• <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 ?

    低代價的數(shù)據(jù)流分類算法①

    2016-02-20 06:52:12
    計算機系統(tǒng)應(yīng)用 2016年12期
    關(guān)鍵詞:數(shù)據(jù)流類別分類器

    李 南

    (福建農(nóng)林大學(xué) 計算機與信息學(xué)院, 福州 350002)

    低代價的數(shù)據(jù)流分類算法①

    李 南

    (福建農(nóng)林大學(xué) 計算機與信息學(xué)院, 福州 350002)

    現(xiàn)有數(shù)據(jù)流分類算法大多使用有監(jiān)督學(xué)習(xí), 而標記高速數(shù)據(jù)流上的樣本需要很大的代價, 因此缺乏實用性. 針對以上問題, 提出了一種低代價的數(shù)據(jù)流分類算法2SDC. 新算法利用少量已標記類別的樣本和大量未標記樣本來訓(xùn)練和更新分類模型, 并且動態(tài)監(jiān)測數(shù)據(jù)流上可能發(fā)生的概念漂移. 真實數(shù)據(jù)流上的實驗表明, 2SDC算法不僅具有和當(dāng)前有監(jiān)督學(xué)習(xí)分類算法相當(dāng)?shù)姆诸惥? 并且能夠自適應(yīng)數(shù)據(jù)流上的概念漂移.

    概念漂移; 數(shù)據(jù)流; 分類; 低代價; 監(jiān)督學(xué)習(xí)

    數(shù)據(jù)流分類現(xiàn)已成為數(shù)據(jù)挖掘領(lǐng)域的一個研究熱點, 涉及的實際應(yīng)用包括網(wǎng)絡(luò)入侵檢測以及垃圾郵件過濾等. 數(shù)據(jù)流上的樣本持續(xù)、快速地到來, 使得傳統(tǒng)的一次性靜態(tài)學(xué)習(xí)的數(shù)據(jù)挖掘算法無法適用. 此外,數(shù)據(jù)流上隱含的知識也有可能隨著時間的推移而發(fā)生變化, 出現(xiàn)概念漂移[1]現(xiàn)象. 例如, 某些特定商品(如冷飲)的銷量隨著季節(jié)會呈現(xiàn)周期性的變化, 大家在網(wǎng)上關(guān)注的熱點話題會不斷變化等. 如何捕獲數(shù)據(jù)流上的當(dāng)前概念也為處理數(shù)據(jù)流分類問題帶來了新的挑戰(zhàn).

    目前對數(shù)據(jù)流進行分類, 單一分類模型和集成分類模型是學(xué)者們主要采用的兩種方式. 單一分類模型首先在訓(xùn)練樣本集合上建立初始分類模型, 然后為了擬合當(dāng)前數(shù)據(jù)流樣本的分布情況, 用隨后到來的樣本對現(xiàn)有模型進行增量式更新. 然而, 這種模型通常結(jié)構(gòu)復(fù)雜, 并且需要頻繁地對模型進行繁瑣的更新. 在將數(shù)據(jù)流上的樣本按照到來的時間劃分為大小相同的數(shù)據(jù)塊后, 集成分類模型用新數(shù)據(jù)塊上建立的基分類器, 替換當(dāng)前模型中分類性能較差或者已經(jīng)過時的基分類器. 由于基分類器的訓(xùn)練速度通常比單一模型的更新速度快[2], 因此集成分類模型更適合對高速持續(xù)產(chǎn)生的數(shù)據(jù)流進行分類.

    本文提出一種采用集成分類模型方式的低代價的數(shù)據(jù)流分類算法(Semi-supervised learning algorithm for Stream Data Classification, 簡稱2SDC). 無論是采用單一分類模型還是集成分類模型, 現(xiàn)有絕大部分數(shù)據(jù)流上的分類算法重點只關(guān)注模型的分類效果, 進而假設(shè)所有待分類樣本一旦被分類其類別信息即可立刻獲得,然后馬上利用這些類別信息對模型進行更新以最大限度地提高模型的分類精度, 這無疑人為忽略了標記數(shù)據(jù)流上樣本所需的高昂代價. 本文的創(chuàng)新主要在于采用半監(jiān)督學(xué)習(xí)的思想來降低更新現(xiàn)有模型所需要的有類別標記樣本的使用量, 因此更符合實際應(yīng)用中的要求. 此外, 算法主動檢測概念漂移的發(fā)生, 這也加快了算法對數(shù)據(jù)流上當(dāng)前概念的適應(yīng)速度.

    1 2SDC算法基分類器

    現(xiàn)有絕大部分數(shù)據(jù)流上的分類算法使用全部樣本的真實類別來擬合樣本的當(dāng)前分布情況, 而標記高速數(shù)據(jù)流上的所有樣本需要很高的代價. 為了減少擬合數(shù)據(jù)當(dāng)前分布所需要樣本的數(shù)量, 2SDC算法首先使用類似于半監(jiān)督學(xué)習(xí)的聚類算法, 將給定數(shù)據(jù)塊劃分為若干個簇. 然后, 挑選中其中有代表性的簇, 保存每個簇的中心、半徑、所在子空間以及相應(yīng)的類別作為集成分類模型的基分類器, 進而用其來擬合數(shù)據(jù)流上當(dāng)前樣本的分布情況.

    1.1 無監(jiān)督學(xué)習(xí)的K-means聚類算法

    設(shè)固定大小的數(shù)據(jù)塊D由N條樣本組成, 即D={(x1,y1),(x2,y2),...,(xN,yN)}. 其中,xn=(xn1,xn2,...,xnM)表示由M維屬性構(gòu)成的第n條樣本,yn∈{0,1,2,...,L}表示xn的類別. 如果yn=0, 表示該樣本的類別未被標記.

