• <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
    欧美zozozo另类| 男女边吃奶边做爰视频| 黄色一级大片看看| a级一级毛片免费在线观看| 如何舔出高潮| 美女cb高潮喷水在线观看| 夫妻午夜视频| 自拍欧美九色日韩亚洲蝌蚪91 | 日韩电影二区| 久久精品久久久久久久性| 久久国内精品自在自线图片| 啦啦啦中文免费视频观看日本| 国产精品秋霞免费鲁丝片| 国产午夜精品久久久久久一区二区三区| 欧美日韩一区二区视频在线观看视频在线| 国产精品99久久久久久久久| av视频免费观看在线观看| 国产爽快片一区二区三区| 男人狂女人下面高潮的视频| 一区二区三区乱码不卡18| 偷拍熟女少妇极品色| 精华霜和精华液先用哪个| 高清午夜精品一区二区三区| 亚洲av二区三区四区| 赤兔流量卡办理| 中文字幕制服av| 久久人人爽人人片av| 五月天丁香电影| 午夜老司机福利剧场| a级毛片免费高清观看在线播放| 自拍欧美九色日韩亚洲蝌蚪91 | 这个男人来自地球电影免费观看 | 日本黄大片高清| 亚洲性久久影院| 成人午夜精彩视频在线观看| 日韩一区二区视频免费看| 男女无遮挡免费网站观看| 精品一区二区三卡| 能在线免费看毛片的网站| 免费观看性生交大片5| 激情五月婷婷亚洲| 伦理电影免费视频| 亚洲av男天堂| 草草在线视频免费看| 在线观看av片永久免费下载| 久久久亚洲精品成人影院| 亚洲成人av在线免费| 免费看光身美女| 亚洲,欧美,日韩| 尤物成人国产欧美一区二区三区| 国产欧美日韩一区二区三区在线 | 91aial.com中文字幕在线观看| 中文在线观看免费www的网站| 午夜视频国产福利| 最近中文字幕2019免费版| 国产精品偷伦视频观看了| 日韩中文字幕视频在线看片 | 成人二区视频| 在线 av 中文字幕| 七月丁香在线播放| 中国三级夫妇交换| 亚洲伊人久久精品综合| 一级毛片电影观看| 午夜老司机福利剧场| 国产精品伦人一区二区| 最近最新中文字幕大全电影3| av在线app专区| 麻豆成人av视频| 岛国毛片在线播放| 人妻夜夜爽99麻豆av| 婷婷色综合大香蕉| 亚洲天堂av无毛| 女性生殖器流出的白浆| 国产高清不卡午夜福利| 永久网站在线| 国产午夜精品久久久久久一区二区三区| 少妇人妻 视频| 国内精品宾馆在线| 欧美3d第一页| 黄色欧美视频在线观看| 久久久久久久久久成人| 午夜福利网站1000一区二区三区| 日韩不卡一区二区三区视频在线| 国国产精品蜜臀av免费| 国产成人免费无遮挡视频| 18禁裸乳无遮挡免费网站照片| av女优亚洲男人天堂| 熟女人妻精品中文字幕| 亚洲欧美一区二区三区国产| 亚洲欧美一区二区三区国产| 少妇人妻精品综合一区二区| 国产爽快片一区二区三区| 久久国产精品男人的天堂亚洲 | 简卡轻食公司| 亚洲精品乱码久久久v下载方式| 不卡视频在线观看欧美| 国产黄色免费在线视频| 美女xxoo啪啪120秒动态图| 高清不卡的av网站| 中文乱码字字幕精品一区二区三区| 下体分泌物呈黄色| 亚洲国产成人一精品久久久| 伊人久久国产一区二区| 日韩欧美一区视频在线观看 | 久久婷婷青草| 精品亚洲成a人片在线观看 | 欧美日韩综合久久久久久| h视频一区二区三区| 久久精品国产亚洲网站| av不卡在线播放| 观看美女的网站| 久久99热这里只有精品18| www.