• <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
    中文精品一卡2卡3卡4更新| 日韩精品有码人妻一区| 免费高清在线观看视频在线观看| 男人舔奶头视频| 99热这里只有是精品50| 久久97久久精品| 国产精品爽爽va在线观看网站| 欧美性猛交╳xxx乱大交人| 偷拍熟女少妇极品色| 欧美一区二区亚洲| 精品久久久精品久久久| 国产精品熟女久久久久浪| 亚洲国产精品成人久久小说| 日韩一区二区三区影片| 欧美高清性xxxxhd video| 国产高潮美女av| 天堂中文最新版在线下载 | 韩国av在线不卡| 大香蕉97超碰在线| 熟女人妻精品中文字幕| 国产91av在线免费观看| 麻豆成人av视频| 日本免费在线观看一区| 2018国产大陆天天弄谢| 人妻少妇偷人精品九色| 午夜免费男女啪啪视频观看| 91aial.com中文字幕在线观看| 久久精品综合一区二区三区| 人妻少妇偷人精品九色| 午夜精品一区二区三区免费看| 国产精品一区二区在线观看99| 99热国产这里只有精品6| 嫩草影院新地址| 性色av一级| 熟女av电影| 国产乱人视频| 久久影院123| 亚洲精品色激情综合| 王馨瑶露胸无遮挡在线观看| 天堂俺去俺来也www色官网| 赤兔流量卡办理| 男女啪啪激烈高潮av片| 综合色丁香网| 美女视频免费永久观看网站| 成年版毛片免费区| 久久久久精品久久久久真实原创| 精品久久久久久久久av| 国产成人免费无遮挡视频| 中文字幕亚洲精品专区| 天天一区二区日本电影三级| 精品国产乱码久久久久久小说| 最近中文字幕高清免费大全6| 欧美3d第一页| 色综合色国产| 国产成人91sexporn| 亚洲色图综合在线观看| 99热这里只有精品一区| 欧美日韩一区二区视频在线观看视频在线 | 国产淫片久久久久久久久| 欧美一级a爱片免费观看看| 肉色欧美久久久久久久蜜桃 | 看黄色毛片网站| 国产成人精品久久久久久| av免费在线看不卡| 老司机影院成人| 联通29元200g的流量卡| 人妻夜夜爽99麻豆av| 亚州av有码| 亚洲精品国产av成人精品| 国产 一区 欧美 日韩| 国产毛片a区久久久久| 亚洲欧美日韩无卡精品| 亚洲精品久久午夜乱码| 亚洲精品456在线播放app| 一个人看视频在线观看www免费| 女人久久www免费人成看片| 久久精品久久久久久噜噜老黄| 亚洲色图综合在线观看| 亚洲图色成人| 午夜福利高清视频| 久久久久久久午夜电影| 天堂俺去俺来也www色官网| 搞女人的毛片| 成人毛片a级毛片在线播放| 国产精品偷伦视频观看了| 偷拍熟女少妇极品色| 韩国av在线不卡| 亚洲无线观看免费| 国内揄拍国产精品人妻在线| 插阴视频在线观看视频| 日韩电影二区| av播播在线观看一区| 夫妻午夜视频| 99热全是精品| 精品酒店卫生间| 免费播放大片免费观看视频在线观看| 精品久久久精品久久久| 赤兔流量卡办理| 日日啪夜夜撸| 一区二区三区四区激情视频| 男女那种视频在线观看| 久久热精品热| 色视频在线一区二区三区| 嘟嘟电影网在线观看| 色综合色国产| 中文精品一卡2卡3卡4更新| 熟女人妻精品中文字幕| 亚洲在久久综合| 亚洲成色77777| 久久久成人免费电影| 18禁在线无遮挡免费观看视频| 国产大屁股一区二区在线视频| h日本视频在线播放| 精品久久久久久电影网| 国产片特级美女逼逼视频| 可以在线观看毛片的网站| 91午夜精品亚洲一区二区三区| 亚洲精品国产成人久久av| 