.其操作為:對種群中的每個個體,以變異概率改變某一個或多個基因座上的基因值.變異本身是一種局部隨機(jī)搜索,與選擇算子結(jié)合在一起,保證了遺傳算法的有效性,使遺傳算法具有局部的隨機(jī)搜索能力,同時保持種群的多樣性,防止出現(xiàn)非成熟收斂.

    1.2 互信息

    互信息(Mutual Information,MI)是信息論中的一個基本概念.它表示2個變量間共同擁有信息的含量.系統(tǒng)的不確定性或復(fù)雜性可以用信息熵來描述.對于一個隨機(jī)變量集X,其中任一xX,其概率分布函數(shù)用PX(x)表示,則集合X 的熵H(X)定義如下:

    如果系統(tǒng)越有序,它的不確定性就越小,即熵值也越小,所含的確定信息越大.

    給定2個隨機(jī)變量集X 和Y,其條件熵分別定義:

    隨機(jī)變量集X 和Y 間的統(tǒng)計相關(guān)性可以用聯(lián)合熵來描述,其定義:

    其中,H(X)表示Y 未知時的熵,即X 的不確定性;H(X|Y)表示已知Y 后X 的不確定性,那么在知道Y后X 的不確定性減少量為H(X)-H(X|Y).這個不確定性的減少量即為互信息,它反映了Y 包含X 中信息的多少,可以描述為:

    對于2個離散的隨機(jī)變量X 和Y 還可以用2個變量的聯(lián)合概率密度分布PXY(x,y)與2個變量完全獨(dú)立時的聯(lián)合概率分布PX(x)·PY(y)來表示互信息:

    由定義可知,當(dāng)變量X 和Y 完全無關(guān)或相互獨(dú)立時,它們的互信息為0,說明它們之間不存在相同的信息;反之,當(dāng)互信息值越大,它們間的相互依賴度越高,包含的相同信息也越多.

    條件互信息是指在給定某個隨機(jī)變量的條件下,其他2個變量之間的相互依賴程度.假如隨機(jī)變量Z 已知,那么變量X 和Y 關(guān)于Z 的條件互信息為:

    其中PXYZ(x,y,z)為聯(lián)合概率分布,P(x|z)、P(y|z)和P(x,y|z)均為條件概率分布.

    1.3 BP 神經(jīng)網(wǎng)絡(luò)

    BP 神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)的主要特點(diǎn)是信號向前傳遞的,而誤差反向傳播.在前向傳遞中,輸入信號從輸入層經(jīng)隱含層逐層處理,直至輸出層.如果輸出層得不到期望輸出,則轉(zhuǎn)入反向傳播,根據(jù)預(yù)測誤差調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,從而使BP 神經(jīng)網(wǎng)絡(luò)預(yù)測輸出不斷逼近期望輸出. 由于BP 神經(jīng)網(wǎng)絡(luò)包含多個隱含層,故其具備處理線性不可分問題的能力.

    1.4 概率神經(jīng)網(wǎng)絡(luò)

    網(wǎng)絡(luò)概率神經(jīng)網(wǎng)絡(luò)(Probabilistic Neural Networks,PNN)是一種徑向基神經(jīng)網(wǎng)絡(luò),在RBF 網(wǎng)絡(luò)的基礎(chǔ)上,融合了密度函數(shù)估計和貝葉斯決策理論.概率神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單,能用線性學(xué)習(xí)算法實(shí)現(xiàn)非線性學(xué)習(xí)算法的功能[5].PNN 不像傳統(tǒng)的多層前向網(wǎng)絡(luò)那樣需要用BP 算法進(jìn)行反向誤差傳播的計算,而是完全前向的計算過程.在某些易滿足的條件下,以PNN 實(shí)現(xiàn)的判別邊界漸進(jìn)地融入貝葉斯最佳判定面. PNN 訓(xùn)練時間短、不易產(chǎn)生局部最優(yōu),且它的分類正確率較高. 研究表明概率神經(jīng)網(wǎng)絡(luò)收斂速度快,具有很強(qiáng)的容錯性、擴(kuò)充性能好等特性.

    2 GA-MI 算法研究

    由于特征評價函數(shù)與遺傳算法的收斂速度和最優(yōu)解息息相關(guān),所以提出以互信息作為算法的特征評價函數(shù).而標(biāo)準(zhǔn)互信息只考慮了單個特征的影響,沒有考慮兩兩特征和多個特征間的相互影響,因此,本文引入改進(jìn)的互信息公式結(jié)合遺傳算法來進(jìn)行特征選擇方法:將遺傳算法里的特征評價函數(shù)用改進(jìn)互信息公式進(jìn)行替換. 遺傳算法是一種基于封裝式的特征選擇算法,互信息是一種基于過濾式的特征選擇算法,故GA-MI 算法是對封裝式和過濾式這2種特征選擇算法的結(jié)合.具體方法如下:

    (1)將解空間映射到編碼空間,每個編碼對應(yīng)問題的一個解.本文采用經(jīng)典的二進(jìn)制編碼.