    要將數(shù)據(jù)塊D中的樣本劃分為K個簇{C1,C2,...,C K}, 無監(jiān)督的K-means聚類算法的目標是最小化所有樣本到各自簇中心的距離之和, 即最小化目標函數(shù):其中,ck表示第k個簇的中心,dis(x,ck)表示樣本x與ck的相異度.

    1.2 2SDC算法基分類器構(gòu)建

    為了降低標記樣本所需要的代價, 訓(xùn)練集中應(yīng)該只有少部分樣本已標記類別. 此時, 聚類的目標應(yīng)是在最小化所有樣本到各自簇中心的距離之和的同時,使得已標記類別的來自同一類的樣本盡可能的在相同的簇中, 即最小化目標函數(shù):

    公式(1)中的impk表示第k個簇的“不純凈”程度,算法中使用信息熵來衡量, 即表示第k個簇中屬于第l類樣本的先驗概率, 即其中表示被劃分到第k個簇的樣本個數(shù), |Ck(l)|表示Ck中屬于第l類的樣本個數(shù). 顯然, 如果被劃分到Ck中的已標記類別的樣本均來自同一個類, 那么impk=0, 此時impk最小. 相反, 若第k個簇中的已標記樣本均勻地來自各個類別, 那么impk=log(L), 此時impk最大.

    公式(1)中的vk表示第k個簇的權(quán)值.為了平衡“簇間相異度”(公式(1)中的前半部分)和“簇內(nèi)純凈度”(公式(1)中的后半部分)的影響,取綜合以上考慮, 2SDC算法中使用的聚類算法的目標函數(shù)為:

    這樣, 給定樣本x以及簇中心{c1,c2...,cK},當(dāng)前條件下的最優(yōu)聚類為:

    ① 如果x是未標記類別的樣本,

    ② 如果x是已標記類別的樣本,

    此外, 數(shù)據(jù)空間中往往存在與特定類別無關(guān)或者次要的屬性[3]. 因此在聚類前, 需要先將樣本投影到各個簇對應(yīng)的子空間上, 然后再考慮其與各個簇中心的相異度. 這樣也能減少聚類算法的迭代次數(shù), 加快算法的收斂速度. 因此, 給定當(dāng)前樣本xi,xi和第k個簇的中心ck的相異度dis(xi,ck)應(yīng)該采用加權(quán)的歐式距離來計算, 即算法中使用一個對角矩陣表示簇Ck中各個屬性的權(quán)重(即所在的子空間), 其滿足值得注意的是,即使是為來自同一類別的樣本所建立的聚類, 也有可能在不同的子空間上. 以文本數(shù)據(jù)流分類為例, 來自“體育”類別的樣本可能來自 “電子競技”或者“傳統(tǒng)項目”, 而這兩個部分每個屬性的權(quán)重顯然應(yīng)該是不一樣的. 因此, 2SDC算法中為每個簇獨立地設(shè)置一個屬性權(quán)重.

    此外, 如果各個簇的初始中心是隨機選取的, 這會對算法最終的結(jié)果造成較大的影響. 因此, 為了保證模型分類效果, 2SDC算法選取初始中心的方法為:設(shè)為每個類別樣本建立的簇的個數(shù)為num(即選取K=num·L), 那么在數(shù)據(jù)塊D中已標記的屬于第l類的樣本里, 依次選取num條最不相似的樣本作為初始的簇中心. 綜上所述, 2SDC算法基分類器構(gòu)建過程如算法1.

    ?

    Step3. 初始化迭代次數(shù)h=1. Step4. 根據(jù)公式(3)或公式(4), 依次將N條樣本分配到各個簇中.h++. Step5. 更新每個簇的中心. Step6. 根據(jù)公式(5), 更新各個簇每個屬性的權(quán)重. Step7. 如果≤ε-h+1ChC并且≤ε-h+1WhW,算法停止. 否則, 隨機重新排列N條樣本的順序, 轉(zhuǎn)向Step4. End

    如果每次劃分都只是將當(dāng)前樣本劃分到當(dāng)前最優(yōu)的聚類中, 那么聚類結(jié)果和樣本的排列順序緊密相關(guān).然而, 嘗試所有的排列順序以獲得最優(yōu)解是不現(xiàn)實的.因此算法1中在每次聚類后, 重新排列N條樣本的順序, 以接近最優(yōu)解. 文獻[4]中證明這種方式是收斂的.

    在將數(shù)據(jù)塊D劃分為K個簇后, 2SDC算法將進行篩選, 選取其中有代表性的簇, 以四元組cluster={center,radius,weight,label} 的形式保存下來, 用來擬合D上各類別樣本的分布情況. 其中,center表示cluster的中心,radius表示半徑,weight表示所在的子空間,label表示類別. 具體過程如算法2.

    Begin Step1. 在被劃分到K個簇的已標記樣本中, 依次選取各個類別標記樣本最多的簇, 加入集合S. Step2. 在剩下的K-L個簇中, 刪除已標記各類別樣本之和過少(小于ε·labPer·N)的簇, 將剩下簇的加入S. Step3. 對于S中的簇, 構(gòu)建相應(yīng)的cluster. 其中,用xi表示簇Ck中距離中心最遠的樣本, 那么保存簇Ck的中心ck作為centerk, 屬性權(quán)重Wk作為weightk,已標記類別樣本里數(shù)量最多的類標簽作為labelk,radiusk=dis(xi,centerk). End

    2SDC算法基于普遍的聚類假設(shè)[5]: “屬于同一聚類的樣本很可能具有同樣的類別”來對未知樣本進行有效分類. 給定待分類樣本x和一個基分類器Base,依次計算x和Base中所有cluster中心的加權(quán)距離. 如果(即x被覆蓋), 那么根據(jù)聚類假設(shè),x和建立clusterk的樣本形成一個聚類,因此將x分類為labelk. 如果x被多個cluster覆蓋, 那么選取其中類別數(shù)量最多的, 作為x類別的估計值.如果x不被任何cluster覆蓋或者數(shù)量最多的類別不是唯一的, 那么說明x是難處理樣本,Base不對其進行判斷.

