• <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ELM的作戰(zhàn)方案樣本驗證及評估方法*

    2015-05-05 08:28:34丁曉劍程文迪
    現(xiàn)代防御技術(shù) 2015年4期
    關(guān)鍵詞:訓(xùn)練樣本神經(jīng)網(wǎng)絡(luò)樣本

    丁曉劍,程文迪

    (信息系統(tǒng)工程重點實驗室,江蘇 南京 210007)

    基于ELM的作戰(zhàn)方案樣本驗證及評估方法*

    丁曉劍,程文迪

    (信息系統(tǒng)工程重點實驗室,江蘇 南京 210007)

    針對專家制定作戰(zhàn)方案訓(xùn)練樣本時容易受主觀性影響的問題,提出了基于ELM的樣本驗證及評估方法。首先根據(jù)ELM建立作戰(zhàn)方案樣本的預(yù)測模型,然后更正錯誤標記的樣本。仿真實驗表明,利用ELM模型訓(xùn)練更正后的樣本集能有效降低均方根誤差值和提高預(yù)測的準確率。與RBF神經(jīng)網(wǎng)絡(luò)相比,訓(xùn)練ELM模型的時間縮短了98.8%,而且無需調(diào)節(jié)激活函數(shù)的參數(shù)就可以得到足夠好的泛化性能。

    超限學(xué)習機; 徑向基函數(shù);作戰(zhàn)方案;評估;泛化性能

    0 引言

    現(xiàn)代化作戰(zhàn)需要在戰(zhàn)前經(jīng)過嚴格論證,建立多個可行的作戰(zhàn)方案,并從中選取最優(yōu)方案,該過程也稱為作戰(zhàn)方案評估。傳統(tǒng)的方法是由作戰(zhàn)參謀對方案進行推演分析,然后做出決策,給出作戰(zhàn)效果[1-2]。這種方法受人的主觀因素影響較大,決策結(jié)果具有不確定性。一個可行的方法是軍事專家根據(jù)經(jīng)驗對該任務(wù)建立訓(xùn)練樣本,給出可信的打擊效果。然后利用機器學(xué)習方法對作戰(zhàn)方案訓(xùn)練樣本集進行學(xué)習,得到預(yù)測網(wǎng)絡(luò),再對不同的作戰(zhàn)方案進行預(yù)測。

    上述方法會衍生一個重要的問題,如果根據(jù)經(jīng)驗建立的訓(xùn)練樣本的標簽值出現(xiàn)錯誤,是否會對未知的測試樣本預(yù)測造成影響。機器學(xué)習方法的成功率受訓(xùn)練樣本準確性的依賴較大,如果訓(xùn)練樣本的標簽值被錯誤地賦值,預(yù)測出的測試樣本可能也會出現(xiàn)錯誤,在訓(xùn)練樣本集較小的情況錯誤率會明顯放大。

    針對這個問題,本文利用一種新型神經(jīng)網(wǎng)絡(luò)方法ELM (extreme learning machine)[3-6]對作戰(zhàn)方案進行建模,尋找可能標記錯誤的訓(xùn)練樣本,并測試ELM網(wǎng)絡(luò)在未知樣本上的泛化性能。

    1 相關(guān)工作

    神經(jīng)網(wǎng)絡(luò)類型算法由于其模式識別和函數(shù)逼近能力較強,在軍事作戰(zhàn)方案領(lǐng)域有較多成功的應(yīng)用。文獻[7]利用基于神經(jīng)網(wǎng)絡(luò)的集成方法建立了合成旅作戰(zhàn)方案評估網(wǎng)絡(luò),有效降低了評價過程中認為因素的影響。文獻[8]設(shè)計了基于BP神經(jīng)網(wǎng)絡(luò)對一般性機動發(fā)射導(dǎo)彈作戰(zhàn)方案評估的方法,在短時間對多個作戰(zhàn)方案評估可以有效節(jié)約時間。文獻[9]利用徑向基(radial basis function, RBF)神經(jīng)網(wǎng)絡(luò)設(shè)計了聯(lián)合作戰(zhàn)方案的評估網(wǎng)絡(luò),并給出了應(yīng)用實例。RBF神經(jīng)網(wǎng)絡(luò)是由輸入層、隱層和輸出層3層組成的典型前饋式神經(jīng)網(wǎng)絡(luò),不但具有最佳逼近性能和全局最優(yōu)性,而且結(jié)構(gòu)簡單,學(xué)習速度較快。然而RBF神經(jīng)網(wǎng)絡(luò)需要調(diào)節(jié)隱層節(jié)點個數(shù)、隱層節(jié)點中徑向基函數(shù)的中心和寬度、隱層到輸出層連接權(quán)值等多個參數(shù)才能得到最優(yōu)訓(xùn)練網(wǎng)絡(luò),不僅耗時,而且網(wǎng)絡(luò)性能對參數(shù)值比較比較敏感。

    ELM和RBF同屬于單隱層神經(jīng)網(wǎng)絡(luò)(single-hidden layer feedforward neural network,SLFN),但是ELM網(wǎng)絡(luò)可以表示為線性方程組的形式,而且線性方程組中的隱藏矩陣是隨機生成的,與訓(xùn)練樣本無關(guān)。不同于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法,ELM網(wǎng)絡(luò)能在最小化訓(xùn)練樣本錯誤的同時獲得較好的泛化性能。ELM網(wǎng)絡(luò)主要用于函數(shù)的逼近,既可以用于分類學(xué)習,也可以用于回歸分析。文獻[10]證明了當激活函數(shù)是Sigmoid函數(shù)g(x)=1/1+e-x時,SLFN可以以任意精度逼近任意的連續(xù)函數(shù)。文獻[11]已證明幾乎所有的分段連續(xù)函數(shù)(可微的或者不可微的)用于ELM時都具有全局逼近性質(zhì)。

