• <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
    免费播放大片免费观看视频在线观看 | 美女黄网站色视频| 69人妻影院| 51国产日韩欧美| 久久精品国产鲁丝片午夜精品| 国产又色又爽无遮挡免| 亚洲av日韩在线播放| 亚洲美女视频黄频| 91久久精品国产一区二区成人| 男插女下体视频免费在线播放| 国产精品一二三区在线看| 国产综合懂色| 熟女电影av网| 日韩制服骚丝袜av| 免费搜索国产男女视频| 免费黄网站久久成人精品| 欧美人与善性xxx| 午夜福利在线在线| 国产亚洲最大av| 国产精品久久久久久精品电影小说 | 日本免费在线观看一区| 国产成人91sexporn| 欧美激情在线99| 亚洲一区高清亚洲精品| 日韩成人伦理影院| 免费看a级黄色片| 久久精品综合一区二区三区| 熟女人妻精品中文字幕| 免费人成在线观看视频色| 天堂中文最新版在线下载 | 久久久久国产网址| 国产不卡一卡二| 校园人妻丝袜中文字幕| 99久国产av精品| 国产伦在线观看视频一区| 神马国产精品三级电影在线观看| 亚洲内射少妇av| 国产精品嫩草影院av在线观看| 亚洲美女搞黄在线观看| 国语自产精品视频在线第100页| 国产av码专区亚洲av| 亚洲欧美成人精品一区二区| 人人妻人人澡欧美一区二区| 亚洲av电影在线观看一区二区三区 | 亚洲av男天堂| 亚洲va在线va天堂va国产| 久久精品国产鲁丝片午夜精品| 少妇熟女aⅴ在线视频| 午夜日本视频在线| 中文字幕熟女人妻在线| 色视频www国产| 日日摸夜夜添夜夜添av毛片| 国产三级在线视频| 青青草视频在线视频观看| 三级国产精品片| 免费av观看视频| 日韩av在线免费看完整版不卡| 亚洲国产欧洲综合997久久,| 好男人在线观看高清免费视频| 午夜久久久久精精品| 国产黄片美女视频| 亚洲av男天堂| 久久久色成人| 午夜免费男女啪啪视频观看| 亚洲乱码一区二区免费版| 欧美性感艳星| 亚洲精品456在线播放app| 搞女人的毛片| 亚洲中文字幕一区二区三区有码在线看| 一个人看的www免费观看视频| 九九在线视频观看精品| 精品人妻偷拍中文字幕| 久久精品国产自在天天线| 亚洲国产欧洲综合997久久,| 久久99热这里只频精品6学生 | 亚洲天堂国产精品一区在线| 久久久久久久久中文| 欧美最新免费一区二区三区| 精品人妻偷拍中文字幕| 久久久久久伊人网av| 嫩草影院新地址| 成人二区视频| 99久久九九国产精品国产免费| 国产 一区精品| 一区二区三区四区激情视频| 尤物成人国产欧美一区二区三区| 九九在线视频观看精品| 亚洲成人中文字幕在线播放| 丰满人妻一区二区三区视频av| 久久久午夜欧美精品| ponron亚洲| 2021天堂中文幕一二区在线观| 自拍偷自拍亚洲精品老妇| 中文字幕av成人在线电影| 男女下面进入的视频免费午夜| 亚洲av.av天堂| 一级二级三级毛片免费看| 国产在视频线精品| 欧美丝袜亚洲另类| 乱码一卡2卡4卡精品| 国产伦一二天堂av在线观看| 亚洲国产高清在线一区二区三| 亚洲av中文av极速乱| 亚州av有码| 91精品伊人久久大香线蕉| 日本黄色片子视频| 欧美潮喷喷水| 国产成人freesex在线| 成年女人看的毛片在线观看| 五月伊人婷婷丁香| 精品久久久久久久久av| 好男人视频免费观看在线| 麻豆精品久久久久久蜜桃| 国产高清三级在线| 久久久久国产网址| 日本五十路高清| 久久精品影院6| 久久韩国三级中文字幕| 免费在线观看成人毛片| 