    1.3 集成分類器構(gòu)造

    2SDC算法集成分類器E由p個基分類器和一個仲裁分類器構(gòu)成. 其中仲裁分類器使用增量樸素Bayes分類器. 給定待分類樣本x, 分類過程如算法3.

    算法3: 2SDC算法分類輸 入: 集成分類模型E, 待分類樣本x輸 出: x類別的估計值yBegin Step1. 依次使用基分類器對x進行分類. Step2. 設(shè)各基分類器對x類別的估計值分別為} ,..., {y1,y2yp Y=. 如果Y中出現(xiàn)次數(shù)最多的類別不唯一, 或者各基分類器均不對x進行判斷, 那么使用仲裁分類器對x進行分類. 否則, 返回Y中出現(xiàn)次數(shù)最多的類別. End

    每當(dāng)新的數(shù)據(jù)塊到來, 首先利用算法3, 使用現(xiàn)有分類模型E對樣本進行分類. 然后, 訓(xùn)練一個新的基分類器. 如果E中現(xiàn)有的基分類器個數(shù)不超過p, 那么保存新的基分類器. 否則, 將原來基分類器中建立時間最早的替換出來. 最后, 用新數(shù)據(jù)塊上的有標記類別的樣本對仲裁分類器進行增量更新. 這樣, 2SDC算法具有對cluster覆蓋的樣本高分類精度的同時, 對不被任何cluster覆蓋的樣本的分類精度也有了保證.

    2 概念漂移檢測

    現(xiàn)有集成分類算法大多沒有概念漂移檢測機制,被動的使用新基分類器逐步替換過時基分類器的方式來適應(yīng)概念漂移, 這會導(dǎo)致概念漂移發(fā)生后需要較長時間才能將過時的基分類器全部替換, 表現(xiàn)為模型的分類精度會出現(xiàn)較長時間的持續(xù)下降. 2SDC算法采用概念漂移檢測機制, 當(dāng)檢測到概念漂移發(fā)生時, 立刻拋棄現(xiàn)有整個已經(jīng)過時的集成分類模型, 因此能夠更快地適應(yīng)數(shù)據(jù)流上的最新概念.

    文獻[6]認為概念漂移產(chǎn)生的來源于樣本與其類別的聯(lián)合概率隨著時間或者環(huán)境的改變而發(fā)生變化. 無論是某類的先驗概率發(fā)生變化、某類的類概率發(fā)生變化還是樣本后驗概率發(fā)生變化, 都會導(dǎo)致已經(jīng)穩(wěn)定的現(xiàn)有模型的分類精度出現(xiàn)較大范圍的波動. 即當(dāng)數(shù)據(jù)流保持穩(wěn)定時, 分類模型對于有標記類別樣本的分類精度應(yīng)該保持在一個比較穩(wěn)定的水平. 因此, 2SDC算法使用一個高斯分布來擬合分類精度的分布情況. 設(shè)前t個數(shù)據(jù)塊上有標記樣本的平均分類精度為μ, 方差為σ. 如果t+1個數(shù)據(jù)塊上有標記樣本的分類精度低于μ-1.96σ, 那么說明出現(xiàn)概念漂移, 需要刪除當(dāng)前的基分類器和仲裁分類器, 重建分類模型以適應(yīng)數(shù)據(jù)流上的現(xiàn)有概率. 此外, 數(shù)據(jù)流上不可避免的新類別樣本的出現(xiàn)也是一種特殊的概念漂移. 因此, 如果當(dāng)前數(shù)據(jù)塊上標記樣本中出現(xiàn)新類別的樣本, 那么同樣也需要重建分類模型.

    3 實驗結(jié)果與分析

    本節(jié)在真實的文本數(shù)據(jù)流上對2SDC算法的分類效果進行測試. 實驗環(huán)境為Intel(R) Core i5 2.5GHz CPU、4G RAM PC機. 比較算法使用數(shù)據(jù)流上常用的對比算法(Streaming Ensemble Algorithm , 簡稱SEA)[7]、比較具有代表性的加權(quán)集成分類算法(Aggregate Ensemble, 簡稱AE)[8]、基于決策樹和Bayes混合模型的集成分類算法(Weight Ensemble Classifier -Decision Tree and Bayes, 簡稱WE-DTB)[9]以及基于半監(jiān)督學(xué)習(xí)的數(shù)據(jù)流集成分類算法(Semi-Supervised Learning Based Ensemble Classifier, 簡稱SEClass)[10].值得注意的是, 前三種對比算法使用的所有樣本均是有類別標記的, 而SEClass算法和2SDC算法使用的樣本是部分標記類別的, 其中有標記類別的樣本占所有樣本數(shù)量的20%. 各種算法的參數(shù)分別參照對應(yīng)文獻中的設(shè)置, 數(shù)據(jù)塊大小500, 2SDC算法中基分類器個數(shù)為5, 為各類樣本保存的簇個數(shù)為3.