    2 ELM方法與方案建模

    2.1 ELM方法

    j=1,…,N,

    (1)

    (2)

    這N個方程可稱為線性方程組的形式:

    Hβ=T,

    (3)

    式中:

    (4)

    (5)

    (6)

    式中:H?為矩陣H的Moore-Penrose廣義逆。

    ELM是基于參數(shù)隨機化和最小二乘解思想的SLFN,ELM算法可描述如下:

    步驟1:隨機賦值輸入權(quán)wi和偏置bi,i=1,…,N;

    步驟2:計算隱藏層輸出矩陣H;

    步驟3:計算輸出權(quán)值β=H?T,其中T=(t1,…,tN)T。

    算法步驟1中輸入權(quán)wi和偏置bi在(-1,1)N×(0,1)中基于平均概率分布隨機取值。步驟2矩陣H的計算參考式(4),激活函數(shù)g(x)可選取sigmoidal函數(shù)或者指數(shù)函數(shù)等等。步驟3輸出權(quán)值β的計算參考式(6),利用廣義逆矩陣的方法不但能最小化訓(xùn)練樣本的錯誤,還能最小化β模的值,能夠保證ELM算法具有較好的泛化性能。

    2.2 ELM與RBF的比較

    (7)

    式中:βi=(βi1,βi2,…,βim)T為連接第i個核和輸出神經(jīng)元的權(quán)向量;μi=(μi1,μi2,…,μim)T為第i個核的中心;σi為核的寬度。一般用高斯函數(shù)的形式來表示核φ:

    (8)

    訓(xùn)練RBF網(wǎng)絡(luò)需要進行2個階段的學(xué)習:核參數(shù)和權(quán)值向量。首先確定核函數(shù)的中心和寬度,然后再進行連接權(quán)值的學(xué)習。核參數(shù)的確定通常需要額外的算法和多次迭代才能找到最優(yōu)值。

    與RBF網(wǎng)絡(luò)相比,ELM網(wǎng)絡(luò)中的核函數(shù)參數(shù)由隨機分布函數(shù)產(chǎn)生,并且與訓(xùn)練樣本無關(guān)。訓(xùn)練ELM網(wǎng)絡(luò)即連接權(quán)值β的學(xué)習,只需簡單地計算線性方程組,無需迭代過程。

    3 實驗仿真與結(jié)果分析

    本節(jié)實驗的目的是驗證ELM網(wǎng)絡(luò)在作戰(zhàn)方案評估中的效果以及與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)RBF網(wǎng)絡(luò)的學(xué)習性能比較。ELM的激活函數(shù)使用常用的sigmoid函數(shù),即g(x)=1/(1+exp(-x))。文獻[3]指出BP網(wǎng)絡(luò)由于其學(xué)習機制需要花費大量時間迭代得到最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu),并且泛化性能較差,在趨向于實時效果的作戰(zhàn)方案評估應(yīng)用中不太適合,本文不采用BP網(wǎng)絡(luò)進行試驗比較。

    3.1 實驗數(shù)據(jù)

    實驗的數(shù)據(jù)來自文獻[9]的航空兵火力打擊作戰(zhàn)方案數(shù)據(jù),分為訓(xùn)練樣本集和擬評估測試樣本集。訓(xùn)練樣本集有8個樣本,見表1。測試樣本集有4個樣本,見表2。

    表1 作戰(zhàn)方案訓(xùn)練樣本集Table 1 Training samples of battle scheme

    表2 作戰(zhàn)方案測試樣本集Table 2 Testing samples of battle scheme

    3.2 方案建模

    借鑒文獻[9]中的航空兵火力打擊方案數(shù)據(jù),ELM網(wǎng)絡(luò)的訓(xùn)練樣本xi可選取飛機機型、數(shù)量、攜彈威力、命中精度、突防高度、突擊速度等10個參數(shù)作為屬性,ti可選值有“襲擾”、“壓制”和“摧毀”。由ti的可選值可以看出,對方案的建模實際上是回歸學(xué)習的過程。將火力打擊效果 “襲擾”、“壓制”和“摧毀”量化為1,2和3。對測試樣本進行學(xué)習時,預(yù)測的火力打擊效果模型為

    (9)

    式中:f(xi)為ELM網(wǎng)絡(luò)對測試樣本xi的預(yù)測值。

    3.3 訓(xùn)練樣本實驗分析

    本節(jié)實驗的目的是驗證訓(xùn)練樣本的健壯性。訓(xùn)練樣本是由專家組聽取多方意見,共同決策而形成的較為可信的樣本。然而在戰(zhàn)前籌劃階段,由于時間緊任務(wù)重,專家制定的訓(xùn)練樣本也可能出現(xiàn)誤差。將訓(xùn)練樣本分為2組,用ELM網(wǎng)絡(luò)訓(xùn)練一組樣本,再用訓(xùn)練好的ELM網(wǎng)絡(luò)測試另一組樣本。每次實驗將樣本次序隨機打亂,取前4個樣本訓(xùn)練,后4個樣本測試。一共進行10次實驗,利用均方根誤差(root mean square error, RMSE)、預(yù)測正確率(test rate,TR)、預(yù)測錯誤的樣本(test error data, TED)和預(yù)測的值(prediction value, PV)作為測試指標。

