• <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
    变态另类丝袜制服| 免费看日本二区| 级片在线观看| 伦理电影大哥的女人| 免费观看在线日韩| 国产私拍福利视频在线观看| 久久久久九九精品影院| 国产aⅴ精品一区二区三区波| 亚洲,欧美,日韩| 久久欧美精品欧美久久欧美| 淫秽高清视频在线观看| 99热这里只有是精品在线观看| 特大巨黑吊av在线直播| 日韩国内少妇激情av| 亚洲真实伦在线观看| 国产一区二区激情短视频| 国产亚洲精品久久久com| 日本在线视频免费播放| 国产熟女欧美一区二区| 免费不卡的大黄色大毛片视频在线观看 | 久久精品人妻少妇| 精品久久久久久久久av| 午夜激情福利司机影院| 亚洲无线观看免费| eeuss影院久久| 日本免费a在线| aaaaa片日本免费| 免费在线观看日本一区| 亚洲专区中文字幕在线| 久久精品综合一区二区三区| 欧美色欧美亚洲另类二区| 中文字幕高清在线视频| 波多野结衣高清无吗| 久久久久久久午夜电影| 麻豆av噜噜一区二区三区| 人人妻人人看人人澡| 国产爱豆传媒在线观看| 97超视频在线观看视频| 成人av在线播放网站| 亚洲三级黄色毛片| 亚洲 国产 在线| 女生性感内裤真人,穿戴方法视频| 在线免费十八禁| 亚洲在线自拍视频| 国内少妇人妻偷人精品xxx网站| 国产高清视频在线观看网站| 中国美女看黄片| 欧洲精品卡2卡3卡4卡5卡区| 日韩中文字幕欧美一区二区| 日韩欧美三级三区| 国产精品美女特级片免费视频播放器| 久久久久免费精品人妻一区二区| 五月伊人婷婷丁香| 亚洲欧美日韩卡通动漫| 久久久久精品国产欧美久久久| 免费av不卡在线播放| 久久精品国产亚洲av香蕉五月| 国产精品久久久久久av不卡| 淫妇啪啪啪对白视频| 永久网站在线| 亚洲av成人av| xxxwww97欧美| 国产精品一区二区三区四区免费观看 | 最新中文字幕久久久久| 欧美黑人巨大hd| 欧美高清性xxxxhd video| 亚洲色图av天堂| 国产主播在线观看一区二区| 久久天躁狠狠躁夜夜2o2o| 国内久久婷婷六月综合欲色啪| av福利片在线观看| 久久精品影院6| 1024手机看黄色片| 日韩一区二区视频免费看| 午夜福利高清视频| 偷拍熟女少妇极品色| 夜夜夜夜夜久久久久| 91狼人影院| 午夜影院日韩av| 校园人妻丝袜中文字幕| 亚洲第一电影网av| 三级国产精品欧美在线观看| 美女xxoo啪啪120秒动态图| 国产69精品久久久久777片| 波多野结衣巨乳人妻| 国产精品久久久久久亚洲av鲁大| 亚洲无线在线观看| 老司机福利观看| 国产白丝娇喘喷水9色精品| 男女做爰动态图高潮gif福利片| videossex国产| 黄色丝袜av网址大全| 国产亚洲精品久久久久久毛片| 国产私拍福利视频在线观看| 热99re8久久精品国产| 亚洲无线观看免费| 日韩精品有码人妻一区| 午夜精品在线福利| 91在线观看av| 亚洲美女视频黄频| 国产亚洲av嫩草精品影院| 啦啦啦观看免费观看视频高清| 国产爱豆传媒在线观看| 欧美成人性av电影在线观看| 国产色爽女视频免费观看| 悠悠久久av| 狂野欧美激情性xxxx在线观看| 美女高潮的动态| 免费看光身美女| 最新中文字幕久久久久| av女优亚洲男人天堂| 国产精品野战在线观看| 欧美日本亚洲视频在线播放| videossex国产| 天堂网av新在线| 久久热精品热| 狂野欧美激情性xxxx在线观看| 啦啦啦啦在线视频资源| 欧美三级亚洲精品| 