• <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GA-SVM 的帶鋼表面缺陷模式識別

    2015-08-26 06:38:14功,瑞,
    電子設(shè)計工程 2015年21期
    關(guān)鍵詞:分類器交叉遺傳算法

    陳 功, 苗 瑞, 張 潔

    (上海交通大學(xué) 機(jī)械與動力工程學(xué)院, 上海 200240)

    模式識別即模式分類,旨在研究在原始樣本數(shù)據(jù)中尋找一種區(qū)分不同種類對象的客觀規(guī)律,依據(jù)規(guī)律構(gòu)建一個分類器,實(shí)現(xiàn)對新的樣本不同種類對象的自動歸類。 隨著社會的高速發(fā)展,我國對帶鋼的需求量不斷增大,然而由于加工環(huán)境,加工工藝,設(shè)備等原因,帶鋼表面在生產(chǎn)工程中容易出現(xiàn)諸如擦傷,輥印,銹斑,麻點(diǎn)等各種缺陷[1]。 對上述不同種類的缺陷進(jìn)行模式識別,有助于分析各類缺陷成因,改進(jìn)生產(chǎn)參數(shù),所以是十分必要的。

    對于帶鋼缺陷的模式識別主要包括圖像采集, 特征提取,圖像分類識別幾個步驟。 其中圖像分類識別作為其中一個關(guān)鍵技術(shù),長久以來沒得到良好的解決。 圖像分類識別是對圖像信息,如灰度,紋理等特征參數(shù)建立機(jī)器規(guī)則,使得機(jī)器可以自動快速地對缺陷進(jìn)行歸類。 圖像識別的常用方法包括統(tǒng)計模式識別方法、人工神經(jīng)網(wǎng)絡(luò)以及基于核機(jī)器學(xué)習(xí)的方法等。 其中以支持向量機(jī)(SVM)作為模式識別的工具被廣泛采用,SVM 對于小樣本、非線性、高維模式的識別中具有很大優(yōu)勢,廣泛用于文本識別[2],DNA 分析[3],面部識別[4]等領(lǐng)域。

    傳統(tǒng)的支持向量機(jī)或者針對某類樣本進(jìn)行優(yōu)化的支持向量機(jī)如果直接用于帶鋼表面缺陷分類時,往往會出現(xiàn)泛化性能差,過度學(xué)習(xí),識別率低等問題。 本文采用了遺傳算法(Genetic Algorithm,GA)對SVM 進(jìn)行優(yōu)化,系統(tǒng)研究了將遺傳算法與SVM 方法結(jié)合起來用于帶鋼表面缺陷分類的過程,采用加州大學(xué)歐文分校(UCI)標(biāo)準(zhǔn)數(shù)據(jù)庫提供的真實(shí)生產(chǎn)數(shù)據(jù)進(jìn)行方法驗(yàn)證, 并且與傳統(tǒng)SVM 以及BP、LVQ 神經(jīng)網(wǎng)絡(luò)、ID3 決策樹進(jìn)行比較研究,從而對帶鋼表面分類問題中GA-SVM 方法的應(yīng)用進(jìn)行科學(xué)評價。

    1 算法原理

    1.1 支持向量機(jī)(SVM)

    支持向量機(jī)的原理是找到一個分類超平面作為決策曲面,最大化正例和反例的隔離邊緣。 支持向量機(jī)基于結(jié)構(gòu)風(fēng)險最小化的原則,不利用領(lǐng)域內(nèi)部問題,在分類問題上具有良好的泛化性能。 支持向量機(jī)有著通用性強(qiáng),魯棒性高,計算簡單等優(yōu)點(diǎn)。 具體形式如下:

    其中為核函數(shù),對于徑向基核函數(shù)(RBF):

    構(gòu)造決策函數(shù):

    以上模型是二分類器,本文通過一對一法實(shí)現(xiàn)將二分類器構(gòu)造為多分類器,即對于樣本中任意兩種類別均構(gòu)造一個兩分類器,這樣共有個兩分類器,對某個樣本分類時選取所有二分類器分類結(jié)果最多那個類別作為該樣本的類別。

    1.2 遺傳算法(GA)

