• <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 ?

    一種高維數(shù)據(jù)的因果推斷算法

    2015-04-17 07:30:14
    廣東工業(yè)大學學報 2015年1期
    關鍵詞:互信息網絡圖高維

    張 浩

    (廣東工業(yè)大學應用數(shù)學學院,廣東廣州510520)

    如何有效地分析數(shù)據(jù)之中的因果關系,進行因果推斷一直是數(shù)據(jù)分析研究領域的一個很重要的問題.雖然近年來很多學者提出了很多相關的研究成果[1-8],但如何在高維數(shù)據(jù)間推斷其中的因果關系仍然沒有一個有效的方法.

    因果推斷方法可以被分為兩大類:貝葉斯網絡結構學習算法[9-10]和基于加噪聲模型的因果推斷算法[11-13].其中,貝葉斯網絡結構學習算法主要有兩種方法.第一種是基于打分-搜索的貝葉斯網絡結構學習方法,第二種是基于依賴分析的學習算法.然而,由于一個因果網絡可能存在很多馬爾科夫等價類.如果用評分函數(shù)去評價是同樣的分數(shù),從依賴關系來看,馬爾科夫等價類間滿足同樣的條件獨立性,因而沒辦法區(qū)分出哪個結構才是數(shù)據(jù)間真正的結構.在基于加噪聲模型的算法方面,Shohei等人提出了一種基于線性ANM的算法[11],可以從數(shù)據(jù)集中構建出具體的因果網絡圖.然而這種算法只適用于線性加噪聲模型,無法解決非線性問題.針對非線性問題,Hoyer等人提出了一種在基于非線性加噪聲模型的適用于連續(xù)數(shù)據(jù)的算法(ANM)[12],Jonas Peters等人提出了一種基于非線性ANM的算法去解決離散數(shù)據(jù)的問題[13].然而,這兩種非線性加噪聲模型算法都只適用很低維的數(shù)據(jù)集,一旦數(shù)據(jù)集的維度較大(n>8),準確度就會降到很低.近來,Janzing D等人提出了一種基于信息熵的因果推斷算法IGCI[14],這種算法可以適用于有無噪聲的情況,但類似地,IGCI也無法處理高維數(shù)據(jù),只要維數(shù)超過2,方法就失效.因而,目前還沒有能適用于高維數(shù)據(jù)集有效的因果推斷算法.

    為了克服在高維數(shù)據(jù)中無法進行有效的因果推斷的缺點,本文提出了一種基于條件獨立性測試和互信息的因果網絡結構學習算法.該算法首先利用條件獨立性測試和互信息,求出每一個節(jié)點的父子節(jié)點,然后利用ANM算法,對目標節(jié)點與其每一個父子節(jié)點進行方向識別,然后得到每一個節(jié)點和其父子節(jié)點之間具體的因果關系,數(shù)據(jù)集中的所有變量都迭代完后得到數(shù)據(jù)集的一個完整因果網絡圖.數(shù)值實驗表明,該算法在高維數(shù)據(jù)下,精確度和時間花費都要優(yōu)于IGCI和基于加噪模型的因果網絡結構學習算法.

    1 預備知識

    1.1 因果網絡

    因果網絡是表示變量間概率依賴關系的有向無環(huán)圖(DAG),它可表示為一個三元組G=(N,E,P).其中,N={x1,x2,...,xn}表示DAG中的所有節(jié)點的集合,每個節(jié)點代表一個變量(屬性).E={e(xi,xj)|xi,xj∈N}表示DAG中每兩個節(jié)點間的有向邊的集合.其中,e(xi,xj)表示xi,xj間存在依賴關系xi→xj.P={P(xi|xj)|xi,xj∈N}是一組條件概率的集合,其中P(xi|xj)表示xi的父節(jié)點集xj對xi的影響.因果網絡實質上就是一個聯(lián)合概率分布P(x1,x2,…,xn)所有條件獨立性的圖形化表示.

    1.2 d-分離準則

    d-分離準則是描述因果網絡圖的一個重要圖性質.設X、Y、Z是因果無向圖G中任意3個互不相交的節(jié)點的集合,稱Z在圖G中d-分離節(jié)點集X和Y,記為X⊥Y|Z,如果對任意的從X的節(jié)點到Y的一個節(jié)點的路P均被Z阻斷,也就是路徑P上存在一個結點w滿足下列其中一個條件:

    (1)w在P上有—個碰撞箭頭,即→w←(此時稱w為碰撞點),且w及其后代結點都不在Z中.

    (2)w在P上無碰撞箭頭,即→w→或←w←或←w→,且w∈Z.