    實驗中使用的文本數(shù)據(jù)流來自20-Newsgroups數(shù)據(jù)集. 數(shù)據(jù)集的屬性個數(shù)為500, 類別數(shù)為6, 樣本的分布情況見表1. 實驗中將數(shù)據(jù)集劃分為兩個部分來模擬數(shù)據(jù)流多類別出現(xiàn)概念漂移的情況. 在前半部分,只有來自med, baseball, autos, motor四個類別的樣本;在后半部分中, motor類的樣本消失, 并新出現(xiàn)了space和politics類的樣本. 各種算法在20-Newsgroups數(shù)據(jù)集上的平均分類精度如表2所示. 由于2SDC算法基分類器初始中心選擇的不同會對分類結(jié)果造成影響,因此結(jié)果采用10次實驗的平均值, 并且在表2中給出方差.

    表1 20-Newsgroups中各類分布

    表2 各種算法在文本數(shù)據(jù)流上的平均分類精度

    從表2中可以看出, 只使用少量有類別標記樣本的2SDC算法分類效果優(yōu)于使用全部有標記樣本的WE-DTB算法和SEA算法, 達到和AE算法相當(dāng)?shù)乃? 并且優(yōu)于基于半監(jiān)督學(xué)習(xí)的SEClass算法. 雖然2SDC算法初始中心的不同會對分類結(jié)果造成一定的影響, 但是方差并不太大. 由于AE算法使用的所有樣本都是有類別的, 而且算法在當(dāng)前數(shù)據(jù)塊上使用多種分類算法建立相應(yīng)的多個分類器以構(gòu)成集成分類模型,因此分類精度是所有算法中最高的. 為了檢測本文使用的概念漂移機制的有效性, 不同算法在測試數(shù)據(jù)集上每連續(xù)500條樣本的分類精度如圖1所示.

    圖1 20-Newsgroups上分類精度比較

    從圖1可以很清晰的看出, 在某一時刻, 由于新類別樣本的出現(xiàn)以及原來類別樣本的消失, 各種算法的精度均出現(xiàn)了不同程度的下降. 隨著新類別樣本的不斷出現(xiàn), 在一定時間后, 分類精度又都逐漸恢復(fù)到了之前的水平. 本文提出的2SDC算法的恢復(fù)速度較快, 這也證實了本文使用的概念漂移檢測機制的有效性. 此外, 不同標記比例下算法的平均分類精度見圖2.

    圖2 不同標記比例下平均分類精度

    從圖2中可以看出, 隨著有標記類別樣本數(shù)量的增多, 基分類器的邊界更加準確, 也有更多的樣本參與到仲裁分類器的更新, 因此2SDC算法的分類精度逐漸增高. 當(dāng)標記樣本比例較低時, 模型的分類精度還是穩(wěn)定在一個相當(dāng)?shù)乃? 不同類別樣本保存的簇個數(shù)下算法的平均分類精度見圖3.

    圖3 不同簇個數(shù)下平均分類精度比較

    從圖3可以看出, 當(dāng)為每個類別樣本保存3個簇時, 分類效果最佳. 當(dāng)簇個數(shù)過低時, 基分類器無法準確擬合各類別樣本的分布情況, 導(dǎo)致分類精度較低.然而, 過高的簇個數(shù)降低了分類模型的泛化能力, 同樣會降低模型的分類效果.

    3 結(jié)語

    本文提出了一種低代價的數(shù)據(jù)流分類算法2SDC.區(qū)別于使用所有待分類樣本的真實類別來更新分類模型的現(xiàn)有大部分數(shù)據(jù)流分類算法, 新算法使用半監(jiān)督學(xué)習(xí)的思想, 利用數(shù)據(jù)塊上大量的未標記類別的樣本,通過動態(tài)調(diào)整權(quán)值, 為每個類別建立不同的簇來擬合各類別樣本的分布情況. 仲裁分類器的引入也保證了難處理樣本的分類效果. 概念漂移檢測機制的使用能夠使得分類模型更快地適應(yīng)數(shù)據(jù)流上的當(dāng)前概念. 真實數(shù)據(jù)流上的實驗證明了該算法的有效性. 下一步的工作方向是研究如何讓算法自動調(diào)整各類別的初始簇個數(shù).

    1 辛軼,郭躬德,陳黎飛,畢亞新.IKnnM-DHecoc:一種解決概念漂移問題的方法.計算機研究與發(fā)展,2011,48(4):592–601.

    2 Turner K, Ghosh J. Error collection and error reduction in ensemble classifiers. Connenction Science, 1996, 18(3): 385–403.

    3 Aggarwal CC, Procopiuc C, Wolf JL, et al. Fast algorithm for projected clustering. Proc. of the ACM-SIGMOD. New York. ACM Press. 1999. 61–71.

    4 Masud MM, Woolam C, Gao J, et al. Facing the reality of data stream classification: coping with scarcity of labeled data. Knowledge and Information System, 2012, 33(1): 213–244.

    5 Zhou D, Bosquet O, Lal T N. Learning with local and global consistency. Advances in Neural Information Processing Systems, 2003, 16(1): 321–328.

    6 Keller JM, Hand D. The impact of changing populations on classifier performance. Proc. of the 5th International Conference on Knowledge Discovery and Data Mining. New York. ACM Press. 1999. 367–371.

    7 Street WN, Kim YS. A streaming ensemble algorithm (SEA) for large-scale classification. Proc. of the 7th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York. ACM Press. 2001. 377–382.

    8 Zhang P, Zhu X, Shi Y, et al. An aggregate ensemble for mining concept drifting data streams with noise. Proc. of the 13th Pacific-Asia Conference on Knowledge Discovery. Bangkok. 2009. 1021–1029.

    9 桂林,張玉紅,胡學(xué)剛.一種基于混合集成方法的數(shù)據(jù)流概念漂移檢測算法.計算機科學(xué),2012,39(1):152–155.

    10 徐文華,覃征,常揚.基于半監(jiān)督學(xué)習(xí)的數(shù)據(jù)流集成分類算法.模式識別與人工智能,2012,25(2):292–299.