    (2)設(shè)P 為種群的大小,L 為個體的長度;N 表示初始種群的大小,為用戶自定義的參數(shù),且1≤N≤P.分別對初始種群中的個體隨機(jī)附上二進(jìn)制值,以這N 組串結(jié)構(gòu)作為初始點(diǎn)開始迭代.

    (3)計算種群的適應(yīng)度. 本文選取改進(jìn)的互信息公式[6]作為適應(yīng)度函數(shù):

    其中,n 表示特征總數(shù),Xn表示n個特征里面任一特征值,Xk表示第k 列的特征值,Y 表示標(biāo)簽列,參數(shù)β 和γ 在[0,1]里面取值. 上式第1 項(xiàng)為所有特征與標(biāo)簽的互信息的和,第2 項(xiàng)為所有不相同的2個特征的互信息的和,第3 項(xiàng)為所有不相同的2個特征與標(biāo)簽項(xiàng)的互信息的和,其中第2 項(xiàng)、第3 項(xiàng)分別乘以參數(shù)β、γ,以此來削弱它們在互信息公式中的影響力.當(dāng)β 和γ 均為0 時,式(8)為最原始的互信息公式.

    由于式(8)為該種群所有特征的互信息,所以單個特征的互信息應(yīng)除以所選特征變量的個數(shù),即:

    (4)判斷是否達(dá)到迭代次數(shù),若是,則輸出當(dāng)前的最優(yōu)特征子集,否則執(zhí)行以下步驟.

    (5)執(zhí)行選擇操作. 本文的選擇操作選用比例選擇算子,即個體被選中并遺傳到下一代種群中的概率與該個體的適應(yīng)度大小成正比.

    (6)執(zhí)行交叉操作. 本實(shí)驗(yàn)的交叉操作采用單點(diǎn)交叉算子.

    式中:Kj(Nx)表示待評對象Nx關(guān)于等級j的綜合關(guān)聯(lián)度;kj(xj)表示待評對象Nx關(guān)于等級j的單指標(biāo)關(guān)聯(lián)度j=(1,2,…,m);ai表示各指標(biāo)的權(quán)重。若

    (7)執(zhí)行變異操作. 本實(shí)驗(yàn)的變異操作采用單點(diǎn)變異算子.

    (8)返回4).

    3 實(shí)驗(yàn)方法

    3.1 實(shí)驗(yàn)數(shù)據(jù)

    本次實(shí)驗(yàn)數(shù)據(jù)選自UCI 機(jī)器學(xué)習(xí)數(shù)據(jù)庫和人工數(shù)據(jù)集.從UCI 中選取了IRIS 數(shù)據(jù)集和Wine 數(shù)據(jù)集;設(shè)置了2 組人工數(shù)據(jù)集,選擇數(shù)據(jù)集和異或數(shù)據(jù)集.其中,選擇數(shù)據(jù)集(Select)為512* 10 維的數(shù)據(jù):前9 列為特征項(xiàng),其中第1、2 列的4 種排列組合的值,順序選擇第6、7、8 或9 列,所選的那一列對應(yīng)的值即為第10 列標(biāo)簽項(xiàng)的值. 異或數(shù)據(jù)集(XOR)為32* 6 維的數(shù)據(jù):前5 列為特征項(xiàng),第6 列標(biāo)簽項(xiàng)的值為第1 列和第5 列異或的結(jié)果.在每次實(shí)驗(yàn)時,我們都會將數(shù)據(jù)集順序打亂. 選擇其中2/3 的數(shù)據(jù)為訓(xùn)練數(shù)據(jù)集,1/3 的數(shù)據(jù)為測試數(shù)據(jù)集.表1 為實(shí)驗(yàn)的數(shù)據(jù)集.

    表1 實(shí)驗(yàn)數(shù)據(jù)集Table 1 Experimental data sets

    3.2 實(shí)驗(yàn)方法

    為了驗(yàn)證所提出方法的有效性,采用GA-PNN算法和GA-PNN-MI 算法與本文所提出的方法進(jìn)行比較.

    GA-PNN 算法是將遺傳算法中的初始種群特征值隨機(jī)選擇改為用PNN 進(jìn)行選擇. 具體實(shí)現(xiàn):首先用PNN 預(yù)測每個特征單獨(dú)使用時的情況,并算出每個基因位的方差,然后選擇方差倒數(shù)值不小于均方差倒數(shù)值的基因位,此基因位的特征即作為遺傳算法初始種群的特征. 選擇、交叉、變異操作同前面的GA-MI 方法,適應(yīng)度函數(shù)為測試集數(shù)據(jù)誤差平方和的倒數(shù).