    從表3可以看出,在10次實驗中,預(yù)測錯誤的樣本以4號和8號居多。在第1,5,8次實驗中,8號樣本為訓(xùn)練樣本,4號樣本作為測試樣本預(yù)測的值接近于2,即8號樣本的標簽值。在第2,4,6,7,10次實驗中,4號樣本為訓(xùn)練樣本,8號樣本作為測試樣本預(yù)測的值接近于1,即4號樣本的標簽值。從表1分析4號樣本和8號樣本的特點,可以看出這兩個樣本在8個屬性上是完全一樣的,只有飛機數(shù)量和攜彈威力2個屬性的值上有少許不同,這說明2個樣本是很相似的,應(yīng)該賦予相同的標簽值。在第9次實驗中,雖然2個樣本都預(yù)測正確,但是8號樣本偏離標簽的值較4號樣本大一些。結(jié)合第3次實驗,8號樣本的標簽值應(yīng)賦予“襲擾”,即數(shù)值1。

    下面比較ELM網(wǎng)絡(luò)在原始訓(xùn)練樣本和更正后的訓(xùn)練樣本上的泛化性能,實驗采用本節(jié)的配置,結(jié)果見圖1。

    表3 訓(xùn)練樣本實驗結(jié)果Table 3 Training samples simulation results

    圖1 ELM在2個數(shù)據(jù)集上泛化性能比較Fig.1 Generalization performance comparison of ELM on two datasets

    從圖1 a)可以看出,修正訓(xùn)練樣本的標簽值以后,RMSE值更小,這表明ELM網(wǎng)絡(luò)在更正后的樣本集上預(yù)測準度更高一些。在10次實驗中ELM網(wǎng)絡(luò)在原始訓(xùn)練樣本集上的只有1次完全預(yù)測正確,而在更正后的訓(xùn)練樣本集上只有2次預(yù)測不正確。

    3.4 ELM與RBF的泛化性能比較

    本節(jié)的目的是分析ELM與RBF對表2測試樣本的泛化性能。測試指標包括訓(xùn)練時間(training time,TT)、均方根誤差(root mean square error, RMSE)和預(yù)測的值(prediction value, PV)。由于文獻[4]中沒有給出樣本的標簽值,我們通過多次實驗比較和屬性值的分析,得出4個樣本的標簽值為:“壓制”、“摧毀”、“襲擾”和“襲擾”,分別量化為:2,3,1,1。RBF網(wǎng)絡(luò)的學(xué)習利用Matlab軟件提供的神經(jīng)網(wǎng)絡(luò)工具箱,對4個樣本的PV為(2.045 7, 3.000 0, 1.192 6, 1.056 3),RMSE值為0.102 9,TT為0.039 8 s。訓(xùn)練ELM網(wǎng)絡(luò)得到的PV為(1.808 2, 3.000 0, 1.048 5, 1.005 7),RMSE值為0.099 0,TT為4.746 1e-4 s。

    從上面的結(jié)果看出,RBF網(wǎng)絡(luò)的泛化性能和ELM相差不大,但是訓(xùn)練網(wǎng)絡(luò)的時間是ELM的83.86倍。這是由于訓(xùn)練RBF網(wǎng)絡(luò)首先要確定核函數(shù)的中心和寬度,然后再進行連接權(quán)值的學(xué)習。核參數(shù)的確定通常需要額外的算法和多次迭代才能找到最優(yōu)值,所以網(wǎng)絡(luò)訓(xùn)練時間很長。當訓(xùn)練樣本較大時,將會極大增加網(wǎng)絡(luò)訓(xùn)練的時間,影響方案決策的效率。由于ELM網(wǎng)絡(luò)中的核函數(shù)參數(shù)由隨機分布函數(shù)產(chǎn)生,與訓(xùn)練樣本無關(guān),所以ELM網(wǎng)絡(luò)無需迭代即可完成訓(xùn)練過程,所需訓(xùn)練時間很短。另外ELM網(wǎng)絡(luò)的所有參數(shù)都是由某分布隨機產(chǎn)生,與訓(xùn)練樣本無關(guān),比較使用于時效性要求較高的軍事應(yīng)用場合。

    4 結(jié)束語

    作戰(zhàn)方案訓(xùn)練樣本集通常由專家根據(jù)經(jīng)驗制定,含有主觀因素,可能含有錯誤的標簽值。利用錯誤的訓(xùn)練樣本預(yù)測未知的樣本集,可能會得到錯誤的預(yù)測結(jié)果。而這種標記錯誤的樣本通常難以檢測,而且會加大作戰(zhàn)方案的評估誤差?;贓LM網(wǎng)絡(luò)的訓(xùn)練樣本檢測方法,能夠彌補專家決策方法的不足,消除由主觀因素帶來的影響,提高對未知作戰(zhàn)方案樣本的預(yù)測精度。

    [1] 王鋒,李遠華,許長鵬. 基于動態(tài)推演的合同戰(zhàn)斗作戰(zhàn)方案評估研究 [J]. 裝備指揮技術(shù)學(xué)院學(xué)報,2012, 23(1): 40-44. WANG Feng, LI Yuan-hua, XU Chang-peng. Research on the Combined Combat Operational Plan Assessment Based on Dynamic Evolvement [J]. Journal of the Academy of Equipment Command & Technology, 2012, 23(1): 40-44.