    Low-Cost Algorithm for Stream Data Classification

    LI Nan
    (College of Computer and Information Science, Fujian Agriculture and Forestry University, Fuzhou 350002, China)

    Existing classification algorithms for data stream are mainly based on supervised learning, while manual labeling instances arriving continuously at a high speed requires much effort. A low-cost learning algorithm for stream data classification named 2SDC is proposed to solve the problem mentioned above. With few labeled instances and a large number of unlabeled instances, 2SDC trains the classification model and then updates it. The proposed algorithm can also detect the potential concept drift of the data stream and adjust the classification model to the current concept. Experimental results show that the accuracy of 2SDC is comparable to that of state-of-the-art supervised algorithm.

    concept drift; data stream; classification; low-cost; supervised learning

    福建省自然科學(xué)基金(2013J01216,2016J01280)

    2016-03-29;收到修改稿時間:2016-06-01

    10.15888/j.cnki.csa.005556

    猜你喜歡
    數(shù)據(jù)流類別分類器
    汽車維修數(shù)據(jù)流基礎(chǔ)(下)
    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
    一種提高TCP與UDP數(shù)據(jù)流公平性的擁塞控制機制
    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-支持向量機的TSK分類器
    服務(wù)類別
    新校長(2016年8期)2016-01-10 06:43:59
    基于數(shù)據(jù)流聚類的多目標跟蹤算法
    北醫(yī)三院 數(shù)據(jù)流疏通就診量
    論類別股東會
    商事法論集(2014年1期)2014-06-27 01:20:42
    基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
    别揉我奶头 嗯啊视频| 成人国产麻豆网| 色婷婷久久久亚洲欧美| 日韩人妻高清精品专区| 中文在线观看免费www的网站| 晚上一个人看的免费电影| 国产欧美日韩一区二区三区在线 | 嫩草影院新地址| 嫩草影院新地址| av卡一久久| 好男人视频免费观看在线| 国产免费一区二区三区四区乱码| 美女xxoo啪啪120秒动态图| 久久99热这里只频精品6学生| 欧美zozozo另类| 婷婷色综合www| 久久久久精品性色| 天堂俺去俺来也www色官网| 欧美丝袜亚洲另类| 禁无遮挡网站| 一级黄片播放器| 在线亚洲精品国产二区图片欧美 | 哪个播放器可以免费观看大片| 亚洲成人精品中文字幕电影| 少妇人妻 视频| 中国三级夫妇交换| 精品久久久久久久久av| 中国国产av一级| 亚洲一级一片aⅴ在线观看| 久久人人爽人人爽人人片va| 99九九线精品视频在线观看视频| 欧美激情在线99| 亚洲欧美清纯卡通| 国产精品一区www在线观看| 热re99久久精品国产66热6| 亚洲精品一区蜜桃| 国产爽快片一区二区三区| videos熟女内射| 久久这里有精品视频免费| 人人妻人人看人人澡| 久久鲁丝午夜福利片| 高清午夜精品一区二区三区| 寂寞人妻少妇视频99o| 九草在线视频观看| 夜夜看夜夜爽夜夜摸| 日产精品乱码卡一卡2卡三| 国产精品久久久久久久久免| 18+在线观看网站| 精品一区在线观看国产| 亚洲av中文字字幕乱码综合| 国产亚洲最大av| 亚洲怡红院男人天堂| 汤姆久久久久久久影院中文字幕| 亚洲国产高清在线一区二区三| 日韩在线高清观看一区二区三区| 免费黄频网站在线观看国产| 成人二区视频| 亚洲成人一二三区av| 亚洲人与动物交配视频| 一本色道久久久久久精品综合| av播播在线观看一区| 韩国av在线不卡| 久久精品综合一区二区三区| 