    GA-PNN-MI 算法是在GA-PNN 算法的基礎(chǔ)上,將GA-PNN 中的適應(yīng)度函數(shù)變?yōu)楦倪M(jìn)的互信息公式.

    GA-MI 算法與GA-PNN-MI 算法最大的區(qū)別在于后者用PNN 對遺傳算法里的初始種群進(jìn)行選擇,而非隨機(jī)選擇選擇初始種群.

    4 結(jié)果與分析

    對每種方法各做15 組實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果顯示,遺傳算法中初始種群大小N 取10,互信息公式中參數(shù)β、γ 取值分別為0.5、0.6 時,實(shí)驗(yàn)結(jié)果較為理想.對于表1 中的每一個數(shù)據(jù)集,分別運(yùn)行GA-MI、GAPNN 和GA-PNN-MI 算法,記錄下各算法得到的特征子集.統(tǒng)計每次實(shí)驗(yàn)所得特征子集的個數(shù),取這15 組數(shù)據(jù)的平均值,即為所選擇特征子集個數(shù). 特征個數(shù)采用向上取整的方法.所選特征為15 組數(shù)據(jù)中出現(xiàn)次數(shù)最多的特征. 特征個數(shù)及所選特征見表2 和表3. 表2 列出了采用3 種不同特征選擇方法得到的特征子集中所包含的特征的個數(shù),表3 列出了對應(yīng)的特征子集所包含的具體特征的下標(biāo).顯然,采用本文提出的GA-MI 方法選出的特征子集規(guī)模小于或等于其他2 種方法.

    表2 3 種特征選擇算法得到的特征子集大小Table 2 The feature subset size in three feature selection algorithm

    為了對比PNN 和BP 網(wǎng)絡(luò)的優(yōu)劣及驗(yàn)證所選擇特征的情況,我們將以上3 種方法選出的特征分別應(yīng)用在PNN 和BP 這2 種神經(jīng)網(wǎng)絡(luò)的分類器中,其分類正確率見表4 和表5.

    表3 3 種特征選擇算法得到的特征子集Table 3 The feature subset in three feature selection algorithm

    表4 PNN 分類器在各特征子集上的分類精度對比Table 4 The comparison of classification accuracy in each PNN classifiers with feature subsets %

    表5 BP 分類器在各特征子集上的分類精度對比Table 5 The comparison of classification accuracy in each BP classifier with feature subset %

    從表4 和表5 看出,大多數(shù)情況下,采用選擇后的特征子集進(jìn)行分類,分類精度都會有所提高,這充分說明了特征選擇對于提高整體性能的必要性和重要性.對比表2 和表4,盡管用GA-MI 方法選擇的特征個數(shù)比用GA-PNN 或GA-PNN-MI 方法選擇的特征個數(shù)少,但是用于分類時分類精度并未比其他方法有顯著下降,說明GA-MI 算法可以選擇出更為有效的特征變量;更重要的是,對比表4 和表5,不難發(fā)現(xiàn),在改用BP 網(wǎng)絡(luò)分類器進(jìn)行分類時,GA-PNN和GA-PNN-MI 這2 種方法的分類精度都有所下降,而GA-IM 算法的精度基本保持不變.其他2 種方法分類精度下降的原因是這2 種方法采用PNN 的分類精度作為特征選擇的標(biāo)準(zhǔn),因此,改用BP 網(wǎng)絡(luò)分類時精度就發(fā)生變化,這一結(jié)果說明GA-IM 方法具有較好的泛化特性. 另一方面,從表4 還可看到,對于數(shù)據(jù)維度較低的數(shù)據(jù)集GA-MI 方法在降維和分類精度方面都比其他2 種方法要好,但是,對于數(shù)據(jù)維度較高的Wine 數(shù)據(jù)集(13 維),GA-MI 所選的特征子集在分類時的精度低于其他2 種方法,其原因在于,采用GA-MI 方法進(jìn)行特征選擇時,為控制算法運(yùn)行時間,并未達(dá)到最優(yōu)結(jié)果就人為停止算法過程,所以選出的特征子集并非最優(yōu)子集,從而導(dǎo)致其分類精度較差.

    5 結(jié)束語

    本文提出一種由遺傳算法和改進(jìn)的互信息公式結(jié)合的特征選擇方法. 將遺傳算法里的特征評價函數(shù)換為改進(jìn)的互信息公式來對特征進(jìn)行選擇,結(jié)合了過濾式和封裝式這2 種特征選擇方法的優(yōu)點(diǎn). 實(shí)驗(yàn)結(jié)果表明采用GA-MI 方法不僅選出真正有效的特征顯著從而降低數(shù)據(jù)的維度,而且所選出的特征具有較好的泛化能力,對于不同的分類器具有更好的適應(yīng)性.但是,程序編寫只考慮了方法的實(shí)現(xiàn),沒有考慮程序的執(zhí)行效率,造成對于高維數(shù)據(jù)程序運(yùn)行需要的時間較長. 在未來的工作中將進(jìn)一步改進(jìn)算法效率,進(jìn)行高維度數(shù)據(jù)的特征選擇實(shí)驗(yàn),更好地驗(yàn)證該方法的優(yōu)良性能.