    1.3 條件獨立性測試

    傳統(tǒng)的貝葉斯結構學習算法主要是基于條件獨立性測試,雖然這些算法無法區(qū)分馬爾科夫等價類,從而無法發(fā)現(xiàn)數(shù)據(jù)間所蘊含的具體的因果關系,但在一定程度上,識別出了網絡結構數(shù)據(jù)間的相關性,這對因果網絡結構學習提供了很大的幫助.d-分離準則為圖論和統(tǒng)計學間架設了一座橋梁,設X、Y、Z是因果無向圖G中任意3個互不相交的節(jié)點的集合,如果Zd-分離節(jié)點集X和Y,那么在給定Z的情況下,X和Y統(tǒng)計獨立.

    1.4 互信息理論

    互信息是信息論中的一個重要概率,描述了某個變量取值對另外一個變量的取值能力.兩個變量間的互信息越大,表明它們之間的關系緊密,反則越小.當且僅當X和Y互相獨立的時候,它們之間的互信息I(X;Y)=0.

    2 因果推斷算法

    2.1 算法的基本框架

    算法主要分為兩部分,如圖1所示,算法的第一部分主要是利用條件獨立性測試找出每一個目標節(jié)點的父子節(jié)點集,也就是一個以目標節(jié)點為中心的無向圖.算法的第二部分是在已找出目標節(jié)點父子節(jié)點集的情況下,利用ANM算法對目標節(jié)點和每一個父子節(jié)點進行方向判別,得到一個目標節(jié)點與其父子節(jié)點間的具體因果關系.然后將該節(jié)點與其父子節(jié)點的因果結構更新到整個數(shù)據(jù)集的因果網絡,直到每個節(jié)點和其父子節(jié)點集PC(y)的因果圖都被更新完.最終得到一個完整地表現(xiàn)出數(shù)據(jù)間因果關系的因果網絡圖,從而推斷出了數(shù)據(jù)間具體的因果關系.算法的兩部分具體如下描述.

    圖1 算法的基本框架Fig.1 Algorithm framework

    2.2 第一部分:搜索目標節(jié)點的父子節(jié)點集

    如上述所說,這部分目的是找出每一個節(jié)點的父子節(jié)點.對于任意一個變量集X={x1,x2,...,xn},在X中選出一個變量y作為目標節(jié)點,然后PC(y)表示y的候選的父子節(jié)點集.在算法開始時候,令PC(y)=X.

    步驟1:對PC(y)中的每一個節(jié)點{x1,x2,...,xn}和X進行獨立性測試,如果xi和y獨立,表明xi不是y的父子節(jié)點,將xi從PC(y)中移除.

    步驟2:對PC(y)中的每對節(jié)點(xi,xj|xi,xj∈PC(y))進行條件獨立性測試:Ind(y;xi|xj),如果xi和y在給定xj情況下條件獨立,則表明xi不是y的父子節(jié)點.在經過獨立性測試和條件獨立性測試后,PC(y)維數(shù)已經降低很多,但依然有很多非父子節(jié)點沒被移除.

    步驟3:應用進一步的條件獨立性測試:Ind(y;xi|S),S為PC(y)xi的任意一個子集合,刪掉非父子節(jié)點.

    步驟4:由于條件獨立性測試在給定條件集太大的情況下精確度會降低,從而可能導致非父子節(jié)點被錯誤地當做了父子節(jié)點,所以此時算法采取基于一個互信息的策略,對一部分錯誤加入到PC(y)的節(jié)點進行修剪.由于變量間依賴性可以用互信息描述,假設xi是y的父子節(jié)點,那xi和y之間的互信息不會太低,所以可以設定一個閾值p,計算PC(y)中每一個變量與y之間的互信息,如果它們之間的互信息小于p,則認為該變量不是y的父子節(jié)點,然后從PC(y)中刪掉.

    2.3 第二部分:對目標節(jié)點和其父子節(jié)點集PC(y)中每個節(jié)點進行方向識別

    在這部分,采用ANM算法對每個目標節(jié)點和其父子節(jié)點集間的邊的方向進行判定.雖然ANM算法沒辦法解決超過8維的因果網絡結構學習問題,但由于在算法第一部分已經得到了目標節(jié)點y的父子節(jié)點集合PC(y),然后利用ANM對PC(y)中的每一個變量和y間進行方向判別,這等同于在兩點間應用ANM,從而保證了它的有效性.