    遺傳算法(Genetic Algorithm,GA)[5-6]是模仿自然界生物遺傳進(jìn)化過程中“物競天澤,適者生存”的原理,開發(fā)出的一種全局優(yōu)化隨機(jī)搜索算法。 該算法由J.Holland 教授于1975年提出,具有應(yīng)用廣泛,使用簡單,魯棒性強(qiáng)等特點(diǎn)。 它借用了生物遺傳學(xué)的觀點(diǎn),通過自然選擇、交叉、變異等遺傳操作,實(shí)現(xiàn)各個體適應(yīng)性的提高。 算法擁有一群個體組成的種群每個體在種群演化過程中都被評價優(yōu)劣并得到其適應(yīng)值,個體在選擇、交叉以及變異算子的作用下向更高的適應(yīng)度進(jìn)化以達(dá)到尋求問題最優(yōu)解的目標(biāo)。

    2 建立GA-SVM 仿真模型

    2.1 GA-SVM 模型的確定

    傳統(tǒng)的SVM 也可用作分類器, 然而由于無法確定相關(guān)參數(shù)的最優(yōu)取值,所以分類效果不理想。 利用GA 對SVM 進(jìn)行優(yōu)化,主要優(yōu)化式(2)中的懲罰參數(shù)C 和式(3)中的核函數(shù)參數(shù),確定這兩個參數(shù)的取值,從而使SVM 分類器具有較高準(zhǔn)確率。 傳統(tǒng)的網(wǎng)格搜索優(yōu)化法運(yùn)行時間長,搜索效果不好,本文利用GA 算法對這兩個參數(shù)進(jìn)行優(yōu)化,采用10 折交叉驗(yàn)證法下的SVM 分類準(zhǔn)確率作為遺傳算法函數(shù)適應(yīng)度值,這樣可以有效地避免過度學(xué)習(xí)和欠學(xué)習(xí)的發(fā)生,結(jié)果具有說服性。在GA-SVM 模型中,每個粒子對應(yīng)一組C、g 的取值,算法的基本步驟如下:

    1)讀取樣本數(shù)據(jù)并進(jìn)行預(yù)處理,采用10 折交叉驗(yàn)證法將樣本分組,初始化種群;

    2)對于當(dāng)前取值的C、g,利用訓(xùn)練集進(jìn)行模型訓(xùn)練,并記錄該C、g 下的適應(yīng)度函數(shù);

    3)進(jìn)行組合交叉,變異操作,進(jìn)一步搜尋更佳的C、g 取值;

    4)重復(fù)步驟2、3,直到滿足最大進(jìn)化代數(shù)。

    2.2 GA-SVM 模型優(yōu)化仿真

    本文采用UCI 數(shù)據(jù)庫提供的帶鋼表面缺陷數(shù)據(jù),該數(shù)據(jù)集來自實(shí)際生產(chǎn), 將帶鋼表面缺陷分為7 類典型的缺陷,分別為斑點(diǎn),氣刀縱痕,氣刀斜痕,亮點(diǎn),粗渣粒和凸起以及其他缺陷。該數(shù)據(jù)集共有1 941 組樣本,對缺陷圖像提取了包括灰度直方圖,紋理特征,投影量,圖形狀4 類共27 種特征。

    模型仿真利用林智仁教授開發(fā)的LibSVM 工具箱, 使用Matlab 軟件進(jìn)行遺傳算法優(yōu)化支持向量機(jī)模型的建立和訓(xùn)練。 遺傳算法的參數(shù)設(shè)置如下:種群數(shù)量為20,交叉概率為0.7,交換表一概率為0.8,反轉(zhuǎn)變異概率為0.3,新增概率為0.3,最大進(jìn)化600 代,核函數(shù)選擇徑向基(RBF),得到SVM最優(yōu)懲罰參數(shù)C=3.73419,最優(yōu)核函數(shù)參數(shù)g=0.3657。 將此參數(shù)用于數(shù)據(jù)集的訓(xùn)練和分類, 采用10 折交叉驗(yàn)證法下的分類的結(jié)果如表1 所示。

    從表1 中可以看到,GA 優(yōu)化SVM 分類器的分類準(zhǔn)確性大多維持在80%以上,第7 個缺陷類別由于代表了其他缺陷類別因而分類準(zhǔn)確率較低。

    表1 分類準(zhǔn)確率表Tab. 1 Classification accuracy rate

    3 結(jié)果分析

    為了進(jìn)一步驗(yàn)證遺傳算法優(yōu)化支持向量機(jī)的優(yōu)越性,將GA-SVM 方法與傳統(tǒng)SVM 分類器進(jìn)行對比, 分析GA-SVM方法的優(yōu)越性。 傳統(tǒng)SVM 分類器采用在[0,100]的范圍內(nèi)隨機(jī)生成的參數(shù)C、g,對比結(jié)果見圖1。

