• <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
    日日啪夜夜爽| 黑人猛操日本美女一级片| 一本—道久久a久久精品蜜桃钙片| 天美传媒精品一区二区| 亚洲欧美一区二区三区久久| 亚洲婷婷狠狠爱综合网| 中文字幕人妻熟女乱码| 日韩,欧美,国产一区二区三区| 欧美精品亚洲一区二区| 高清欧美精品videossex| 美女视频免费永久观看网站| 高清视频免费观看一区二区| 国产免费现黄频在线看| 一区二区日韩欧美中文字幕| 精品国产超薄肉色丝袜足j| 卡戴珊不雅视频在线播放| 最近最新中文字幕免费大全7| 国产男女内射视频| 国产精品免费视频内射| 1024香蕉在线观看| 亚洲在久久综合| av卡一久久| 日产精品乱码卡一卡2卡三| 美女大奶头黄色视频| 午夜福利在线免费观看网站| 精品人妻熟女毛片av久久网站| 在线天堂中文资源库| 久久精品亚洲av国产电影网| 青春草亚洲视频在线观看| 午夜老司机福利剧场| 国产片特级美女逼逼视频| 久久99热这里只频精品6学生| 国产成人精品婷婷| 国产成人免费观看mmmm| 91aial.com中文字幕在线观看| 大香蕉久久网| 亚洲男人天堂网一区| 久久精品熟女亚洲av麻豆精品| kizo精华| 人妻一区二区av| 国产欧美日韩一区二区三区在线| 我要看黄色一级片免费的| 在线观看美女被高潮喷水网站| www.精华液| 久久久国产一区二区| 精品一区在线观看国产| 国产免费视频播放在线视频| 夜夜骑夜夜射夜夜干| 国产av国产精品国产| 亚洲精品,欧美精品| 亚洲人成77777在线视频| 久久毛片免费看一区二区三区| 80岁老熟妇乱子伦牲交| 国产欧美亚洲国产| 99精国产麻豆久久婷婷| 亚洲精品美女久久久久99蜜臀 | 亚洲欧美成人精品一区二区| 在线观看一区二区三区激情| 精品视频人人做人人爽| 成年av动漫网址| 国产精品熟女久久久久浪| 男男h啪啪无遮挡| 伦理电影免费视频| 多毛熟女@视频| 又大又黄又爽视频免费| 久久免费观看电影| 看免费成人av毛片| 国产成人精品福利久久| 精品国产露脸久久av麻豆| 一级,二级,三级黄色视频| 精品一区二区三区四区五区乱码 | 丁香六月天网| 99国产精品免费福利视频| 成人毛片60女人毛片免费| 美女主播在线视频| 大片电影免费在线观看免费| 91久久精品国产一区二区三区| 啦啦啦中文免费视频观看日本| 国产老妇伦熟女老妇高清| 在线观看www视频免费| 亚洲成人一二三区av| 国产成人精品一,二区| 亚洲精品美女久久久久99蜜臀 | 中文天堂在线官网| 久久久久久久精品精品| videos熟女内射| 寂寞人妻少妇视频99o| 日韩av免费高清视频| 人妻少妇偷人精品九色| 尾随美女入室| 美女主播在线视频| 老司机亚洲免费影院| 久久狼人影院| 免费人妻精品一区二区三区视频| 国产精品久久久久久av不卡| 欧美在线黄色| 91aial.com中文字幕在线观看| 久久97久久精品| 亚洲av在线观看美女高潮| 欧美日韩一区二区视频在线观看视频在线| 国产亚洲最大av| 激情视频va一区二区三区| 精品人妻熟女毛片av久久网站| 又大又黄又爽视频免费| 亚洲国产色片| 亚洲精品美女久久av网站| 最新中文字幕久久久久| 美女国产高潮福利片在线看| 亚洲精品一二三| 制服诱惑二区| 亚洲婷婷狠狠爱综合网| 午夜福利一区二区在线看| 只有这里有精品99| 精品国产国语对白av| 十八禁高潮呻吟视频| 日本-黄色视频高清免费观看| 熟女少妇亚洲综合色aaa.