日本黄色片子视频| 亚洲成人av在线免费| 日本wwww免费看| 97热精品久久久久久| 老师上课跳d突然被开到最大视频| 国产熟女欧美一区二区| 国产一区二区亚洲精品在线观看| 99热全是精品| 天堂网av新在线| 日韩成人伦理影院| 熟女av电影| 伊人久久精品亚洲午夜| 国产免费福利视频在线观看| av在线观看视频网站免费| 精品午夜福利在线看| 亚洲国产精品成人综合色| 热99国产精品久久久久久7| 亚洲精品乱码久久久v下载方式| 中文资源天堂在线| 国产免费福利视频在线观看| 亚洲欧洲国产日韩| 看黄色毛片网站| 人妻 亚洲 视频| 亚洲精华国产精华液的使用体验| 精品国产三级普通话版| 亚洲综合精品二区| 午夜免费男女啪啪视频观看| 草草在线视频免费看| 国产综合精华液| 国产91av在线免费观看| 日本-黄色视频高清免费观看| 在线观看三级黄色| 热re99久久精品国产66热6| 久久久久久久久久久免费av| 国产精品人妻久久久影院| 简卡轻食公司| 五月开心婷婷网| 一本色道久久久久久精品综合| 老司机影院成人| 色5月婷婷丁香| 精品久久久久久久久亚洲| 精品久久久精品久久久| 亚洲精品一二三| 日本午夜av视频| 亚洲综合精品二区| 国产成人一区二区在线| 亚洲av成人精品一二三区| 好男人视频免费观看在线| 日韩电影二区| 3wmmmm亚洲av在线观看| 国产亚洲精品久久久com| 日韩电影二区| av播播在线观看一区| 亚洲国产精品成人综合色| 女人被狂操c到高潮| 在线观看免费高清a一片| 在线观看av片永久免费下载| av播播在线观看一区| 亚洲最大成人av| 最近手机中文字幕大全| 国产爽快片一区二区三区| 国产精品一区二区三区四区免费观看| 交换朋友夫妻互换小说| 七月丁香在线播放| av在线播放精品| 又爽又黄无遮挡网站| 国产亚洲av嫩草精品影院| 99热全是精品| 亚洲欧美日韩卡通动漫| 男人和女人高潮做爰伦理| 极品教师在线视频| 80岁老熟妇乱子伦牲交| 只有这里有精品99| 黄色怎么调成土黄色| 国产精品一区www在线观看| 人妻 亚洲 视频| 黄片无遮挡物在线观看| 97超视频在线观看视频| 亚洲精品久久午夜乱码| 熟女人妻精品中文字幕| 成年女人在线观看亚洲视频 | 免费观看性生交大片5| 免费少妇av软件| 如何舔出高潮| 人人妻人人看人人澡| 欧美变态另类bdsm刘玥| 日韩人妻高清精品专区| 色吧在线观看| 搡老乐熟女国产| 少妇熟女欧美另类| 久久这里有精品视频免费| 白带黄色成豆腐渣| 日本色播在线视频| 久久影院123| 午夜激情福利司机影院| 中文字幕久久专区| 在线看a的网站| 99久久精品热视频| 性色avwww在线观看| 欧美成人午夜免费资源| 精品酒店卫生间| 亚洲欧洲国产日韩| 黄色怎么调成土黄色| 香蕉精品网在线| 国产伦在线观看视频一区| 亚洲精品日韩在线中文字幕| a级毛片免费高清观看在线播放| 亚洲欧美中文字幕日韩二区| 日韩一区二区视频免费看| av.