    圖1 隨機(jī)參數(shù)與GA-SVM 優(yōu)化參數(shù)準(zhǔn)確率對比圖Fig. 1 Classification accuracy rate of PSO-SVM and SVM with random parameters

    圖1 中黑色折現(xiàn)代表經(jīng)過遺傳算法優(yōu)化的支持向量機(jī)分類器對于每一類缺陷的分類準(zhǔn)確率,方塊,圓形,三角符號代表的數(shù)據(jù)分別表示三組隨機(jī)生成參數(shù)的SVM 分類準(zhǔn)確率,隨機(jī)得到的參數(shù)分別為第一組:C=70.6046,第二組:g=3.1833;C=19.2837,g=2.0756; 第三組:C=54.7216,g=13.8624。所有仿真實(shí)驗(yàn)數(shù)據(jù)均采用10 折交叉驗(yàn)證法得出分類準(zhǔn)確率。 可以明顯看出, 雖然有個別隨機(jī)參數(shù)的缺陷準(zhǔn)確率比GA-SVM 高,但是這些個別的高準(zhǔn)確率實(shí)際上是由于判別樣本少造成的。整體來看GA-SVM 的準(zhǔn)確率大都保持在80%以上,可見本文采用遺傳算法對支持向量機(jī)分類器進(jìn)行優(yōu)化是有效的。

    圖2 所示為GA-SVM 與其他三種常用算法的分類準(zhǔn)確率比較。 比較的對象分別為BP 神經(jīng)網(wǎng)絡(luò),LVQ 神經(jīng)網(wǎng)絡(luò)和ID3 決策樹算法, 對比各算法對于每一缺陷類別的分類準(zhǔn)確率, 依舊采用10 折交叉驗(yàn)證法下的分類準(zhǔn)確率。 圖2 中可見,經(jīng)過遺傳算法優(yōu)化的支持向量機(jī)分類器的分類準(zhǔn)確率相較其他三種算法更高, 平均分類準(zhǔn)確率達(dá)到83.62%, 而BP神經(jīng)網(wǎng)絡(luò),LVQ,ID3 的平均分類準(zhǔn)確率分別為63.09%、74.90%、70.36%。由此可見,GA-SVM 模型能夠更準(zhǔn)確地對缺陷類型進(jìn)行分類預(yù)測,對于帶鋼表面缺陷分類問題,GA-SVM方法相較其他方法具有一定的優(yōu)越性。

    圖2 4 種算法分類準(zhǔn)確率對比Fig. 2 Classification accuracy rate of four kinds of algorithms

    4 結(jié)束語

    帶鋼表面缺陷的準(zhǔn)確分類,是帶鋼在線檢測技術(shù)的重要環(huán)節(jié)。 傳統(tǒng)分類方法在處理多分類問題時有一定局限性。SVM 算法具有很強(qiáng)的非線性建模能力,主要根據(jù)所提供的生產(chǎn)數(shù)據(jù),通過學(xué)習(xí)和訓(xùn)練找到輸入數(shù)據(jù)與輸出數(shù)據(jù)之間的潛在關(guān)聯(lián),從而對新樣本進(jìn)行預(yù)測。 本文將遺傳算法與支持向量機(jī)相結(jié)合, 采用10 折交叉驗(yàn)證法下的分類準(zhǔn)確率作為遺傳算法適應(yīng)度,充分發(fā)揮了SVM 方法的非線性建模能力,同時規(guī)避了隨機(jī)設(shè)定SVM 參數(shù)的盲目性, 提高了模型的泛化能力。 通過與傳統(tǒng)SVM 分類器以及其他分類算法的比較,GA-SVM 對于帶鋼表面缺陷多分類問題效果更優(yōu)。

    [1] 魏 烈 省. 冷軋鋼帶表面缺陷分析[J]. 鋼鐵,2006,41(2):386-388.

    WEI Lie-sheng. Analysis of surface defects of cold rolled steel strip[J]. Iron and Steel,2006,41(2):386-388.

    [2] 高學(xué),金連文.一種基于支持向量機(jī)的手寫漢字識別方法[J].電子學(xué)報,2002,30(5):484-487.

    GAO Yue,JIN Lian-wen. A handwritten Chinese character recognition method based on support vector machine [J].Electronic Journal,2002,30(5):484-487.

    [3] A Zien,G Ratsch,S Mika,et al. Engineering supportvector machine kernels that recognize translation initiation sites[C]//Bioinformatics,2000,16(9):799.