国产精品自产拍在线观看55亚洲| 色尼玛亚洲综合影院| 亚洲国产高清在线一区二区三| 国产国拍精品亚洲av在线观看| 免费观看的影片在线观看| 欧美潮喷喷水| 午夜福利18| 亚洲黑人精品在线| 男女那种视频在线观看| 日本五十路高清| 两个人视频免费观看高清| 色尼玛亚洲综合影院| 国内精品美女久久久久久| 欧美一区二区国产精品久久精品| 性欧美人与动物交配| 老熟妇乱子伦视频在线观看| 久久久久久国产a免费观看| 亚洲成a人片在线一区二区| 欧美精品啪啪一区二区三区| www.色视频.com| 在现免费观看毛片| 国产亚洲精品综合一区在线观看| 黄色女人牲交| 欧美成人一区二区免费高清观看| 麻豆一二三区av精品| 久久人人精品亚洲av| 99久久无色码亚洲精品果冻| 成人欧美大片| 草草在线视频免费看| 久久午夜亚洲精品久久| 欧美激情国产日韩精品一区| 日本精品一区二区三区蜜桃| 91精品国产九色| 小说图片视频综合网站| 极品教师在线免费播放| 乱码一卡2卡4卡精品| 国产精品综合久久久久久久免费| 欧美zozozo另类| 十八禁国产超污无遮挡网站| 亚洲成人精品中文字幕电影| 国产精华一区二区三区| 成人精品一区二区免费| 男人舔女人下体高潮全视频| 国产美女午夜福利| 女同久久另类99精品国产91| 露出奶头的视频| 一卡2卡三卡四卡精品乱码亚洲| 精品一区二区三区视频在线观看免费| а√天堂www在线а√下载| 国产在视频线在精品| 午夜福利高清视频| www.www免费av| 成人精品一区二区免费| 我的女老师完整版在线观看| 一级av片app| 夜夜看夜夜爽夜夜摸| a级毛片a级免费在线| 色av中文字幕| 国产高清视频在线播放一区| 亚洲精华国产精华精| 99精品在免费线老司机午夜| 色噜噜av男人的天堂激情| 久久国内精品自在自线图片| 又黄又爽又免费观看的视频| 亚洲精品国产成人久久av| 一卡2卡三卡四卡精品乱码亚洲| 身体一侧抽搐| 国产精品久久久久久av不卡| 国产亚洲精品av在线| 国产免费av片在线观看野外av| 国产真实乱freesex| 伊人久久精品亚洲午夜| 亚洲18禁久久av| 欧美3d第一页| ponron亚洲| 两个人视频免费观看高清| 成人综合一区亚洲| 99久久精品热视频| 亚洲人成伊人成综合网2020| 一级黄色大片毛片| 欧美日韩乱码在线| 亚洲欧美日韩高清在线视频| 免费在线观看影片大全网站| 久久久久久久午夜电影| 欧美3d第一页| 黄色配什么色好看| 国产三级中文精品| 我的女老师完整版在线观看| 国产精华一区二区三区| 一本精品99久久精品77| 麻豆久久精品国产亚洲av| av国产免费在线观看| 欧美zozozo另类| 午夜久久久久精精品| 午夜福利在线观看免费完整高清在 | 亚洲三级黄色毛片| 999久久久精品免费观看国产| 色吧在线观看| 毛片一级片免费看久久久久 | 91久久精品电影网| 中文字幕熟女人妻在线| 男人狂女人下面高潮的视频| 午夜日韩欧美国产| 国产高清不卡午夜福利| 亚洲精品色激情综合| 国产人妻一区二区三区在| 日日夜夜操网爽| 国产乱人视频| 国产黄色小视频在线观看| 欧美中文日本在线观看视频| 国产精品乱码一区二三区的特点| 精品人妻1区二区| 91久久精品国产一区二区三区| 国产淫片久久久久久久久| av在线老鸭窝| 搞女人的毛片| 嫩草影视91久久| 露出奶头的视频| 国产中年淑女户外野战色| 国产成人a区在线观看| 小说图片视频综合网站| 黄色女人牲交| 午夜老司机福利剧场| 国产在视频线在精品| 