亚洲av成人精品一区久久| 三级男女做爰猛烈吃奶摸视频| 久久精品久久久久久噜噜老黄 | 国产老妇女一区| 国产高清视频在线观看网站| 久久人人爽人人片av| 高清视频免费观看一区二区 | or卡值多少钱| 国产精品久久久久久久久免| 夫妻性生交免费视频一级片| 日本猛色少妇xxxxx猛交久久| 能在线免费观看的黄片| 国产免费男女视频| 国产成人91sexporn| 日韩亚洲欧美综合| 伦精品一区二区三区| 久久精品国产自在天天线| 最后的刺客免费高清国语| 国产淫语在线视频| 少妇人妻一区二区三区视频| 一本久久精品| 亚洲精华国产精华液的使用体验| 日韩欧美精品v在线| 少妇猛男粗大的猛烈进出视频 | 成年免费大片在线观看| h日本视频在线播放| 丰满人妻一区二区三区视频av| 在现免费观看毛片| 亚洲性久久影院| 亚洲av成人精品一二三区| 亚洲va在线va天堂va国产| 国产精品野战在线观看| 自拍偷自拍亚洲精品老妇| 91精品伊人久久大香线蕉| 欧美一级a爱片免费观看看| 亚洲精品日韩在线中文字幕| 色播亚洲综合网| 一级爰片在线观看| 欧美日韩在线观看h| 久久6这里有精品| 国产又黄又爽又无遮挡在线| av在线观看视频网站免费| 亚洲av熟女| 国产在视频线在精品| 国产女主播在线喷水免费视频网站 | 99九九线精品视频在线观看视频| 亚洲人成网站在线播| 午夜福利在线观看免费完整高清在| 中文精品一卡2卡3卡4更新| 99热这里只有是精品在线观看| 亚洲在久久综合| 久久久久久伊人网av| 国产精品一区www在线观看| 欧美日韩国产亚洲二区| 黑人高潮一二区| 久久人人爽人人片av| 色综合色国产| 国国产精品蜜臀av免费| 久久精品国产亚洲av天美| 中文天堂在线官网| 毛片一级片免费看久久久久| 波多野结衣巨乳人妻| 欧美日韩精品成人综合77777| 成人无遮挡网站| 看片在线看免费视频| 美女大奶头视频| 亚洲精品国产av成人精品| 日韩在线高清观看一区二区三区| 成人国产麻豆网| 日韩亚洲欧美综合| 亚洲色图av天堂| 变态另类丝袜制服| 国产精品伦人一区二区| 两个人的视频大全免费| 女人十人毛片免费观看3o分钟| 亚洲精品一区蜜桃| 久久久久久九九精品二区国产| 中国国产av一级| 久久久国产成人免费| 日本三级黄在线观看| 日韩成人伦理影院| 午夜福利网站1000一区二区三区| 亚洲美女视频黄频| 亚洲欧美日韩卡通动漫| 欧美丝袜亚洲另类| 日韩在线高清观看一区二区三区| av在线蜜桃| 黑人高潮一二区| 国产亚洲精品久久久com| 国产又黄又爽又无遮挡在线| 欧美区成人在线视频| 日日撸夜夜添| 国内精品宾馆在线| 精品国内亚洲2022精品成人| 亚洲成人中文字幕在线播放| 国产麻豆成人av免费视频| 伦理电影大哥的女人| 亚洲内射少妇av| 欧美另类亚洲清纯唯美| 欧美又色又爽又黄视频| 国内精品宾馆在线| 国语自产精品视频在线第100页| 久久精品影院6| 亚洲欧美精品综合久久99| 日本免费在线观看一区| 丝袜美腿在线中文| 麻豆精品久久久久久蜜桃| 欧美区成人在线视频| 一级二级三级毛片免费看| 久久久a久久爽久久v久久| 亚洲乱码一区二区免费版| 大香蕉97超碰在线| h日本视频在线播放| 久久久久久大精品| 精品久久久噜噜| 精华霜和精华液先用哪个| 毛片女人毛片| 亚洲成色77777| 淫秽高清视频在线观看| 一级爰片在线观看| 最新中文字幕久久久久| 美女高潮的动态| 三级国产精品欧美在线观看| 一二三四中文在线观看免费高清| 日韩一区二区视频免费看| 免费播放大片免费观看视频在线观看 | 