    [4] Y Li,S Gong,J Sherrah,et al. Support vector machine based multi-view facedetection and recognition[J]. Image and Vision Computing,2004,22(5):413-427.

    [5] JHHolland. Ada Ptationin Natural Artifieial Systems [M].MITPress,1975:1-17.

    [6] 黃少榮. 遺傳算法及其應(yīng)用[J]. 電腦知識與技術(shù),2008,4(7):1874-1875.

    HUANG Sao-rong. Genetic algorithm and its application[J].Computer Knowledge and Technology,2008,4(7):1874-1875.

    猜你喜歡
    分類器交叉遺傳算法
    “六法”巧解分式方程
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    基于自適應(yīng)遺傳算法的CSAMT一維反演
    一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
    基于遺傳算法和LS-SVM的財務(wù)危機(jī)預(yù)測
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    連一連
    基于改進(jìn)的遺傳算法的模糊聚類算法
    基于Fast-ICA的Wigner-Ville分布交叉項(xiàng)消除方法
    超碰97精品在线观看| 久久久久久免费高清国产稀缺| 国产片内射在线| 日本色播在线视频| videosex国产| 久久国产精品男人的天堂亚洲| 一级a爱视频在线免费观看| 在线观看国产h片| 观看av在线不卡| 亚洲国产精品一区二区三区在线| 亚洲精品一二三| 国产野战对白在线观看| 少妇人妻精品综合一区二区| 日日摸夜夜添夜夜爱| 亚洲av福利一区| 欧美日韩成人在线一区二区| 国产男女超爽视频在线观看| 蜜桃在线观看..| 伊人久久国产一区二区| 美女国产高潮福利片在线看| 日本爱情动作片www.在线观看| 中文字幕色久视频| 香蕉国产在线看| 成人亚洲欧美一区二区av| 考比视频在线观看| 亚洲少妇的诱惑av| 一边摸一边做爽爽视频免费| 日日摸夜夜添夜夜爱| 男女国产视频网站| 亚洲欧洲国产日韩| 亚洲精品视频女| 叶爱在线成人免费视频播放| 熟女av电影| 国产一区有黄有色的免费视频| 国产无遮挡羞羞视频在线观看| 亚洲四区av| 91精品国产国语对白视频| 国产精品欧美亚洲77777| 精品一区二区三区四区五区乱码 | 麻豆精品久久久久久蜜桃| 天天躁日日躁夜夜躁夜夜| 亚洲国产精品一区三区| 爱豆传媒免费全集在线观看| 国产 一区精品| 老鸭窝网址在线观看| 午夜福利在线免费观看网站| 亚洲欧美成人精品一区二区| 亚洲第一av免费看| 久久人人97超碰香蕉20202| 欧美成人午夜精品| 热99国产精品久久久久久7| 91精品国产国语对白视频| 亚洲情色 制服丝袜| 成人三级做爰电影| av福利片在线| 国产精品国产三级专区第一集| 亚洲av日韩在线播放| 久久精品人人爽人人爽视色| 亚洲,欧美精品.