亚洲熟女精品中文字幕| 熟女电影av网| 特级一级黄色大片| 免费人成在线观看视频色| 亚洲图色成人| 亚洲国产成人一精品久久久| 国产视频内射| 老司机影院成人| 中文在线观看免费www的网站| 国产男女超爽视频在线观看| 日韩不卡一区二区三区视频在线| 69人妻影院| 啦啦啦啦在线视频资源| 中国美白少妇内射xxxbb| 国产精品国产三级专区第一集| 日韩av免费高清视频| 国产在视频线精品| 高清在线视频一区二区三区| 国产精品一区二区三区四区免费观看| 哪个播放器可以免费观看大片| 青青草视频在线视频观看| 午夜激情福利司机影院| 看黄色毛片网站| 在线观看av片永久免费下载| 一级a做视频免费观看| 在现免费观看毛片| 黄色欧美视频在线观看| 欧美三级亚洲精品| 各种免费的搞黄视频| 最后的刺客免费高清国语| 亚洲图色成人| 亚洲成色77777| 又大又黄又爽视频免费| 亚洲aⅴ乱码一区二区在线播放| 国产亚洲一区二区精品| 国产成人一区二区在线| 国产精品成人在线| 少妇裸体淫交视频免费看高清| 成年免费大片在线观看| 在线播放无遮挡| 亚洲精品亚洲一区二区| 国产视频首页在线观看| 亚洲欧美日韩另类电影网站 | 亚洲美女搞黄在线观看| 九草在线视频观看| 99久久精品热视频| 欧美成人一区二区免费高清观看| 国产乱人偷精品视频| 熟女电影av网| 爱豆传媒免费全集在线观看| 国产亚洲精品久久久com| 女的被弄到高潮叫床怎么办| 99热这里只有是精品50| 老司机影院毛片| 成人亚洲欧美一区二区av| 亚洲自拍偷在线| 亚洲色图综合在线观看| 中文字幕免费在线视频6| 人妻制服诱惑在线中文字幕| 国产伦精品一区二区三区视频9| 亚洲精品影视一区二区三区av| 新久久久久国产一级毛片| 亚洲国产高清在线一区二区三| 有码 亚洲区| 少妇熟女欧美另类| av在线亚洲专区| av免费观看日本| 嫩草影院入口| 又黄又爽又刺激的免费视频.| 1000部很黄的大片| 夫妻午夜视频| 女人被狂操c到高潮| 精品酒店卫生间| 国产精品久久久久久精品电影| 91久久精品国产一区二区成人| 亚洲av在线观看美女高潮| 欧美三级亚洲精品| 亚洲最大成人av| 国产一级毛片在线| 国产有黄有色有爽视频| 精品久久国产蜜桃| 免费看av在线观看网站| 亚洲av二区三区四区| 亚洲一级一片aⅴ在线观看| 简卡轻食公司| 高清视频免费观看一区二区| 日韩不卡一区二区三区视频在线| 国产精品嫩草影院av在线观看| 亚洲av中文字字幕乱码综合| 美女主播在线视频| 97热精品久久久久久| 午夜精品一区二区三区免费看| 久久精品人妻少妇| 校园人妻丝袜中文字幕| 高清在线视频一区二区三区| 国内少妇人妻偷人精品xxx网站| 亚洲av电影在线观看一区二区三区 | 国产精品久久久久久久久免| 欧美激情久久久久久爽电影| 精品午夜福利在线看| 久久精品夜色国产| 不卡视频在线观看欧美| 一本色道久久久久久精品综合| 最近2019中文字幕mv第一页| 人人妻人人爽人人添夜夜欢视频 | 国产男女超爽视频在线观看| 精品久久久久久久久av| 中文字幕亚洲精品专区| 免费观看在线日韩| 欧美少妇被猛烈插入视频| 亚洲精品456在线播放app| 看十八女毛片水多多多| 欧美精品国产亚洲| 国产69精品久久久久777片| 黄色一级大片看看| 精品国产三级普通话版| 一本久久精品| 午夜免费男女啪啪视频观看| 亚洲精品自拍成人| 成人国产麻豆网| 久久久精品94久久精品| 久久99热这里只频精品6学生| 久久久久精品性色| 男插女下体视频免费在线播放| 蜜桃久久精品国产亚洲av| 国产av码专区亚洲av| 欧美国产精品一级二级三级 | 下体分泌物呈黄色| 日本熟妇午夜| 国产精品人妻久久久影院| 色婷婷久久久亚洲欧美| 国产一区二区三区综合在线观看 | 男人和女人高潮做爰伦理| 国产午夜精品一二区理论片| 日韩制服骚丝袜av| 国产黄色视频一区二区在线观看| 欧美激情久久久久久爽电影| 精品久久国产蜜桃| 亚洲美女搞黄在线观看| 91午夜精品亚洲一区二区三区| 日本爱情动作片www.在线观看| 老女人水多毛片| 男人舔奶头视频| 91久久精品国产一区二区成人| 日韩电影二区| 黄片wwwwww| 一本一本综合久久| 日韩国内少妇激情av| 中国三级夫妇交换| 干丝袜人妻中文字幕| 插逼视频在线观看| 午夜亚洲福利在线播放| 联通29元200g的流量卡| 看非洲黑人一级黄片| 在线 av 中文字幕| 人妻制服诱惑在线中文字幕| 国产av不卡久久| 91精品国产九色| 午夜福利网站1000一区二区三区| av在线播放精品| 日韩视频在线欧美| 欧美bdsm另类| 国产精品99久久99久久久不卡 | 亚洲欧美一区二区三区国产| av天堂中文字幕网| 国产精品爽爽va在线观看网站| 亚洲美女搞黄在线观看| 日产精品乱码卡一卡2卡三| 亚洲综合精品二区| 成人高潮视频无遮挡免费网站| 国产国拍精品亚洲av在线观看| 特大巨黑吊av在线直播| 久久久久久九九精品二区国产| 一二三四中文在线观看免费高清| 久热这里只有精品99| 久久久久精品久久久久真实原创| 亚洲欧美一区二区三区国产| 插逼视频在线观看| 亚洲色图综合在线观看| 看黄色毛片网站| 免费电影在线观看免费观看| 青春草国产在线视频| 伦精品一区二区三区| 成人毛片60女人毛片免费| 91精品一卡2卡3卡4卡| 