色视频.com| av免费在线看不卡| 中文字幕av成人在线电影| 久久久精品免费免费高清| 最近2019中文字幕mv第一页| 国精品久久久久久国模美| 我的女老师完整版在线观看| 午夜福利高清视频| 亚洲,欧美,日韩| 小蜜桃在线观看免费完整版高清| 国产成人a区在线观看| 如何舔出高潮| 纯流量卡能插随身wifi吗| 亚洲av综合色区一区| 下体分泌物呈黄色| 国产精品伦人一区二区| 午夜精品国产一区二区电影| 国产欧美日韩精品一区二区| 国产av码专区亚洲av| 免费观看a级毛片全部| 午夜激情久久久久久久| 99久久综合免费| 高清不卡的av网站| av播播在线观看一区| 日韩av在线免费看完整版不卡| 久久久午夜欧美精品| 日本av免费视频播放| 99热网站在线观看| 男女边吃奶边做爰视频| 日本av手机在线免费观看| 校园人妻丝袜中文字幕| 中文字幕精品免费在线观看视频 | 国国产精品蜜臀av免费| 欧美一区二区亚洲| 我要看日韩黄色一级片| 日韩成人av中文字幕在线观看| 嫩草影院入口| 成年人午夜在线观看视频| 国产精品伦人一区二区| 免费黄频网站在线观看国产| 国产毛片在线视频| 最近中文字幕2019免费版| 日本av免费视频播放| 亚洲精品色激情综合| 国产精品人妻久久久久久| 在线观看人妻少妇| 欧美变态另类bdsm刘玥| 黄色日韩在线| 这个男人来自地球电影免费观看 | 日韩av免费高清视频| 亚洲av电影在线观看一区二区三区| 99久久综合免费| 简卡轻食公司| 亚洲av不卡在线观看| 国产亚洲av片在线观看秒播厂| 91精品一卡2卡3卡4卡| 网址你懂的国产日韩在线| 交换朋友夫妻互换小说| 欧美精品一区二区免费开放| 97超视频在线观看视频| 最近中文字幕高清免费大全6| 插阴视频在线观看视频| 国产一级毛片在线| 黄色欧美视频在线观看| 尾随美女入室| 九九在线视频观看精品| av播播在线观看一区| 黑人高潮一二区| 日本爱情动作片www.在线观看| 日韩亚洲欧美综合| 一级av片app| 国产成人精品一,二区| 色5月婷婷丁香| 国产成人精品久久久久久| 国产午夜精品久久久久久一区二区三区| 97超视频在线观看视频| 久久97久久精品| 97精品久久久久久久久久精品| 亚洲图色成人| 欧美老熟妇乱子伦牲交| 久久人人爽av亚洲精品天堂 | 老女人水多毛片| 精品一区二区三卡| 你懂的网址亚洲精品在线观看| 亚洲欧美日韩无卡精品| 国产精品免费大片| 中文乱码字字幕精品一区二区三区| 99热这里只有是精品50| 日日摸夜夜添夜夜添av毛片| 99热这里只有精品一区| 国产欧美另类精品又又久久亚洲欧美| 亚洲欧美日韩东京热| 久久久久久久精品精品| 免费看不卡的av| 国产国拍精品亚洲av在线观看| 青春草视频在线免费观看| 欧美最新免费一区二区三区| 亚洲一区二区三区欧美精品| 爱豆传媒免费全集在线观看| 亚洲精品久久午夜乱码| 51国产日韩欧美| 国产深夜福利视频在线观看| 蜜桃在线观看..| 国产精品一区二区性色av| 菩萨蛮人人尽说江南好唐韦庄| 日韩强制内射视频| 午夜激情福利司机影院| videos熟女内射| 91狼人影院| 国产精品一区二区性色av| 最近最新中文字幕免费大全7| 校园人妻丝袜中文字幕| 麻豆精品久久久久久蜜桃| 日本欧美视频一区| 夫妻性生交免费视频一级片| av播播在线观看一区| 免费av中文字幕在线| 久久国内精品自在自线图片| 直男gayav资源| 中文资源天堂在线| 男的添女的下面高潮视频| 日韩大片免费观看网站| 亚洲成人手机| 国产精品久久久久久久久免| 在线播放无遮挡| 男的添女的下面高潮视频| 日产精品乱码卡一卡2卡三| 色吧在线观看| 一区二区三区免费毛片| 乱系列少妇在线播放| 国产亚洲av片在线观看秒播厂| 