• <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 ?

    基于增強蜂群優(yōu)化算法的特征選擇算法

    2016-05-14 09:34:53張霞龐秀平
    計算機應(yīng)用 2016年5期
    關(guān)鍵詞:特征選擇

    張霞 龐秀平

    摘要:針對傳統(tǒng)蜂群優(yōu)化(BCO)算法探測能力強但搜索能力較弱的問題,提出一種搜索能力增強的BCO算法,并將其應(yīng)用于數(shù)據(jù)特征選擇問題以提高特征選擇的性能。首先,為食物源引入全局權(quán)重的概念,用以評估各食物源對種群的重要性,降低蜂群搜索的隨機性;然后,設(shè)計了兩步篩選的招募方法提高蜂群搜索能力并保持多樣性;最終,為食物源引入局部權(quán)重的概念,用于評估某個食物源與類標簽的相關(guān)性,從而優(yōu)化解特征選擇問題。仿真實驗結(jié)果表明,所提方法可以明顯提高BCO的優(yōu)化效果,同時獲得了較好的特征選擇效果,并且優(yōu)于基于差異的人工蜂群算法(DisABC)和蜂群優(yōu)化特征選擇算法(BCOFS)。

    關(guān)鍵詞:特征選擇;蜂群優(yōu)化算法;食物源;類標簽;全局權(quán)重;招募算法

    中圖分類號:TP18 文獻標志碼:A

    Abstract:Concerning the problem that the traditional Bee Colony Optimization (BCO) has good exploration but week exploitation performance, an exploitation enhanced BCO algorithm was proposed, and applied to data feature selection problem in order to improve the performance of the feature selection. Firstly, global weight was introduced into the food source, and was used to evaluate the importance of each food source to population, thus the randomness of exploitation was reduced; then, a recruiting method with twostep filtering was designed to improve the exploitation performance and keep diversity; at last, local weight was introduced into the food source to evaluate the correlation between the food source and class labels which were used in the feature selection model. Simulation experimental results show that the proposed method can improve the effect of the BCO and get a good performance in the feature selection problem, and the method outperforms Dissimilarity based Artificial Bee Colony (DisABC) and Feature Selection based on Bee Colony Optimization (BCOFS).

    Key words:feature selection; Bee Colony Optimization (BCO) algorithm; food source; class label; global weight; recruiting algorithm

    0 引言

    蜂群優(yōu)化(Bee Colony Optimization, BCO)算法[1]是一種較好的人工智能算法,該方法模擬自然中蜂群的行為以求解優(yōu)化問題,文獻[1]中將BCO主要分為5個階段:1)初始化;2)建立解;3)適應(yīng)度評估;4)忠誠度評估;5)招募蜂選擇。第1)階段為算法參數(shù)設(shè)置初始值,第2)階段通過幾輪迭代建立解空間,之后3個階段則根據(jù)不同的應(yīng)用場景作不同的設(shè)計[2]。BCO的優(yōu)點是在探測的早期階段可以調(diào)整搜索方向,而其他的群體智能(Swarm Intelligence, SI)算法不具備該特點,例如蟻群優(yōu)化算法(Ant Colony Optimization, ACO)需要蟻群完全遍歷所有路徑最終根據(jù)信息素選擇最優(yōu)路徑。大多SI算法均具有極高的隨機性,

    該特點的好處是提高了算法的探測能力,但導致了搜索能力的降低[3]。

    BCO的每輪迭代均需執(zhí)行上述的3)、4)、5)三個階段,而為了提高BCO的搜索能力,本文對4)、5)兩個階段進行了新的設(shè)計,提高蜂群搜索的方向性,從而提高搜索的性能。

    特征選擇是模式識別、數(shù)據(jù)挖掘等領(lǐng)域極為重要的處理階段,其通過選擇原始特征集合中的重要特征構(gòu)成特征子集以實現(xiàn)數(shù)據(jù)的降維處理,其性能優(yōu)劣直接影響之后的挖掘效果[4-5],特征選擇保留的是原始物理特征,因此,可以真正地降低存儲需要、測量需求、計算開銷等[6]。特征選擇對于構(gòu)建一個簡潔、高效的分類系統(tǒng)有重要作用,它不僅可以揭示系統(tǒng)所隱藏的潛在模式和規(guī)律,還使分類結(jié)果的可視化成為可能[7]。特征選擇方法依據(jù)其與分類器的關(guān)系分為過濾式、封裝式與嵌入式三類方法。過濾式方法根據(jù)每一個特征對分類貢獻的大小,定義其重要度,選擇重要的特征構(gòu)成特征子集;封裝式方法依賴于學習過程,將訓練樣本分成訓練子集和測試子集兩部分。顯然,基于人工智能的特征選擇方法屬于封裝式方法,文獻[8-14]均為近期基于人工智能的特征選擇算法,雖然獲得了較好的效果,但是大多數(shù)此類算法并未結(jié)合特征選擇的特點作深入的設(shè)計,從而其性能依然具有提高的空間。