在线天堂| 国产精品国产三级国产av玫瑰| 欧美激情在线99| 日韩电影二区| 国产精品一及| 国产91av在线免费观看| 免费看a级黄色片| 亚洲精品国产色婷婷电影| 99热这里只有是精品在线观看| 久久久久久久久久人人人人人人| 精品久久国产蜜桃| 观看免费一级毛片| 久久国产乱子免费精品| 国产 精品1| 国产成人精品福利久久| 亚洲自偷自拍三级| 国产精品蜜桃在线观看| 岛国毛片在线播放| 国产一区二区在线观看日韩| 九色成人免费人妻av| 在线观看av片永久免费下载| 午夜福利在线在线| 爱豆传媒免费全集在线观看| 久久国内精品自在自线图片| 丝瓜视频免费看黄片| 国产老妇女一区| 一本色道久久久久久精品综合| 久久国内精品自在自线图片| 免费人成在线观看视频色| 中文天堂在线官网| 久久人人爽人人爽人人片va| 人妻少妇偷人精品九色| 少妇猛男粗大的猛烈进出视频 | 人体艺术视频欧美日本| 97超视频在线观看视频| 国产精品一区www在线观看| 18+在线观看网站| 久久热精品热| 成人漫画全彩无遮挡| 欧美极品一区二区三区四区| 天堂中文最新版在线下载 | 少妇熟女欧美另类| 日韩国内少妇激情av| 菩萨蛮人人尽说江南好唐韦庄| 久久久久网色| 99久久精品一区二区三区| 亚洲精品,欧美精品| 中国国产av一级| 国产人妻一区二区三区在| 免费黄频网站在线观看国产| 欧美日韩亚洲高清精品| 看十八女毛片水多多多| 成人高潮视频无遮挡免费网站| 国产精品久久久久久精品电影| 亚洲精品影视一区二区三区av| 日本三级黄在线观看| 在线观看av片永久免费下载| 日日摸夜夜添夜夜爱| 国产综合懂色| 日韩av在线免费看完整版不卡| 噜噜噜噜噜久久久久久91| 亚洲成人一二三区av| 女人久久www免费人成看片| 五月玫瑰六月丁香| 韩国av在线不卡| 国产成人freesex在线| 九九久久精品国产亚洲av麻豆| 男插女下体视频免费在线播放| 久热这里只有精品99| 亚洲精品成人久久久久久| 一级片'在线观看视频| 久久99热6这里只有精品| 色5月婷婷丁香| 一级毛片 在线播放| 日韩 亚洲 欧美在线| 国产精品国产三级国产专区5o| 男人舔奶头视频| 色播亚洲综合网| 国产乱人偷精品视频| 国产高潮美女av| 亚洲国产欧美人成| 最近的中文字幕免费完整| 日韩,欧美,国产一区二区三区| 日本午夜av视频| 亚洲精品久久午夜乱码| 极品少妇高潮喷水抽搐| 永久免费av网站大全| 亚洲av.av天堂| 少妇 在线观看| 国产欧美亚洲国产| 亚洲av福利一区| 国产精品久久久久久久久免| 欧美区成人在线视频| 亚洲国产欧美人成| 亚洲精品乱码久久久v下载方式| 亚洲av欧美aⅴ国产| 久久精品久久精品一区二区三区| 新久久久久国产一级毛片| 国产一区二区三区av在线| 亚洲国产精品成人综合色| av在线app专区| av福利片在线观看| 少妇人妻 视频| 亚洲欧美一区二区三区国产| 五月开心婷婷网| 免费观看a级毛片全部| 日韩亚洲欧美综合| 免费看光身美女| 九九久久精品国产亚洲av麻豆| 国产美女午夜福利| 亚洲精品一二三| 蜜臀久久99精品久久宅男| 亚洲aⅴ乱码一区二区在线播放| 久久精品国产a三级三级三级| 不卡视频在线观看欧美| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲欧美日韩另类电影网站 | 最近中文字幕高清免费大全6| 亚洲色图综合在线观看| 亚洲久久久久久中文字幕| 日本黄大片高清| 欧美一区二区亚洲| 久久久a久久爽久久v久久| 国产免费一级a男人的天堂| 欧美性猛交╳xxx乱大交人| 国产探花在线观看一区二区| 制服丝袜香蕉在线| 搡老乐熟女国产| 欧美一级a爱片免费观看看| 日韩伦理黄色片| 亚洲精品日本国产第一区| 人人妻人人看人人澡| 成人黄色视频免费在线看| 国产片特级美女逼逼视频| 国产成人freesex在线| 亚洲国产精品专区欧美| 亚洲av免费高清在线观看| 在线观看一区二区三区激情| 国产亚洲5aaaaa淫片| 