    [2] 齊燕博,王平. 基于推理的作戰(zhàn)方案評估系統(tǒng)研究 [J]. 計算機與數(shù)字工程, 2010, 38(1): 78-102. QI Yan-bo, WANG Ping. Reasoning Based Operational Scheme Assessment System [J]. Computer & Digital Engineering, 2010, 38(1): 78-102.

    [3] HUANG G B, ZHU Q Y, SIEW CK. Extreme Learning Machine: Theory and Applications [J]. Neurocomputing, 2006, 70 (1-3): 489-501.

    [4] HUANG G B, DING X J, ZHOU H M. Optimization Method Based Extreme Learning Machine for Classification[J]. Neurocomputing, 2010, 74(1-3):155-163.

    [5] 丁曉劍,趙銀亮. 優(yōu)化極限學(xué)習機的序列最小優(yōu)化方法[J]. 西安交通大學(xué)學(xué)報, 2011, 45(6): 7-12. DING Xiao-jian; ZHAO Yin-liang. A Sequential Minimal Optimization Method for Optimization Extreme Learning Machine [J]. Journal of Xi′an Jiaotong University, 2011, 45(6): 7-12.

    [6] HUANG G-B, ZHOU H, DING X, et al. Extreme Learning Machine for Regression and Multiclass Classification [J]. IEEE Trans Syst Man Cybern Part B,2012, 42(2): 513-529.

    [7] 王靜巖,鄭建軍,吳裕樹. 一種基于神經(jīng)網(wǎng)絡(luò)的作戰(zhàn)方案評估方法[J]. 軍事運籌與系統(tǒng)工程, 2005, 19(1): 57-61. WANG Jing-yan, ZHEN Jian-jun, WU Yu-shu. A Neural Network Method for Battle Scheme Evaluation [J]. Military Operations Research and Systems Engineering, 2005, 19(1): 57-61.

    [8] 高桂清,施旭鑫,李治,等. 基于BP神經(jīng)網(wǎng)絡(luò)的導(dǎo)彈作戰(zhàn)方案評估方法[J]. 四川兵工學(xué)報, 2011, 32(11): 6-9. GAO Gui-qing, SHI Xu-xin, LI Zhi, et al. Evaluation Method of Missile Operation Scheme Based on BP Neural Network [J]. Journal of Sichuan Ordnance, 2011, 32(11): 6-9.

    [9] 劉祖煌,程啟月.徑向基神經(jīng)網(wǎng)絡(luò)的聯(lián)合作戰(zhàn)方案評估仿真[J]. 火力指揮與控制, 2013, 38(1): 14-17. LIU Zu-huang, CHENG Qi-yue. Research on Evaluation Model of Joint Operation Scheme Based on RBF Nenral Network [J]. Fire Control & Command Control, 2013, 38(1): 14-17.

    [10] LLANAS B, SAINZ F J. Constructive Approximate Interpolation by Neural Networks [J]. Joumal of Computational and Applied Mathematics, 2006, 188(2):283-308.

    [11] HUANG G B, CHEN L. Enhanced Random Search Based Incremental Extreme Learning Machine [J]. Neurocomputing, 2008, 71(16-18):3460-3468.

    [12] HUANG G B, BABRI H A. Upper Bounds on the Number of Hidden Neurons in Feedforward Networks with Arbitrary Bounded Nonlinear Activation Functions [J]. IEEE Transactions on Neural Networks, 1998, 9 (1): 224-229.

    Verification and Evaluation Method Research of Battle Scheme Samples Based on Extreme Learning Machine

    DING Xiao-jian, CHENG Wen-di

    (Science and Technology on Information Systems Engineering Laboratory,Jiangsu Nanjing 210007, China)

    In order to overcome the deficiency of subjectivity in deciding the label of battle scheme training samples by experts, a verification and evaluation method based on extreme learning machine (ELM) is proposed. The prediction model of battle scheme samples is constructed based on ELM and the wrong samples are corrected. The simulation experimental results show that lower root mean square error and better testing rate can be obtained by training ELM model on correct samples. In contrast with RBF neural network, the training time of ELM is reduced by 98.8%, and a good generalization ability can be obtained without parameters of activation function needing to be adjusted.

    extreme learning machine(ELM); radial basis function(RBF); battle scheme; evaluation; generalization ability

    2014-09-13;