    3 數(shù)值實驗

    數(shù)值實驗是在Matlab2010b中完成,本文提出的算法被記為CIHD.實驗中的條件獨立性測試使用算法KCI-test[14],計算互信息用Kraskov Mutual Information Estimator[16].在實驗開始階段,分兩階段生成實驗數(shù)據(jù).(1)生成因果網絡圖;(2)按照該圖生成數(shù)據(jù).在因果網絡圖生成階段,分別生成15、25、50、80、150個節(jié)點的因果網絡圖,用來測試該算法在不同的高維數(shù)據(jù)下的實驗效果.在數(shù)據(jù)生成階段,每個節(jié)點的數(shù)據(jù)由因果網絡圖中節(jié)點的拓撲序列依照函數(shù)y=w1sin(x1)+w2sin(x2)+ε生成.其中w1、w2為每個函數(shù)的權值,隨機取值于0.3與0.7之間,x1、x2為y的父親節(jié)點,ε為權值為5%且均勻分布的添加噪聲.為了有效地評價該算法的性能,引入了3個評價參數(shù)Precision、Recall和F-value,定義如下:

    從上面的定義可以看出,參數(shù)Precision用來衡量因果網絡圖中節(jié)點間本來不存在的邊被錯誤添加的程度,而參數(shù)Recall用來衡量節(jié)點間存在的邊沒有被發(fā)現(xiàn)的程度.參數(shù)F-value是前兩個評價參數(shù)的有機結合,因而可以用來評價因果網絡結構學習算法的總體優(yōu)劣.

    實驗分別用15、25、50、80、150維的數(shù)據(jù)集對算法CIHD和基于非線性加噪模型的算法(ANM)以及IGCI進行對比,結果見圖2.

    圖2 在不同維數(shù)下3種算法的評分參數(shù)Fig.2 Different dimension of sample

    從圖2的實驗結果可以看出,在數(shù)據(jù)集維度都較高的情況下,ANM算法和IGCI算法的學習準確度都很低,而CIHD算法在高維增加的情況下3個評價參數(shù)依然保持著較高的分數(shù),說明在高維數(shù)據(jù)中,CIHD要大大優(yōu)于另外兩種算法.

    4 結論

    本文提出了一種可以適應于高維數(shù)據(jù)的因果網絡結構學習算法,首先通過基于條件獨立性測試和互信息的方法對數(shù)據(jù)集進行初步結構學習,然后再利用ANM算法對數(shù)據(jù)集中每兩點間的邊進行方向識別,從而得到一個具體的因果網絡結構.通過仿真表明,在維數(shù)增加時,該算法大大優(yōu)于其他因果推斷算法.

    [1]Pearl J.Causality:models,reasoning and inference[M].Cambridge:MIT Press,2000.

    [2]Spirtes P,Glymour C,Scheines R.Causation,prediction,and search[M].Cambridge:MIT Press,2000.

    [3]Uhler C,Raskutti G,Bühlmann P,et al.Geometry of the faithfulness assumption in causal inference[J].The Annals of Statistics,2013,41(2):436-463.

    [4]Cai R,Zhang Z,Hao Z.BASSUM:A Bayesian semi-supervised method for classification feature selection[J].Pattern Recognition,2011,44(4):811-820.

    [5]Shimizu S,Hoyer P O,Hyv?rinen A.Estimation of linear non-Gaussian acyclic models for latent factors[J].Neurocomputing,2009,72(7):2024-2027.

    [6]Hoyer P O,Shimizu S,Kerminen A J,et al.Estimation of causal effects using linear non-Gaussian causal models with hidden variables[J].International Journal of Approximate Reasoning,2008,49(2):362-378.

    [7]Janzing D,Scholkopf B.Causal inference using the algorithmic Markov condition[J].IEEE Transactions on Information Theory,2010,56(10):5168-5194.

    [8]陳錫樞.基于貝葉斯網絡下的遺傳算法[J].廣東工業(yè)大學學報,2007,24(1):19-21.Chen X S.The genetic algorithm based on bayesian Net[J].Journal of Guangdong University of Tehnology,2007,24(1):19-21.

    [9]Tsamardinos I,Brown L E,Aliferis C F.The max-min hillclimbing Bayesian network structure learning algorithm[J].Machine learning,2006,65(1):31-78.

    [10]Shimizu S,Hoyer P O,Hyv?rinen A,et al.A linear non-Gaussian acyclic model for causal discovery[J].The Journal of Machine Learning Research,2006,7:2003-2030.

    [11]Hoyer P O,Janzing D,Mooij J M,et al.Nonlinear causal discovery with additive noise models[C]∥Advances in Neural Information Processing Systems.Vancouver,Canada:MIT Press,2009:689-696.