亚洲经典国产精华液单| 亚洲成人中文字幕在线播放| 国产精品欧美亚洲77777| 大香蕉97超碰在线| 尤物成人国产欧美一区二区三区| 少妇高潮的动态图| av播播在线观看一区| 美女xxoo啪啪120秒动态图| 狂野欧美白嫩少妇大欣赏| 亚洲精品第二区| 下体分泌物呈黄色| 最近的中文字幕免费完整| 狂野欧美白嫩少妇大欣赏| 欧美精品亚洲一区二区| 在现免费观看毛片| 麻豆精品久久久久久蜜桃| 丝袜脚勾引网站| 国产淫片久久久久久久久| 黄色视频在线播放观看不卡| 日韩亚洲欧美综合| 人妻少妇偷人精品九色| 在现免费观看毛片| 丝袜脚勾引网站| 熟女人妻精品中文字幕| 国产精品久久久久久精品电影小说 | 亚洲国产日韩一区二区| 看十八女毛片水多多多| 肉色欧美久久久久久久蜜桃| 免费观看av网站的网址| 在线天堂最新版资源| 日韩精品有码人妻一区| 午夜免费鲁丝| 蜜桃亚洲精品一区二区三区| 国产一区二区三区综合在线观看 | 最近最新中文字幕免费大全7| 久久6这里有精品| 在线亚洲精品国产二区图片欧美 | 麻豆成人午夜福利视频| 国产精品麻豆人妻色哟哟久久| 身体一侧抽搐| 国产男人的电影天堂91| 国产精品嫩草影院av在线观看| 日本欧美视频一区| 我的老师免费观看完整版| 欧美精品国产亚洲| av不卡在线播放| av专区在线播放| 免费高清在线观看视频在线观看| 成人影院久久| 国产v大片淫在线免费观看| 一个人看视频在线观看www免费| 亚洲天堂av无毛| 美女福利国产在线 | 你懂的网址亚洲精品在线观看| 国产又色又爽无遮挡免| 午夜日本视频在线| 精品少妇久久久久久888优播| 婷婷色av中文字幕| 久久久久久久久久成人| 哪个播放器可以免费观看大片| 国产综合精华液| 香蕉精品网在线| 久久久久久久久久久免费av| 少妇人妻久久综合中文| 日韩欧美精品免费久久| 精品人妻一区二区三区麻豆| 人体艺术视频欧美日本| 亚洲自偷自拍三级| 最近2019中文字幕mv第一页| 97超碰精品成人国产| 国产一区二区三区av在线| 嫩草影院新地址| 中文字幕制服av| av天堂中文字幕网| www.色视频.com| 在线观看美女被高潮喷水网站| 大片免费播放器 马上看| 国产成人aa在线观看| 欧美成人午夜免费资源| 国产久久久一区二区三区| 日本欧美视频一区| 欧美+日韩+精品| 亚洲电影在线观看av| 久久99蜜桃精品久久| 色婷婷av一区二区三区视频| 多毛熟女@视频| 精品久久久久久久末码| 欧美精品亚洲一区二区| 熟妇人妻不卡中文字幕| 国产欧美日韩精品一区二区| 久久久久久久久久久免费av| 亚洲精品aⅴ在线观看| 亚洲欧洲国产日韩| 国产精品秋霞免费鲁丝片| 久久人人爽人人爽人人片va| 伦理电影免费视频| 国产av国产精品国产| 最后的刺客免费高清国语| av女优亚洲男人天堂| 嘟嘟电影网在线观看| 蜜桃在线观看..| 久久久久久九九精品二区国产| 美女主播在线视频| 日本猛色少妇xxxxx猛交久久| 一级黄片播放器| 精品少妇黑人巨大在线播放| 国产 一区精品| 免费观看无遮挡的男女| 伊人久久国产一区二区| 99视频精品全部免费 在线| 亚洲伊人久久精品综合| 男人爽女人下面视频在线观看| 亚洲久久久国产精品| 国产精品国产三级国产av玫瑰| 久久精品夜色国产| 99国产精品免费福利视频| 亚洲怡红院男人天堂| 国产精品久久久久成人av| 男女无遮挡免费网站观看| 亚洲精品久久久久久婷婷小说| 久久精品久久精品一区二区三区| 国产久久久一区二区三区| 大话2 男鬼变身卡| 搡老乐熟女国产| 