    2014-10-20

    丁曉劍(1982-),男,江蘇南京人。工程師,博士,研究方向為聯(lián)合作戰(zhàn)推演評估技術(shù)。

    通信地址:210007 江蘇省南京市1406信箱69分箱 E-mail:wjswsl@163.com

    10.3969/j.issn.1009-086x.2015.04.034

    E917; TP18;TP39

    A

    1009-086X(2015)-04-0204-06

    猜你喜歡
    訓(xùn)練樣本神經(jīng)網(wǎng)絡(luò)樣本
    用樣本估計總體復(fù)習點撥
    人工智能
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    推動醫(yī)改的“直銷樣本”
    隨機微分方程的樣本Lyapunov二次型估計
    寬帶光譜成像系統(tǒng)最優(yōu)訓(xùn)練樣本選擇方法研究
    融合原始樣本和虛擬樣本的人臉識別算法
    基于稀疏重構(gòu)的機載雷達訓(xùn)練樣本挑選方法
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    村企共贏的樣本
    很黄的视频免费| 免费看a级黄色片| 免费电影在线观看免费观看| cao死你这个sao货| 精品午夜福利视频在线观看一区| 国产激情偷乱视频一区二区| 午夜福利高清视频| 老汉色av国产亚洲站长工具| 99在线视频只有这里精品首页| 国产成人啪精品午夜网站| 国产亚洲精品一区二区www| 长腿黑丝高跟| 亚洲精华国产精华精| 成人鲁丝片一二三区免费| 成人欧美大片| 日本免费一区二区三区高清不卡| 99在线人妻在线中文字幕| 亚洲黑人精品在线| 丰满人妻熟妇乱又伦精品不卡| 99久久99久久久精品蜜桃| 每晚都被弄得嗷嗷叫到高潮| 日韩欧美三级三区| 国模一区二区三区四区视频 | 日韩欧美 国产精品| 1024香蕉在线观看| 亚洲成av人片免费观看| 国产精品电影一区二区三区| 97碰自拍视频| 俄罗斯特黄特色一大片| 免费看日本二区| 欧美日韩国产亚洲二区| 亚洲真实伦在线观看| 久久精品综合一区二区三区| 99久久精品国产亚洲精品| 久久久久久久久中文| 日韩欧美 国产精品| 国产欧美日韩精品亚洲av| 日本一二三区视频观看| 国产激情欧美一区二区| 1000部很黄的大片| 九九热线精品视视频播放| 日韩有码中文字幕| 亚洲国产欧美网| 男人舔女人的私密视频| 国产精品精品国产色婷婷| x7x7x7水蜜桃| 不卡av一区二区三区| 丁香欧美五月| 最近最新免费中文字幕在线| 最新美女视频免费是黄的| 免费av不卡在线播放| 亚洲欧美日韩无卡精品| 日韩欧美三级三区| 色噜噜av男人的天堂激情| 又紧又爽又黄一区二区| 黑人巨大精品欧美一区二区mp4| 我的老师免费观看完整版| 日本五十路高清| 亚洲国产欧洲综合997久久,| 无人区码免费观看不卡| 又黄又粗又硬又大视频| 18禁黄网站禁片免费观看直播| 制服丝袜大香蕉在线| 国产97色在线日韩免费| 亚洲专区字幕在线| 村上凉子中文字幕在线| 欧美在线一区亚洲| 国产高清三级在线| 亚洲电影在线观看av| 99热只有精品国产| 狂野欧美白嫩少妇大欣赏| 天堂av国产一区二区熟女人妻| 免费在线观看影片大全网站| 露出奶头的视频| 三级毛片av免费| 看黄色毛片网站| 欧美+亚洲+日韩+国产| 欧美性猛交黑人性爽| 午夜激情福利司机影院| 日本熟妇午夜| 久久中文看片网| 久久久国产成人精品二区| 好看av亚洲va欧美ⅴa在| 神马国产精品三级电影在线观看| 欧美日韩乱码在线| 色尼玛亚洲综合影院| 黑人巨大精品欧美一区二区mp4| 在线免费观看的www视频| 男人的好看免费观看在线视频| 久久久久久久久免费视频了| 久久久久亚洲av毛片大全| 久久中文字幕人妻熟女| 女人被狂操c到高潮| 香蕉久久夜色| 国产伦精品一区二区三区视频9 | 色综合亚洲欧美另类图片| 一二三四社区在线视频社区8| 俺也久久电影网| 亚洲在线自拍视频| 国产三级中文精品| 欧美zozozo另类| 国产精品永久免费网站| 两个人的视频大全免费| 一夜夜www| 欧美成人免费av一区二区三区| 熟妇人妻久久中文字幕3abv| 午夜免费观看网址| bbb黄色大片| 国产1区2区3区精品| 国内少妇人妻偷人精品xxx网站 | 亚洲av成人一区二区三| 婷婷六月久久综合丁香| 国产淫片久久久久久久久 | 午夜激情欧美在线| 亚洲午夜精品一区,二区,三区| 久久精品夜夜夜夜夜久久蜜豆| 在线观看午夜福利视频| 久久久久久久久中文| 搡老岳熟女国产| 夜夜爽天天搞| 国产精品野战在线观看| 欧美日本亚洲视频在线播放| 