    [12]Peters J,Janzing D,Scholkopf B.Causal inference on discrete data using additive noise models[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(12):2436-2450.

    [13]Janzing D,Mooij J,Zhang K,et al.Information-geometric approach to inferring causal directions[J].Artificial Intelligence,2012,56(10):5168-5194.

    [14]Zhang K,Peters J,Janzing D,et al.Kernel-based conditional independence test and application in causal discovery[EB/OL].(2012-02-14)[2013-10-24].http:∥arxiv.org/ftp/arxiv/papers/1202/1202.3775.pdf.

    [15]Kraskov A,St?gbauer H,Grassberger P.Estimating mutual information[J].Physical Review E,2004,69(6):066138-066154.

    猜你喜歡
    互信息網絡圖高維
    網絡圖中的45°角
    網絡圖在汽修業(yè)中應用
    活力(2019年21期)2019-04-01 12:17:00
    一種改進的GP-CLIQUE自適應高維子空間聚類算法
    測控技術(2018年4期)2018-11-25 09:46:48
    基于加權自學習散列的高維數(shù)據(jù)最近鄰查詢算法
    電信科學(2017年6期)2017-07-01 15:44:37
    基于互信息的貝葉斯網絡結構學習
    聯(lián)合互信息水下目標特征選擇算法
    一般非齊次非線性擴散方程的等價變換和高維不變子空間
    改進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
    基于增量式互信息的圖像快速匹配方法
    高維Kramers系統(tǒng)離出點的分布問題
    亚洲久久久国产精品| 欧美亚洲 丝袜 人妻 在线| 欧美日韩一级在线毛片| 成人手机av| 51午夜福利影视在线观看| 天天添夜夜摸| 日本黄色日本黄色录像| 考比视频在线观看| 久久毛片免费看一区二区三区| 91字幕亚洲| 午夜精品国产一区二区电影| 老汉色∧v一级毛片| 久久人人97超碰香蕉20202| 国产亚洲精品第一综合不卡| 亚洲成人免费av在线播放| 精品亚洲成a人片在线观看| 亚洲精品在线美女| 欧美 日韩 精品 国产| 狠狠精品人妻久久久久久综合| 国产成人欧美| 激情视频va一区二区三区| 在线观看66精品国产| 妹子高潮喷水视频| av线在线观看网站| 国产日韩欧美在线精品| 一区福利在线观看| 日韩欧美一区二区三区在线观看 | 在线观看免费高清a一片| 国产精品久久久久成人av| 悠悠久久av| 99re6热这里在线精品视频| 嫁个100分男人电影在线观看| 欧美中文综合在线视频| 激情在线观看视频在线高清 | 免费观看av网站的网址| 色婷婷av一区二区三区视频| 午夜91福利影院| 亚洲全国av大片| 国产欧美亚洲国产| 精品熟女少妇八av免费久了| 国精品久久久久久国模美| 国产成人欧美| 岛国毛片在线播放| 欧美日韩福利视频一区二区| 国产99久久九九免费精品| 热re99久久精品国产66热6| 免费在线观看完整版高清| 久久精品成人免费网站| 亚洲欧洲精品一区二区精品久久久| 一级a爱视频在线免费观看| 日韩精品免费视频一区二区三区| 欧美精品一区二区大全| 熟女少妇亚洲综合色aaa.