午夜日本视频在线| 777米奇影视久久| 99久国产av精品国产电影| 欧美97在线视频| 国产乱人视频| 国产国拍精品亚洲av在线观看| 激情五月婷婷亚洲| 麻豆乱淫一区二区| 黄色一级大片看看| 成人黄色视频免费在线看| 在线观看国产h片| 老师上课跳d突然被开到最大视频| 亚洲精品久久久久久婷婷小说| 一区二区三区乱码不卡18| 伊人久久精品亚洲午夜| 精品久久国产蜜桃| 亚洲天堂国产精品一区在线| 国产 一区精品| 97热精品久久久久久| 特级一级黄色大片| 亚洲精品国产色婷婷电影| 涩涩av久久男人的天堂| 日日啪夜夜撸| 最近手机中文字幕大全| 九草在线视频观看| 欧美性猛交╳xxx乱大交人| 中文字幕久久专区| 亚洲伊人久久精品综合| 少妇 在线观看| 最近中文字幕2019免费版| 国产综合精华液| 国产淫语在线视频| 日日撸夜夜添| 国产欧美日韩一区二区三区在线 | 国产精品嫩草影院av在线观看| 亚洲国产精品999| 国产黄a三级三级三级人| av线在线观看网站| 黄片wwwwww| 亚洲欧美一区二区三区国产| 寂寞人妻少妇视频99o| 好男人视频免费观看在线| 一个人看视频在线观看www免费| a级毛片免费高清观看在线播放| 亚洲人成网站高清观看| 美女国产视频在线观看| 特大巨黑吊av在线直播| 国产午夜精品久久久久久一区二区三区| 亚洲四区av| 夫妻性生交免费视频一级片| 国产黄片视频在线免费观看| kizo精华| 日本猛色少妇xxxxx猛交久久| 极品少妇高潮喷水抽搐| 国产亚洲5aaaaa淫片| 好男人在线观看高清免费视频| 亚洲成人av在线免费| 欧美性猛交╳xxx乱大交人| 久久这里有精品视频免费| 免费不卡的大黄色大毛片视频在线观看| 女的被弄到高潮叫床怎么办| 国产精品无大码| 亚洲人与动物交配视频| 身体一侧抽搐| 亚洲欧美清纯卡通| 国产老妇女一区| 久久韩国三级中文字幕| 国产成人freesex在线| 亚洲最大成人av| 秋霞伦理黄片| 国产国拍精品亚洲av在线观看| 涩涩av久久男人的天堂| 亚洲伊人久久精品综合| 丝瓜视频免费看黄片| 黄片wwwwww| 男人狂女人下面高潮的视频| 街头女战士在线观看网站| 熟女人妻精品中文字幕| 三级国产精品欧美在线观看| 一本久久精品| 99视频精品全部免费 在线| 欧美激情在线99| 亚洲在久久综合| 综合色av麻豆| videos熟女内射| 久久99蜜桃精品久久| 日本猛色少妇xxxxx猛交久久| 国产乱人视频| 日韩av免费高清视频| 边亲边吃奶的免费视频| 一级毛片我不卡| 色综合色国产| 午夜免费鲁丝| 国产成人freesex在线| 一级毛片久久久久久久久女| 在线播放无遮挡| 精品一区在线观看国产| 少妇的逼水好多| 国产国拍精品亚洲av在线观看| 国产一区有黄有色的免费视频| 久久99热这里只有精品18| 欧美成人精品欧美一级黄| 只有这里有精品99| 国产精品一二三区在线看| 久久精品人妻少妇| 亚洲精品第二区| 交换朋友夫妻互换小说| 好男人在线观看高清免费视频| 午夜福利在线观看免费完整高清在| 插阴视频在线观看视频| 99精国产麻豆久久婷婷| av国产久精品久网站免费入址| 黄色一级大片看看| 卡戴珊不雅视频在线播放| 一个人看视频在线观看www免费| 欧美日韩视频高清一区二区三区二| 免费av观看视频| 一级毛片电影观看| 日韩在线高清观看一区二区三区| 99九九线精品视频在线观看视频| 麻豆成人av视频| 一级毛片久久久久久久久女| 不卡视频在线观看欧美| 免费观看无遮挡的男女| 亚洲av二区三区四区| 国产精品久久久久久av不卡| 成人亚洲欧美一区二区av| 97热精品久久久久久| 99精国产麻豆久久婷婷| 99久久精品国产国产毛片| 天堂中文最新版在线下载 | 久热这里只有精品99| 欧美国产精品一级二级三级 | 国产色爽女视频免费观看| 亚洲国产精品专区欧美| av在线老鸭窝| 久久久国产一区二区| 一级毛片aaaaaa免费看小| 国产亚洲91精品色在线| 国产淫语在线视频| 综合色av麻豆| 欧美激情国产日韩精品一区| 欧美激情在线99| h日本视频在线播放| 毛片一级片免费看久久久久| 99视频精品全部免费 在线| 高清欧美精品videossex| 国产av码专区亚洲av| 99久久精品国产国产毛片| 身体一侧抽搐| 97精品久久久久久久久久精品| 男女啪啪激烈高潮av片| 亚洲欧美日韩另类电影网站 | 亚洲av.av天堂| 极品少妇高潮喷水抽搐| 中文精品一卡2卡3卡4更新| 成人欧美大片| 91久久精品国产一区二区三区| 亚洲欧美成人精品一区二区| 一级毛片久久久久久久久女| 国产毛片a区久久久久| 丝袜美腿在线中文| 高清午夜精品一区二区三区| 国产精品久久久久久精品电影小说 | 亚洲精品自拍成人| 免费看av在线观看网站| 亚洲精品自拍成人| 国内精品宾馆在线| 女的被弄到高潮叫床怎么办| 成人亚洲精品av一区二区| 精品国产露脸久久av麻豆| 舔av片在线| 久久精品熟女亚洲av麻豆精品| 2018国产大陆天天弄谢| 亚洲人成网站在线观看播放| 天美传媒精品一区二区| 免费av不卡在线播放| 午夜福利视频1000在线观看| 久久久亚洲精品成人影院| 久久人人爽人人片av| 只有这里有精品99| 精品99又大又爽又粗少妇毛片| 99热网站在线观看| 一级毛片aaaaaa免费看小| 国产高清国产精品国产三级 | 