• <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 ?

    機器學習算法在數據挖掘中的應用

    2015-10-26 22:14:23陳小燕
    現代電子技術 2015年20期
    關鍵詞:BP神經網絡數據挖掘

    陳小燕

    摘 要: 針對數據挖掘算法中常用的機器學習型算法進行研究。機器學習型算法特色是運用了人工智能技術,能在大量樣本集訓練和學習后自動找出運算需要的參數和模式。以機器學習型算法中的人工神經網絡為例研究數據挖掘技術,針對學習速度慢、抗干擾能力弱以及容易陷入局部最小值等缺點和傳統(tǒng)的遺傳算法存在算法早熟以及局部尋優(yōu)能力弱等問題,提出一種通過改進常規(guī)遺傳算法的染色體結構和遺傳算子,并且通過引入自適應交叉和變異概率來對BP神經網絡結構參數進行優(yōu)化的改進型遺傳優(yōu)化BP神經網絡模型。最后通過煤礦空壓機故障診斷系統(tǒng)這一實例來研究改進型算法的數據挖掘技術的性能。研究結果表明,改進后的算法建立的診斷模型相比常規(guī)神經網絡的診斷模型診斷準確率更好,診斷效率更快。

    關鍵詞: 數據挖掘; BP神經網絡; 遺傳優(yōu)化算法; 空壓機故障診斷

    中圖分類號: TN957.52+9?34; TP274 文獻標識碼: A 文章編號: 1004?373X(2015)20?0011?04

    Application of machine learning algorithm in data mining

    CHEN Xiaoyan

    (Jiangsu Polytechnic College of Agricultural and Forestry, Jurong 212400, China)

    Abstract: The machine learning algorithm commonly used in data mining algorithm is studied in this paper. AIT (artificial intelligence technology) is adopted in machine learning algorithm, which can automatically find out the parameters and modes required by operation after a large number of sample set training and learning. The artificial neural network in machine learning algorithm is taken as an example to research the data mining technology. Since the traditional genetic algorithm has the shortcomings of prematurity and weak local optimizing capacity, the improved genetic optimization BP neural network model is proposed by improving the chromosome structure and genetic operator, and by introducing adaptive crossover and mutation probability to optimize neural network structure parameters and solve the problems of slow learning speed, weak anti?jamming capability, and easily falling into local minimum value. Finally, the performance of the improved algorithm is studied by using the fault diagnosis system of air compressor. The research results show that the improved diagnostic model, compared with the conventional neural network diagnosis model, has better diagnostic accuracy and higher diagnostic efficiency.

    Keywords: data mining; BP neural network; genetic optimization algorithm; fault diagnosis of air compressor

    0 引 言

    數據挖掘技術是在整個社會發(fā)展中隨著科學和技術的不斷進步而順應需要所生。隨著信息化技術的不斷普及,人類社會逐步進入到信息化社會中,信息化管理技術隨之不斷提升,成本卻同時逐步下降,數據管理技術(Data Management Technology)在各企事業(yè)單位中進一步普及,從而推動企事業(yè)單位內部職能部門間的溝通聯(lián)絡。但是,隨之而來的弊病是海量數據的累積導致數據分析的困難[1?2]。

    1 數據挖掘

    數據挖掘算法中常用的有機器學習型算法和統(tǒng)計型算法兩類。前者的特色是運用了人工智能技術,能在大量樣本集訓練和學習后自動找出運算需要的參數和模式;后者則常用相關性分析、聚類分析、概率和判別分析等進行運算。不同算法當然有著各自不同的對應領域和目標,它們既能單獨使用,也能相互結合。

    機器學習型算法中人工神經網絡方法被普遍運用,它具有極好的數據處理能力和自組織學習能力,并且能準確進行識別,從而有助于分類問題中的數據處理。人工神經網絡通過建構模型而工作,其模型多樣,能滿足不同需求??傮w來看,人工神經網絡模型精確度高、魯棒性好,具有較強描述能力,在應用時可以無需專家支持。當然,它也存在一些缺陷,具體表現在:訓練數據所需要的時間較長;對所獲取知識的理解上不夠智能;開放性和可伸縮性也有一定局限性。

    傳統(tǒng)的BP神精網絡存在學習速度慢、抗干擾能力弱以及容易陷入局部最小值等缺點,而傳統(tǒng)的遺傳算法存在算法早熟以及局部尋優(yōu)能力弱等問題;所以本文提出一種通過改進常規(guī)遺傳算法的染色體結構和遺傳算子,并且通過引入自適應交叉和變異概率來對BP神經網絡結構參數進行優(yōu)化的改進型遺傳優(yōu)化BP神經網絡模型[3?4]。

    2 改進型GA?BP神經網絡

    本文為了提高BP神經網絡的性能,針對常規(guī)遺傳算法的染色體結構和遺傳算子進行改進。引入自適應交叉、變異概率以平衡優(yōu)化BP神經網絡的結構和初始權重。