国产黄色视频一区二区在线观看| 小蜜桃在线观看免费完整版高清| 久久99蜜桃精品久久| 欧美成人a在线观看| 男人添女人高潮全过程视频| 亚洲av国产av综合av卡| 国产高清有码在线观看视频| 伊人久久国产一区二区| 人妻夜夜爽99麻豆av| 国产高清国产精品国产三级 | 免费高清在线观看视频在线观看| 久久6这里有精品| 国产亚洲av片在线观看秒播厂| 亚洲精品自拍成人| 精品少妇久久久久久888优播| 高清在线视频一区二区三区| 午夜福利在线观看免费完整高清在| 国产精品三级大全| 婷婷色av中文字幕| 国产精品一区二区在线观看99| 国产亚洲91精品色在线| 久久精品国产亚洲网站| 成人亚洲精品一区在线观看 | 久久精品久久精品一区二区三区| av在线app专区| 亚洲精品日韩在线中文字幕| 亚洲,一卡二卡三卡| 最近最新中文字幕大全电影3| 亚洲精品日韩在线中文字幕| 久久6这里有精品| 日韩视频在线欧美| 成人黄色视频免费在线看| 午夜老司机福利剧场| av专区在线播放| 日韩伦理黄色片| 亚洲av免费高清在线观看| 蜜桃在线观看..| 久久99热这里只有精品18| 国产片特级美女逼逼视频| 欧美+日韩+精品| 国产男人的电影天堂91| 久久99热6这里只有精品| 黑丝袜美女国产一区| 亚洲精品国产成人久久av| 直男gayav资源| 日韩一本色道免费dvd| 能在线免费看毛片的网站| 少妇的逼水好多| 99久久中文字幕三级久久日本| 少妇人妻精品综合一区二区| 看十八女毛片水多多多| 国产精品爽爽va在线观看网站| 极品少妇高潮喷水抽搐| 免费人妻精品一区二区三区视频| av卡一久久| 男女无遮挡免费网站观看| 欧美精品人与动牲交sv欧美| 卡戴珊不雅视频在线播放| 日韩一区二区视频免费看| 精品国产三级普通话版| 黄色视频在线播放观看不卡| 国产精品一区二区三区四区免费观看| 在线观看三级黄色| 欧美成人精品欧美一级黄| 国产av精品麻豆| 一本色道久久久久久精品综合| 午夜福利视频精品| 国产爽快片一区二区三区| av在线观看视频网站免费| 少妇人妻久久综合中文| 亚洲va在线va天堂va国产| 欧美高清性xxxxhd video| 日本猛色少妇xxxxx猛交久久| 国产精品成人在线| 日本欧美国产在线视频| 国产黄片美女视频| 青春草亚洲视频在线观看| 亚洲第一av免费看| 精品国产乱码久久久久久小说| 秋霞在线观看毛片| 亚洲av日韩在线播放| 午夜福利视频精品| 国产伦理片在线播放av一区| 国产欧美另类精品又又久久亚洲欧美| 亚洲国产成人一精品久久久| 亚洲精品自拍成人| 美女cb高潮喷水在线观看| 伊人久久精品亚洲午夜| 高清av免费在线| 伊人久久国产一区二区| 欧美日韩在线观看h| 亚洲欧美中文字幕日韩二区| 免费av不卡在线播放| 成人影院久久| 男女无遮挡免费网站观看| 观看av在线不卡| 麻豆精品久久久久久蜜桃| 永久网站在线| 王馨瑶露胸无遮挡在线观看| 亚洲国产日韩一区二区| 激情五月婷婷亚洲| 亚洲图色成人| 亚洲真实伦在线观看| 久久久色成人| 亚洲色图av天堂| 校园人妻丝袜中文字幕| 免费看不卡的av| 大片电影免费在线观看免费| 中文在线观看免费www的网站| 少妇丰满av| a级毛色黄片| 男的添女的下面高潮视频| 我要看黄色一级片免费的| 黄色配什么色好看| 狂野欧美激情性xxxx在线观看| 精品一区二区三卡| 一本—道久久a久久精品蜜桃钙片| 狠狠精品人妻久久久久久综合| 少妇人妻一区二区三区视频| 99热全是精品| 亚洲精品久久久久久婷婷小说| 久久人人爽人人片av| 国产黄色免费在线视频| 