我的老师免费观看完整版| 亚洲欧美中文字幕日韩二区| 日日啪夜夜撸| 狠狠精品人妻久久久久久综合| 一区二区av电影网| 国产精品麻豆人妻色哟哟久久| 有码 亚洲区| 中文资源天堂在线| 免费观看无遮挡的男女| 免费观看在线日韩| 少妇熟女欧美另类| 日韩精品有码人妻一区| 亚洲在线观看片| 日本猛色少妇xxxxx猛交久久| 亚洲欧美成人精品一区二区| 国产成人免费无遮挡视频| 国产有黄有色有爽视频| 在线免费观看不下载黄p国产| 国产精品偷伦视频观看了| 日日摸夜夜添夜夜添av毛片| 视频中文字幕在线观看| 黄色日韩在线| 人妻少妇偷人精品九色| 日本色播在线视频| av在线app专区| 国产男人的电影天堂91| 国产伦在线观看视频一区| 欧美成人a在线观看| 寂寞人妻少妇视频99o| 国产中年淑女户外野战色| av播播在线观看一区| 国产久久久一区二区三区| 一本色道久久久久久精品综合| 80岁老熟妇乱子伦牲交| 久久久久久久精品精品| 99精国产麻豆久久婷婷| 久久久久国产精品人妻一区二区| 少妇被粗大猛烈的视频| 欧美一级a爱片免费观看看| 亚洲最大成人av| 国产精品.久久久| 亚洲欧美清纯卡通| 免费高清在线观看视频在线观看| 久久精品国产亚洲av天美| 日韩三级伦理在线观看| 人妻一区二区av| 少妇猛男粗大的猛烈进出视频 | 熟女人妻精品中文字幕| 日韩中字成人| 国产色婷婷99| 久久人人爽av亚洲精品天堂 | 18禁裸乳无遮挡动漫免费视频 | 欧美zozozo另类| 午夜福利在线观看免费完整高清在| 一级黄片播放器| 视频区图区小说| 一级爰片在线观看| 久久影院123| 久久女婷五月综合色啪小说 | 你懂的网址亚洲精品在线观看| 人妻少妇偷人精品九色| 国产一区二区在线观看日韩| 黄色欧美视频在线观看| 久久久久久久精品精品| 成年女人看的毛片在线观看| 97精品久久久久久久久久精品| 欧美bdsm另类| 成年女人在线观看亚洲视频 | 你懂的网址亚洲精品在线观看| 亚洲欧美日韩另类电影网站 | 国产精品三级大全| 天天一区二区日本电影三级| 春色校园在线视频观看| 汤姆久久久久久久影院中文字幕| 男人狂女人下面高潮的视频| av播播在线观看一区| 国产老妇伦熟女老妇高清| 嘟嘟电影网在线观看| 久久久久久九九精品二区国产| 日韩免费高清中文字幕av| 成人高潮视频无遮挡免费网站| 熟妇人妻不卡中文字幕| 国产成人午夜福利电影在线观看| 一个人看视频在线观看www免费| 中文字幕av成人在线电影| 久久久久国产精品人妻一区二区| 交换朋友夫妻互换小说| 热re99久久精品国产66热6| 男女边摸边吃奶| 欧美丝袜亚洲另类| 亚洲精品aⅴ在线观看| 麻豆精品久久久久久蜜桃| 国产精品av视频在线免费观看| 联通29元200g的流量卡| 噜噜噜噜噜久久久久久91| 国产精品.久久久| 成年人午夜在线观看视频| 久久久午夜欧美精品| 国产久久久一区二区三区| 自拍欧美九色日韩亚洲蝌蚪91 | 91狼人影院| 亚洲av一区综合| 国产有黄有色有爽视频| a级毛色黄片| 美女国产视频在线观看| 免费看不卡的av| 亚洲婷婷狠狠爱综合网| 国内少妇人妻偷人精品xxx网站| 国产精品一二三区在线看| 一区二区av电影网| 午夜精品一区二区三区免费看| 国产精品女同一区二区软件| 国产精品久久久久久久电影| 日本黄色片子视频| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 五月伊人婷婷丁香| 美女被艹到高潮喷水动态| 18禁在线播放成人免费| 夜夜看夜夜爽夜夜摸| 色视频www国产| 免费电影在线观看免费观看| 91狼人影院| 一本一本综合久久| 亚洲精品成人久久久久久| 午夜精品一区二区三区免费看| 亚洲色图综合在线观看| 日本黄大片高清| 国产v大片淫在线免费观看| 亚洲av福利一区| 国产成人freesex在线| 性色avwww在线观看| 免费高清在线观看视频在线观看| 精品人妻一区二区三区麻豆| 嫩草影院精品99| 波野结衣二区三区在线| 国产中年淑女户外野战色| www.色视频.com| 中文资源天堂在线| 毛片女人毛片| av国产免费在线观看| 日韩电影二区| 少妇猛男粗大的猛烈进出视频 | 18禁动态无遮挡网站| 国产男女内射视频| 国产黄片美女视频| 秋霞在线观看毛片| 最近最新中文字幕免费大全7| 亚洲无线观看免费| 在现免费观看毛片| 少妇被粗大猛烈的视频| 人妻 亚洲 视频| 国产免费一区二区三区四区乱码| 国产极品天堂在线| 丝袜喷水一区| 最近中文字幕高清免费大全6| 两个人的视频大全免费| 熟妇人妻不卡中文字幕| 国产精品爽爽va在线观看网站| 亚洲电影在线观看av| 国产v大片淫在线免费观看| 久久久久久久午夜电影| 亚洲成人av在线免费| 免费在线观看成人毛片| 97超视频在线观看视频| 九草在线视频观看| 51国产日韩欧美| 我的女老师完整版在线观看| 欧美激情国产日韩精品一区| 在线 av 中文字幕| 亚洲美女视频黄频| 久久亚洲国产成人精品v| 大香蕉97超碰在线| 3wmmmm亚洲av在线观看| 小蜜桃在线观看免费完整版高清| 最后的刺客免费高清国语| 美女主播在线视频| 80岁老熟妇乱子伦牲交| 插阴视频在线观看视频| 97人妻精品一区二区三区麻豆| 久久这里有精品视频免费| videossex国产| 国产真实伦视频高清在线观看|