    [1]Liu H,Yu L. Toward integrating feature selection algorithms for classification and clustering[J]. IEEE Trans on Knowledge and Data Engineering,2005,17(3):491-502.

    [2]蔣盛益,王連喜. 基于特征相關(guān)性的特征選擇[J].計算機(jī)工程與應(yīng)用,2010,46(20):153-156.Jiang S Y,Wang L X. Feature selection based on feature similarity measure[J]. Computer Engineering and Application,2010,46(20):153-156.

    [3]Zhang D Q,Chen S C,Zhou Z H. Constraint score:A new filter method for feature selection with pair-wise constraints[J]. Pattern Recognition,2008,41(5):1440-1451.

    [4]王小平,曹立明.遺傳算法理論應(yīng)用與軟件實(shí)現(xiàn)[M].西安:西安交通大學(xué)出版社,2002.

    [5]陳明.MATLAB 神經(jīng)網(wǎng)絡(luò)原理與實(shí)例精解[M].北京:清華大學(xué)出版社,2013.

    [6]Brown G. A new perspective for information theoretic feature selection[C]∥International conference on artificial intelligence and statistics.MA,USA:Microtome Publishing,2009:49-56.

    猜你喜歡
    互信息特征選擇子集
    由一道有關(guān)集合的子集個數(shù)題引發(fā)的思考
    拓?fù)淇臻g中緊致子集的性質(zhì)研究
    關(guān)于奇數(shù)階二元子集的分離序列
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    基于互信息的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    改進(jìn)的互信息最小化非線性盲源分離算法
    電測與儀表(2015年9期)2015-04-09 11:59:22
    每一次愛情都只是愛情的子集
    都市麗人(2015年4期)2015-03-20 13:33:22
    基于增量式互信息的圖像快速匹配方法
    基于特征選擇和RRVPMCD的滾動軸承故障診斷方法
    黄网站色视频无遮挡免费观看| 一级片'在线观看视频| 成人手机av| 亚洲色图 男人天堂 中文字幕| 久久亚洲真实| 国产一区二区三区在线臀色熟女 | 久久午夜亚洲精品久久| 久久精品亚洲av国产电影网| 一区在线观看完整版| a在线观看视频网站| 超色免费av| 午夜精品在线福利| 99精品久久久久人妻精品| 99香蕉大伊视频| 热99re8久久精品国产| 91麻豆av在线| 久久人妻av系列| 无限看片的www在线观看| 妹子高潮喷水视频| 亚洲av美国av| 亚洲五月婷婷丁香| 亚洲色图综合在线观看| 欧美日韩亚洲高清精品| videosex国产| 99久久精品国产亚洲精品| 黄色毛片三级朝国网站| 12—13女人毛片做爰片一| 在线免费观看的www视频| 中亚洲国语对白在线视频| 精品欧美一区二区三区在线| 一本大道久久a久久精品| 男女午夜视频在线观看| 嫩草影院精品99| 久久午夜亚洲精品久久| 精品国产乱子伦一区二区三区| 九色亚洲精品在线播放| 国产主播在线观看一区二区| 欧美在线一区亚洲| 国产单亲对白刺激| 99国产精品99久久久久| 成人av一区二区三区在线看| 亚洲熟妇中文字幕五十中出 | 黄色成人免费大全| 