一级黄色大片毛片| 在线免费观看的www视频| 久久九九热精品免费| 国产色爽女视频免费观看| 全区人妻精品视频| 久久久久久久久久黄片| 18禁裸乳无遮挡免费网站照片| 乱码一卡2卡4卡精品| 三级男女做爰猛烈吃奶摸视频| 99久久精品热视频| 真人一进一出gif抽搐免费| 成人欧美大片| 一进一出好大好爽视频| 欧美高清性xxxxhd video| 婷婷精品国产亚洲av在线| 高清毛片免费观看视频网站| 看十八女毛片水多多多| 亚洲av第一区精品v没综合| 窝窝影院91人妻| 国产蜜桃级精品一区二区三区| 色视频www国产| 成人av一区二区三区在线看| 亚洲精华国产精华精| 国产午夜精品论理片| 国产欧美日韩精品亚洲av| 午夜福利成人在线免费观看| 深夜a级毛片| 一进一出抽搐动态| 国产一级毛片七仙女欲春2| 欧美激情在线99| 亚洲国产日韩欧美精品在线观看| 亚洲无线在线观看| 亚洲av中文字字幕乱码综合| 久久精品影院6| 高清在线国产一区| 日韩精品有码人妻一区| 美女高潮的动态| 精品人妻偷拍中文字幕| 久久午夜亚洲精品久久| 国产午夜福利久久久久久| 啪啪无遮挡十八禁网站| 伦精品一区二区三区| 精品久久国产蜜桃| 成人一区二区视频在线观看| 长腿黑丝高跟| 亚洲人成网站高清观看| 我的女老师完整版在线观看| 中文字幕免费在线视频6| 欧美又色又爽又黄视频| 热99re8久久精品国产| 亚洲第一区二区三区不卡| 日日夜夜操网爽| 久久99热这里只有精品18| 欧美丝袜亚洲另类 | 美女高潮的动态| 精品人妻偷拍中文字幕| 午夜爱爱视频在线播放| 国产高清视频在线播放一区| 亚洲国产色片| 国产高清视频在线播放一区| 亚洲国产色片| 日韩欧美 国产精品| a在线观看视频网站| 成人国产综合亚洲| 亚洲aⅴ乱码一区二区在线播放| 国产激情偷乱视频一区二区| 国产不卡一卡二| а√天堂www在线а√下载| 精品久久国产蜜桃| 99热这里只有是精品在线观看| 亚洲av中文字字幕乱码综合| avwww免费| 1024手机看黄色片| 日韩国内少妇激情av| 美女高潮喷水抽搐中文字幕| 桃色一区二区三区在线观看| 黄色日韩在线| 欧美性猛交黑人性爽| 欧美国产日韩亚洲一区| 大型黄色视频在线免费观看| 女人十人毛片免费观看3o分钟| 国产激情偷乱视频一区二区| 日本 av在线| 国产69精品久久久久777片| 国产精品一区二区性色av| а√天堂www在线а√下载| 淫妇啪啪啪对白视频| 国产精品无大码| 国产精品久久视频播放| 在线播放无遮挡| 国产男人的电影天堂91| 夜夜夜夜夜久久久久| 国产极品精品免费视频能看的| 女人十人毛片免费观看3o分钟| 午夜日韩欧美国产| 波多野结衣高清作品| 成人亚洲精品av一区二区| 久久热精品热| 性插视频无遮挡在线免费观看| 波多野结衣巨乳人妻| 日韩欧美一区二区三区在线观看| 五月玫瑰六月丁香| 久久久久久久久久成人| 亚洲精品一区av在线观看| 一区二区三区免费毛片| 小蜜桃在线观看免费完整版高清| 少妇被粗大猛烈的视频| 简卡轻食公司| 网址你懂的国产日韩在线| 亚洲国产欧洲综合997久久,| 国产精品久久久久久久久免| 悠悠久久av| 一个人观看的视频www高清免费观看| 国产av麻豆久久久久久久| 搡女人真爽免费视频火全软件 | 五月玫瑰六月丁香| 婷婷丁香在线五月| 国产高清视频在线播放一区| 亚洲黑人精品在线| 少妇的逼水好多| www.