    (1) 染色體結構設計。本文將染色體基因結構分為上下兩層結構,分別為控制基因和參數基因兩層,從而對常規(guī)的遺傳算法優(yōu)化BP神經網絡模型進行改進。處于上層的控制基因通過對BP神經網絡的隱含層節(jié)點數優(yōu)化從而實現對BP神經網絡結構的優(yōu)化。處于下層的參數基因主要對BP神經網絡的連接權值和閾值進行優(yōu)化。

    (2) 設計適應度函數。本文將適應度函數表示為:

    [f=a?frmse+b?fcom , 0

    式中:[n]為訓練樣本個數;[frmse]是訓練數據的均方根誤差,處于0~1之間;[yi]和[yi]分別是實際值和識別值。

    (3) 算子選擇。本文提出的改進型遺傳優(yōu)化BP神經網絡算法使用最優(yōu)個體保留方法實現算子選取以常規(guī)的適應值比例算法選取方法引起的局部最小值等問題[5]。

    (4) 交叉、變異算子。本文提出的改進型遺傳優(yōu)化BP神經網絡算法的上層控制基因采用單點交叉和基本位變異算子,下層的參數基因使用整體算數交叉和非一致變異算子。

    (5) 自適應交叉、變異概率。本文通過對自適應交叉、變異概率進行設計以平衡優(yōu)化BP神經網絡的結構和初始權重,具體設計過程如下,設定自適應交叉概率為:

    [Pc=k1fc-fminfavr-fmin, fc≤favrk2, fc>favrc] (2)

    式中:[favr],[fmin]及[fc]分別是種群的平均適應值、最小適應值以及交叉?zhèn)€體偏小的適應值;[k1],[k2]通常在1.0上下取值。設定自適應變異概率為:

    [Pm=k3fm-fminfavr-fmin, fm≤favrk4, fm>favrc] (3)

    式中:[fm]是等待變異的個體適應值;[k3],[k4]通常在0.5上下取值[5?7]。

    本文提出的改進型遺傳優(yōu)化BP神經網絡算法的實施步驟如下:

    Step1:采集并歸一化處理數據。將處理好后的數據分為訓練樣本數據和測試樣本數據兩大類。

    Step2:對遺傳優(yōu)化算法模型的基本參數,如進化最大代數為[G],種群的規(guī)模[N]以及隱含層節(jié)點數等進行設定。

    Step3:對種群上層種群個體使用二進制編碼,對種群下層種群個體使用實數編碼。

    Step4:對種群各個個體解碼以確定BP神經網絡的結構參數。

    Step5:遺傳操作種群中適應度優(yōu)異的個體。

    Step6:對種群中遺傳個體使用自適應概率進行交叉、變異操作,獲得新的子群。

    Step7:對上下層的子群個體解碼以對BP神經網絡隱含層節(jié)點數、權值和閾值等結構參數進行更新。

    Step8:如果迭代步數達到設定最大值或者最佳個體適應度值滿足要求,進入下一步,否則從Step5繼續(xù)循環(huán)。

    Step9:對適應值最佳的個體進行解碼以確定最佳的BP神經網絡隱含層節(jié)點數、閾值和連接權值等參數[8]。

    3 數據挖掘應用實例

    本文以煤礦空壓機的故障診斷系統(tǒng)為實例,對提出的基于改進型GA?BP神經網絡的數據挖掘模型進行研究。

    3.1 煤礦空壓機故障診斷系統(tǒng)

    在建立空壓機故障診斷模型之前,首先要通過查閱大量的空壓機使用說明、故障說明、專家、操作人員的現場使用經驗以及集合現在實時監(jiān)測數據對空壓機故障類型、故障來源等問題進行歸納總結。

    以某煤礦的煤礦空壓機故障診斷系統(tǒng)為例進行研究。通過經驗及現場數據對煤礦空壓機歸納出5種工作狀態(tài),用符號Y1~Y5表示,即為神經網絡故障診斷模型的輸出。Y1~Y5分別表示:煤礦空壓機為無故障工作狀態(tài);煤礦空壓機冷卻水系統(tǒng)出現故障的工作狀態(tài);煤礦空壓機潤滑系統(tǒng)出現故障的工作狀態(tài);煤礦空壓機軸承出現故障的工作狀態(tài);煤礦空壓機電路系統(tǒng)出現故障的工作狀態(tài)。

    當煤礦空壓機出現上述故障情況時,會有相應的故障征兆,根據經驗及文獻可以將煤礦空壓機的故障征兆或者故障現象歸納為10種,用符號X1~X10表示,即為神經網絡故障診斷模型的輸入。X1~X10分別表示:煤礦空壓機排氣量過低、空壓機排氣壓力不足、空壓機排氣溫度超限、空壓機冷卻水溫度超限、空壓機冷卻水壓力不足、空壓機主機轉速低限、空壓機振動超限、空壓機潤滑系統(tǒng)油溫超限、空壓機潤滑油壓力不足以及軸承溫度超限。