| 757午夜福利合集在线观看| tube8黄色片| 香蕉丝袜av| 十分钟在线观看高清视频www| 黑人操中国人逼视频| 嫩草影视91久久| 国产精品九九99| 亚洲熟女精品中文字幕| 免费一级毛片在线播放高清视频 | 欧美一级毛片孕妇| a级毛片黄视频| 日韩视频在线欧美| 啪啪无遮挡十八禁网站| 多毛熟女@视频| 高清欧美精品videossex| 99国产精品一区二区三区| 老司机在亚洲福利影院| 国产成人欧美| 国产野战对白在线观看| 无遮挡黄片免费观看| 国产日韩欧美在线精品| 亚洲男人天堂网一区| 十八禁网站网址无遮挡| 亚洲欧美一区二区三区久久| 激情在线观看视频在线高清 | 12—13女人毛片做爰片一| 免费看a级黄色片| 久热这里只有精品99| a级片在线免费高清观看视频| 国产一区二区三区在线臀色熟女 | 日本黄色日本黄色录像| 国产成人av教育| 丰满少妇做爰视频| 日本欧美视频一区| 人成视频在线观看免费观看| svipshipincom国产片| 亚洲专区国产一区二区| 亚洲第一青青草原| 69精品国产乱码久久久| 一区二区三区国产精品乱码| 国产日韩欧美亚洲二区| 最近最新中文字幕大全免费视频| 多毛熟女@视频| 亚洲欧美激情在线| 亚洲久久久国产精品| 欧美日韩一级在线毛片| 女人爽到高潮嗷嗷叫在线视频| 日韩成人在线观看一区二区三区| 国产成人精品久久二区二区91| 免费久久久久久久精品成人欧美视频| 国产视频一区二区在线看| 欧美老熟妇乱子伦牲交| 欧美日韩福利视频一区二区| 日韩免费高清中文字幕av| 天天影视国产精品| 天天操日日干夜夜撸| 国产精品欧美亚洲77777| 麻豆成人av在线观看| 亚洲,欧美精品.| 男人操女人黄网站| 欧美日韩国产mv在线观看视频| 欧美av亚洲av综合av国产av| 国产成人精品无人区| 后天国语完整版免费观看| 精品国产乱子伦一区二区三区| 欧美 亚洲 国产 日韩一| 国产精品久久久久久亚洲av鲁大| 一夜夜www| 亚洲国产精品久久男人天堂| 精品国产亚洲在线| 精品久久久久久久毛片微露脸| 女人被狂操c到高潮| 少妇熟女aⅴ在线视频| 最好的美女福利视频网| 久久亚洲精品不卡| 长腿黑丝高跟| 亚洲av日韩精品久久久久久密| 我要搜黄色片| 亚洲国产欧美一区二区综合| 黄色片一级片一级黄色片| 欧美一级毛片孕妇| 亚洲午夜理论影院| 少妇熟女aⅴ在线视频| 全区人妻精品视频| 色在线成人网| 亚洲熟妇熟女久久| 日韩高清综合在线| 亚洲第一欧美日韩一区二区三区| 丰满人妻熟妇乱又伦精品不卡| 亚洲无线观看免费| 免费av不卡在线播放| 又粗又爽又猛毛片免费看| 国产主播在线观看一区二区| 国产精品爽爽va在线观看网站| 久久天躁狠狠躁夜夜2o2o| 热99re8久久精品国产| 国产又黄又爽又无遮挡在线| 特级一级黄色大片| 黄色 视频免费看| 热99在线观看视频| 中文字幕熟女人妻在线| 精品欧美国产一区二区三| 人妻久久中文字幕网| 国产亚洲精品av在线| 999久久久精品免费观看国产| 欧美在线黄色| 99国产综合亚洲精品| 成熟少妇高潮喷水视频| 精品国产超薄肉色丝袜足j| 久久久久久国产a免费观看| 狂野欧美激情性xxxx| 精品不卡国产一区二区三区| 日韩三级视频一区二区三区| 精品久久蜜臀av无| 999久久久精品免费观看国产| 亚洲av电影在线进入| 成人亚洲精品av一区二区| 在线观看66精品国产| 19禁男女啪啪无遮挡网站| 亚洲精品456在线播放app | 可以在线观看的亚洲视频| 特级一级黄色大片| 天堂动漫精品| 特大巨黑吊av在线直播| 我的老师免费观看完整版| 亚洲性夜色夜夜综合| 色尼玛亚洲综合影院| ponron亚洲| 18禁美女被吸乳视频| 日本一本二区三区精品| 久久久国产欧美日韩av| 十八禁人妻一区二区| 小蜜桃在线观看免费完整版高清| 亚洲美女视频黄频| 99精品久久久久人妻精品| 亚洲自偷自拍图片 自拍| 国产私拍福利视频在线观看| 国产97色在线日韩免费| 国产极品精品免费视频能看的| 黄色视频,在线免费观看| 