久久精品国产亚洲av天美| 日韩精品青青久久久久久| 国产精品久久视频播放| 精品少妇黑人巨大在线播放 | 亚洲国产日韩欧美精品在线观看| 精品国产三级普通话版| 建设人人有责人人尽责人人享有的 | 亚洲精品成人久久久久久| 一本一本综合久久| 老司机影院毛片| 乱人视频在线观看| 天堂av国产一区二区熟女人妻| 看非洲黑人一级黄片| 乱系列少妇在线播放| 一个人看的www免费观看视频| 国产亚洲午夜精品一区二区久久 | 国产中年淑女户外野战色| 国产av码专区亚洲av| 日本爱情动作片www.在线观看| 亚洲在线观看片| 婷婷色综合大香蕉| 韩国高清视频一区二区三区| 午夜福利高清视频| 精品欧美国产一区二区三| 99久久九九国产精品国产免费| 国产一区二区亚洲精品在线观看| 国产大屁股一区二区在线视频| 久久欧美精品欧美久久欧美| 简卡轻食公司| 日本-黄色视频高清免费观看| 18禁在线播放成人免费| 少妇的逼水好多| 日日撸夜夜添| 在线播放国产精品三级| 日韩欧美精品v在线| 日韩 亚洲 欧美在线| 在线天堂最新版资源| 岛国在线免费视频观看| 精品少妇黑人巨大在线播放 | 尾随美女入室| 国国产精品蜜臀av免费| 可以在线观看毛片的网站| 国产精品av视频在线免费观看| 午夜激情福利司机影院| 国产乱人视频| 国产真实乱freesex| 国产av码专区亚洲av| 一区二区三区四区激情视频| 日韩国内少妇激情av| 91久久精品国产一区二区三区| 尤物成人国产欧美一区二区三区| 亚洲精品成人久久久久久| 一级黄片播放器| 国产免费一级a男人的天堂| 久久午夜福利片| 内射极品少妇av片p| 亚洲欧洲日产国产| 国产探花在线观看一区二区| 最近最新中文字幕免费大全7| 蜜桃亚洲精品一区二区三区| 国产精品福利在线免费观看| 最近2019中文字幕mv第一页| 亚洲精品aⅴ在线观看| 午夜免费激情av| 欧美激情久久久久久爽电影| 日本爱情动作片www.在线观看| a级一级毛片免费在线观看| 免费不卡的大黄色大毛片视频在线观看 | 午夜精品国产一区二区电影 | 免费av观看视频| 变态另类丝袜制服| 久久精品熟女亚洲av麻豆精品 | 男女边吃奶边做爰视频| 久久精品熟女亚洲av麻豆精品 | 精品久久国产蜜桃| 99热精品在线国产| 长腿黑丝高跟| 欧美97在线视频| 国产成人免费观看mmmm| 国产综合懂色| 黑人高潮一二区| 级片在线观看| 99热网站在线观看| 国产在视频线在精品| 久久精品夜夜夜夜夜久久蜜豆| 日韩一区二区三区影片| 国产三级在线视频| 美女高潮的动态| 亚洲精品久久久久久婷婷小说 | 网址你懂的国产日韩在线| 久久久久久大精品| 18+在线观看网站| 色哟哟·www| 国产成人精品一,二区| 亚洲国产精品专区欧美| 国产乱人偷精品视频| 久久亚洲精品不卡| 99久久成人亚洲精品观看| 在线观看一区二区三区| 国产精品久久电影中文字幕| 日韩制服骚丝袜av| 国产亚洲av片在线观看秒播厂 | 国产成人精品婷婷| 国产淫语在线视频| 色综合站精品国产| 免费av观看视频| a级毛片免费高清观看在线播放| 成人美女网站在线观看视频| 亚洲国产欧美在线一区| 日韩视频在线欧美| 一边亲一边摸免费视频| 午夜视频国产福利| 91久久精品国产一区二区三区| 午夜精品一区二区三区免费看| 国产伦精品一区二区三区视频9| 又爽又黄无遮挡网站| 午夜福利在线在线| 啦啦啦啦在线视频资源| 日韩中字成人| 99热这里只有精品一区| 美女国产视频在线观看| 久久久a久久爽久久v久久| 最近最新中文字幕免费大全7| 