    煤礦空壓機的故障征兆或者故障現象與煤礦空壓機出現故障的工作狀態(tài)有一定的內在聯(lián)系,但又不是一一對應的,屬于非線性關系,在此將歸納整理的煤礦空壓機的故障狀態(tài)和故障現象之間的內在聯(lián)系列于表1。

    通過長期的現場監(jiān)測得到了大量關于煤礦空壓機在正常工作及各種故障狀態(tài)下的系統(tǒng)數據。通過對數據處理選取100組數據作為基于數據挖掘的故障診斷系統(tǒng)的訓練數據樣本,選取100組數據用于基于數據挖掘的故障診斷系統(tǒng)的性能測試數據樣本。表2列出了10組部分用于網絡訓練和測試的數據樣本。

    表1 空壓機故障狀態(tài)及故障現象關系

    本文將所有用于訓練和測試的數據樣本進行歸一化處理以消除不同傳感器信號數據不同量綱產生的影響,通過式(4)將所有數據歸一到0.05~0.95之間:

    [S*=0.9(S-Smin)Smax-Smin+0.05] (4)

    式中:[S]為歸一化處理之前的值;[Smax]為是歸一化處理的最大值;[Smin]為是歸一化處理的最小值。

    建立基于本文提出的基于改進型GA?BP神經網絡的故障診斷系統(tǒng)主要分為兩大塊:

    第一塊是利用改進GA算法對BP神經網絡結構參數進行優(yōu)化,如閾值[θj],[γ]、隱層節(jié)點數[m]以及連接權值[wj1],[wij]等;第二塊就是根據優(yōu)化后的BP神經網絡結構參數進行建模。

    故障診斷系統(tǒng)的輸入單元數由煤礦空壓機故障現象確定,通過上述分析,確定數量為10,即X1~X10;輸出單元個數由煤礦空壓機的工作狀態(tài)確定,通過上述分析,確定數量為5,即Y1~Y5;隱含層為單層,單元數量一般先通過經驗試湊法確定為16。初始閾值[θj],[γ]以及初始連接權值[wj1],[wij]在-3~3范圍內取值;神經網絡的最大訓練次數設定為3 000,精度為10-3。

    設定遺傳算法中種群的規(guī)模為[N=150],進化最大代數為[G=300],及其他參數[b=0.1],[k1=k2=1.0],[k3=k4=0.5]。

    通過遺傳算法優(yōu)化的平均適應度曲線如圖1所示,隱含層節(jié)點數優(yōu)化曲線如圖2所示,最終隱含層節(jié)點數通過189次的迭代后確定為22。

    3.2 基于數據挖掘的空壓機故障診斷分析

    針對上述建立的煤礦空壓機故障診斷系統(tǒng)進行仿真研究,為了比較本文提出的改進型GA?BP神經網絡算法的優(yōu)越性能,使用基于常規(guī)GA優(yōu)化的BP神經網絡建立同樣的煤礦空壓機故障針對系統(tǒng),使用同樣的訓練數據樣本進行網絡訓練,使用同樣的測試數據樣本進行性能測試。使用采集并處理后的100組訓練樣本對模型進行訓練,得到兩種模型的誤差逼近曲線如圖3,圖4所示。

    圖1 平均適應度變化

    圖2 隱含層節(jié)點數更新過程

    圖3 常規(guī)GA優(yōu)化的BP神經網絡訓練誤差

    通過對比可以看出,使用本文提出的改進型GA?BP神經網絡算法經過569次迭代就使得誤差達到了設定范圍內,而使用常規(guī)GA優(yōu)化的BP神經網絡算法經過2 779次迭代才使得誤差滿足要求。因此在網絡的訓練速度、收斂速度和收斂精度方面,本文提出的改進型GA?BP神經網絡算法更勝一籌。

    下面使用采集并處理后的100組測試數據樣本對故障診斷模型的診斷性能進行測試。測試結果表明,常規(guī)GA優(yōu)化的BP神經網絡的診斷正確率為87.5%,診斷時間為564 s,輸出值不穩(wěn)定,而本文提出的改進型GA?BP神經網絡的診斷正確率為98.2%,診斷時間為246 s,輸出值穩(wěn)定。

    圖4 改進GA優(yōu)化的BP神經網絡訓練誤差

    可以看出,相比于常規(guī)GA優(yōu)化的BP神經網絡,本文提出的改進型GA?BP神經網絡算法所建立的故障診斷模型的性能更優(yōu),檢測準確率以及速度更快,誤判率極低。