国产精品久久电影中文字幕| 亚洲专区中文字幕在线| 最近最新免费中文字幕在线| 免费在线观看日本一区| 国产av在哪里看| 亚洲国产精品成人综合色| 精品久久久久久久久久久久久| 日本黄大片高清| 极品教师在线免费播放| 美女扒开内裤让男人捅视频| 三级男女做爰猛烈吃奶摸视频| 无遮挡黄片免费观看| 网址你懂的国产日韩在线| 中文亚洲av片在线观看爽| 人妻夜夜爽99麻豆av| 最新中文字幕久久久久 | 69av精品久久久久久| 午夜精品在线福利| 亚洲国产中文字幕在线视频| 真人做人爱边吃奶动态| 黑人巨大精品欧美一区二区mp4| 精品电影一区二区在线| 丰满的人妻完整版| 岛国在线免费视频观看| 可以在线观看的亚洲视频| 一本精品99久久精品77| 熟妇人妻久久中文字幕3abv| 精品一区二区三区视频在线观看免费| 男女下面进入的视频免费午夜| 欧美成人一区二区免费高清观看 | 哪里可以看免费的av片| 精品午夜福利视频在线观看一区| 老汉色∧v一级毛片| 国产黄色小视频在线观看| 天堂影院成人在线观看| 99国产极品粉嫩在线观看| 亚洲七黄色美女视频| 午夜久久久久精精品| 欧美+亚洲+日韩+国产| 久久亚洲真实| 国产欧美日韩精品一区二区| 亚洲片人在线观看| 黄色女人牲交| 国产欧美日韩精品亚洲av| 精品久久蜜臀av无| 亚洲 欧美 日韩 在线 免费| 国产精品自产拍在线观看55亚洲| 丰满人妻熟妇乱又伦精品不卡| 97碰自拍视频| 色精品久久人妻99蜜桃| 成人精品一区二区免费| 五月伊人婷婷丁香| 成人av在线播放网站| 成人国产综合亚洲| 亚洲精品国产精品久久久不卡| 国产成人欧美在线观看| 日本黄大片高清| а√天堂www在线а√下载| xxx96com| 精华霜和精华液先用哪个| 欧美乱妇无乱码| 好看av亚洲va欧美ⅴa在| 欧美黄色片欧美黄色片| 亚洲av电影不卡..在线观看| 亚洲专区中文字幕在线| 又大又爽又粗| 亚洲人成网站高清观看| 国产一级毛片七仙女欲春2| 动漫黄色视频在线观看| 波多野结衣巨乳人妻| 亚洲中文字幕一区二区三区有码在线看 | 亚洲精品中文字幕一二三四区| 在线看三级毛片| 在线国产一区二区在线| h日本视频在线播放| 免费看a级黄色片| 日本免费a在线| 日韩av在线大香蕉| 中文在线观看免费www的网站| 午夜福利高清视频| 叶爱在线成人免费视频播放| 99热6这里只有精品| 欧美最黄视频在线播放免费| 日韩人妻高清精品专区| 国产成人精品无人区| 久久久久精品国产欧美久久久| 亚洲自偷自拍图片 自拍| 国产男靠女视频免费网站| 狠狠狠狠99中文字幕| 国产人伦9x9x在线观看| 成人国产一区最新在线观看| 日韩av在线大香蕉| 成人18禁在线播放| 亚洲专区中文字幕在线| 母亲3免费完整高清在线观看| 怎么达到女性高潮| 亚洲中文字幕日韩| 一区福利在线观看| 男人和女人高潮做爰伦理| 怎么达到女性高潮| 在线视频色国产色| 日韩高清综合在线| 久久国产精品人妻蜜桃| 老汉色∧v一级毛片| 制服丝袜大香蕉在线| www国产在线视频色| 亚洲午夜精品一区,二区,三区| 哪里可以看免费的av片| 国产激情久久老熟女| 国产精品久久久久久亚洲av鲁大| 十八禁人妻一区二区| 人人妻人人看人人澡| 每晚都被弄得嗷嗷叫到高潮| 亚洲七黄色美女视频| 午夜激情欧美在线| 在线a可以看的网站| 久久久久久大精品| 久久国产精品人妻蜜桃| 五月伊人婷婷丁香| 别揉我奶头~嗯~啊~动态视频| 精品福利观看| 国产一区二区三区在线臀色熟女| 日本三级黄在线观看| 精品一区二区三区视频在线观看免费| 成年女人永久免费观看视频| www.