| 日韩 欧美 亚洲 中文字幕| 伊人久久国产一区二区| 如何舔出高潮| 韩国高清视频一区二区三区| 国产片特级美女逼逼视频| 久久国产亚洲av麻豆专区| 久久ye,这里只有精品| 精品午夜福利在线看| 少妇人妻 视频| 亚洲色图 男人天堂 中文字幕| 母亲3免费完整高清在线观看| 欧美日韩一区二区视频在线观看视频在线| 日韩,欧美,国产一区二区三区| 少妇被粗大的猛进出69影院| 欧美av亚洲av综合av国产av | 青草久久国产| 纵有疾风起免费观看全集完整版| 99国产综合亚洲精品| 国产欧美亚洲国产| 熟女av电影| 精品一区二区三卡| 国产乱人偷精品视频| 欧美成人午夜精品| 黄色视频在线播放观看不卡| 国产精品久久久久成人av| av卡一久久| av国产精品久久久久影院| 国产精品三级大全| 精品午夜福利在线看| 国产成人欧美在线观看 | 国产又色又爽无遮挡免| 青春草视频在线免费观看| 国产亚洲精品第一综合不卡| 亚洲av成人不卡在线观看播放网 | 日韩一卡2卡3卡4卡2021年| 婷婷色综合大香蕉| 国产精品一国产av| 超色免费av| 亚洲欧美一区二区三区黑人| 色网站视频免费| 国产精品一区二区在线观看99| 老汉色av国产亚洲站长工具| 一本一本久久a久久精品综合妖精| 亚洲精品一二三| 国产又色又爽无遮挡免| 80岁老熟妇乱子伦牲交| avwww免费| 久久婷婷青草| 十八禁高潮呻吟视频| 日本欧美视频一区| 另类亚洲欧美激情| 美女脱内裤让男人舔精品视频| 伊人亚洲综合成人网| 制服丝袜香蕉在线| 精品免费久久久久久久清纯 | 在线免费观看不下载黄p国产| 国产黄色视频一区二区在线观看| 一本大道久久a久久精品| 美国免费a级毛片| 午夜福利影视在线免费观看| 亚洲综合精品二区| 亚洲欧美一区二区三区久久| 亚洲国产欧美网| netflix在线观看网站| netflix在线观看网站| 好男人视频免费观看在线| 9191精品国产免费久久| 9191精品国产免费久久| 丰满少妇做爰视频| 亚洲自偷自拍图片 自拍| 欧美人与性动交α欧美软件| 国产免费一区二区三区四区乱码| 卡戴珊不雅视频在线播放| 亚洲 欧美一区二区三区| 卡戴珊不雅视频在线播放| 丝袜美足系列| 午夜日韩欧美国产| netflix在线观看网站| 欧美人与性动交α欧美软件| www日本在线高清视频| 亚洲精品日本国产第一区| 老司机影院成人| 欧美精品亚洲一区二区| 国产精品99久久99久久久不卡 | 香蕉丝袜av| 美女脱内裤让男人舔精品视频| 精品国产露脸久久av麻豆| 一级毛片黄色毛片免费观看视频| 国产av码专区亚洲av| 男女免费视频国产| 日韩一本色道免费dvd| 视频在线观看一区二区三区| av在线观看视频网站免费| 久久精品亚洲av国产电影网| 一区在线观看完整版| 日韩精品有码人妻一区| av片东京热男人的天堂| 各种免费的搞黄视频| 久久久国产一区二区| 国产亚洲欧美精品永久| 多毛熟女@视频| 精品第一国产精品| 亚洲,一卡二卡三卡| 热re99久久国产66热| 高清欧美精品videossex| 欧美日韩av久久| 韩国av在线不卡| 女人被躁到高潮嗷嗷叫费观| 亚洲av在线观看美女高潮| 国产日韩欧美在线精品| 80岁老熟妇乱子伦牲交| 欧美人与善性xxx| 亚洲中文av在线| 国产av码专区亚洲av| 伊人亚洲综合成人网| 黄片无遮挡物在线观看| 亚洲欧洲国产日韩| 国产一区亚洲一区在线观看| 亚洲精品国产一区二区精华液| 亚洲欧洲精品一区二区精品久久久 | 人成视频在线观看免费观看| 超色免费av| 亚洲av成人精品一二三区| av又黄又爽大尺度在线免费看| 欧美国产精品一级二级三级| 久久久久久久久免费视频了| 国产av国产精品国产| 最近手机中文字幕大全| a 毛片基地| 欧美亚洲日本最大视频资源| 97在线人人人人妻| 久久婷婷青草| 国产在线视频一区二区| 美女脱内裤让男人舔精品视频| 日韩人妻精品一区2区三区| 亚洲熟女精品中文字幕| 女人精品久久久久毛片| 免费久久久久久久精品成人欧美视频| 丰满迷人的少妇在线观看| 男男h啪啪无遮挡| 老司机影院成人| 免费看av在线观看网站| 自线自在国产av| 国产又爽黄色视频| 午夜福利,免费看| 亚洲成人av在线免费| 国产伦人伦偷精品视频| 亚洲精品视频女| 日韩精品有码人妻一区| 亚洲一级一片aⅴ在线观看| 久久久久视频综合| 