    4 結 論

    數據挖掘技術是在整個社會發(fā)展中隨著科學和技術的不斷進步而順應需要所生,在近年來發(fā)展十分迅速。本文針對機器學習算法中的人工神經網絡算法在數據挖掘技術中的應用進行了研究,提出一種通過改進常規(guī)遺傳算法的染色體結構和遺傳算子,并且通過引入自適應交叉和變異概率來對BP神經網絡結構參數進行優(yōu)化的改進型遺傳優(yōu)化BP神經網絡模型。最后通過將提出的基于改進GA?BP神經網絡算法的數據挖掘技術應用于無法用數學模型建立、具有復雜非線性、數據龐大的煤礦空壓機故障診斷系統(tǒng)中。

    參考文獻

    [1] 胡秀.基于Web的數據挖掘技術研究[J].軟件導刊,2015(1):149?150.

    [2] 李仕瓊.數據挖掘中關聯(lián)規(guī)則挖掘算法的分析研[J].電子技術與軟件工程,2015(4):200?202.

    [3] 陳勇.一種目標行為序列模式的數據挖掘方法[J].無線電通信技術,2015(2):79?81.

    [4] 于書媛,陳靚,王偉.基于空間數據挖掘的合肥市應急避難場所選址[J].地理空間信息,2015(1):93?95.

    [5] 莊健,楊清宇,杜海峰,等.一種高效的復雜系統(tǒng)遺傳算法[J].軟件學報,2010(11):2790?2801.

    [6] 劉磊.基于遺傳神經網絡的指數跟蹤優(yōu)化方法[J].系統(tǒng)工程理論與實踐,2010(1):22?29.

    [7] 宋國峰,梁昌勇,梁焱,等.改進遺傳算法優(yōu)化BP神經網絡的旅游景區(qū)日客流量預測[J].小型微型計算機系統(tǒng),2014(9):2136?2141.

    [8] 李松,劉力軍,解永樂.遺傳算法優(yōu)化BP神經網絡的短時交通流混沌預測[J].控制與決策,2011(10):1581?1585.