国产精品香港三级国产av潘金莲| 天天添夜夜摸| 很黄的视频免费| 高潮久久久久久久久久久不卡| 激情在线观看视频在线高清| 国产高清激情床上av| 丝袜美腿诱惑在线| 国产精品美女特级片免费视频播放器 | 日韩有码中文字幕| 麻豆一二三区av精品| 亚洲 欧美 日韩 在线 免费| 两个人免费观看高清视频| 免费观看人在逋| 精品国产一区二区久久| 两个人看的免费小视频| 亚洲欧美激情在线| 日韩欧美三级三区| tocl精华| 我的亚洲天堂| 欧美成人午夜精品| 国产精品一区二区三区四区久久 | 日本黄色日本黄色录像| 欧美色视频一区免费| 午夜免费鲁丝| 99国产极品粉嫩在线观看| 久久久久久大精品| 精品午夜福利视频在线观看一区| 亚洲欧美日韩另类电影网站| 免费高清视频大片| 很黄的视频免费| 在线观看舔阴道视频| 涩涩av久久男人的天堂| 叶爱在线成人免费视频播放| 多毛熟女@视频| 变态另类成人亚洲欧美熟女 | 久久久久九九精品影院| 中文字幕av电影在线播放| 伊人久久大香线蕉亚洲五| 国产成人精品在线电影| 校园春色视频在线观看| 激情视频va一区二区三区| 国产精品二区激情视频| 久99久视频精品免费| 一级毛片高清免费大全| 精品一区二区三卡| 在线观看免费日韩欧美大片| 精品国产乱子伦一区二区三区| 久久久久久人人人人人| 欧美激情高清一区二区三区| 丰满人妻熟妇乱又伦精品不卡| 精品少妇一区二区三区视频日本电影| 看免费av毛片| 日韩欧美国产一区二区入口| 亚洲aⅴ乱码一区二区在线播放 | 美女高潮到喷水免费观看| 久久久国产成人免费| 久久国产亚洲av麻豆专区| 欧美+亚洲+日韩+国产| 黑丝袜美女国产一区| 亚洲成a人片在线一区二区| 国产精品久久久久成人av| 国产又爽黄色视频| 视频在线观看一区二区三区| 窝窝影院91人妻| 伊人久久大香线蕉亚洲五| 大陆偷拍与自拍| www国产在线视频色| 亚洲va日本ⅴa欧美va伊人久久| 日本 av在线| 久久久久国内视频| 高潮久久久久久久久久久不卡| 大型黄色视频在线免费观看| 国产成人精品无人区| svipshipincom国产片| 黄网站色视频无遮挡免费观看| 99在线人妻在线中文字幕| 午夜老司机福利片| 亚洲va日本ⅴa欧美va伊人久久| 国产主播在线观看一区二区| 日本一区二区免费在线视频| 国产精品乱码一区二三区的特点 | 亚洲一区二区三区欧美精品| 人人澡人人妻人| 欧美日韩亚洲高清精品| 久久久久久久精品吃奶| xxxhd国产人妻xxx| 久久国产精品男人的天堂亚洲| 色精品久久人妻99蜜桃| 精品高清国产在线一区| 国产成人系列免费观看| 中文欧美无线码| 国产精品野战在线观看 | 亚洲欧洲精品一区二区精品久久久| 夜夜看夜夜爽夜夜摸 | 制服人妻中文乱码| 人人妻,人人澡人人爽秒播| 亚洲av第一区精品v没综合| 免费久久久久久久精品成人欧美视频| 久热爱精品视频在线9| 久久精品国产亚洲av香蕉五月| 嫁个100分男人电影在线观看| xxxhd国产人妻xxx| 国产不卡一卡二| 18禁裸乳无遮挡免费网站照片 | 在线观看免费午夜福利视频| 国产熟女xx| av欧美777| 男人的好看免费观看在线视频 | 国产成人精品无人区| 91大片在线观看| 18禁观看日本| 亚洲五月天丁香| 人妻丰满熟妇av一区二区三区| 乱人伦中国视频| 日本免费a在线| 在线播放国产精品三级| av天堂在线播放| 国产精品久久久久久人妻精品电影| 精品第一国产精品| 村上凉子中文字幕在线| 国产精品成人在线| 亚洲av成人一区二区三| 一区二区日韩欧美中文字幕| 午夜精品久久久久久毛片777| 精品国产国语对白av| 欧美在线黄色| 99热国产这里只有精品6| 欧美 亚洲 国产 日韩一| 国产蜜桃级精品一区二区三区| 国产精华一区二区三区| 午夜福利影视在线免费观看| 岛国视频午夜一区免费看| 日本一区二区免费在线视频| 亚洲精品成人av观看孕妇| 国产午夜精品久久久久久| 久久草成人影院| 久久香蕉精品热| 午夜福利在线免费观看网站| 国产精品 欧美亚洲| 少妇粗大呻吟视频| 一级,二级,三级黄色视频| 两个人看的免费小视频| 动漫黄色视频在线观看| 亚洲精品美女久久av网站| 高清毛片免费观看视频网站 | 