精华液| 在线a可以看的网站| 久久久久久久久久黄片| 桃红色精品国产亚洲av| 黑人操中国人逼视频| 欧美午夜高清在线| 亚洲成人久久爱视频| 免费一级毛片在线播放高清视频| 免费看a级黄色片| 最近最新免费中文字幕在线| 国产激情偷乱视频一区二区| 久久这里只有精品中国| 毛片女人毛片| 久久久久免费精品人妻一区二区| 国产伦精品一区二区三区视频9 | 美女免费视频网站| 亚洲五月婷婷丁香| 91在线观看av| 又黄又粗又硬又大视频| 国产91精品成人一区二区三区| 国产成人av教育| 亚洲精品一卡2卡三卡4卡5卡| 色综合站精品国产| 嫩草影院入口| 成人高潮视频无遮挡免费网站| 听说在线观看完整版免费高清| 成人欧美大片| 亚洲av成人av| 国产在线精品亚洲第一网站| 亚洲18禁久久av| 久久久久久久久免费视频了| 波多野结衣高清作品| 99热这里只有是精品50| 长腿黑丝高跟| 一个人看的www免费观看视频| 日日干狠狠操夜夜爽| 国产免费男女视频| 观看美女的网站| 一本综合久久免费| 观看美女的网站| 欧美乱色亚洲激情| av视频在线观看入口| 99国产精品一区二区三区| 一个人免费在线观看电影 | av视频在线观看入口| 天天一区二区日本电影三级| 欧美在线一区亚洲| 一级黄色大片毛片| 99riav亚洲国产免费| 99视频精品全部免费 在线 | 亚洲精品一区av在线观看| 美女 人体艺术 gogo| 男人舔奶头视频| 精品无人区乱码1区二区| 亚洲av成人不卡在线观看播放网| 亚洲欧美激情综合另类| 少妇人妻一区二区三区视频| 精品99又大又爽又粗少妇毛片 | 窝窝影院91人妻| 亚洲精品国产精品久久久不卡| 日日夜夜操网爽| 国产黄a三级三级三级人| 窝窝影院91人妻| 欧美在线一区亚洲| 少妇熟女aⅴ在线视频| 国产高清有码在线观看视频| 婷婷精品国产亚洲av| 亚洲五月天丁香| 麻豆成人av在线观看| 桃红色精品国产亚洲av| 每晚都被弄得嗷嗷叫到高潮| 国产麻豆成人av免费视频| 成人国产一区最新在线观看| 亚洲一区高清亚洲精品| 久久精品夜夜夜夜夜久久蜜豆| 色尼玛亚洲综合影院| 国产私拍福利视频在线观看| 脱女人内裤的视频| 国产精品爽爽va在线观看网站| 欧美日本视频| 午夜亚洲福利在线播放| 国语自产精品视频在线第100页| 天天躁日日操中文字幕| 一区二区三区激情视频| 国产欧美日韩一区二区精品| 成人国产一区最新在线观看| 少妇的丰满在线观看| 巨乳人妻的诱惑在线观看| 精品日产1卡2卡| 九九久久精品国产亚洲av麻豆 | 国产精品香港三级国产av潘金莲| 中文字幕最新亚洲高清| 久久久水蜜桃国产精品网| 成人精品一区二区免费| 国产伦人伦偷精品视频| 一二三四在线观看免费中文在| 又大又爽又粗| 身体一侧抽搐| 狂野欧美白嫩少妇大欣赏| 免费看a级黄色片| 亚洲第一欧美日韩一区二区三区| 国产免费av片在线观看野外av| 观看免费一级毛片| 床上黄色一级片| 91在线观看av| 日本a在线网址| 精品福利观看| 黄片大片在线免费观看| 日本免费一区二区三区高清不卡| 国产亚洲欧美98| 国产一区二区在线观看日韩 | 中文字幕高清在线视频| 51午夜福利影视在线观看| 亚洲色图av天堂| 一本久久中文字幕| 好男人电影高清在线观看| 美女高潮的动态| avwww免费| 中文字幕最新亚洲高清| 亚洲国产欧美人成| 日韩国内少妇激情av| 欧美在线一区亚洲| 2021天堂中文幕一二区在线观| av女优亚洲男人天堂 | 成人18禁在线播放| 哪里可以看免费的av片| 国产伦一二天堂av在线观看| 亚洲精华国产精华精| 欧美三级亚洲精品| 很黄的视频免费| 少妇人妻一区二区三区视频| 国产高清videossex| 天堂动漫精品| 亚洲午夜理论影院| 91久久精品国产一区二区成人 | 一卡2卡三卡四卡精品乱码亚洲| 亚洲美女视频黄频| 后天国语完整版免费观看| 欧美日韩综合久久久久久 | 欧美xxxx黑人xx丫x性爽| 国产精品一区二区三区四区免费观看 | 欧美激情久久久久久爽电影| or卡值多少钱| 99国产精品99久久久久| 欧美日韩中文字幕国产精品一区二区三区| 国产成+人综合+亚洲专区| 亚洲五月天丁香| 老汉色∧v一级毛片| 97超级碰碰碰精品色视频在线观看| 午夜福利欧美成人| 亚洲在线观看片| 久久久国产精品麻豆| 在线十欧美十亚洲十日本专区| 母亲3免费完整高清在线观看| 亚洲中文字幕一区二区三区有码在线看 | 又紧又爽又黄一区二区| 