    猜你喜歡
    BP神經網絡數據挖掘
    探討人工智能與數據挖掘發(fā)展趨勢
    基于并行計算的大數據挖掘在電網中的應用
    電力與能源(2017年6期)2017-05-14 06:19:37
    就bp神經網絡銀行選址模型的相關研究
    數據挖掘技術在中醫(yī)診療數據分析中的應用
    基于DEA—GA—BP的建設工程評標方法研究
    價值工程(2016年30期)2016-11-24 13:17:31
    基于BP神經網絡的旅行社發(fā)展方向研究
    商情(2016年39期)2016-11-21 09:30:36
    復雜背景下的手勢識別方法
    BP神經網絡在軟件質量評價中的應用研究 
    軟件導刊(2016年9期)2016-11-07 18:25:50
    BP神經網絡算法在數值預報產品釋用中的應用
    科技視界(2016年20期)2016-09-29 14:15:12
    一種基于Hadoop的大數據挖掘云服務及應用
    色哟哟·www| 人人妻人人添人人爽欧美一区卜| 精品一区在线观看国产| 十分钟在线观看高清视频www| 啦啦啦中文免费视频观看日本| 99热这里只有是精品在线观看| 欧美精品高潮呻吟av久久| 成人亚洲精品一区在线观看| 亚洲国产精品专区欧美| 国产综合精华液| 九色亚洲精品在线播放| 赤兔流量卡办理| 国产成人精品久久久久久| 26uuu在线亚洲综合色| 观看美女的网站| 亚洲精品成人av观看孕妇| 一级毛片aaaaaa免费看小| 成人亚洲欧美一区二区av| 国产精品无大码| 成人影院久久| 亚洲国产色片| 黄色欧美视频在线观看| 亚洲av欧美aⅴ国产| xxx大片免费视频| 18禁在线无遮挡免费观看视频| 热re99久久精品国产66热6| 日韩电影二区| 午夜日本视频在线| 一级二级三级毛片免费看| 国产 精品1| 大又大粗又爽又黄少妇毛片口| 肉色欧美久久久久久久蜜桃| 午夜激情久久久久久久| 久久精品夜色国产| 日日摸夜夜添夜夜添av毛片| 街头女战士在线观看网站| 亚洲欧洲精品一区二区精品久久久 | 日韩伦理黄色片| 午夜免费鲁丝| 免费看av在线观看网站| 亚洲国产精品999| 亚洲av中文av极速乱| 国产精品三级大全| 97精品久久久久久久久久精品| 亚洲欧美色中文字幕在线| 精品国产露脸久久av麻豆| 日本-黄色视频高清免费观看| 日韩人妻高清精品专区| 精品熟女少妇av免费看| 两个人的视频大全免费| 婷婷色麻豆天堂久久| 视频在线观看一区二区三区| 免费高清在线观看视频在线观看| 亚洲精品亚洲一区二区| 永久免费av网站大全| 久久久久精品久久久久真实原创| 日本wwww免费看| 亚洲国产精品专区欧美| 日韩强制内射视频| 精品久久久精品久久久| 日韩免费高清中文字幕av| 男人操女人黄网站| 日韩中字成人| 国产一区亚洲一区在线观看| 国产免费一区二区三区四区乱码| 特大巨黑吊av在线直播| 亚洲三级黄色毛片| 亚洲经典国产精华液单| freevideosex欧美| 亚洲激情五月婷婷啪啪| 欧美精品人与动牲交sv欧美| 精品久久久久久电影网| 在线观看国产h片| 精品久久蜜臀av无| 中文欧美无线码| 亚州av有码| 毛片一级片免费看久久久久| 国产黄色视频一区二区在线观看| 韩国高清视频一区二区三区| 乱人伦中国视频| 国产成人午夜福利电影在线观看| 国产精品不卡视频一区二区| 国产高清不卡午夜福利| 国产成人精品无人区| 最新的欧美精品一区二区| 男人操女人黄网站| 亚洲国产av影院在线观看| 97在线视频观看| 啦啦啦视频在线资源免费观看| 99久国产av精品国产电影| 另类精品久久| 亚洲三级黄色毛片| 久久国产精品男人的天堂亚洲 | 亚洲av综合色区一区| 99久久人妻综合| 日韩在线高清观看一区二区三区| 满18在线观看网站| 久久久精品94久久精品| 91精品国产九色| 大香蕉久久网| xxx大片免费视频| 午夜激情av网站| 在线播放无遮挡| 午夜日本视频在线| 大片免费播放器 马上看| 久久精品国产鲁丝片午夜精品| 久久女婷五月综合色啪小说| 夫妻午夜视频| 国产欧美日韩一区二区三区在线 | 99久久精品国产国产毛片| 天天影视国产精品| 大香蕉久久成人网| 毛片一级片免费看久久久久| 亚洲丝袜综合中文字幕| 蜜臀久久99精品久久宅男| 观看美女的网站| 九九爱精品视频在线观看| 国产在线免费精品| 少妇的逼好多水| 国产精品国产三级国产专区5o| 亚洲国产精品999| av福利片在线| 男人爽女人下面视频在线观看| 成人综合一区亚洲| 最黄视频免费看| 一区二区三区免费毛片| 