天堂俺去俺来也www色官网| 国产一区在线观看成人免费| 天堂中文最新版在线下载| 免费不卡黄色视频| 黄色a级毛片大全视频| 久久国产精品影院| 在线视频色国产色| 露出奶头的视频| 中文字幕人妻熟女乱码| 久久人人爽av亚洲精品天堂| 777久久人妻少妇嫩草av网站| 天天躁狠狠躁夜夜躁狠狠躁| 91成年电影在线观看| 国产欧美日韩一区二区精品| 9色porny在线观看| 欧美日韩黄片免| 长腿黑丝高跟| 桃色一区二区三区在线观看| 悠悠久久av| 性色av乱码一区二区三区2| 9色porny在线观看| 日本欧美视频一区| 久久久精品国产亚洲av高清涩受| 亚洲欧美激情在线| 人成视频在线观看免费观看| 午夜91福利影院| 亚洲激情在线av| 两人在一起打扑克的视频| 欧美成人午夜精品| 人成视频在线观看免费观看| 亚洲一区二区三区不卡视频| 成年人免费黄色播放视频| 精品熟女少妇八av免费久了| 亚洲精品av麻豆狂野| 国产99白浆流出| 久久香蕉国产精品| 很黄的视频免费| 无限看片的www在线观看| 日韩欧美国产一区二区入口| 国产三级黄色录像| a在线观看视频网站| 亚洲精品国产色婷婷电影| 变态另类成人亚洲欧美熟女 | 天堂动漫精品| 这个男人来自地球电影免费观看| 中出人妻视频一区二区| 80岁老熟妇乱子伦牲交| 欧美在线一区亚洲| 香蕉国产在线看| 精品国内亚洲2022精品成人| 嫩草影视91久久| 叶爱在线成人免费视频播放| 亚洲第一欧美日韩一区二区三区| 一边摸一边抽搐一进一出视频| 两个人免费观看高清视频| 亚洲av第一区精品v没综合| 精品无人区乱码1区二区| 亚洲中文日韩欧美视频| 嫩草影视91久久| 亚洲人成77777在线视频| 国产麻豆69| 女人爽到高潮嗷嗷叫在线视频| 国产野战对白在线观看| 天天添夜夜摸| 国产欧美日韩综合在线一区二区| 黄色丝袜av网址大全| 国产精品1区2区在线观看.| 精品人妻在线不人妻| 91麻豆av在线| 亚洲午夜精品一区,二区,三区| 国产黄a三级三级三级人| 高清在线国产一区| av欧美777| 日本vs欧美在线观看视频| 亚洲精品一卡2卡三卡4卡5卡| 免费高清在线观看日韩| 99国产精品99久久久久| 国产成年人精品一区二区 | 97碰自拍视频| 成人黄色视频免费在线看| 水蜜桃什么品种好| 满18在线观看网站| 久久精品亚洲精品国产色婷小说| 国产精品日韩av在线免费观看 | 一级黄色大片毛片| 母亲3免费完整高清在线观看| 午夜91福利影院| 日本黄色日本黄色录像| 精品日产1卡2卡| 日本黄色视频三级网站网址| 又大又爽又粗| 亚洲精品一卡2卡三卡4卡5卡| 久久人妻福利社区极品人妻图片| 99久久99久久久精品蜜桃| 亚洲成av片中文字幕在线观看| 法律面前人人平等表现在哪些方面| 男女午夜视频在线观看| 日韩一卡2卡3卡4卡2021年| 亚洲一区二区三区色噜噜 | 欧美乱色亚洲激情| 久久中文字幕人妻熟女| 真人做人爱边吃奶动态| 国产一区二区激情短视频| 制服人妻中文乱码| 亚洲激情在线av| 国产亚洲欧美精品永久| 在线观看一区二区三区激情| 欧美黄色淫秽网站| 国产亚洲精品第一综合不卡| 亚洲人成伊人成综合网2020| 国产精品影院久久| 日本wwww免费看| 妹子高潮喷水视频| 欧美精品一区二区免费开放| 亚洲中文字幕日韩| 又大又爽又粗| 中文亚洲av片在线观看爽| 精品福利永久在线观看| 9热在线视频观看99| 日韩欧美免费精品| 好看av亚洲va欧美ⅴa在| av有码第一页| 中文字幕高清在线视频| 久久精品人人爽人人爽视色| 看黄色毛片网站| 91精品三级在线观看| 制服人妻中文乱码| 在线免费观看的www视频| 黑人猛操日本美女一级片| 免费少妇av软件| 亚洲免费av在线视频| 久久人人97超碰香蕉20202| 麻豆国产av国片精品| 夜夜看夜夜爽夜夜摸 | 在线十欧美十亚洲十日本专区| 大陆偷拍与自拍| 中文字幕高清在线视频| 精品久久久久久久毛片微露脸| 9色porny在线观看| 亚洲久久久国产精品| 国产aⅴ精品一区二区三区波| 欧美日韩亚洲高清精品| 99国产精品一区二区蜜桃av| 又黄又爽又免费观看的视频| 亚洲av电影在线进入| 亚洲精品国产一区二区精华液| 