| 一级a爱视频在线免费观看| 欧美老熟妇乱子伦牲交| 国产一区二区在线观看av| 婷婷色综合www| 亚洲精品久久成人aⅴ小说| 婷婷色麻豆天堂久久| 黄色怎么调成土黄色| 国产深夜福利视频在线观看| 国产精品 国内视频| 丰满迷人的少妇在线观看| 国产精品久久久久久久久免| 成人亚洲欧美一区二区av| 久久久久视频综合| 欧美亚洲日本最大视频资源| 日韩av在线免费看完整版不卡| 亚洲欧洲精品一区二区精品久久久 | 免费不卡的大黄色大毛片视频在线观看| 久久久久网色| 欧美激情极品国产一区二区三区| 久久久国产一区二区| 国产精品国产三级国产专区5o| 九草在线视频观看| 2018国产大陆天天弄谢| 狠狠精品人妻久久久久久综合| 国产有黄有色有爽视频| 欧美日韩视频高清一区二区三区二| 中文字幕制服av| 亚洲av电影在线进入| 啦啦啦在线观看免费高清www| 欧美日韩精品网址| 国产又色又爽无遮挡免| 日本色播在线视频| 国产在视频线精品| 国产探花极品一区二区| 啦啦啦在线观看免费高清www| 麻豆乱淫一区二区| 日本免费在线观看一区| 色视频在线一区二区三区| 亚洲国产精品国产精品| 中文天堂在线官网| 国产免费一区二区三区四区乱码| 免费在线观看完整版高清| 国产国语露脸激情在线看| 春色校园在线视频观看| 久久鲁丝午夜福利片| 一级毛片 在线播放| 日韩 亚洲 欧美在线| 日本黄色日本黄色录像| 欧美国产精品一级二级三级| 狠狠精品人妻久久久久久综合| 亚洲欧美精品自产自拍| 黑人欧美特级aaaaaa片| 亚洲第一av免费看| 日韩伦理黄色片| 日本欧美国产在线视频| 国产一区二区激情短视频 | 人妻一区二区av| 性少妇av在线| 一区二区三区激情视频| 丝袜美腿诱惑在线| 男女高潮啪啪啪动态图| 久久久a久久爽久久v久久| 国产精品国产三级专区第一集| 91精品国产国语对白视频| 国产日韩欧美在线精品| 成人国产麻豆网| 丝袜脚勾引网站| 在线天堂中文资源库| 777米奇影视久久| 麻豆精品久久久久久蜜桃| 免费高清在线观看日韩| 多毛熟女@视频| 999久久久国产精品视频| 亚洲一码二码三码区别大吗| 卡戴珊不雅视频在线播放| 国产淫语在线视频| 街头女战士在线观看网站| 亚洲综合精品二区| 欧美日本中文国产一区发布| 亚洲欧洲日产国产| 涩涩av久久男人的天堂| 哪个播放器可以免费观看大片| 欧美 亚洲 国产 日韩一| 亚洲男人天堂网一区| 各种免费的搞黄视频| 国产亚洲一区二区精品| 国产成人精品无人区| 最近中文字幕高清免费大全6| 久久久a久久爽久久v久久| 久久99蜜桃精品久久| 精品久久久精品久久久| 国产一区二区三区综合在线观看| 亚洲欧洲日产国产| 一个人免费看片子| 99热国产这里只有精品6| 久久久久精品性色| 香蕉丝袜av| 天堂8中文在线网| 久久久久久久亚洲中文字幕| 男人操女人黄网站| a级毛片黄视频| 欧美激情极品国产一区二区三区| 国产亚洲午夜精品一区二区久久| av线在线观看网站| 亚洲熟女精品中文字幕| 亚洲五月色婷婷综合| 夫妻性生交免费视频一级片| 精品第一国产精品| 男人添女人高潮全过程视频| 99久久中文字幕三级久久日本| 丰满饥渴人妻一区二区三| 成人亚洲欧美一区二区av| 丰满迷人的少妇在线观看| 欧美精品高潮呻吟av久久| 亚洲天堂av无毛| 免费日韩欧美在线观看| 国产精品av久久久久免费| av天堂久久9| tube8黄色片| 国产精品无大码| 五月天丁香电影| 女人久久www免费人成看片| 久久久精品94久久精品| 