秋霞伦理黄片| 少妇丰满av| 夜夜骑夜夜射夜夜干| h视频一区二区三区| 亚洲精品日韩在线中文字幕| 一二三四中文在线观看免费高清| 国产色婷婷99| 街头女战士在线观看网站| 国产免费视频播放在线视频| 日韩电影二区| 又大又黄又爽视频免费| 夜夜骑夜夜射夜夜干| 日韩欧美一区视频在线观看| 26uuu在线亚洲综合色| 国产在视频线精品| 久久av网站| 99热国产这里只有精品6| 久久99热这里只频精品6学生| 老熟女久久久| 汤姆久久久久久久影院中文字幕| 日日摸夜夜添夜夜爱| 97在线人人人人妻| 母亲3免费完整高清在线观看 | 国产一区二区三区av在线| 91久久精品国产一区二区成人| av在线app专区| 纵有疾风起免费观看全集完整版| av国产精品久久久久影院| av黄色大香蕉| 欧美日韩成人在线一区二区| 国产免费视频播放在线视频| 日本欧美视频一区| 五月伊人婷婷丁香| 99久久精品国产国产毛片| 中文字幕亚洲精品专区| 亚洲欧美一区二区三区国产| 久热这里只有精品99| 日本与韩国留学比较| 日日摸夜夜添夜夜爱| 一级爰片在线观看| 一区在线观看完整版| 精品卡一卡二卡四卡免费| 成人综合一区亚洲| 精品国产一区二区久久| 久久久久精品性色| 精品酒店卫生间| av免费在线看不卡| 性色av一级| 国产成人精品在线电影| 成人18禁高潮啪啪吃奶动态图 | 超色免费av| 精品少妇内射三级| 日韩在线高清观看一区二区三区| 我的女老师完整版在线观看| 99热这里只有是精品在线观看| 国产免费现黄频在线看| 黑人猛操日本美女一级片| 女的被弄到高潮叫床怎么办| 国产成人精品无人区| 观看美女的网站| 91成人精品电影| 一级,二级,三级黄色视频| 黄色毛片三级朝国网站| kizo精华| 少妇被粗大猛烈的视频| 一二三四中文在线观看免费高清| 欧美日韩av久久| 亚洲国产精品国产精品| 老女人水多毛片| 欧美精品高潮呻吟av久久| 亚洲av成人精品一区久久| 99国产精品免费福利视频| 伊人久久精品亚洲午夜| 国产精品 国内视频| 有码 亚洲区| 天美传媒精品一区二区| 国产一级毛片在线| 全区人妻精品视频| 国产精品偷伦视频观看了| 亚洲内射少妇av| 男男h啪啪无遮挡| 蜜桃国产av成人99| 人妻一区二区av| 91午夜精品亚洲一区二区三区| 国产欧美另类精品又又久久亚洲欧美| 男男h啪啪无遮挡| 如何舔出高潮| 午夜福利,免费看| 天天操日日干夜夜撸| 黑人高潮一二区| 国产精品久久久久久av不卡| 亚洲少妇的诱惑av| 女性生殖器流出的白浆| 亚洲国产精品专区欧美| 亚洲综合精品二区| 精品少妇黑人巨大在线播放| 又粗又硬又长又爽又黄的视频| 美女视频免费永久观看网站| a级毛片在线看网站| 在线观看免费高清a一片| 一区二区日韩欧美中文字幕 | 日本午夜av视频| 男人爽女人下面视频在线观看| 黄色配什么色好看| 精品久久久久久久久av| 日日啪夜夜爽| 欧美bdsm另类| 啦啦啦啦在线视频资源| 人成视频在线观看免费观看| 亚洲欧美清纯卡通| 少妇高潮的动态图| 国产精品女同一区二区软件| 久久婷婷青草| 日韩大片免费观看网站| 如何舔出高潮| 国产精品偷伦视频观看了| 亚洲四区av| 亚洲国产日韩一区二区| 国产高清国产精品国产三级| 日韩视频在线欧美| 成人国语在线视频| 国产欧美日韩一区二区三区在线 | 纯流量卡能插随身wifi吗| 精品人妻偷拍中文字幕| 在现免费观看毛片| 免费av不卡在线播放| 国产精品女同一区二区软件| 热99久久久久精品小说推荐| xxx大片免费视频| 三上悠亚av全集在线观看| 母亲3免费完整高清在线观看 | 国产精品国产三级国产av玫瑰| 欧美亚洲日本最大视频资源| 汤姆久久久久久久影院中文字幕| 精品人妻熟女av久视频| 日本黄大片高清| 黄色毛片三级朝国网站| 国产在线视频一区二区| 人人澡人人妻人| 免费人成在线观看视频色| 少妇人妻 视频| 日韩一区二区三区影片| 肉色欧美久久久久久久蜜桃| 精品国产国语对白av| 色5月婷婷丁香| 午夜激情久久久久久久| 午夜影院在线不卡| 中国三级夫妇交换| 高清在线视频一区二区三区| 免费观看a级毛片全部| 简卡轻食公司| 纵有疾风起免费观看全集完整版| 一本一本综合久久| 免费观看av网站的网址| 午夜福利视频精品| 岛国毛片在线播放| av又黄又爽大尺度在线免费看| 丝袜美足系列| 精品久久蜜臀av无| av国产久精品久网站免费入址| 九九爱精品视频在线观看| 大香蕉久久网| 日韩制服骚丝袜av| 国产片特级美女逼逼视频| 久久狼人影院| 亚洲av二区三区四区| 菩萨蛮人人尽说江南好唐韦庄| 夜夜骑夜夜射夜夜干| 