    本文不僅設(shè)計了新算法將蜂群引向價值較高的食物源,提高BCO的搜索能力,同時為食物源引入局部權(quán)重的概念,并評估該局部權(quán)重與樣本類標簽的相關(guān)性,將特征選擇問題建模為離散優(yōu)化問題,從而實現(xiàn)BCO食物源不僅考慮了蜂群搜索的性能,同時考慮特征選擇的類標簽。實驗結(jié)果表明,本文特征選擇算法具有較好的泛化效果,也使得分類器獲得了較好的分類精確率。

    1 增強的蜂群優(yōu)化算法

    上文指出傳統(tǒng)BCO隨機地分配雇傭蜂,導致搜索能力不足,為了解決該問題,本文基于文獻[1]提出一種改進的BCO算法,簡稱EBCO算法。圖1所示是本文方法的總體簡介,本文設(shè)計了雙權(quán)重分配方法以提高食物源搜索的方向性,此外通過權(quán)重程序評估蜂群對食物源的忠誠度,然后使用兩步篩選機制從未雇傭蜂中選擇招募蜂。

    1.1 參數(shù)初始化

    本文方法的初始化參數(shù)根據(jù)實驗結(jié)果選擇最優(yōu)參數(shù)組合,以期獲得最佳的特征選擇效率與性能,本文假設(shè)蜂群數(shù)量為B,迭代次數(shù)G,建立解所需的迭代次數(shù)為NC。

    1.2 建立局部解

    建立局部解的過程中,每輪搜索之后,蜂群返回蜂巢評估其適應(yīng)度與忠誠度,然后將蜂群分為招募蜂與跟隨蜂。蜜蜂需要NC次迭代創(chuàng)建一個局部解,該階段蜂群隨機地搜索解空間,圖2所示是局部解建立程序的流程。

    算法1評估每個預(yù)測的類標簽對食物源的依賴程度,最終使用式(5)測量每個食物源的局部權(quán)重(第7)行)。如果某個食物源對類標簽的相關(guān)性(貢獻度)較高,則認為該食物源價值較高。簡言之,如果某個食物源提高了數(shù)據(jù)的分類精確率,則認為該食物源價值較高。

    僅考慮相關(guān)性評估可能對蜂群產(chǎn)生誤導,因此需要融合適應(yīng)度值解決該問題。如果適應(yīng)度值與局部權(quán)重的均值較高,則認為該食物源為高質(zhì)量食物源,因此,需要考慮適應(yīng)度值適當?shù)卣{(diào)節(jié)食物源的局部權(quán)重,最終的忠誠度估算方法如式(6)定義:

    獲得忠誠度之后,則可通過多種方法劃分雇傭蜂與非雇傭蜂,本文選擇忠誠度較高的作為雇傭蜂。

    1.4 適應(yīng)度與性能評估

    本文EBCO應(yīng)用于特征選擇問題,因此適應(yīng)度函數(shù)設(shè)為分類準確率[15]。

    1.5 兩步篩選招募算法

    傳統(tǒng)BCO基于輪盤賭方法分配招募蜂[16],由此會引起兩個情況:

    1)大量的未雇傭蜂跟隨少量的雇傭蜂,而大量的雇傭蜂仍然沒有跟隨者。

    2)每個雇傭蜂被一個以上的未雇傭蜂更隨。

    對于第1)種情況,其種群多樣性較低,較多蜜蜂的解相似而導致早熟收斂,并且降低了蜂群的搜索能力。為了解決該問題,本文提出一種兩步篩選分配算法:

    第一步 如果某個雇傭蜂與跟隨蜂搜索的食物源相近,則該跟隨蜂傾向于跟隨該雇傭蜂,該數(shù)學模型如下:

    圖4、5中每個行對應(yīng)一個蜜蜂,第1列是蜜蜂的標識符; 第2~6列的每列對應(yīng)一個食物源,其中1與0分別表示該食物源是否被選擇; 第7列表示該蜜蜂是否被招募(C表示分配(Committed),U表示未分配(Uncommitted));最后一列是蜜蜂的適應(yīng)度值。

    本文兩步分配方法的主要優(yōu)點是有助于提高算法的搜索能力:本方法使跟隨蜂跟隨相似的領(lǐng)蜂加強蜂群的搜索能力,同時并保持多樣性。圖5所示是兩步篩選分配流程:第一步:基于未雇傭蜂與雇傭蜂的相似性進行招募;第二步:根據(jù)適應(yīng)度值從相似蜂群中篩選招募蜂。

    為了使用EBCO算法優(yōu)化特征選擇問題,需將特征選擇問題建模為離散優(yōu)化問題。因此使用二值格式(1與0)表示某個特征是否被選擇,數(shù)據(jù)集的特征數(shù)量應(yīng)該與解長度相等。例如一個解為1111100000,表示選擇前五個特征。