欧美av亚洲av综合av国产av | 卡戴珊不雅视频在线播放| 少妇被粗大的猛进出69影院| 国产成人免费观看mmmm| 熟妇人妻不卡中文字幕| 成人手机av| 日本欧美国产在线视频| 色网站视频免费| 黄色怎么调成土黄色| 成年女人在线观看亚洲视频| 少妇的丰满在线观看| 亚洲国产成人一精品久久久| 黄片无遮挡物在线观看| 国产成人aa在线观看| 精品国产一区二区三区久久久樱花| 亚洲情色 制服丝袜| 亚洲第一av免费看| 成人国产av品久久久| 精品视频人人做人人爽| 日韩三级伦理在线观看| 九九爱精品视频在线观看| 国产黄色免费在线视频| 亚洲欧美中文字幕日韩二区| 久久人妻熟女aⅴ| 国产成人免费无遮挡视频| av视频免费观看在线观看| 中国三级夫妇交换| 亚洲伊人色综图| 国产精品无大码| 黄色视频在线播放观看不卡| 大话2 男鬼变身卡| 又黄又粗又硬又大视频| 波野结衣二区三区在线| 两个人看的免费小视频| 亚洲欧美成人精品一区二区| www.熟女人妻精品国产| 精品一品国产午夜福利视频| 国产精品人妻久久久影院| 女人被躁到高潮嗷嗷叫费观| 成人手机av| 欧美精品亚洲一区二区| 成人毛片a级毛片在线播放| 大片免费播放器 马上看| 99国产精品免费福利视频| av一本久久久久| 国产成人精品一,二区| 国产精品秋霞免费鲁丝片| 久久久久久免费高清国产稀缺| 国产成人一区二区在线| 亚洲精品国产色婷婷电影| 巨乳人妻的诱惑在线观看| 久久这里只有精品19| 国产无遮挡羞羞视频在线观看| 老鸭窝网址在线观看| 9191精品国产免费久久| 性高湖久久久久久久久免费观看| 免费观看无遮挡的男女| 黄片小视频在线播放| 国产精品免费大片| 一区福利在线观看| 有码 亚洲区| 日日啪夜夜爽| 伊人亚洲综合成人网| 久久青草综合色| 欧美日韩精品网址| 黄片播放在线免费| 欧美av亚洲av综合av国产av | 丝袜美腿诱惑在线| 搡女人真爽免费视频火全软件| 美女国产高潮福利片在线看| 岛国毛片在线播放| 一级片'在线观看视频| 国产亚洲一区二区精品| 男女边摸边吃奶| 男人爽女人下面视频在线观看| 国产精品av久久久久免费| 国产成人a∨麻豆精品| 十八禁网站网址无遮挡| 亚洲 欧美一区二区三区| 国产毛片在线视频| 久久人人爽av亚洲精品天堂| 欧美人与善性xxx| 久久ye,这里只有精品| 日韩欧美一区视频在线观看| 欧美中文综合在线视频| 人妻 亚洲 视频| 2018国产大陆天天弄谢| 精品一区二区三卡| 久久久国产一区二区| av在线app专区| av在线观看视频网站免费| 夜夜骑夜夜射夜夜干| 大香蕉久久网| 中文字幕最新亚洲高清| 久久人人97超碰香蕉20202| 熟女电影av网| www.精华液| 天天躁日日躁夜夜躁夜夜| 日韩精品免费视频一区二区三区| 老鸭窝网址在线观看| 校园人妻丝袜中文字幕| 在线观看人妻少妇| 最新的欧美精品一区二区| 99热网站在线观看| 欧美少妇被猛烈插入视频| 亚洲精品一区蜜桃| 观看av在线不卡| 99久国产av精品国产电影| 黄色配什么色好看| 亚洲综合色惰| 99热全是精品| 欧美日韩综合久久久久久| 激情五月婷婷亚洲| 极品少妇高潮喷水抽搐| 欧美人与性动交α欧美精品济南到 | 国产精品久久久久成人av| 尾随美女入室| 国产激情久久老熟女| 久久精品国产a三级三级三级| 久久久亚洲精品成人影院| 99九九在线精品视频| www.av在线官网国产| 黄片播放在线免费| 久久婷婷青草| 亚洲一级一片aⅴ在线观看| 丝瓜视频免费看黄片| 婷婷色综合大香蕉| 