欧美成人午夜免费资源| 久久99热这里只有精品18| 亚洲精品乱码久久久v下载方式| 久久国产乱子免费精品| 亚洲人成网站在线播| 欧美bdsm另类| 亚洲不卡免费看| 亚洲欧洲国产日韩| 中文在线观看免费www的网站| 久久精品国产自在天天线| 成人亚洲精品av一区二区| 亚洲成人中文字幕在线播放| 欧美高清性xxxxhd video| 草草在线视频免费看| 亚洲图色成人| 七月丁香在线播放| 欧美97在线视频| 国产av不卡久久| 国产精品电影一区二区三区| 激情 狠狠 欧美| 亚洲欧美成人精品一区二区| 一夜夜www| 亚洲欧美日韩东京热| 免费观看性生交大片5| 国产精品久久久久久av不卡| h日本视频在线播放| 好男人视频免费观看在线| 色网站视频免费| 一区二区三区乱码不卡18| 精品国产一区二区三区久久久樱花 | 国产v大片淫在线免费观看| 免费观看a级毛片全部| 亚洲国产成人一精品久久久| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲自拍偷在线| 干丝袜人妻中文字幕| 日韩欧美精品v在线| 晚上一个人看的免费电影| 少妇人妻一区二区三区视频| 内地一区二区视频在线| 97超视频在线观看视频| 啦啦啦观看免费观看视频高清| 在线免费观看的www视频| 老师上课跳d突然被开到最大视频| 热99在线观看视频| 国产一区有黄有色的免费视频 | 国产视频首页在线观看| 麻豆成人av视频| av视频在线观看入口| 白带黄色成豆腐渣| 一区二区三区四区激情视频| 91精品一卡2卡3卡4卡| 最新中文字幕久久久久| 插逼视频在线观看| 亚洲av成人av| 免费黄网站久久成人精品| 午夜福利高清视频| 欧美xxxx黑人xx丫x性爽| 欧美日本视频| 日本色播在线视频| 亚洲精品影视一区二区三区av| 久久久久久久久久久丰满| 男女啪啪激烈高潮av片| 一边摸一边抽搐一进一小说| av在线亚洲专区| 久久99热这里只有精品18| 麻豆乱淫一区二区| 一级黄色大片毛片| 在线免费观看的www视频| 美女高潮的动态| 男的添女的下面高潮视频| 成人无遮挡网站| 成人高潮视频无遮挡免费网站| 日日撸夜夜添| 人妻系列 视频| 成人亚洲欧美一区二区av| 一个人免费在线观看电影| 国产淫语在线视频| 国产精品av视频在线免费观看| 精品一区二区三区视频在线| 国产精品一区二区在线观看99 | 人人妻人人澡人人爽人人夜夜 | 亚洲欧美成人综合另类久久久 | 只有这里有精品99| 亚洲欧美中文字幕日韩二区| 国产精品久久久久久久电影| 久久韩国三级中文字幕| 亚洲美女搞黄在线观看| 成人欧美大片| www日本黄色视频网| 精品无人区乱码1区二区| 日本免费在线观看一区| 免费搜索国产男女视频| 久久精品国产亚洲av涩爱| 国产精品爽爽va在线观看网站| 国产精品久久电影中文字幕| 国产av在哪里看| 久99久视频精品免费| 日本免费在线观看一区| av国产久精品久网站免费入址| 国产伦一二天堂av在线观看| 丰满乱子伦码专区| 久久精品熟女亚洲av麻豆精品 | 欧美最新免费一区二区三区| 一区二区三区四区激情视频| 欧美激情国产日韩精品一区| 91久久精品国产一区二区三区| 丝袜喷水一区| 亚州av有码| 18+在线观看网站| 69av精品久久久久久| 欧美日韩一区二区视频在线观看视频在线 | 亚洲欧美精品自产自拍| 建设人人有责人人尽责人人享有的 | 乱人视频在线观看| 国产精品一区二区在线观看99 | 麻豆精品久久久久久蜜桃| 最新中文字幕久久久久| 欧美97在线视频| 超碰av人人做人人爽久久| 