可以在线观看的亚洲视频| 亚洲国产精品sss在线观看| 久久久久精品国产欧美久久久| 哪里可以看免费的av片| 不卡av一区二区三区| 十八禁人妻一区二区| 成人国产一区最新在线观看| 欧美另类亚洲清纯唯美| 久久精品影院6| 小蜜桃在线观看免费完整版高清| 免费人成视频x8x8入口观看| av在线蜜桃| 日本黄色片子视频| 色吧在线观看| 国产亚洲精品av在线| 天天躁日日操中文字幕| 999久久久国产精品视频| 91麻豆av在线| 亚洲国产欧洲综合997久久,| 亚洲一区二区三区不卡视频| a在线观看视频网站| 亚洲 国产 在线| 欧美另类亚洲清纯唯美| 床上黄色一级片| 亚洲最大成人中文| 亚洲欧美日韩高清专用| 亚洲国产精品999在线| 九色国产91popny在线| 视频区欧美日本亚洲| 激情在线观看视频在线高清| 亚洲国产色片| 无遮挡黄片免费观看| 中文在线观看免费www的网站| 久久久久久大精品| 露出奶头的视频| 免费无遮挡裸体视频| 亚洲国产色片| 男女下面进入的视频免费午夜| 免费观看精品视频网站| 日日干狠狠操夜夜爽| 三级国产精品欧美在线观看 | 黄片小视频在线播放| 午夜日韩欧美国产| 久久精品91无色码中文字幕| 日韩人妻高清精品专区| 日韩欧美在线二视频| 亚洲中文av在线| 亚洲av五月六月丁香网| 国产成人aa在线观看| 亚洲国产看品久久| 成人欧美大片| 老鸭窝网址在线观看| 18禁观看日本| 亚洲精品乱码久久久v下载方式 | 两人在一起打扑克的视频| 一进一出好大好爽视频| 91九色精品人成在线观看| 这个男人来自地球电影免费观看| av中文乱码字幕在线| 欧美大码av| 偷拍熟女少妇极品色| 成人特级黄色片久久久久久久| aaaaa片日本免费| 久久天堂一区二区三区四区| 久久精品国产综合久久久| 18禁裸乳无遮挡免费网站照片| 日本五十路高清| 午夜久久久久精精品| 俄罗斯特黄特色一大片| 午夜两性在线视频| 欧美3d第一页| 中文字幕人妻丝袜一区二区| 欧美精品啪啪一区二区三区| 久99久视频精品免费| 久久精品aⅴ一区二区三区四区| 99国产精品99久久久久| 亚洲精品久久国产高清桃花| 日本与韩国留学比较| 亚洲在线自拍视频| av视频在线观看入口| 国内少妇人妻偷人精品xxx网站 | 女生性感内裤真人,穿戴方法视频| 欧美不卡视频在线免费观看| 午夜激情欧美在线| 国产私拍福利视频在线观看| 欧美乱色亚洲激情| 99在线视频只有这里精品首页| 少妇丰满av| 少妇的逼水好多| 欧美xxxx黑人xx丫x性爽| 亚洲精品一区av在线观看| 国产高清三级在线| 亚洲欧美一区二区三区黑人| 久久久久久九九精品二区国产| 亚洲精品乱码久久久v下载方式 | 性欧美人与动物交配| 国产欧美日韩精品亚洲av| 亚洲av五月六月丁香网| 精品无人区乱码1区二区| 美女黄网站色视频| 少妇熟女aⅴ在线视频| 操出白浆在线播放| 日韩 欧美 亚洲 中文字幕| 真人做人爱边吃奶动态| 性色avwww在线观看| 亚洲欧美日韩无卡精品| 99热精品在线国产| 麻豆av在线久日| 久久久国产欧美日韩av| 欧美最黄视频在线播放免费| 最近最新免费中文字幕在线| 日本与韩国留学比较| 免费观看精品视频网站| a级毛片在线看网站| 亚洲乱码一区二区免费版| 看免费av毛片| 国产精品久久视频播放| 日韩成人在线观看一区二区三区| 国产精品电影一区二区三区| 欧美xxxx黑人xx丫x性爽| 久久国产乱子伦精品免费另类| 久久久精品大字幕| 69av精品久久久久久| 亚洲精品在线观看二区| 精品一区二区三区av网在线观看| 91久久精品国产一区二区成人 | 亚洲国产精品sss在线观看| 天堂影院成人在线观看| 亚洲精品粉嫩美女一区| 日韩欧美国产在线观看| 日本成人三级电影网站| 噜噜噜噜噜久久久久久91| 在线观看66精品国产| 国产麻豆成人av免费视频| 五月伊人婷婷丁香| 中文字幕久久专区| 国产成人精品无人区| 999精品在线视频| 老司机午夜福利在线观看视频| 91麻豆精品激情在线观看国产| 99久久精品一区二区三区|