99热全是精品| 国产高清不卡午夜福利| 搡老乐熟女国产| 丁香六月天网| av免费观看日本| 国产精品久久久久久精品电影小说| 久久女婷五月综合色啪小说| 搡老乐熟女国产| 精品人妻在线不人妻| 国产男人的电影天堂91| 国产亚洲精品第一综合不卡| 亚洲美女视频黄频| 欧美成人精品欧美一级黄| 国产熟女欧美一区二区| 亚洲精品久久午夜乱码| 国产精品国产av在线观看| 人人妻人人澡人人看| 久久久久久免费高清国产稀缺| 久久免费观看电影| 美女福利国产在线| 国产不卡av网站在线观看| 777米奇影视久久| av在线老鸭窝| 久久久久久伊人网av| 狠狠精品人妻久久久久久综合| 国产精品偷伦视频观看了| 九色亚洲精品在线播放| 纵有疾风起免费观看全集完整版| 一区二区三区乱码不卡18| av有码第一页| 可以免费在线观看a视频的电影网站 | www.精华液| 日韩精品免费视频一区二区三区| 久久久久国产一级毛片高清牌| 午夜福利视频在线观看免费| 亚洲美女视频黄频| 纯流量卡能插随身wifi吗| av免费观看日本| 国产精品国产三级国产专区5o| 人成视频在线观看免费观看| 热re99久久国产66热| av视频免费观看在线观看| 日本wwww免费看| 999久久久国产精品视频| 国产极品天堂在线| 国产精品熟女久久久久浪| 日本-黄色视频高清免费观看| 一级毛片我不卡| 免费大片黄手机在线观看| 天美传媒精品一区二区| 精品视频人人做人人爽| 极品人妻少妇av视频| 九九爱精品视频在线观看| 日韩精品有码人妻一区| 久久久久久人人人人人| 久久精品亚洲av国产电影网| www日本在线高清视频| 美女高潮到喷水免费观看| 成人漫画全彩无遮挡| 另类亚洲欧美激情| 多毛熟女@视频| 精品人妻在线不人妻| √禁漫天堂资源中文www| 国产在线一区二区三区精| 69精品国产乱码久久久| 人妻系列 视频| av在线观看视频网站免费| 青春草国产在线视频| 在线观看免费日韩欧美大片| 精品久久久精品久久久| a级片在线免费高清观看视频| 国产视频首页在线观看| 免费看不卡的av| 97在线视频观看| 波多野结衣av一区二区av| 性少妇av在线| 自线自在国产av| 亚洲色图 男人天堂 中文字幕| av女优亚洲男人天堂| 亚洲人成77777在线视频| 看免费av毛片| 亚洲国产精品999| 我的亚洲天堂| 久久国产精品大桥未久av| 我要看黄色一级片免费的| 一级片免费观看大全| 国产无遮挡羞羞视频在线观看| 国产欧美日韩综合在线一区二区| 国产精品麻豆人妻色哟哟久久| 国产男女内射视频| 亚洲在久久综合| 亚洲国产欧美网| 午夜影院在线不卡| 亚洲精品国产一区二区精华液| 国产不卡av网站在线观看| 亚洲色图综合在线观看| 亚洲成人av在线免费| 曰老女人黄片| 一区在线观看完整版| 新久久久久国产一级毛片| 免费久久久久久久精品成人欧美视频| 亚洲久久久国产精品| 综合色丁香网| 在线天堂最新版资源| 国产成人aa在线观看| 视频在线观看一区二区三区| 精品99又大又爽又粗少妇毛片| 久久久久视频综合| 亚洲国产精品999| 嫩草影院入口| 国产精品 国内视频| 美女视频免费永久观看网站| 一本—道久久a久久精品蜜桃钙片| 午夜福利一区二区在线看| 久久精品久久精品一区二区三区| 日本免费在线观看一区| 青春草国产在线视频| 一区二区av电影网| 日韩一区二区视频免费看| 青春草亚洲视频在线观看| 国产白丝娇喘喷水9色精品| 少妇人妻久久综合中文| 国产成人欧美| 可以免费在线观看a视频的电影网站 | 中文字幕人妻丝袜一区二区 | 日日啪夜夜爽| av一本久久久久| 国产精品.