99国产极品粉嫩在线观看| bbb黄色大片| 午夜视频精品福利| 99久久国产精品久久久| 婷婷精品国产亚洲av在线| 人人妻人人澡人人看| 欧美亚洲日本最大视频资源| 中文欧美无线码| 天堂俺去俺来也www色官网| 日韩大码丰满熟妇| 亚洲 欧美 日韩 在线 免费| 成人黄色视频免费在线看| 超碰97精品在线观看| 亚洲五月婷婷丁香| 老汉色∧v一级毛片| 国产精品偷伦视频观看了| 亚洲人成网站在线播放欧美日韩| 久久精品亚洲av国产电影网| 国产成人欧美| 欧美日韩一级在线毛片| 久久人人97超碰香蕉20202| 国产精品美女特级片免费视频播放器 | 成人国产一区最新在线观看| 很黄的视频免费| 乱人伦中国视频| 亚洲人成伊人成综合网2020| 亚洲自拍偷在线| 97超级碰碰碰精品色视频在线观看| 国产精品影院久久| 国产精品亚洲av一区麻豆| 国产三级在线视频| 久久久久国产一级毛片高清牌| 国产野战对白在线观看| 欧美成人免费av一区二区三区| 日本欧美视频一区| √禁漫天堂资源中文www| 日韩精品免费视频一区二区三区| 国产片内射在线| 精品国产美女av久久久久小说| 日本三级黄在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 香蕉国产在线看| www日本在线高清视频| 精品乱码久久久久久99久播| aaaaa片日本免费| 午夜日韩欧美国产| 国产又爽黄色视频| 久久九九热精品免费| 无限看片的www在线观看| 一二三四社区在线视频社区8| 熟女少妇亚洲综合色aaa.| 纯流量卡能插随身wifi吗| 一个人观看的视频www高清免费观看 | 美女午夜性视频免费| bbb黄色大片| 欧美成人午夜精品| а√天堂www在线а√下载| 亚洲精品av麻豆狂野| 丰满的人妻完整版| 亚洲欧美精品综合久久99| 亚洲av成人不卡在线观看播放网| 一边摸一边抽搐一进一小说| 热re99久久精品国产66热6| 欧美成狂野欧美在线观看| 麻豆久久精品国产亚洲av | 国产真人三级小视频在线观看| 欧美日韩亚洲国产一区二区在线观看| 亚洲片人在线观看| xxx96com| 国产亚洲欧美在线一区二区| 国产伦一二天堂av在线观看| 69av精品久久久久久| 国产精品一区二区精品视频观看| 嫁个100分男人电影在线观看| 超碰97精品在线观看| 99精品久久久久人妻精品| 自线自在国产av| 夜夜夜夜夜久久久久| 久久国产精品男人的天堂亚洲| 亚洲男人的天堂狠狠| 欧美午夜高清在线| 我的亚洲天堂| 露出奶头的视频| 成人永久免费在线观看视频| 免费搜索国产男女视频| 黑人巨大精品欧美一区二区mp4| 日韩高清综合在线| 一进一出抽搐gif免费好疼 | 一区福利在线观看| 亚洲情色 制服丝袜| 亚洲精品美女久久久久99蜜臀| 国产99久久九九免费精品| 亚洲av日韩精品久久久久久密| 9191精品国产免费久久| 久久久久久久精品吃奶| 丰满饥渴人妻一区二区三| 别揉我奶头~嗯~啊~动态视频| 男人舔女人的私密视频| 成年女人毛片免费观看观看9| 亚洲国产看品久久| 最新美女视频免费是黄的| 国产精品一区二区三区四区久久 | 免费在线观看亚洲国产| 搡老岳熟女国产| 丰满人妻熟妇乱又伦精品不卡| 人人妻人人爽人人添夜夜欢视频| 在线国产一区二区在线| 69av精品久久久久久| 午夜两性在线视频| 18禁黄网站禁片午夜丰满| 久久久国产欧美日韩av| 高潮久久久久久久久久久不卡| 啦啦啦 在线观看视频| 亚洲中文日韩欧美视频| 国产成人精品久久二区二区91| 久久国产精品影院| 老司机亚洲免费影院| 亚洲五月天丁香| 亚洲精品国产区一区二| 性少妇av在线| 精品人妻在线不人妻| 精品一区二区三区av网在线观看| 亚洲av电影在线进入| 久久精品亚洲熟妇少妇任你| 麻豆av在线久日| 亚洲国产欧美日韩在线播放| 国产亚洲欧美98| 国产又色又爽无遮挡免费看| 国产精品一区二区免费欧美| 成人免费观看视频高清| 在线十欧美十亚洲十日本专区| 一边摸一边抽搐一进一小说| 国产欧美日韩一区二区三区在线| www国产在线视频色| 另类亚洲欧美激情| 国产1区2区3区精品| 一夜夜www| 女同久久另类99精品国产91| 午夜精品久久久久久毛片777| 国产亚洲精品第一综合不卡| 大码成人一级视频| 亚洲,欧美精品.