免费久久久久久久精品成人欧美视频| 久久影院123| 午夜日韩欧美国产| 日韩 亚洲 欧美在线| 美女视频免费永久观看网站| tube8黄色片| 热99久久久久精品小说推荐| 成人免费观看视频高清| 亚洲国产精品一区二区三区在线| 欧美亚洲日本最大视频资源| 女的被弄到高潮叫床怎么办| 国产日韩欧美亚洲二区| 热99久久久久精品小说推荐| 女人久久www免费人成看片| 亚洲第一区二区三区不卡| 久久性视频一级片| 亚洲免费av在线视频| 国产人伦9x9x在线观看| 久久国产亚洲av麻豆专区| a级毛片黄视频| 丝袜在线中文字幕| 在线观看一区二区三区激情| 国产伦理片在线播放av一区| 亚洲av电影在线进入| 亚洲av欧美aⅴ国产| 免费在线观看黄色视频的| 大片电影免费在线观看免费| xxxhd国产人妻xxx| 国产精品久久久久成人av| 超碰97精品在线观看| 欧美av亚洲av综合av国产av | 国产亚洲午夜精品一区二区久久| 国产av国产精品国产| 水蜜桃什么品种好| 久久人人97超碰香蕉20202| 80岁老熟妇乱子伦牲交| 亚洲成色77777| 婷婷色麻豆天堂久久| 国产欧美日韩综合在线一区二区| 国产男女内射视频| 日韩不卡一区二区三区视频在线| 七月丁香在线播放| 中文字幕人妻熟女乱码| 成年女人毛片免费观看观看9 | h视频一区二区三区| 亚洲av电影在线进入| 91国产中文字幕| 又粗又硬又长又爽又黄的视频| 一二三四中文在线观看免费高清| 曰老女人黄片| 亚洲av在线观看美女高潮| 亚洲成人国产一区在线观看 | 黄频高清免费视频| av免费观看日本| 国产片内射在线| 欧美人与性动交α欧美软件| 欧美 日韩 精品 国产| 久久精品aⅴ一区二区三区四区| 老司机影院毛片| 香蕉国产在线看| 欧美中文综合在线视频| av卡一久久| 日韩中文字幕欧美一区二区 | 巨乳人妻的诱惑在线观看| 九草在线视频观看| 亚洲精品日韩在线中文字幕| 国产成人91sexporn| 精品少妇久久久久久888优播| 最近2019中文字幕mv第一页| 嫩草影视91久久| 国产毛片在线视频| 亚洲欧美精品自产自拍| 在线观看免费午夜福利视频| 亚洲欧洲精品一区二区精品久久久 | 人人妻人人添人人爽欧美一区卜| 免费在线观看视频国产中文字幕亚洲 | 国产免费又黄又爽又色| 五月开心婷婷网| 最新的欧美精品一区二区| 啦啦啦在线观看免费高清www| 大片免费播放器 马上看| 美女视频免费永久观看网站| 国产精品久久久人人做人人爽| 免费观看av网站的网址| 亚洲av成人精品一二三区| 91老司机精品| 亚洲欧美精品综合一区二区三区| 精品亚洲成a人片在线观看| 国产伦人伦偷精品视频| 人人妻人人澡人人看| 精品第一国产精品| 欧美日韩av久久| 午夜影院在线不卡| 欧美日韩亚洲综合一区二区三区_| 亚洲天堂av无毛| 久久ye,这里只有精品| 一边摸一边抽搐一进一出视频| 日日啪夜夜爽| 日韩熟女老妇一区二区性免费视频| 欧美精品一区二区免费开放| 亚洲精品国产色婷婷电影| 久久久久国产精品人妻一区二区| 欧美97在线视频| 欧美日韩一区二区视频在线观看视频在线| 国产精品国产三级专区第一集| 日韩中文字幕视频在线看片| 好男人视频免费观看在线| 亚洲美女搞黄在线观看| 成年人免费黄色播放视频| 在线观看免费日韩欧美大片| 黑人猛操日本美女一级片| 中文字幕精品免费在线观看视频| 亚洲伊人色综图| 久久久国产精品麻豆| 亚洲色图 男人天堂 中文字幕| 青春草亚洲视频在线观看| 侵犯人妻中文字幕一二三四区| 国产精品香港三级国产av潘金莲 | 精品免费久久久久久久清纯 | 不卡视频在线观看欧美| 国产精品成人在线| 成人18禁高潮啪啪吃奶动态图| 97精品久久久久久久久久精品| 久久久精品免费免费高清| 男的添女的下面高潮视频| 久久久国产一区二区| 在线 av 中文字幕| 国产免费又黄又爽又色| 久久人妻熟女aⅴ| 成人国产av品久久久| 国产av国产精品国产| 