色视频.com| 夜夜夜夜夜久久久久| 999久久久精品免费观看国产| а√天堂www在线а√下载| 欧美潮喷喷水| 久久久成人免费电影| 一级黄片播放器| 全区人妻精品视频| 一夜夜www| 天堂av国产一区二区熟女人妻| 丰满的人妻完整版| 成年免费大片在线观看| 国内精品美女久久久久久| а√天堂www在线а√下载| 精品国内亚洲2022精品成人| 一a级毛片在线观看| 国产精品美女特级片免费视频播放器| 国产精品1区2区在线观看.| 国产精品精品国产色婷婷| 九九爱精品视频在线观看| 亚洲人成网站在线播放欧美日韩| 亚洲av日韩精品久久久久久密| 欧美日韩亚洲国产一区二区在线观看| 悠悠久久av| 中亚洲国语对白在线视频| 亚洲国产日韩欧美精品在线观看| 亚洲av免费在线观看| 人妻久久中文字幕网| 日韩精品青青久久久久久| 久久久久久久精品吃奶| 人人妻人人看人人澡| 免费不卡的大黄色大毛片视频在线观看 | www.色视频.com| 干丝袜人妻中文字幕| 一区二区三区高清视频在线| 欧美成人a在线观看| 亚洲性久久影院| 床上黄色一级片| 中文字幕人妻熟人妻熟丝袜美| 日韩欧美精品v在线| 国产精品美女特级片免费视频播放器| 女同久久另类99精品国产91| 免费观看人在逋| a级一级毛片免费在线观看| 国产精品,欧美在线| 精品日产1卡2卡| 在线观看av片永久免费下载| 中国美女看黄片| 欧美+日韩+精品| 亚洲国产欧洲综合997久久,| 高清在线国产一区| 少妇被粗大猛烈的视频| 国产日本99.免费观看| 午夜福利在线观看免费完整高清在 | 国产伦一二天堂av在线观看| 亚洲专区国产一区二区| 床上黄色一级片| 中文在线观看免费www的网站| 日本黄大片高清| a级毛片a级免费在线| 亚洲男人的天堂狠狠| 国内精品美女久久久久久| 偷拍熟女少妇极品色| 真实男女啪啪啪动态图| 成人国产一区最新在线观看| 亚洲av熟女| 亚洲av中文字字幕乱码综合| 3wmmmm亚洲av在线观看| 在现免费观看毛片| av福利片在线观看| 亚洲av第一区精品v没综合| 成人永久免费在线观看视频| 97超视频在线观看视频| 亚洲av不卡在线观看| 午夜影院日韩av| 久久久久性生活片| 亚洲 国产 在线| 亚洲国产色片| 亚洲人成网站在线播放欧美日韩| 国产高清有码在线观看视频| 国产精品99久久久久久久久| 天堂√8在线中文| 亚洲天堂国产精品一区在线| 久久精品国产自在天天线| 国产成人aa在线观看| 熟女电影av网| 日本爱情动作片www.在线观看 | 国产精品一区二区免费欧美| 亚洲精品成人久久久久久| 一进一出抽搐动态| 亚洲中文字幕一区二区三区有码在线看| 夜夜爽天天搞| 淫妇啪啪啪对白视频| 日韩中字成人| 人妻少妇偷人精品九色| 伦理电影大哥的女人| 久久久精品欧美日韩精品| 久久久精品大字幕| 男女做爰动态图高潮gif福利片| x7x7x7水蜜桃| 亚洲第一区二区三区不卡| 久久亚洲真实| 亚洲av五月六月丁香网| 偷拍熟女少妇极品色| 十八禁国产超污无遮挡网站| 精品久久久久久,| 18禁黄网站禁片午夜丰满| 九九在线视频观看精品| 嫩草影院精品99| 亚洲人成网站高清观看| 久久精品国产亚洲av香蕉五月| 女人被狂操c到高潮| 97碰自拍视频| 国产亚洲av嫩草精品影院| 免费看光身美女| 亚洲无线在线观看| 久久久精品大字幕| 久久99热这里只有精品18| 久久精品国产99精品国产亚洲性色| 精品人妻偷拍中文字幕| 一边摸一边抽搐一进一小说| 一个人看视频在线观看www免费| 欧美精品国产亚洲| 免费黄网站久久成人精品| 婷婷精品国产亚洲av在线| 精品欧美国产一区二区三| 白带黄色成豆腐渣| 国产精品女同一区二区软件 | 亚洲av.av天堂| 校园春色视频在线观看| av天堂在线播放| 成人av在线播放网站| 欧美日韩综合久久久久久 | 99久国产av精品| 神马国产精品三级电影在线观看| 久久午夜亚洲精品久久| 亚洲av五月六月丁香网| 亚洲av一区综合| 国产伦精品一区二区三区四那| 日日撸夜夜添| 免费看日本二区| 最好的美女福利视频网| 在线免费十八禁| 身体一侧抽搐| 美女cb高潮喷水在线观看| 亚洲av二区三区四区| 久久久久久久精品吃奶| 国产免费男女视频| 亚洲性夜色夜夜综合| 成人精品一区二区免费| 欧美精品国产亚洲| 高清在线国产一区| 18禁黄网站禁片免费观看直播| 精品无人区乱码1区二区| 免费观看在线日韩| 毛片一级片免费看久久久久 | 人妻夜夜爽99麻豆av| 午夜老司机福利剧场| 成人国产综合亚洲| 欧美性感艳星| 美女被艹到高潮喷水动态| 久久中文看片网| 国产av一区在线观看免费| 国产精品av视频在线免费观看| 亚洲男人的天堂狠狠| 久久精品久久久久久噜噜老黄 | 男人狂女人下面高潮的视频| 国产三级中文精品| 三级毛片av免费| 男人舔奶头视频| 成年免费大片在线观看| 日本五十路高清| 一级黄片播放器| 日韩人妻高清精品专区| 简卡轻食公司| 日本黄色视频三级网站网址| 一本久久中文字幕| av福利片在线观看| 久久亚洲真实| 变态另类成人亚洲欧美熟女| 欧美激情在线99| 国产精品乱码一区二三区的特点| 美女xxoo啪啪120秒动态图| 成人精品一区二区免费| 久久人人爽人人爽人人片va| 国产在视频线在精品| 国产蜜桃级精品一区二区三区| 欧美日韩亚洲国产一区二区在线观看| 国产真实伦视频高清在线观看 | 身体一侧抽搐| 免费观看的影片在线观看| 全区人妻精品视频| 高清毛片免费观看视频网站| 三级男女做爰猛烈吃奶摸视频| 欧美成人a在线观看| 国产白丝娇喘喷水9色精品| 日韩av在线大香蕉| 欧美不卡视频在线免费观看| 欧美成人性av电影在线观看| av天堂中文字幕网| 亚洲aⅴ乱码一区二区在线播放| 一个人看视频在线观看www免费| 一个人免费在线观看电影| 国产精品亚洲美女久久久| 偷拍熟女少妇极品色| 91在线观看av| 露出奶头的视频| 色5月婷婷丁香| 欧美成人性av电影在线观看| 国内精品一区二区在线观看| 久久久精品欧美日韩精品| 久久久久免费精品人妻一区二区| 日韩强制内射视频| 欧美日韩国产亚洲二区| 亚洲七黄色美女视频| 国产毛片a区久久久久| 最近中文字幕高清免费大全6 | av在线蜜桃| 国产亚洲av嫩草精品影院| 亚洲第一区二区三区不卡| 亚洲四区av| 国产精品一区二区性色av| 真人一进一出gif抽搐免费| ponron亚洲| aaaaa片日本免费| 国产午夜精品久久久久久一区二区三区 | 精品人妻1区二区| 国产精品伦人一区二区| 久久国产乱子免费精品| 亚洲av不卡在线观看| 久久精品国产亚洲av香蕉五月| 99久久成人亚洲精品观看| 国产高清视频在线观看网站| 午夜视频国产福利| 偷拍熟女少妇极品色| 久久久久国产精品人妻aⅴ院| 久久亚洲真实| 亚洲国产高清在线一区二区三| 国内精品宾馆在线| 嫩草影视91久久| 免费看日本二区| 国产免费av片在线观看野外av| 国产aⅴ精品一区二区三区波| 亚洲18禁久久av| 精品久久久久久久人妻蜜臀av| 亚洲性夜色夜夜综合| 两性午夜刺激爽爽歪歪视频在线观看| 狠狠狠狠99中文字幕| 亚洲专区国产一区二区| 桃红色精品国产亚洲av| 国产免费一级a男人的天堂| 最近在线观看免费完整版|