    EBCO_FS初始化之后,每個蜜蜂獨立地向前移動,移動距離為NC,即每個蜜蜂決定是否選擇前NC個特征。算法2是創(chuàng)建局部解的程序,特征總數(shù)量設(shè)為F,x表示前幾個剩余特征,將每個蜜蜂的開始位置設(shè)為第一個特征(第1)、2)行)。然后進行NC長度的局部解創(chuàng)建步驟(第4)~9)行)。在一些情況下,剩余特征的數(shù)量可能低于預(yù)設(shè)的NC值(第12)行),因此蜜蜂將x作為其NC值。

    從表3可以看出,EBCO的性能易受解空間大小與蜂群數(shù)量的影響,主要原因是在評估忠誠度與兩步篩選招募方法中使用了較多的種群信息。實驗結(jié)果可看出,蜂群數(shù)量越大,因為EBCO可從多個方式來評估忠誠度,可篩選出較好的跟隨蜂,因此優(yōu)化性能越好。同時EBCO與標準BCO以及其他兩種改進BCO方法相比,EBCO具有一定的優(yōu)勢,可見本方法對BCO進行了有效的增強。

    3.2 基于EBCO特征選擇算法的性能

    對基于EBCO的特征選擇算法進行測試,使用8個標準的UCI Benchmark數(shù)據(jù)集,如表4所示。首先學習訓練樣本集,然后對測試數(shù)據(jù)集進行分類處理,實驗將數(shù)據(jù)集分為三個子集分別用于訓練、測試與驗證,將一個數(shù)據(jù)集70%分為訓練、20%分為驗證、10%分為測試。

    EBCO_FS算法EBCO部分參數(shù)與3.1節(jié)一致,因為100次迭代之后實驗結(jié)果僅具有極小的提高,所以每組獨立實驗的迭代次數(shù)設(shè)為100,根據(jù)上文實驗結(jié)果,將種群大小設(shè)為5000?;谟柧毤膶Ρ葘嶒?zāi)繕耸菧y試算法創(chuàng)建模型的效果,訓練之后,使用測試數(shù)據(jù)集測試本算法的性能。在訓練實驗中,對訓練集與驗證集進行各特征選擇算法,并且保存每輪的最優(yōu)解。在測試實驗中,利用訓練實驗的每輪最優(yōu)解,對測試數(shù)據(jù)集進行實驗,每輪迭代取其迭代最優(yōu)值,結(jié)果從100個最優(yōu)值中(迭代次數(shù))取均值。

    其中TS與TC分別是樣本總數(shù)量與正確分類樣本的數(shù)量。

    實驗中,將EBCO_FS與基于差異的人工蜂群算法(Dissimilarity based Artificial Bee Colony, DisABC)[9]和蜂群優(yōu)化特征選擇算法(Feature Selection based on Bee Colony Optimization, BCOFS)[13]進行比較,表5所示是特征選擇的實驗結(jié)果,訓練集實驗的結(jié)果顯示,對于大多數(shù)數(shù)據(jù)集,EBCO_FS算法均優(yōu)于BCOFS與DisABC算法;而對于測試集的實驗結(jié)果顯示了本方法具有絕對的優(yōu)勢??梢姳疚牡膬刹胶Y選招募方法與雙權(quán)重食物源分配方法提高了BCO的搜索能力,同時保持了BCO較好的樣本多樣性,并且獲得了較好的特征選擇效果。

    4 結(jié)語

    本文設(shè)計了新算法將蜂群引向價值較高的食物源,提高BCO的搜索能力,同時為食物源引入局部權(quán)重的概念,并評估該局部權(quán)重與樣本類標簽的相關(guān)性,將特征選擇問題建模為離散優(yōu)化問題,從而使得BCO食物源不僅考慮了蜂群搜索的性能,同時考慮特征選擇的類標簽。實驗結(jié)果證明本文的兩步篩選招募方法與雙權(quán)重食物源分配方法提高了BCO的搜索能力,同時保持了BCO較好的樣本多樣性,并且獲得了較好的特征選擇效果。

    參考文獻:

    [1]TEODOROVIC D, LUCIC P, MARKOVIC G, et al. Bee colony optimization: principles and applications[C]// Proceedings of the 8th Seminar on Neural Network Applications in Electrical Engineering. Piscataway, NJ: IEEE, 2006:151-156.

    [2]NIKOLIC M, TEODOROVIC D. Empirical study of the Bee Colony Optimization (BCO) algorithm[J]. Expert Systems with Applications, 2013, 40(11):4609-4620.

    [3]KANG F, LI J, MA Z. Rosenbrock artificial bee colony algorithm for accurate global optimization of numerical functions[J]. Information Sciences, 2011, 181(16):3508-3531.

    [4]張振海, 李士寧, 李志剛,等. 一類基于信息熵的多標簽特征選擇算法[J]. 計算機研究與發(fā)展, 2013, 50(6):1177-1184.(ZHANG Z H, LI S N, LI Z G, et al. Multilabel feature selection algorithm based on information entropy[J]. Journal of Computer Research and Development, 2013, 50(6): 1177-1184.)

    [5]謝娟英, 謝維信. 基于特征子集區(qū)分度與支持向量機的特征選擇算法[J]. 計算機學報, 2014, 37(8):1704-1718.(XIE J Y, XIE W X. Several feature selection algorithms based on the discernibility of a feature subset and support vector machines[J]. Chinese Journal of Computers, 2014, 37(8):1704-1718.)