亚洲高清免费不卡视频| 欧美97在线视频| 亚洲自拍偷在线| 亚洲精品国产av成人精品| 尾随美女入室| 少妇丰满av| 一边亲一边摸免费视频| 国产 精品1| 成年版毛片免费区| 最新中文字幕久久久久| 免费观看的影片在线观看| 日韩电影二区| 最近最新中文字幕免费大全7| 狠狠精品人妻久久久久久综合| 永久免费av网站大全| 国产精品女同一区二区软件| 高清在线视频一区二区三区| 欧美精品人与动牲交sv欧美| 少妇猛男粗大的猛烈进出视频 | 国产午夜精品久久久久久一区二区三区| 插阴视频在线观看视频| 亚洲在线观看片| 亚洲欧美日韩东京热| 亚州av有码| 性色av一级| 欧美精品人与动牲交sv欧美| 18禁裸乳无遮挡免费网站照片| 一级片'在线观看视频| 少妇人妻精品综合一区二区| 久久亚洲国产成人精品v| 久久久成人免费电影| 国产亚洲av嫩草精品影院| 十八禁网站网址无遮挡 | 午夜爱爱视频在线播放| 精品久久久久久久人妻蜜臀av| 亚洲av中文av极速乱| 国国产精品蜜臀av免费| 在线亚洲精品国产二区图片欧美 | 久久精品综合一区二区三区| 一本久久精品| 久久久欧美国产精品| 亚洲怡红院男人天堂| 色播亚洲综合网| 国产视频首页在线观看| 国产精品人妻久久久久久| 免费看光身美女| 国产精品人妻久久久影院| 人妻系列 视频| www.av在线官网国产| 精品久久久久久电影网| 少妇熟女欧美另类| 欧美最新免费一区二区三区| 日本av手机在线免费观看| 下体分泌物呈黄色| 亚洲国产精品999| 国产一区亚洲一区在线观看| av线在线观看网站| 2022亚洲国产成人精品| 插阴视频在线观看视频| 五月开心婷婷网| 午夜免费鲁丝| 免费av观看视频| 夫妻午夜视频| 欧美一级a爱片免费观看看| 亚洲伊人久久精品综合| 免费看av在线观看网站| 午夜福利高清视频| 国内精品宾馆在线| 成人亚洲精品一区在线观看 | 成人亚洲欧美一区二区av| 欧美另类一区| 老师上课跳d突然被开到最大视频| 亚洲精品日韩在线中文字幕| 亚洲av免费高清在线观看| 国产高清不卡午夜福利| 成人漫画全彩无遮挡| 青青草视频在线视频观看| 精品一区在线观看国产| 一二三四中文在线观看免费高清| 午夜视频国产福利| 97超视频在线观看视频| 2022亚洲国产成人精品| 久久韩国三级中文字幕| 欧美成人精品欧美一级黄| 国产精品.久久久| 精品少妇久久久久久888优播| 亚洲三级黄色毛片| 丰满人妻一区二区三区视频av| 亚洲国产最新在线播放| 久久精品国产亚洲av涩爱| 国产精品秋霞免费鲁丝片| 亚洲国产成人一精品久久久| 只有这里有精品99| 高清欧美精品videossex| 欧美人与善性xxx| av免费在线看不卡| 干丝袜人妻中文字幕| 成人毛片60女人毛片免费| 中国国产av一级| 欧美另类一区| av黄色大香蕉| 久久国产乱子免费精品| 久久久久国产精品人妻一区二区| 伦理电影大哥的女人| 免费大片18禁| 国产淫语在线视频| 精品久久久久久电影网| 亚洲av不卡在线观看| 在线看a的网站| 观看美女的网站| 97超碰精品成人国产| 国产亚洲91精品色在线| 国产高清三级在线| 国产永久视频网站| 婷婷色综合www| 91狼人影院| 2022亚洲国产成人精品| 69av精品久久久久久| 在线播放无遮挡| 男人狂女人下面高潮的视频| 舔av片在线| 国产成人午夜福利电影在线观看| 又粗又硬又长又爽又黄的视频| 97在线人人人人妻| 99久久中文字幕三级久久日本| av黄色大香蕉| 