桃红色精品国产亚洲av| 中文资源天堂在线| 国产精品一及| 别揉我奶头~嗯~啊~动态视频| 高清在线国产一区| 久久精品亚洲精品国产色婷小说| 午夜福利在线在线| 免费看美女性在线毛片视频| 亚洲男人的天堂狠狠| 亚洲熟女毛片儿| 床上黄色一级片| 亚洲成a人片在线一区二区| 天天一区二区日本电影三级| 亚洲熟妇中文字幕五十中出| 免费看日本二区| 在线a可以看的网站| 美女高潮喷水抽搐中文字幕| 欧美中文日本在线观看视频| 精品国产亚洲在线| 18禁美女被吸乳视频| 99久久成人亚洲精品观看| 三级国产精品欧美在线观看 | 国产黄片美女视频| 亚洲国产欧美人成| 欧美日韩亚洲国产一区二区在线观看| 精品国产超薄肉色丝袜足j| 亚洲精品国产精品久久久不卡| 国内精品久久久久久久电影| 国产视频一区二区在线看| 九色成人免费人妻av| 成年免费大片在线观看| 久久精品91蜜桃| 琪琪午夜伦伦电影理论片6080| 国产精品亚洲av一区麻豆| 国产乱人伦免费视频| 日韩欧美三级三区| 亚洲欧美精品综合久久99| 中文亚洲av片在线观看爽| 亚洲中文av在线| 亚洲精品456在线播放app | 精品欧美国产一区二区三| 亚洲国产精品久久男人天堂| 亚洲国产精品合色在线| 亚洲熟妇熟女久久| 欧美xxxx黑人xx丫x性爽| 成人18禁在线播放| av中文乱码字幕在线| 亚洲av熟女| 日韩欧美国产在线观看| 久久久国产欧美日韩av| 禁无遮挡网站| www日本在线高清视频| 宅男免费午夜| 亚洲欧美激情综合另类| 黄色日韩在线| 观看美女的网站| 日本在线视频免费播放| 亚洲自拍偷在线| a在线观看视频网站| 中文字幕高清在线视频| 91麻豆精品激情在线观看国产| 精品熟女少妇八av免费久了| 在线a可以看的网站| 视频区欧美日本亚洲| 日韩欧美在线二视频| 老汉色∧v一级毛片| 午夜亚洲福利在线播放| 亚洲av中文字字幕乱码综合| 国产一区在线观看成人免费| 久9热在线精品视频| 亚洲专区字幕在线| 97超视频在线观看视频| 成人亚洲精品av一区二区| 日本黄大片高清| 日本免费a在线| 久久午夜综合久久蜜桃| 18禁黄网站禁片免费观看直播| 两性夫妻黄色片| 香蕉久久夜色| 深夜精品福利| 精品99又大又爽又粗少妇毛片 | 色综合欧美亚洲国产小说| 亚洲 欧美 日韩 在线 免费| 99久久无色码亚洲精品果冻| 色综合婷婷激情| av欧美777| av女优亚洲男人天堂 | cao死你这个sao货| 国产熟女xx| 亚洲激情在线av| 啪啪无遮挡十八禁网站| 精品国产乱子伦一区二区三区| 亚洲真实伦在线观看| 国产三级在线视频| 国产午夜精品论理片| 神马国产精品三级电影在线观看| 久久久久久大精品| 国产69精品久久久久777片 | 精品一区二区三区四区五区乱码| 999久久久精品免费观看国产| 制服丝袜大香蕉在线| 国产成人av激情在线播放| 午夜福利18| 美女cb高潮喷水在线观看 | 国产精华一区二区三区| 精品福利观看| 国产一区二区三区在线臀色熟女| 一级毛片女人18水好多| 一进一出好大好爽视频| 成人亚洲精品av一区二区| 精品电影一区二区在线| 久久久久九九精品影院| 成年版毛片免费区| 少妇裸体淫交视频免费看高清| 男女那种视频在线观看| 久久精品夜夜夜夜夜久久蜜豆| 国产成人一区二区三区免费视频网站| 国产一级毛片七仙女欲春2| 一个人免费在线观看电影 | 91av网站免费观看| 亚洲中文日韩欧美视频| 88av欧美| 一本精品99久久精品77| 婷婷六月久久综合丁香| 中出人妻视频一区二区| 日本与韩国留学比较| 久久午夜亚洲精品久久| 黑人巨大精品欧美一区二区mp4| 久久中文字幕一级| 国产成人av激情在线播放| 男人舔女人下体高潮全视频| 日本黄色片子视频| 男人舔女人的私密视频| 午夜精品久久久久久毛片777| 成人国产综合亚洲| 久久中文字幕一级| 亚洲av成人一区二区三| 长腿黑丝高跟| 国产在线精品亚洲第一网站| 他把我摸到了高潮在线观看| 国产激情久久老熟女| 亚洲精品在线观看二区| 国产真实乱freesex| 国产黄片美女视频| 69av精品久久久久久| 9191精品国产免费久久| 琪琪午夜伦伦电影理论片6080| 久久午夜综合久久蜜桃| 丰满的人妻完整版| 校园春色视频在线观看| 18禁黄网站禁片午夜丰满| 精品不卡国产一区二区三区| 久久亚洲真实| 欧美激情久久久久久爽电影| 我要搜黄色片| 国产伦精品一区二区三区四那| 亚洲激情在线av| 特大巨黑吊av在线直播| 搡老岳熟女国产| 久久这里只有精品19| 午夜两性在线视频| 丝袜人妻中文字幕| 日本成人三级电影网站| 免费搜索国产男女视频| 又黄又爽又免费观看的视频| 制服丝袜大香蕉在线| 麻豆一二三区av精品| 美女高潮喷水抽搐中文字幕| 国产高清三级在线| 