    [6]BOLNCANEDO V, SNCHEZMAROO N, ALONSOBETANZOS A. A review of feature selection methods on synthetic data[J]. Knowledge & Information Systems, 2013, 34(3):483-519.

    [7]代旺, 方昱春, 李楊. 融合過濾和封裝方式的特征選擇算法[J]. 計算機工程, 2012, 38(24):166-170.(DAI W, FANG Y C, LI Yang. Feature selection algorithm fused with filtering and packaging mode[J]. Computer Engineering, 2012, 38(24): 166-170.)

    [8]DZIWINSKI P, LUKASZ BARTCZUK, STARCZEWSKI J T. Fully controllable ant colony system for text data clustering[C]// Proceedings of the 2012 International Symposia on Swarm and Evolutionary Computation. Berlin: Springer, 2012:199-205.

    [9]KASHAN M H, NAHAVANDI N, KASHAN A H. DisABC: a new artificial bee colony algorithm for binary optimization[J]. Applied Soft Computing, 2012, 12(1):342-352.

    [10]ASAD A H, AZAR A T, HASSAANIEN A E O. A comparative study on feature selection for retinal vessel segmentation using ant colony system[C]// Proceedings of the 2nd International Symposium on Intelligent Informatics. Berlin: Springer, 2014, 235:1-11.

    [11]楊鴻章.基于蟻群算法特征選擇的語音情感識別[J]. 計算機仿真, 2013, 30(4):377-381.(YANG H Z. Feature selection of speech emotional recognition based on ant colony optimization algorithm[J]. Computer Simulation, 2013, 30(4):377-381.)

    [12]PALANISAMY S, KANMANI S. Artificial bee colony approach for optimizing feature selection[J]. International Journal of Computer Science Issues, 2012, 9(3):432-438.

    [13]FORSATI R, MOAYEDIKIA A, SHAMSFARD M, et al. A novel approach for feature selection based on the bee colony optimization[J]. International Journal of Computer Applications, 2012, 43(8):13-16.

    [14]RAKSHIT P, BHATTACHARYYA S, KONAR A, et al. Artificial bee colony based feature selection for motor imagery EEG data[C]// Proceedings of Seventh International Conference on BioInspired Computing: Theories and Applications. Berlin: Springer, 2013:127-138.

    [15]FORSATI R, MOAYEDIKIA A, JENSEN R, et al. Enriched ant colony optimization and its application in feature selection[J]. Neurocomputing, 2014, 142(1):354-371.

    [16]TEODOROVIC D, LUCIC P, MARKOVIC G, et al. Bee colony optimization: principles and applications[C]// Proceedings of the 8th Seminar on Neural Network Applications in Electrical Engineering. Piscataway, NJ: IEEE, 2006:151-156.

    [17]ALZAQEBAH M, ABDULLAH S. Hybrid bee colony optimization for examination timetabling problems[J]. Computers & Operations Research, 2015, 54(54):142-154.

    [18]LU P, ZHOU J, ZHANG H, et al. Chaotic differential bee colony optimization algorithm for dynamic economic dispatch problem with valvepoint effects[J]. International Journal of Electrical Power & Energy Systems, 2014, 62(11):130-143.