成年av动漫网址| 成人毛片a级毛片在线播放| 少妇猛男粗大的猛烈进出视频| 国产淫语在线视频| 亚洲av国产av综合av卡| 在线观看国产h片| 久久久久精品性色| 亚洲久久久国产精品| 久久久午夜欧美精品| 国产成人午夜福利电影在线观看| 免费人妻精品一区二区三区视频| 一边亲一边摸免费视频| 女性被躁到高潮视频| 国产欧美日韩一区二区三区在线 | 亚洲精品乱久久久久久| a级毛片免费高清观看在线播放| 亚洲精品第二区| 成人亚洲精品一区在线观看| 国产成人精品婷婷| 在线 av 中文字幕| 一边摸一边做爽爽视频免费| 秋霞伦理黄片| 免费观看a级毛片全部| 性色avwww在线观看| 亚洲av在线观看美女高潮| 免费人妻精品一区二区三区视频| 午夜福利影视在线免费观看| 国产高清三级在线| 国产精品久久久久久久电影| 国产日韩一区二区三区精品不卡 | 一个人看视频在线观看www免费| 国产熟女午夜一区二区三区 | 女的被弄到高潮叫床怎么办| 毛片一级片免费看久久久久| 国产无遮挡羞羞视频在线观看| 国产av精品麻豆| 亚州av有码| 免费日韩欧美在线观看| 欧美成人精品欧美一级黄| 伊人久久精品亚洲午夜| 少妇人妻 视频| av不卡在线播放| 午夜免费男女啪啪视频观看| 国产免费福利视频在线观看| 国产视频首页在线观看| 亚洲国产精品成人久久小说| 美女视频免费永久观看网站| 十八禁网站网址无遮挡| 国产一区亚洲一区在线观看| 久久久久国产精品人妻一区二区| 久久久久国产网址| 国产男女内射视频| 丁香六月天网| 欧美精品一区二区免费开放| 日日摸夜夜添夜夜爱| 欧美一级a爱片免费观看看| 亚洲精品自拍成人| 国产黄片视频在线免费观看| 精品亚洲成a人片在线观看| 夜夜爽夜夜爽视频| 青春草国产在线视频| 考比视频在线观看| 欧美bdsm另类| 欧美精品亚洲一区二区| 亚洲中文av在线| 亚洲内射少妇av| 国产爽快片一区二区三区| 成年美女黄网站色视频大全免费 | 亚洲美女搞黄在线观看| 欧美xxⅹ黑人| 青春草亚洲视频在线观看| 国产69精品久久久久777片| 亚洲成人av在线免费| 少妇的逼好多水| 亚洲欧美一区二区三区国产| 人妻一区二区av| 最新中文字幕久久久久| 色婷婷久久久亚洲欧美| 欧美变态另类bdsm刘玥| 3wmmmm亚洲av在线观看| 中文乱码字字幕精品一区二区三区| 在线观看免费视频网站a站| 在线观看免费日韩欧美大片 | 中文字幕人妻熟人妻熟丝袜美| 这个男人来自地球电影免费观看 | 最后的刺客免费高清国语| 久久精品国产亚洲av涩爱| 国产精品女同一区二区软件| 看免费成人av毛片| 高清不卡的av网站| 成人亚洲精品一区在线观看| 亚洲欧美清纯卡通| 天天操日日干夜夜撸| 简卡轻食公司| 欧美日韩成人在线一区二区| 国产一级毛片在线| 国产精品秋霞免费鲁丝片| 亚洲美女搞黄在线观看| 桃花免费在线播放| 青春草视频在线免费观看| 久久久国产一区二区| 久久这里有精品视频免费| 精品一区在线观看国产| 久久精品国产亚洲av涩爱| 亚洲色图综合在线观看| 国产精品一区二区在线观看99| 成人无遮挡网站| 亚洲成人av在线免费| 国语对白做爰xxxⅹ性视频网站| 全区人妻精品视频| 国产精品一区www在线观看| 久久久亚洲精品成人影院| 国产日韩欧美视频二区| 午夜av观看不卡| 亚洲国产欧美日韩在线播放| 菩萨蛮人人尽说江南好唐韦庄| 精品亚洲成国产av| 精品久久久久久久久av| 中国美白少妇内射xxxbb| 在线观看美女被高潮喷水网站| 91精品三级在线观看| 亚洲欧美日韩卡通动漫| 久久久久久久久久人人人人人人| 大香蕉97超碰在线| 中文天堂在线官网| 国产乱来视频区| 中文欧美无线码| 中文字幕亚洲精品专区| 十分钟在线观看高清视频www| 国产日韩欧美在线精品| 亚洲精品国产色婷婷电影| 国产成人一区二区在线| 在线观看免费高清a一片| 人体艺术视频欧美日本| 国产精品熟女久久久久浪| 天天躁夜夜躁狠狠久久av| 99热6这里只有精品| 在线观看免费日韩欧美大片 | 国产男人的电影天堂91| 亚洲精华国产精华液的使用体验| 黑人欧美特级aaaaaa片| 大香蕉久久网| 久久国内精品自在自线图片| 视频在线观看一区二区三区| 欧美成人精品欧美一级黄| 九九久久精品国产亚洲av麻豆| 国产色爽女视频免费观看| 精品久久久久久久久av| 亚洲久久久国产精品| 美女福利国产在线| 亚洲欧美精品自产自拍| 日韩一区二区三区影片| 又大又黄又爽视频免费| 亚洲第一av免费看| 成人18禁高潮啪啪吃奶动态图 | 国产精品一区二区在线不卡| 国产在线免费精品| av不卡在线播放| 亚洲精品自拍成人| 