99热只有精品国产| 欧美三级亚洲精品| 日韩欧美 国产精品| 丝袜人妻中文字幕| 国产亚洲av高清不卡| 亚洲aⅴ乱码一区二区在线播放| 国产精品永久免费网站| 97碰自拍视频| 99久久国产精品久久久| 老司机在亚洲福利影院| 亚洲精品美女久久av网站| 丰满人妻熟妇乱又伦精品不卡| 91av网一区二区| 亚洲人成伊人成综合网2020| 97碰自拍视频| 亚洲人成伊人成综合网2020| 欧美一区二区精品小视频在线| 日本一二三区视频观看| 亚洲国产高清在线一区二区三| 欧美在线一区亚洲| 国内精品一区二区在线观看| 少妇裸体淫交视频免费看高清| 99久久精品一区二区三区| 1024香蕉在线观看| 国产久久久一区二区三区| 五月伊人婷婷丁香| 欧美极品一区二区三区四区| 国产野战对白在线观看| x7x7x7水蜜桃| 免费看a级黄色片| 无人区码免费观看不卡| 日韩欧美国产一区二区入口| 亚洲欧美激情综合另类| 欧美日本亚洲视频在线播放| 国产69精品久久久久777片 | 日韩欧美国产在线观看| 国产91精品成人一区二区三区| 精品99又大又爽又粗少妇毛片 | 高潮久久久久久久久久久不卡| 国产精品久久久人人做人人爽| 久久久久国产一级毛片高清牌| 村上凉子中文字幕在线| xxxwww97欧美| 亚洲乱码一区二区免费版| 一进一出抽搐动态| 波多野结衣高清无吗| 国产淫片久久久久久久久 | 国产69精品久久久久777片 | 国产在线精品亚洲第一网站| 亚洲,欧美精品.| 国产人伦9x9x在线观看| 免费电影在线观看免费观看| 精品一区二区三区av网在线观看| 老汉色av国产亚洲站长工具| 日日摸夜夜添夜夜添小说| 波多野结衣高清作品| 国产高清三级在线| 久久精品影院6| 久久久精品大字幕| 亚洲精品粉嫩美女一区| 亚洲在线观看片| 国产精品免费一区二区三区在线| 日本一本二区三区精品| 亚洲精品美女久久久久99蜜臀| 最近最新中文字幕大全电影3| 91麻豆精品激情在线观看国产| 久久久久精品国产欧美久久久| 丰满的人妻完整版| www.熟女人妻精品国产| 久久天堂一区二区三区四区| 两个人看的免费小视频| 亚洲精品美女久久av网站| 欧美最黄视频在线播放免费| 麻豆国产97在线/欧美| 精品国产乱子伦一区二区三区| 亚洲精品色激情综合| 久久午夜综合久久蜜桃| 亚洲av成人av| 成人欧美大片| 舔av片在线| 搡老熟女国产l中国老女人| 俄罗斯特黄特色一大片| 亚洲最大成人中文| 久久久久久久精品吃奶| 欧美日韩综合久久久久久 | www日本在线高清视频| 狠狠狠狠99中文字幕| 一个人看视频在线观看www免费 | 久久久久精品国产欧美久久久| 日韩欧美一区二区三区在线观看| 国产高清三级在线| 19禁男女啪啪无遮挡网站| 天堂av国产一区二区熟女人妻| 亚洲av日韩精品久久久久久密| 丁香六月欧美| 99国产精品一区二区蜜桃av| h日本视频在线播放| 天天躁日日操中文字幕| 久久精品91蜜桃| 精品欧美国产一区二区三| 国产高潮美女av| 一进一出抽搐动态| 村上凉子中文字幕在线| 熟女少妇亚洲综合色aaa.| 国产精品香港三级国产av潘金莲| 黄色丝袜av网址大全| 久久中文看片网| 亚洲在线自拍视频| 色综合站精品国产| 欧美日韩国产亚洲二区| 岛国在线免费视频观看| 国产精品亚洲一级av第二区| av女优亚洲男人天堂 | 亚洲男人的天堂狠狠| 久久99热这里只有精品18| 国产aⅴ精品一区二区三区波| 18禁国产床啪视频网站| 成人欧美大片| 免费大片18禁| h日本视频在线播放| 久久久久国内视频| av在线蜜桃| bbb黄色大片| 欧美日本亚洲视频在线播放| 精品99又大又爽又粗少妇毛片 | 在线国产一区二区在线| 黄频高清免费视频| 欧美不卡视频在线免费观看| 在线观看午夜福利视频| 国产高潮美女av| 国产成人一区二区三区免费视频网站| 国产成人系列免费观看| 国产av一区在线观看免费| 97超视频在线观看视频| 中文字幕高清在线视频| 国产高清有码在线观看视频| 在线观看免费视频日本深夜| 国产真实乱freesex| 婷婷精品国产亚洲av在线| av片东京热男人的天堂| 一a级毛片在线观看| 高清在线国产一区| 99在线人妻在线中文字幕| 亚洲av片天天在线观看| 91在线精品国自产拍蜜月 | 国产精品,欧美在线| 精品一区二区三区av网在线观看| or卡值多少钱| 少妇熟女aⅴ在线视频| 99久久无色码亚洲精品果冻| 国产一区二区三区视频了| 无人区码免费观看不卡| 国产一区在线观看成人免费| 久久热在线av| 九九热线精品视视频播放| 亚洲自偷自拍图片 自拍| 69av精品久久久久久| 午夜两性在线视频| 热99re8久久精品国产| 亚洲欧美日韩无卡精品| 天堂影院成人在线观看| 九色成人免费人妻av| 好看av亚洲va欧美ⅴa在| 