    猜你喜歡
    特征選擇
    二進制登山隊優(yōu)化算法及其在特征選擇中的應(yīng)用
    軟件工程(2024年12期)2024-12-28 00:00:00
    基于實例學習和協(xié)同子集搜索的特征選擇方法
    電信科學(2017年6期)2017-07-01 15:44:35
    基于最大信息系數(shù)和近似馬爾科夫毯的特征選擇方法
    自動化學報(2017年5期)2017-05-14 06:20:50
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    基于GA和ELM的電能質(zhì)量擾動識別特征選擇方法
    聯(lián)合互信息水下目標特征選擇算法
    基于特征選擇聚類方法的稀疏TSK模糊系統(tǒng)
    非線性電路多軟故障的智能優(yōu)化遞階特征選擇診斷方法
    基于特征選擇和RRVPMCD的滾動軸承故障診斷方法
    基于二元搭配詞的微博情感特征選擇
    計算機工程(2014年6期)2014-02-28 01:26:36
    90打野战视频偷拍视频| 亚洲欧美日韩高清专用| 国产精品国产高清国产av| 国产美女午夜福利| 欧美黑人欧美精品刺激| 日本熟妇午夜| 中亚洲国语对白在线视频| 亚洲成人久久性| 国产成人啪精品午夜网站| 久久中文看片网| 看免费av毛片| 免费看十八禁软件| 十八禁网站免费在线| 久久精品91蜜桃| 精品一区二区三区av网在线观看| 1024手机看黄色片| a级毛片a级免费在线| 无遮挡黄片免费观看| 啦啦啦韩国在线观看视频| 国产成人影院久久av| 每晚都被弄得嗷嗷叫到高潮| 亚洲avbb在线观看| 1024香蕉在线观看| 香蕉久久夜色| 亚洲成av人片免费观看| 色在线成人网| 免费一级毛片在线播放高清视频| 国产黄色小视频在线观看| 日韩欧美三级三区| 久久国产乱子伦精品免费另类| 人人妻人人看人人澡| 又大又爽又粗| 五月伊人婷婷丁香| 99久久精品国产亚洲精品| 久久亚洲精品不卡| 亚洲va日本ⅴa欧美va伊人久久| 国产真实乱freesex| 欧美黄色片欧美黄色片| 亚洲电影在线观看av| 熟女少妇亚洲综合色aaa.| 日日干狠狠操夜夜爽| 欧美av亚洲av综合av国产av| 小蜜桃在线观看免费完整版高清| 国产真实乱freesex| 色综合亚洲欧美另类图片| svipshipincom国产片| 日韩欧美免费精品| 人妻夜夜爽99麻豆av| 啦啦啦观看免费观看视频高清| 日本 欧美在线| 一级a爱片免费观看的视频| 国产1区2区3区精品| 国内精品久久久久久久电影| 亚洲中文av在线| 亚洲中文字幕日韩| 午夜久久久久精精品| 久久九九热精品免费| 久久精品国产清高在天天线| 曰老女人黄片| 午夜成年电影在线免费观看| 亚洲熟妇熟女久久| 中文亚洲av片在线观看爽| 亚洲avbb在线观看| 免费大片18禁| 日韩人妻高清精品专区| 国产欧美日韩精品一区二区| 欧美成人性av电影在线观看| 此物有八面人人有两片| 18美女黄网站色大片免费观看| 国产三级在线视频| 亚洲欧美日韩东京热| 国产成人欧美在线观看| 舔av片在线| 日韩成人在线观看一区二区三区| 日韩大尺度精品在线看网址| 国内揄拍国产精品人妻在线| 99国产精品一区二区三区| 午夜精品久久久久久毛片777| 麻豆国产97在线/欧美| 亚洲专区中文字幕在线| 精品久久久久久成人av| 欧美一区二区国产精品久久精品| 男女做爰动态图高潮gif福利片| 日韩欧美国产一区二区入口| 国产野战对白在线观看| 精品一区二区三区视频在线观看免费| 免费看光身美女| 国产高清videossex| bbb黄色大片| 日本一二三区视频观看| 日日干狠狠操夜夜爽| 成在线人永久免费视频| 麻豆国产97在线/欧美| 亚洲片人在线观看| 婷婷精品国产亚洲av在线| 久久香蕉精品热| 黄色成人免费大全| 无限看片的www在线观看| 久久热在线av| 欧美大码av| 日本黄色片子视频| 狂野欧美白嫩少妇大欣赏| 成人无遮挡网站| 69av精品久久久久久| 我要搜黄色片| a级毛片a级免费在线| 久久香蕉国产精品| 中文字幕人妻丝袜一区二区| 色综合亚洲欧美另类图片| 国产又色又爽无遮挡免费看| 人人妻,人人澡人人爽秒播| 99久久久亚洲精品蜜臀av| 变态另类成人亚洲欧美熟女| 国产毛片a区久久久久| netflix在线观看网站| 天堂网av新在线| 两个人看的免费小视频| 亚洲天堂国产精品一区在线| 亚洲精品乱码久久久v下载方式 | 91久久精品国产一区二区成人 | 国产一区二区在线av高清观看| 好男人电影高清在线观看| 成年版毛片免费区| 午夜日韩欧美国产| 在线播放国产精品三级| 