| 精品高清国产在线一区| 欧美在线一区亚洲| 丝袜在线中文字幕| 中文字幕色久视频| 国产一卡二卡三卡精品| 丝袜美足系列| 免费人成视频x8x8入口观看| 超碰97精品在线观看| 日本vs欧美在线观看视频| 亚洲片人在线观看| 窝窝影院91人妻| 男女之事视频高清在线观看| 日本黄色视频三级网站网址| 97超级碰碰碰精品色视频在线观看| 亚洲国产毛片av蜜桃av| xxx96com| 国产有黄有色有爽视频| 午夜两性在线视频| 97超级碰碰碰精品色视频在线观看| 日本 av在线| 亚洲 欧美一区二区三区| 午夜亚洲福利在线播放| 亚洲三区欧美一区| av片东京热男人的天堂| 亚洲视频免费观看视频| 99久久99久久久精品蜜桃| 国产精品 国内视频| 国产精品综合久久久久久久免费 | 国产高清国产精品国产三级| 精品久久久久久久毛片微露脸| 国产乱人伦免费视频| 午夜精品久久久久久毛片777| 国产成人系列免费观看| 国产成人av激情在线播放| av在线天堂中文字幕 | 最近最新中文字幕大全免费视频| 亚洲一区二区三区色噜噜 | 自线自在国产av| 免费久久久久久久精品成人欧美视频| 在线天堂中文资源库| 在线十欧美十亚洲十日本专区| 欧美成狂野欧美在线观看| 久久久国产欧美日韩av| 黑人欧美特级aaaaaa片| 免费观看人在逋| 丰满饥渴人妻一区二区三| 夜夜夜夜夜久久久久| 亚洲精品一二三| 精品国产国语对白av| 亚洲一区二区三区欧美精品| 99国产极品粉嫩在线观看| 国产人伦9x9x在线观看| 俄罗斯特黄特色一大片| 一边摸一边做爽爽视频免费| av片东京热男人的天堂| 亚洲第一青青草原| 香蕉久久夜色| 成人手机av| 欧美av亚洲av综合av国产av| 夜夜躁狠狠躁天天躁| 性色av乱码一区二区三区2| 热re99久久精品国产66热6| 亚洲成国产人片在线观看| 在线免费观看的www视频| 成人永久免费在线观看视频| 欧美乱妇无乱码| 精品久久久久久,| 50天的宝宝边吃奶边哭怎么回事| 亚洲精品中文字幕一二三四区| 丝袜在线中文字幕| 欧美另类亚洲清纯唯美| 色综合站精品国产| 亚洲欧美日韩另类电影网站| av片东京热男人的天堂| 深夜精品福利| 色婷婷久久久亚洲欧美| 操出白浆在线播放| av视频免费观看在线观看| 亚洲av成人一区二区三| 桃红色精品国产亚洲av| 亚洲成人免费av在线播放| 精品一区二区三区av网在线观看| 在线看a的网站| 三上悠亚av全集在线观看| 美女扒开内裤让男人捅视频| 五月开心婷婷网| 一级黄色大片毛片| 最新在线观看一区二区三区| 99国产精品免费福利视频| 亚洲国产精品合色在线| av福利片在线| 两个人免费观看高清视频| netflix在线观看网站| 国产成人影院久久av| 久久人人精品亚洲av| 黄色怎么调成土黄色| 免费人成视频x8x8入口观看| 波多野结衣高清无吗| 久久国产精品人妻蜜桃| 亚洲精品中文字幕一二三四区| 欧美一区二区精品小视频在线| 免费av中文字幕在线| 国产精品自产拍在线观看55亚洲| 中文亚洲av片在线观看爽| 老司机午夜福利在线观看视频| 国产一区二区在线av高清观看| 国产精品98久久久久久宅男小说| 色婷婷av一区二区三区视频| 亚洲成av片中文字幕在线观看| 国产亚洲精品综合一区在线观看 | 国产欧美日韩综合在线一区二区| 国产深夜福利视频在线观看| 国产精品亚洲av一区麻豆| 在线观看免费视频网站a站| 国产精品一区二区免费欧美| 女性生殖器流出的白浆| 一本大道久久a久久精品| 久久亚洲真实| 999久久久精品免费观看国产| 很黄的视频免费| av在线播放免费不卡| 丰满迷人的少妇在线观看| 亚洲av日韩精品久久久久久密| 欧美性长视频在线观看| 又大又爽又粗| 好男人电影高清在线观看| 成年女人毛片免费观看观看9| 精品国产美女av久久久久小说| 日日夜夜操网爽| 少妇裸体淫交视频免费看高清 | 国产精品亚洲一级av第二区| 日本撒尿小便嘘嘘汇集6| 亚洲精品美女久久久久99蜜臀| av免费在线观看网站| 亚洲一区高清亚洲精品| 女生性感内裤真人,穿戴方法视频| 国产视频一区二区在线看| 精品午夜福利视频在线观看一区| 国产精品爽爽va在线观看网站 |