久久久| a级毛片黄视频| 男人操女人黄网站| 国产日韩欧美在线精品| 人人澡人人妻人| 美女脱内裤让男人舔精品视频| 人妻少妇偷人精品九色| 久久精品国产自在天天线| 国产又爽黄色视频| 日韩成人av中文字幕在线观看| 国产av码专区亚洲av| 精品少妇一区二区三区视频日本电影 | 麻豆av在线久日| 精品99又大又爽又粗少妇毛片| 亚洲综合色网址| 久久亚洲国产成人精品v| 大片免费播放器 马上看| 男的添女的下面高潮视频| 久热久热在线精品观看| 啦啦啦在线观看免费高清www| 伦精品一区二区三区| 久久精品国产综合久久久| 日韩一本色道免费dvd| 精品99又大又爽又粗少妇毛片| 一边亲一边摸免费视频| 欧美激情极品国产一区二区三区| 久久久久网色| 久久精品国产自在天天线| 美女中出高潮动态图| 免费观看性生交大片5| 天堂中文最新版在线下载| 热re99久久精品国产66热6| 七月丁香在线播放| 国产伦理片在线播放av一区| av电影中文网址| 大香蕉久久成人网| 涩涩av久久男人的天堂| 国产一区二区 视频在线| 一级毛片黄色毛片免费观看视频| 久久精品久久久久久久性| 18禁裸乳无遮挡动漫免费视频| 亚洲男人天堂网一区| 春色校园在线视频观看| 欧美日韩视频精品一区| 在线观看一区二区三区激情| 久久99热这里只频精品6学生| 久久99一区二区三区| 国产精品蜜桃在线观看| 国产精品免费大片| 看十八女毛片水多多多| 少妇人妻精品综合一区二区| 亚洲综合色惰| 国产成人一区二区在线| 免费日韩欧美在线观看| 久久精品国产自在天天线| 在线观看免费视频网站a站| 一区二区三区四区激情视频| 伊人亚洲综合成人网| 韩国精品一区二区三区| 搡老乐熟女国产| 精品国产乱码久久久久久男人| 啦啦啦啦在线视频资源| 欧美精品国产亚洲| 亚洲中文av在线| 久久久久国产精品人妻一区二区| 日本vs欧美在线观看视频| 久久av网站| 我要看黄色一级片免费的| 免费观看a级毛片全部| 美女中出高潮动态图| 在线观看免费高清a一片| 男女啪啪激烈高潮av片| 涩涩av久久男人的天堂| 校园人妻丝袜中文字幕| 伊人亚洲综合成人网| 亚洲av在线观看美女高潮| 亚洲国产精品一区三区| 成年美女黄网站色视频大全免费| 飞空精品影院首页| 免费久久久久久久精品成人欧美视频| 国产免费现黄频在线看| 黄网站色视频无遮挡免费观看| 日韩三级伦理在线观看| 黄色一级大片看看| 免费黄色在线免费观看| 色吧在线观看| 亚洲国产日韩一区二区| 久久精品夜色国产| 成人国语在线视频| 久久久久精品人妻al黑| 国产 精品1| 日韩一卡2卡3卡4卡2021年| 18禁国产床啪视频网站| 99久国产av精品国产电影| 国产欧美日韩综合在线一区二区| 国产成人午夜福利电影在线观看| 99久久精品国产国产毛片| 国产熟女午夜一区二区三区| 一区二区日韩欧美中文字幕| 一区二区三区乱码不卡18| 波多野结衣一区麻豆| 两个人免费观看高清视频| 亚洲综合精品二区| 欧美日韩精品成人综合77777| 午夜福利一区二区在线看| 婷婷色综合www| 少妇被粗大猛烈的视频| 久久毛片免费看一区二区三区| 高清欧美精品videossex| 五月伊人婷婷丁香| 亚洲人成网站在线观看播放| 亚洲综合精品二区| 看非洲黑人一级黄片| 18禁国产床啪视频网站| 五月天丁香电影| 精品一区二区免费观看| 深夜精品福利| 日韩 亚洲 欧美在线| 亚洲成国产人片在线观看| 亚洲,欧美,日韩| 国产 精品1|