亚洲第一欧美日韩一区二区三区| 一进一出抽搐动态| 给我免费播放毛片高清在线观看| 亚洲黑人精品在线| 18禁美女被吸乳视频| 久久精品综合一区二区三区| 99热只有精品国产| 99国产极品粉嫩在线观看| 免费av不卡在线播放| 国产1区2区3区精品| 国产人伦9x9x在线观看| 欧美国产日韩亚洲一区| 99久久精品国产亚洲精品| 欧美日韩福利视频一区二区| 99久久无色码亚洲精品果冻| 叶爱在线成人免费视频播放| 最近视频中文字幕2019在线8| 琪琪午夜伦伦电影理论片6080| 久久中文看片网| 免费看a级黄色片| 色在线成人网| 国产不卡一卡二| 色在线成人网| 国产精品久久久久久亚洲av鲁大| 老汉色∧v一级毛片| 老汉色∧v一级毛片| 日本成人三级电影网站| 一二三四在线观看免费中文在| 精品福利观看| 国产熟女xx| 在线国产一区二区在线| 久久久精品大字幕| 国产aⅴ精品一区二区三区波| 国产精品 欧美亚洲| 国产精品久久电影中文字幕| 欧美成人免费av一区二区三区| 波多野结衣高清无吗| 国产午夜福利久久久久久| 亚洲成人免费电影在线观看| 国产精品亚洲一级av第二区| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲午夜理论影院| 人人妻人人看人人澡| 9191精品国产免费久久| 国产在线精品亚洲第一网站| 天堂网av新在线| 丁香六月欧美| 久久久精品大字幕| 国产乱人伦免费视频| 久久精品人妻少妇| avwww免费| 男女下面进入的视频免费午夜| 国内揄拍国产精品人妻在线| 草草在线视频免费看| 亚洲人成网站在线播放欧美日韩| 两性午夜刺激爽爽歪歪视频在线观看| 国产精品98久久久久久宅男小说| 亚洲精品在线美女| 国内精品美女久久久久久| 午夜视频精品福利| 日韩人妻高清精品专区| 男女午夜视频在线观看| 午夜a级毛片| 97超视频在线观看视频| 国产黄a三级三级三级人| 视频区欧美日本亚洲| 国产精品女同一区二区软件 | 免费电影在线观看免费观看| 国产蜜桃级精品一区二区三区| 国产欧美日韩一区二区三| 亚洲国产欧洲综合997久久,| 欧美性猛交╳xxx乱大交人| 亚洲av熟女| 久久性视频一级片| 亚洲人成伊人成综合网2020| 久久人妻av系列| 99久久精品一区二区三区| 日韩欧美在线乱码| 亚洲av片天天在线观看| 岛国在线观看网站| 曰老女人黄片| 国产视频一区二区在线看| 国内精品美女久久久久久| 精品国产亚洲在线| 国产高潮美女av| 欧美又色又爽又黄视频| 亚洲美女黄片视频| 久久精品aⅴ一区二区三区四区| 久久中文看片网| 成人特级av手机在线观看| 免费观看人在逋| 国产伦人伦偷精品视频| 午夜福利在线观看吧| 亚洲色图 男人天堂 中文字幕| 后天国语完整版免费观看| 亚洲欧美激情综合另类| 国产单亲对白刺激| 午夜福利成人在线免费观看| 精品99又大又爽又粗少妇毛片 | 黄片大片在线免费观看| 嫩草影院入口| 99在线视频只有这里精品首页| 99久久国产精品久久久| 亚洲人与动物交配视频| 99久国产av精品| 男女那种视频在线观看| 亚洲av中文字字幕乱码综合| 看片在线看免费视频| 国语自产精品视频在线第100页| 久久久久久九九精品二区国产| 国产av在哪里看| 草草在线视频免费看| 九色成人免费人妻av| 亚洲七黄色美女视频| 男人和女人高潮做爰伦理| 精品无人区乱码1区二区| 日本在线视频免费播放| 99久久99久久久精品蜜桃| 麻豆成人av在线观看| 国产亚洲av高清不卡| 免费看a级黄色片| 18禁国产床啪视频网站| 最近视频中文字幕2019在线8| 日日干狠狠操夜夜爽| 麻豆成人午夜福利视频| 91麻豆av在线| 国产精品电影一区二区三区| 黄色日韩在线| 国产乱人视频| 热99在线观看视频| 欧美一区二区国产精品久久精品| 听说在线观看完整版免费高清| a级毛片在线看网站| 亚洲成a人片在线一区二区| 日韩欧美在线二视频| 看黄色毛片网站| 精品福利观看| 欧美成人一区二区免费高清观看 | 国产探花在线观看一区二区| 熟妇人妻久久中文字幕3abv| 亚洲中文字幕日韩| 国产av在哪里看| 国产精品久久久人人做人人爽| 久久久久久国产a免费观看| 国产伦人伦偷精品视频| 国产欧美日韩一区二区精品| 99久国产av精品| 天堂av国产一区二区熟女人妻| 超碰成人久久| 一级a爱片免费观看的视频| 国产欧美日韩精品亚洲av| 国产精品爽爽va在线观看网站| www.www免费av| 免费看日本二区| 一级毛片女人18水好多| 色老头精品视频在线观看| 一进一出抽搐gif免费好疼| 丁香欧美五月| 女生性感内裤真人,穿戴方法视频| 亚洲精华国产精华精| aaaaa片日本免费| 真实男女啪啪啪动态图| 