午夜激情福利司机影院| 精品人妻偷拍中文字幕| 最近2019中文字幕mv第一页| 男女边摸边吃奶| 日本黄色片子视频| 亚洲天堂av无毛| 丝瓜视频免费看黄片| 亚洲综合色惰| 丝袜喷水一区| 大码成人一级视频| 中文字幕久久专区| 多毛熟女@视频| 人人妻人人看人人澡| 欧美性感艳星| 国产毛片在线视频| 国产黄片视频在线免费观看| 国产成人freesex在线| 国产精品久久久久久av不卡| 国产av精品麻豆| 亚洲四区av| av网站免费在线观看视频| 熟女人妻精品中文字幕| 日韩av在线免费看完整版不卡| 亚洲精品成人av观看孕妇| av在线观看视频网站免费| 嘟嘟电影网在线观看| 美女主播在线视频| 内地一区二区视频在线| 亚洲综合色惰| 国产高清三级在线| 五月玫瑰六月丁香| 久热这里只有精品99| 国产精品欧美亚洲77777| 男女无遮挡免费网站观看| 久久久精品94久久精品| 亚洲无线观看免费| 免费大片18禁| 亚洲欧美日韩东京热| 卡戴珊不雅视频在线播放| 亚洲av二区三区四区| 国产精品嫩草影院av在线观看| 日韩人妻高清精品专区| 妹子高潮喷水视频| 欧美日韩精品成人综合77777| 国产v大片淫在线免费观看| 亚洲国产av新网站| 亚洲国产毛片av蜜桃av| 麻豆国产97在线/欧美| 亚洲av中文字字幕乱码综合| 欧美另类一区| 欧美老熟妇乱子伦牲交| 一级毛片久久久久久久久女| 亚洲最大成人中文| 美女内射精品一级片tv| 亚洲电影在线观看av| 成年人午夜在线观看视频| 大又大粗又爽又黄少妇毛片口| 汤姆久久久久久久影院中文字幕| 亚洲国产精品成人久久小说| 交换朋友夫妻互换小说| 亚洲四区av| 国产免费一级a男人的天堂| 2021少妇久久久久久久久久久| 人体艺术视频欧美日本| 好男人视频免费观看在线| av天堂中文字幕网| 王馨瑶露胸无遮挡在线观看| 色网站视频免费| 中文字幕精品免费在线观看视频 | 亚洲,欧美,日韩| 欧美性感艳星| 国产探花极品一区二区| 一二三四中文在线观看免费高清| 人妻制服诱惑在线中文字幕| 一区二区三区四区激情视频| 精品酒店卫生间| 王馨瑶露胸无遮挡在线观看| 熟女电影av网| 麻豆成人午夜福利视频| 午夜日本视频在线| 妹子高潮喷水视频| 美女主播在线视频| 尤物成人国产欧美一区二区三区| 成人国产av品久久久| 一本久久精品| 日本-黄色视频高清免费观看| 在现免费观看毛片| 成人毛片60女人毛片免费| 国产精品一区www在线观看| 精品人妻偷拍中文字幕| 韩国高清视频一区二区三区| 亚洲电影在线观看av| 精品一区二区三区视频在线| 国内少妇人妻偷人精品xxx网站| 免费黄色在线免费观看| 中文欧美无线码| 国产爽快片一区二区三区| 99久久精品热视频| 亚洲国产毛片av蜜桃av| 免费久久久久久久精品成人欧美视频 | 一本—道久久a久久精品蜜桃钙片| 最近最新中文字幕大全电影3| 国产国拍精品亚洲av在线观看| 国产精品人妻久久久久久| 久久精品久久精品一区二区三区| 一个人看的www免费观看视频| 国模一区二区三区四区视频| 美女脱内裤让男人舔精品视频| 亚洲四区av| 这个男人来自地球电影免费观看 | 看免费成人av毛片| 亚洲成人手机| 黄色日韩在线| 一本一本综合久久| 汤姆久久久久久久影院中文字幕| 性色av一级| 久久精品国产自在天天线| 国产 一区 欧美 日韩| 久久久国产一区二区| 久久亚洲国产成人精品v| 亚洲aⅴ乱码一区二区在线播放| 亚洲成人av在线免费| 日韩亚洲欧美综合| 免费高清在线观看视频在线观看| 熟妇人妻不卡中文字幕|