飞空精品影院首页| 久久久久精品人妻al黑| 成人黄色视频免费在线看| 精品第一国产精品| 国产亚洲av高清不卡| 亚洲精品一二三| 亚洲精品,欧美精品| 久久综合国产亚洲精品| 在线观看www视频免费| 午夜福利,免费看| 日本av免费视频播放| 精品少妇久久久久久888优播| 晚上一个人看的免费电影| 啦啦啦 在线观看视频| 操出白浆在线播放| 啦啦啦视频在线资源免费观看| 亚洲美女搞黄在线观看| 久久国产精品大桥未久av| 各种免费的搞黄视频| 国产精品一区二区精品视频观看| 国产xxxxx性猛交| 满18在线观看网站| e午夜精品久久久久久久| 久久久久国产精品人妻一区二区| 观看美女的网站| 亚洲一区中文字幕在线| 亚洲第一av免费看| 亚洲av日韩在线播放| 成人三级做爰电影| 国产精品久久久久久精品电影小说| 久久国产精品男人的天堂亚洲| 久久人妻熟女aⅴ| 自拍欧美九色日韩亚洲蝌蚪91| 不卡av一区二区三区| 日韩 欧美 亚洲 中文字幕| 久久99一区二区三区| 日韩av免费高清视频| 国产精品久久久久久精品电影小说| 国产免费又黄又爽又色| 亚洲欧美精品自产自拍| 久久久久视频综合| 夜夜骑夜夜射夜夜干| 波多野结衣av一区二区av| 中文字幕另类日韩欧美亚洲嫩草| 七月丁香在线播放| 一本久久精品| 午夜福利视频在线观看免费| 欧美激情高清一区二区三区 | 亚洲精品国产av蜜桃| 国产一区二区激情短视频 | 国产成人欧美| 亚洲在久久综合| 观看av在线不卡| 久久 成人 亚洲| 九九爱精品视频在线观看| 女性生殖器流出的白浆| 国产一区二区在线观看av| 丰满少妇做爰视频| 丝袜喷水一区| 免费女性裸体啪啪无遮挡网站| 国产男女内射视频| 麻豆精品久久久久久蜜桃| 亚洲成色77777| 亚洲伊人久久精品综合| 热re99久久国产66热| 九九爱精品视频在线观看| 国产免费现黄频在线看| 国产一区二区在线观看av| 久久韩国三级中文字幕| www.自偷自拍.com| 久久女婷五月综合色啪小说| 午夜老司机福利片| 美女福利国产在线| 国产在线一区二区三区精| 性高湖久久久久久久久免费观看| 只有这里有精品99| 欧美精品av麻豆av| 国产乱来视频区| 久久久国产欧美日韩av| 精品国产一区二区三区久久久樱花| 极品人妻少妇av视频| 99久久99久久久精品蜜桃| 国产深夜福利视频在线观看| 久久女婷五月综合色啪小说| 亚洲av男天堂| 不卡av一区二区三区| 在线观看一区二区三区激情| 天堂中文最新版在线下载| 亚洲成国产人片在线观看| 免费在线观看视频国产中文字幕亚洲 | 高清在线视频一区二区三区| 老司机影院毛片| 成人国产麻豆网| 亚洲婷婷狠狠爱综合网| 一区在线观看完整版| 亚洲 欧美一区二区三区| 天天躁夜夜躁狠狠躁躁| 国产成人精品在线电影| 精品一区二区免费观看| 一区二区三区乱码不卡18| 国产日韩欧美在线精品| 国产一区二区三区av在线| 免费不卡黄色视频| 亚洲精品成人av观看孕妇| 欧美老熟妇乱子伦牲交| 又粗又硬又长又爽又黄的视频| 久久精品久久久久久久性| 成人亚洲精品一区在线观看| 精品午夜福利在线看| 国产乱来视频区| 久久久国产精品麻豆| 搡老乐熟女国产| 欧美变态另类bdsm刘玥| 少妇的丰满在线观看| 男人舔女人的私密视频| 超色免费av| a级毛片黄视频| 欧美黄色片欧美黄色片| 一级,二级,三级黄色视频| 国语对白做爰xxxⅹ性视频网站| 色网站视频免费| 亚洲欧美清纯卡通| av有码第一页| 最新在线观看一区二区三区 | 一级毛片电影观看| 熟妇人妻不卡中文字幕| 交换朋友夫妻互换小说| av在线播放精品| 精品视频人人做人人爽| 精品国产乱码久久久久久小说| 亚洲一区中文字幕在线| 女性生殖器流出的白浆| 国产精品欧美亚洲77777| 嫩草影视91久久| 亚洲精品视频女| 亚洲欧美一区二区三区久久| 蜜桃在线观看..