亚洲专区字幕在线| av在线蜜桃| 久久精品夜夜夜夜夜久久蜜豆| 99国产综合亚洲精品| 午夜精品在线福利| 欧美另类亚洲清纯唯美| 国产av麻豆久久久久久久| 一级黄色大片毛片| 色在线成人网| 19禁男女啪啪无遮挡网站| 91久久精品国产一区二区成人 | 亚洲美女黄片视频| 亚洲av美国av| 夜夜爽天天搞| 97超级碰碰碰精品色视频在线观看| 观看免费一级毛片| 天天一区二区日本电影三级| 久久欧美精品欧美久久欧美| 宅男免费午夜| 18禁美女被吸乳视频| 欧美色欧美亚洲另类二区| 精品久久久久久久久久免费视频| 又黄又爽又免费观看的视频| 人人妻人人澡欧美一区二区| 床上黄色一级片| 一本久久中文字幕| 午夜成年电影在线免费观看| 一本综合久久免费| 国产爱豆传媒在线观看| 欧美黑人欧美精品刺激| 精品久久久久久久末码| e午夜精品久久久久久久| 欧美最黄视频在线播放免费| 欧美日韩综合久久久久久 | 久久精品亚洲精品国产色婷小说| av在线蜜桃| 国产伦精品一区二区三区视频9 | 人妻夜夜爽99麻豆av| 日韩欧美一区二区三区在线观看| 国产一区二区激情短视频| 午夜精品在线福利| 日本三级黄在线观看| 久久精品亚洲精品国产色婷小说| 亚洲专区中文字幕在线| 久久天堂一区二区三区四区| 国产精品久久久久久人妻精品电影| 一进一出抽搐动态| 成人欧美大片| 免费在线观看影片大全网站| 黄色女人牲交| av视频在线观看入口| 精品午夜福利视频在线观看一区| 9191精品国产免费久久| 999精品在线视频| 亚洲激情在线av| 国内毛片毛片毛片毛片毛片| 成人性生交大片免费视频hd| 亚洲欧洲精品一区二区精品久久久| 国产黄片美女视频| www日本黄色视频网| 国产精品av久久久久免费| 午夜激情欧美在线| 小蜜桃在线观看免费完整版高清| 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| 国产亚洲av高清不卡| 他把我摸到了高潮在线观看| 51午夜福利影视在线观看| 国产真实乱freesex| 精品免费久久久久久久清纯| 亚洲av五月六月丁香网| 亚洲av日韩精品久久久久久密| 首页视频小说图片口味搜索| 国产真实乱freesex| 看片在线看免费视频| av中文乱码字幕在线| 日韩欧美一区二区三区在线观看| 日本免费a在线| 日本黄色片子视频| 久久久精品大字幕| 看黄色毛片网站| 麻豆久久精品国产亚洲av| 午夜福利高清视频| 久久国产精品影院| 国产男靠女视频免费网站| 亚洲av电影在线进入| 午夜激情福利司机影院| 国产精品野战在线观看| 亚洲成人久久性| 亚洲精品美女久久av网站| 成人鲁丝片一二三区免费| 黄色 视频免费看| 欧美成人性av电影在线观看| 最新美女视频免费是黄的| 夜夜看夜夜爽夜夜摸| 日韩欧美三级三区| 国产成人影院久久av| 国产av一区在线观看免费| h日本视频在线播放| 深夜精品福利| 国产精华一区二区三区| 欧美一级毛片孕妇| 小蜜桃在线观看免费完整版高清| 色哟哟哟哟哟哟| 亚洲av成人av| 久久性视频一级片| 国产综合懂色| av福利片在线观看| 人人妻,人人澡人人爽秒播| 亚洲性夜色夜夜综合| 亚洲一区高清亚洲精品| 国产精品一区二区免费欧美| 久久香蕉精品热| 黄片小视频在线播放| 免费观看的影片在线观看| av黄色大香蕉| 一个人看视频在线观看www免费 | 久久久久久人人人人人| 国产精品日韩av在线免费观看| 日韩有码中文字幕| 国产在线精品亚洲第一网站| 999久久久精品免费观看国产| 欧美黑人欧美精品刺激| 久久久国产成人免费| 日日摸夜夜添夜夜添小说| 嫩草影视91久久| 我要搜黄色片| 老司机福利观看| 女同久久另类99精品国产91| 最新中文字幕久久久久 | 日本黄色片子视频| 国产伦在线观看视频一区| 久久久久亚洲av毛片大全| 久久中文字幕人妻熟女| 国产v大片淫在线免费观看| 两性午夜刺激爽爽歪歪视频在线观看| 男人舔女人下体高潮全视频| 最近最新免费中文字幕在线| 观看免费一级毛片| 日韩人妻高清精品专区| 亚洲九九香蕉| 成熟少妇高潮喷水视频| 成人高潮视频无遮挡免费网站| 精品国产三级普通话版| 精品久久久久久久末码| 国内精品久久久久精免费| 波多野结衣高清无吗| 国产成人精品久久二区二区91| 国产综合懂色| 999久久久精品免费观看国产| 露出奶头的视频| 特大巨黑吊av在线直播| 在线观看免费视频日本深夜| 国产高清视频在线观看网站| 老司机午夜十八禁免费视频| 亚洲欧美精品综合一区二区三区| 久久久久久久久久黄片| 亚洲成人久久爱视频| 日韩国内少妇激情av| 久久亚洲精品不卡| 午夜精品在线福利| 成年版毛片免费区| 偷拍熟女少妇极品色| 国内久久婷婷六月综合欲色啪| 