免费人成视频x8x8入口观看| 日本黄色视频三级网站网址| x7x7x7水蜜桃| 热99在线观看视频| 99热精品在线国产| 国产黄色小视频在线观看| 后天国语完整版免费观看| 一进一出抽搐gif免费好疼| 桃色一区二区三区在线观看| 国内揄拍国产精品人妻在线| 91老司机精品| 99国产综合亚洲精品| 国产精品一区二区三区四区免费观看 | 欧美黑人巨大hd| 国产午夜福利久久久久久| 99热6这里只有精品| 国产精品久久久av美女十八| 中文在线观看免费www的网站| 亚洲精品国产精品久久久不卡| 国产成+人综合+亚洲专区| 嫩草影院入口| 国内少妇人妻偷人精品xxx网站 | 天堂动漫精品| 国产精品亚洲美女久久久| 久久精品91无色码中文字幕| 男人舔女人的私密视频| 亚洲avbb在线观看| 男女床上黄色一级片免费看| 国产午夜精品论理片| 久久精品91无色码中文字幕| 好男人电影高清在线观看| 欧美丝袜亚洲另类 | 日日夜夜操网爽| 免费看美女性在线毛片视频| 九九在线视频观看精品| 精品一区二区三区四区五区乱码| 久久这里只有精品中国| 亚洲在线自拍视频| 香蕉丝袜av| 变态另类成人亚洲欧美熟女| 99久久国产精品久久久| 日本 av在线| 亚洲欧美日韩高清在线视频| 香蕉丝袜av| 亚洲人成网站在线播放欧美日韩| 很黄的视频免费| 婷婷六月久久综合丁香| 真人做人爱边吃奶动态| 免费人成视频x8x8入口观看| 午夜福利高清视频| 99热这里只有精品一区 | 中文在线观看免费www的网站| 亚洲av日韩精品久久久久久密| 国产精品一区二区三区四区免费观看 | 非洲黑人性xxxx精品又粗又长| 最新中文字幕久久久久 | 久久天堂一区二区三区四区| 中文字幕av在线有码专区| 亚洲黑人精品在线| 日韩免费av在线播放| 中出人妻视频一区二区| 国产欧美日韩一区二区三| 一本精品99久久精品77| 黄片小视频在线播放| 中文字幕最新亚洲高清| 1024香蕉在线观看| 天堂网av新在线| 国产伦人伦偷精品视频| 亚洲一区二区三区色噜噜| 久久精品国产99精品国产亚洲性色| 国产欧美日韩一区二区三| 在线国产一区二区在线| 麻豆av在线久日| 国产精品久久久久久亚洲av鲁大| 伦理电影免费视频| 国产一区二区三区在线臀色熟女| 黑人巨大精品欧美一区二区mp4| 精品一区二区三区四区五区乱码| 精品国产美女av久久久久小说| 亚洲av片天天在线观看| 又大又爽又粗| 男人舔奶头视频| 老司机福利观看| 草草在线视频免费看| 中文字幕最新亚洲高清| 久久中文看片网| 日韩欧美国产在线观看| 国产主播在线观看一区二区| 91麻豆av在线| 97人妻精品一区二区三区麻豆| 成年免费大片在线观看| 久久久国产欧美日韩av| 亚洲精品456在线播放app | 国产美女午夜福利| 日韩欧美国产一区二区入口| 无人区码免费观看不卡| 国产av在哪里看| 久久久久国产一级毛片高清牌| 日韩成人在线观看一区二区三区| 色综合欧美亚洲国产小说| 99re在线观看精品视频| 99久久成人亚洲精品观看| 黄片小视频在线播放| 亚洲人成网站高清观看| 国产午夜精品久久久久久| 亚洲av片天天在线观看| 亚洲九九香蕉| 婷婷亚洲欧美| 一个人观看的视频www高清免费观看 | 在线观看66精品国产| 久久午夜亚洲精品久久| 亚洲国产精品sss在线观看| 一级毛片女人18水好多| 亚洲欧美日韩卡通动漫| 久久精品人妻少妇| www.熟女人妻精品国产| 舔av片在线| 午夜福利在线观看免费完整高清在 | 91av网站免费观看| 国产午夜福利久久久久久| www国产在线视频色| 在线永久观看黄色视频| 精品国内亚洲2022精品成人| 欧美黑人巨大hd| 女人高潮潮喷娇喘18禁视频| 亚洲人成网站高清观看| 日本a在线网址| 老熟妇仑乱视频hdxx| 在线播放国产精品三级| 日韩欧美免费精品| 国产极品精品免费视频能看的| 色av中文字幕| 一个人免费在线观看的高清视频| 亚洲人成网站在线播放欧美日韩| 免费看日本二区| 成年女人永久免费观看视频| 免费av不卡在线播放| 国产69精品久久久久777片 | 成人高潮视频无遮挡免费网站| 亚洲欧美日韩高清专用| 热99在线观看视频| 亚洲午夜理论影院| 午夜福利视频1000在线观看| 啦啦啦免费观看视频1| 国产精品野战在线观看| 十八禁人妻一区二区| 亚洲国产精品999在线| 免费一级毛片在线播放高清视频| www.www免费av| 少妇人妻一区二区三区视频| 国产探花在线观看一区二区| 69av精品久久久久久| 午夜免费成人在线视频| 亚洲av成人精品一区久久| 国产精品久久久久久人妻精品电影| ponron亚洲| 观看免费一级毛片| 狠狠狠狠99中文字幕| 国产精品久久久久久亚洲av鲁大| 国产成人av激情在线播放| 免费人成视频x8x8入口观看|