国产成人免费观看mmmm| 老女人水多毛片| 99热国产这里只有精品6| 亚洲精品中文字幕在线视频 | 卡戴珊不雅视频在线播放| 免费av观看视频| 午夜亚洲福利在线播放| 天天一区二区日本电影三级| 丝袜美腿在线中文| 大香蕉久久网| 91久久精品国产一区二区三区| 小蜜桃在线观看免费完整版高清| 一级毛片电影观看| 18+在线观看网站| 日韩强制内射视频| 人人妻人人爽人人添夜夜欢视频 | 国产乱来视频区| 免费看a级黄色片| 欧美日韩亚洲高清精品| 在线观看一区二区三区| 久久精品国产a三级三级三级| eeuss影院久久| 内地一区二区视频在线| 国产精品一及| 韩国av在线不卡| 深夜a级毛片| 成年av动漫网址| 国产精品久久久久久精品电影| 亚洲图色成人| 99久久中文字幕三级久久日本| 真实男女啪啪啪动态图| av又黄又爽大尺度在线免费看| 国产欧美日韩一区二区三区在线 | 欧美另类一区| a级一级毛片免费在线观看| 一级毛片电影观看| 看黄色毛片网站| 欧美日韩视频高清一区二区三区二| 超碰av人人做人人爽久久| videos熟女内射| 久久99热这里只有精品18| 精品亚洲乱码少妇综合久久| 一区二区av电影网| 99热这里只有是精品在线观看| 中文在线观看免费www的网站| 亚洲怡红院男人天堂| 极品少妇高潮喷水抽搐| 亚洲国产精品专区欧美| 真实男女啪啪啪动态图| 在线看a的网站| 亚洲欧美清纯卡通| 国内精品美女久久久久久| 亚洲欧美中文字幕日韩二区| 久久精品人妻少妇| 免费黄色在线免费观看| 看十八女毛片水多多多| 欧美激情在线99| 中国美白少妇内射xxxbb| 性色avwww在线观看| 女人被狂操c到高潮| 亚洲自拍偷在线| 能在线免费看毛片的网站| 永久网站在线| 国产精品久久久久久精品电影小说 | 亚洲成人中文字幕在线播放| 少妇人妻精品综合一区二区| 国产成人免费观看mmmm| 久久精品国产a三级三级三级| 国产精品爽爽va在线观看网站| 国产高清三级在线| av在线播放精品| .国产精品久久| 男人爽女人下面视频在线观看| 最新中文字幕久久久久| 国产日韩欧美亚洲二区| 日本av手机在线免费观看| 亚洲电影在线观看av| 丝袜脚勾引网站| 黄片wwwwww| 又爽又黄无遮挡网站| 18禁裸乳无遮挡动漫免费视频 | 熟女av电影| 免费观看av网站的网址| 女人被狂操c到高潮| 五月玫瑰六月丁香| 国产精品人妻久久久久久| 春色校园在线视频观看| 国产精品99久久久久久久久| 亚洲aⅴ乱码一区二区在线播放| 国产免费一级a男人的天堂| av女优亚洲男人天堂| 国产精品av视频在线免费观看| 久久精品国产亚洲av天美| 午夜激情久久久久久久| 青春草亚洲视频在线观看| 制服丝袜香蕉在线| 一边亲一边摸免费视频| av在线亚洲专区| 狂野欧美激情性xxxx在线观看| 欧美三级亚洲精品| 久久国内精品自在自线图片| 99热国产这里只有精品6| 亚洲精品456在线播放app| 午夜激情久久久久久久| 免费看不卡的av| 春色校园在线视频观看| 亚洲久久久久久中文字幕| 亚洲av福利一区| 大又大粗又爽又黄少妇毛片口| 国产亚洲最大av| 真实男女啪啪啪动态图| 久久久久久久精品精品| 麻豆久久精品国产亚洲av| 久久久久性生活片| 高清日韩中文字幕在线| 久久久a久久爽久久v久久| 免费观看无遮挡的男女| 九九在线视频观看精品| 精品久久久精品久久久| eeuss影院久久| 97在线人人人人妻| 亚洲色图综合在线观看| 另类亚洲欧美激情|