国产视频一区二区在线看| e午夜精品久久久久久久| 日韩中文字幕欧美一区二区| 88av欧美| 国产精品一区二区免费欧美| 男女做爰动态图高潮gif福利片| 国产亚洲欧美98| 亚洲国产精品合色在线| 国产三级中文精品| 后天国语完整版免费观看| 欧美日韩国产亚洲二区| 午夜福利在线观看免费完整高清在 | 久久久久久大精品| bbb黄色大片| 亚洲午夜精品一区,二区,三区| 18禁国产床啪视频网站| 午夜激情欧美在线| 小说图片视频综合网站| 色综合站精品国产| 亚洲在线观看片| 亚洲精品美女久久久久99蜜臀| 黄色丝袜av网址大全| 99久久精品热视频| 成人18禁在线播放| 一进一出好大好爽视频| 久久午夜综合久久蜜桃| 日本 av在线| 精品久久久久久成人av| 国产高清视频在线播放一区| 国产精品久久久久久精品电影| 午夜成年电影在线免费观看| 亚洲美女视频黄频| www.熟女人妻精品国产| 97超视频在线观看视频| 国产成人av激情在线播放| 亚洲18禁久久av| 亚洲在线自拍视频| 国产精品乱码一区二三区的特点| 中文字幕人成人乱码亚洲影| 狂野欧美白嫩少妇大欣赏| 女人高潮潮喷娇喘18禁视频| 少妇的丰满在线观看| 五月伊人婷婷丁香| 美女扒开内裤让男人捅视频| 国产又色又爽无遮挡免费看| 夜夜爽天天搞| 欧美色欧美亚洲另类二区| 色哟哟哟哟哟哟| 禁无遮挡网站| 亚洲国产高清在线一区二区三| 国产精华一区二区三区| 午夜福利在线观看免费完整高清在 | 免费观看精品视频网站| 97人妻精品一区二区三区麻豆| 日本撒尿小便嘘嘘汇集6| 亚洲精品在线观看二区| 99热6这里只有精品| 欧美日韩黄片免| 精品久久久久久久末码| 一卡2卡三卡四卡精品乱码亚洲| 久久久久精品国产欧美久久久| 在线观看一区二区三区| 成年人黄色毛片网站| 91在线观看av| 97超视频在线观看视频| 老司机福利观看| 神马国产精品三级电影在线观看| 久久久久久久精品吃奶| 国产亚洲精品综合一区在线观看| 久久人人精品亚洲av| 国产成人aa在线观看| 成年版毛片免费区| 俄罗斯特黄特色一大片| 亚洲欧洲精品一区二区精品久久久| 亚洲自拍偷在线| 三级毛片av免费| 在线观看免费视频日本深夜| 视频区欧美日本亚洲| 99热这里只有是精品50| 国产av在哪里看| 99在线视频只有这里精品首页| 亚洲欧美精品综合一区二区三区| 欧美日韩中文字幕国产精品一区二区三区| 国产69精品久久久久777片 | 国产主播在线观看一区二区| 99热6这里只有精品| 三级国产精品欧美在线观看 | 国产精品99久久久久久久久| 99精品欧美一区二区三区四区| 国产激情久久老熟女| 亚洲成人精品中文字幕电影| 成人性生交大片免费视频hd| 欧美三级亚洲精品| 日本免费a在线| 亚洲av片天天在线观看| 国产av不卡久久| 国产aⅴ精品一区二区三区波| 美女免费视频网站| 亚洲人成伊人成综合网2020| 人妻夜夜爽99麻豆av| 两性夫妻黄色片| 在线十欧美十亚洲十日本专区| 91av网站免费观看| 国产亚洲精品综合一区在线观看| 久久久久久久午夜电影| 国产欧美日韩精品一区二区| 亚洲精品色激情综合| 观看免费一级毛片| 免费电影在线观看免费观看| 亚洲avbb在线观看| 国产又色又爽无遮挡免费看| 亚洲欧美精品综合久久99| av天堂在线播放| 精品无人区乱码1区二区| 一进一出抽搐gif免费好疼| 久9热在线精品视频| 日本黄大片高清| 亚洲成av人片免费观看| 久久精品91蜜桃| 毛片女人毛片| 久久精品91蜜桃| 一本一本综合久久| 1000部很黄的大片| 99精品久久久久人妻精品| 99久久久亚洲精品蜜臀av| 国产真实乱freesex| 每晚都被弄得嗷嗷叫到高潮| 青草久久国产| 国内精品美女久久久久久| 男插女下体视频免费在线播放| 全区人妻精品视频| 在线观看午夜福利视频| 欧美日韩综合久久久久久 | 国产精品,欧美在线| 黄色丝袜av网址大全| 91麻豆精品激情在线观看国产| 亚洲第一电影网av| 1024香蕉在线观看| 观看免费一级毛片| 国产高清视频在线观看网站| 一级毛片女人18水好多| 亚洲中文av在线| 久久久久久久久中文| 99国产综合亚洲精品| 亚洲成av人片在线播放无| 香蕉丝袜av| 少妇熟女aⅴ在线视频| 最近最新中文字幕大全免费视频| 国产精品一区二区三区四区免费观看 | 欧美色欧美亚洲另类二区| 男女午夜视频在线观看| 亚洲精品456在线播放app | 国产精品香港三级国产av潘金莲| 午夜福利成人在线免费观看| 一区福利在线观看| 午夜久久久久精精品| 91麻豆精品激情在线观看国产| 真实男女啪啪啪动态图| 久久久久久久久久黄片| 国内精品久久久久精免费| 亚洲中文av在线| 国产熟女xx| 日韩欧美免费精品| 曰老女人黄片|