中文字幕亚洲精品专区| 亚洲精品色激情综合| 中文字幕久久专区| 美女xxoo啪啪120秒动态图| 五月开心婷婷网| 免费观看的影片在线观看| 男女啪啪激烈高潮av片| 亚洲av不卡在线观看| av免费在线看不卡| 久久久精品免费免费高清| 少妇 在线观看| 街头女战士在线观看网站| 嘟嘟电影网在线观看| 一区二区三区精品91| 亚洲国产最新在线播放| 我要看黄色一级片免费的| 少妇高潮的动态图| 欧美日韩视频高清一区二区三区二| 国产精品国产av在线观看| 一级a做视频免费观看| 精品视频人人做人人爽| 一边亲一边摸免费视频| 久久婷婷青草| 亚洲国产欧美在线一区| 中文字幕人妻熟人妻熟丝袜美| av免费在线看不卡| 国产亚洲精品第一综合不卡 | 视频区图区小说| videossex国产| 免费大片黄手机在线观看| 色吧在线观看| 黑人巨大精品欧美一区二区蜜桃 | 多毛熟女@视频| 欧美变态另类bdsm刘玥| 国产高清国产精品国产三级| 亚洲av在线观看美女高潮| 中文欧美无线码| 热99国产精品久久久久久7| 免费观看av网站的网址| 午夜福利影视在线免费观看| 久久久国产精品麻豆| 天堂8中文在线网| 少妇被粗大的猛进出69影院 | 成人手机av| 一级黄片播放器| 日韩av在线免费看完整版不卡| 午夜影院在线不卡| 26uuu在线亚洲综合色| 免费看av在线观看网站| 91久久精品电影网| av电影中文网址| 看十八女毛片水多多多| 黄片播放在线免费| 欧美老熟妇乱子伦牲交| 国产男女内射视频| 精品一区二区三卡| 国产精品人妻久久久影院| 十八禁高潮呻吟视频| 观看av在线不卡| 丝袜在线中文字幕| 如日韩欧美国产精品一区二区三区 | 日本欧美国产在线视频| 国产有黄有色有爽视频| 99久久综合免费| 久久精品国产亚洲av涩爱| 亚洲国产精品一区三区| 91精品一卡2卡3卡4卡| 国产亚洲午夜精品一区二区久久| 91成人精品电影| 五月玫瑰六月丁香| 亚洲av在线观看美女高潮| 国产成人免费观看mmmm| 91成人精品电影| 18禁裸乳无遮挡动漫免费视频| 久久久a久久爽久久v久久| 精品久久蜜臀av无| av专区在线播放| 日韩av免费高清视频| 国产不卡av网站在线观看| 亚洲婷婷狠狠爱综合网| 亚洲av国产av综合av卡| 国产日韩欧美亚洲二区| av天堂久久9| 精品国产一区二区三区久久久樱花| 久久精品夜色国产| 色婷婷av一区二区三区视频| 熟女av电影| 最近手机中文字幕大全| 国产精品一国产av| 久久久久久久亚洲中文字幕| 免费观看性生交大片5| 成人毛片60女人毛片免费| 国产精品蜜桃在线观看| 国产男女内射视频| 亚洲av二区三区四区| 亚洲欧美日韩另类电影网站| 七月丁香在线播放| 人人妻人人爽人人添夜夜欢视频| 亚洲av免费高清在线观看| 观看av在线不卡| 亚洲丝袜综合中文字幕| 美女内射精品一级片tv| 视频在线观看一区二区三区| 国产日韩欧美亚洲二区| 青青草视频在线视频观看| 亚洲欧美一区二区三区黑人 | 97精品久久久久久久久久精品| 国产伦精品一区二区三区视频9| 国产av一区二区精品久久| videossex国产| 一区二区三区精品91| 国产精品麻豆人妻色哟哟久久| 国产精品女同一区二区软件| 寂寞人妻少妇视频99o| 中文字幕亚洲精品专区| 欧美少妇被猛烈插入视频| 大陆偷拍与自拍| 三级国产精品片| 黑人高潮一二区| 国产欧美亚洲国产| 51国产日韩欧美| 日韩制服骚丝袜av| 人人妻人人爽人人添夜夜欢视频| 国产精品嫩草影院av在线观看| 哪个播放器可以免费观看大片| 日韩视频在线欧美| av卡一久久| 亚洲av国产av综合av卡| 国产高清三级在线| 亚洲欧美日韩卡通动漫| 亚洲精品视频女| av黄色大香蕉| 久久久久久久精品精品| 久久久久久久久久久久大奶| 高清在线视频一区二区三区| 在线观看美女被高潮喷水网站| 国产成人精品无人区| 黑人巨大精品欧美一区二区蜜桃 | 亚洲成人一二三区av| 少妇的逼好多水| 国产高清不卡午夜福利| 国产无遮挡羞羞视频在线观看| 国产亚洲欧美精品永久| 亚洲经典国产精华液单| 日本黄色片子视频| 中文精品一卡2卡3卡4更新| 成年人午夜在线观看视频| 3wmmmm亚洲av在线观看| 午夜免费男女啪啪视频观看| 夜夜骑夜夜射夜夜干| 国产一区二区在线观看日韩| 国产成人午夜福利电影在线观看| 我要看黄色一级片免费的| 欧美bdsm另类| 国产精品不卡视频一区二区| 一本一本综合久久| 免费av不卡在线播放| 一级黄片播放器| 精品午夜福利在线看| av有码第一页| 99热这里只有是精品在线观看| 久久人人爽人人爽人人片va|