人人妻人人澡人人爽人人夜夜 | 三级国产精品片| 久久亚洲精品不卡| 可以在线观看毛片的网站| 视频中文字幕在线观看| 精品国产一区二区三区久久久樱花 | 国产综合懂色| 欧美精品国产亚洲| 熟妇人妻久久中文字幕3abv| 97热精品久久久久久| 午夜福利高清视频| 一卡2卡三卡四卡精品乱码亚洲| 国产成人91sexporn| 免费一级毛片在线播放高清视频| 超碰av人人做人人爽久久| 国产老妇女一区| 午夜激情福利司机影院| 久久这里只有精品中国| 精品久久久久久久人妻蜜臀av| 天美传媒精品一区二区| 久久精品91蜜桃| 久久精品国产亚洲网站| 精品一区二区免费观看| 日韩欧美在线乱码| 亚洲精品影视一区二区三区av| 寂寞人妻少妇视频99o| 麻豆精品久久久久久蜜桃| 精品一区二区免费观看| 国产又色又爽无遮挡免| videossex国产| 男人舔奶头视频| 高清毛片免费看| 精品久久国产蜜桃| 看十八女毛片水多多多| 1024手机看黄色片| 五月伊人婷婷丁香| 免费人成在线观看视频色| 岛国在线免费视频观看| 边亲边吃奶的免费视频| 久久久久久久国产电影| 亚洲内射少妇av| 国产毛片a区久久久久| 国产精品熟女久久久久浪| 91aial.com中文字幕在线观看| av线在线观看网站| or卡值多少钱| 国产老妇女一区| 久久久久性生活片| 丰满人妻一区二区三区视频av| 午夜免费男女啪啪视频观看| 一边摸一边抽搐一进一小说| 日产精品乱码卡一卡2卡三| 天堂影院成人在线观看| av在线天堂中文字幕| 中文亚洲av片在线观看爽| 麻豆乱淫一区二区| 免费电影在线观看免费观看| 色5月婷婷丁香| 美女cb高潮喷水在线观看| 国产午夜精品久久久久久一区二区三区| 久久久久久久久久久丰满| 淫秽高清视频在线观看| 小说图片视频综合网站| 久久精品久久久久久久性| 97超视频在线观看视频| 日本熟妇午夜| 亚洲国产精品成人久久小说| 亚洲欧洲国产日韩| 国产成人午夜福利电影在线观看| 嫩草影院入口| 只有这里有精品99| 国产精品精品国产色婷婷| 久久久久国产网址| 国产成人aa在线观看| 99久久精品热视频| 亚洲无线观看免费| 禁无遮挡网站| 国产 一区精品| 国产淫语在线视频| 亚洲精品影视一区二区三区av| 久久热精品热| av黄色大香蕉| 99九九线精品视频在线观看视频| 欧美日韩综合久久久久久| 青春草国产在线视频| 国产欧美另类精品又又久久亚洲欧美| 亚洲无线观看免费| 久久久色成人| 久久亚洲精品不卡| 在线播放无遮挡| 日本欧美国产在线视频| 国产不卡一卡二| 中文字幕av在线有码专区| 最后的刺客免费高清国语| 亚洲欧美日韩无卡精品| 免费人成在线观看视频色| 嫩草影院入口| 村上凉子中文字幕在线| 精品国内亚洲2022精品成人| 精品久久久久久久末码| 黄片无遮挡物在线观看| 国产精品电影一区二区三区| av国产久精品久网站免费入址| 久久久午夜欧美精品| 国产一区有黄有色的免费视频 | 日韩高清综合在线| 深夜a级毛片| 国产精品野战在线观看| 日韩高清综合在线| av国产免费在线观看| 国产激情偷乱视频一区二区| 国模一区二区三区四区视频| 日韩一本色道免费dvd| av黄色大香蕉| 嫩草影院新地址| 男女啪啪激烈高潮av片| av在线老鸭窝| 久久韩国三级中文字幕| 久久99精品国语久久久| 成人美女网站在线观看视频| 亚洲aⅴ乱码一区二区在线播放| 一区二区三区高清视频在线| 直男gayav资源| 观看美女的网站| 亚洲精品aⅴ在线观看| 精品人妻一区二区三区麻豆| 狠狠狠狠99中文字幕|