| 最近最新中文字幕免费大全7| 亚洲欧美一区二区三区国产| 成人亚洲精品一区在线观看| 精品一区在线观看国产| 精品人妻一区二区三区麻豆| 国产极品天堂在线| 一区二区三区乱码不卡18| 国产成人一区二区在线| 一本—道久久a久久精品蜜桃钙片| 热re99久久精品国产66热6| 51午夜福利影视在线观看| 在线观看免费高清a一片| 国产探花极品一区二区| 日韩成人av中文字幕在线观看| h视频一区二区三区| 少妇人妻久久综合中文| 丝袜在线中文字幕| 最近最新中文字幕大全免费视频 | 高清av免费在线| 亚洲精品中文字幕在线视频| av.在线天堂| 91老司机精品| 免费少妇av软件| av免费观看日本| 中文乱码字字幕精品一区二区三区| 黄色视频不卡| 国产成人啪精品午夜网站| 999久久久国产精品视频| 午夜福利网站1000一区二区三区| 五月天丁香电影| 五月开心婷婷网| 男女高潮啪啪啪动态图| 国产在线一区二区三区精| 又大又爽又粗| 婷婷色综合www| 精品少妇黑人巨大在线播放| 亚洲综合色网址| 18禁动态无遮挡网站| 国产精品 国内视频| 精品少妇内射三级| 国产av一区二区精品久久| 亚洲av男天堂| 亚洲精品国产区一区二| 国产成人精品久久二区二区91 | 一区二区三区激情视频| 51午夜福利影视在线观看| 国产av国产精品国产| av视频免费观看在线观看| 国产成人免费观看mmmm| 欧美亚洲日本最大视频资源| 天天操日日干夜夜撸| netflix在线观看网站| 亚洲国产精品999| 欧美另类一区| 国产亚洲精品第一综合不卡| 亚洲熟女精品中文字幕| 97人妻天天添夜夜摸| 国产精品一区二区在线观看99| 成人漫画全彩无遮挡| 免费少妇av软件| 久久这里只有精品19| 亚洲av综合色区一区| a级毛片在线看网站| 亚洲自偷自拍图片 自拍| 国产精品.久久久| 久久ye,这里只有精品| 男人添女人高潮全过程视频| 日韩制服骚丝袜av| 婷婷成人精品国产| 亚洲精品自拍成人| 久久久久网色| 精品国产露脸久久av麻豆| 日韩成人av中文字幕在线观看| 精品人妻在线不人妻| 免费在线观看黄色视频的| 午夜日韩欧美国产| 午夜福利,免费看| 亚洲一级一片aⅴ在线观看| 国产精品久久久久久精品电影小说| 国产在线免费精品| 日本av手机在线免费观看| 在线观看免费视频网站a站| 国产精品亚洲av一区麻豆 | 91aial.com中文字幕在线观看| 日韩 亚洲 欧美在线| 高清黄色对白视频在线免费看| 欧美日韩国产mv在线观看视频| 不卡视频在线观看欧美| 搡老乐熟女国产| 日韩精品免费视频一区二区三区| 精品一区二区免费观看| 狠狠精品人妻久久久久久综合| 黄片无遮挡物在线观看| 亚洲精品第二区| 久久久久久久久久久久大奶| 女性被躁到高潮视频| 肉色欧美久久久久久久蜜桃| 精品国产国语对白av| 女性生殖器流出的白浆| 国产99久久九九免费精品| 亚洲成av片中文字幕在线观看| 国产精品一区二区在线不卡| 母亲3免费完整高清在线观看| 国产精品久久久久成人av| 天天添夜夜摸| 热re99久久国产66热| 大香蕉久久网| 亚洲精品久久午夜乱码| 一本一本久久a久久精品综合妖精| 国产精品一区二区在线不卡| 考比视频在线观看| www.精华液| 精品视频人人做人人爽| 大码成人一级视频| 极品少妇高潮喷水抽搐| 亚洲伊人久久精品综合| 精品人妻一区二区三区麻豆| 精品久久久久久电影网| 九九爱精品视频在线观看| 视频区图区小说| 老熟女久久久| 久久久精品国产亚洲av高清涩受| 熟妇人妻不卡中文字幕| 午夜老司机福利片| 国产在线一区二区三区精| 亚洲伊人久久精品综合| 97在线人人人人妻| 最新在线观看一区二区三区 | 一区二区三区四区激情视频| 99re6热这里在线精品视频| 欧美日韩视频高清一区二区三区二| 亚洲男人天堂网一区| 久久人人爽av亚洲精品天堂| 亚洲,欧美,日韩| 亚洲 欧美一区二区三区| 国产一区二区激情短视频 | 在线看a的网站|