• <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 ?

    兩種基于K近鄰特征選擇算法的對(duì)比分析

    2016-09-08 01:35:32薛又岷嚴(yán)玉萍古嘉玲包曉蓉
    電子設(shè)計(jì)工程 2016年1期
    關(guān)鍵詞:特征選擇逆向類別

    薛又岷,嚴(yán)玉萍,古嘉玲,包曉蓉

    (江蘇科技大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院,江蘇 鎮(zhèn)江 212003)

    兩種基于K近鄰特征選擇算法的對(duì)比分析

    薛又岷,嚴(yán)玉萍,古嘉玲,包曉蓉

    (江蘇科技大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院,江蘇 鎮(zhèn)江212003)

    在特征選擇過(guò)程中,針對(duì)近鄰錯(cuò)誤分類率較低的問(wèn)題,分別采用正向貪心和逆向貪心思想設(shè)計(jì)了兩種啟發(fā)式特征選擇算法,其目的是在降低數(shù)據(jù)集中特征數(shù)量的同時(shí),能夠進(jìn)一步降低近鄰錯(cuò)誤分類率。通過(guò)8組UCI數(shù)據(jù)集上的交叉驗(yàn)證結(jié)果表明,相比于正向貪心算法,逆向貪心算法能夠刪除較多的冗余特征,從而得出逆向貪心算法能夠更有效地提高近鄰算法的分類精度的結(jié)論。

    特征選擇;啟發(fā)式算法;貪心算法;近鄰錯(cuò)誤分類率

    特征選擇,是機(jī)器學(xué)習(xí)與人工智能領(lǐng)域[1-4]內(nèi)的一項(xiàng)重要研究?jī)?nèi)容。眾所周知,在數(shù)據(jù)集中,每個(gè)特征的重要程度是不同的,而特征選擇就是考慮在一些評(píng)價(jià)指標(biāo)的前提條件下,選擇出數(shù)據(jù)集中重要的特征并刪除其中不相關(guān)或冗余的特征,以達(dá)到簡(jiǎn)化知識(shí)表示與數(shù)據(jù)分析的目的。近年的研究成果表明,現(xiàn)有的很多特征選擇算法大致可歸為兩類:Filter算法與Wrapper算法[5]。一般來(lái)說(shuō),F(xiàn)ilter算法在特征子集的評(píng)價(jià)過(guò)程中 (特征選擇)不考慮數(shù)據(jù)的分類或?qū)W習(xí)過(guò)程,而Wrapper算法往往利用某種分類性能作為評(píng)價(jià)指標(biāo),并采用一定的搜索策略[6]加以實(shí)現(xiàn)。在現(xiàn)實(shí)世界中,由于數(shù)據(jù)規(guī)模的高速增長(zhǎng),目前已經(jīng)出現(xiàn)了多種類型的優(yōu)化搜索策略,其中啟發(fā)式算法作為一大類搜索方法,采用貪心的基本思想,以較快的速度逼近問(wèn)題的精確解或近似解,因而受到了眾多研究學(xué)者的廣泛關(guān)注。

    在Wrapper算法[7]中,分類性能是一項(xiàng)重要的評(píng)價(jià)指標(biāo)。作為十大經(jīng)典分類算法之一,KNN(K近鄰)方法由于其分類思想簡(jiǎn)單且易于實(shí)現(xiàn),因而在許多領(lǐng)域得到了廣泛的應(yīng)用。但在實(shí)際應(yīng)用中,當(dāng)訓(xùn)練樣本的特征較多時(shí),KNN算法通常會(huì)面臨時(shí)間效率低下,精度下降等一系列的不足。為解決這一問(wèn)題,本文將采用兩種不同的貪心搜索策略并設(shè)計(jì)基于K近鄰分類器的特征選擇算法,其主要目的是選擇出對(duì)于分類影響較大的特征并剔除冗余特征,因而利用該思想有望提高KNN的分類性能。

    1 基本知識(shí)

    KNN算法[8]的主要分為3步:首先,計(jì)算待分類樣本與已知類別的訓(xùn)練樣本之間的距離或相似度,找到與待分類樣本最近的k個(gè)樣本,稱之為待分類樣本的k個(gè)近鄰;其次,根據(jù)這些樣本所屬的類別來(lái)判斷待分類樣本的類別,如果待分類樣本的k個(gè)近鄰都屬于同一個(gè)類別,那么待分類樣本也屬于該類別;否則的話,對(duì)每一個(gè)候選類別進(jìn)行評(píng)分,按照一定的規(guī)則來(lái)確定待分類樣本的類別。

    K近鄰算法中的分類決策規(guī)則往往遵循多數(shù)表決[9],多數(shù)表決是指由待分類樣本的k個(gè)近鄰(訓(xùn)練樣本)所得到的多數(shù)類別來(lái)決定輸入樣本的類別。盡管K近鄰算法可以在一定程度上有效地判斷出待分類樣本的類別,但其結(jié)果往往也伴隨著誤差,這樣的誤差文中稱為近鄰錯(cuò)誤分類率。

    定義1給定一個(gè)分類任務(wù),分類函數(shù)為

    其中ci為類別標(biāo)記,x為待分類樣本。

    定義2對(duì)給定的待分類樣本x,可構(gòu)建判別函數(shù)

    其中ci為x的真實(shí)類別標(biāo)記,k表示采用KNN分類器。

    定義3對(duì)于一組給定的樣本集合X,特征集合為C,則該組樣本的近鄰正確分類率為

    其中|X|表示集合X的基數(shù)。

    定義4對(duì)于一組給定的樣本X,特征集合為C,對(duì)于a埸C,特征a相對(duì)于特征集合C的重要度為

    2 基于貪心策略的K近鄰特征選擇算法

    所謂特征選擇,是指從原始特征中選擇出一些最有效的特征以降低數(shù)據(jù)維數(shù)的過(guò)程[10],是提高學(xué)習(xí)算法性能的一個(gè)重要手段,也是數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)與模式識(shí)別中關(guān)鍵的數(shù)據(jù)預(yù)處理步驟。

    其實(shí),在樣本分類的過(guò)程中,有些特征對(duì)于分類的貢獻(xiàn)度很小,甚至毫無(wú)貢獻(xiàn)。顯然,在這種含有冗余特征的樣本中利用KNN分類器進(jìn)行分類[11],會(huì)在一定的程度上影響分類的正確率。如果將那些對(duì)于分類重要的特征選取出來(lái),以此組合成為一個(gè)新的測(cè)試樣本,然后在這個(gè)新的測(cè)試樣本上分類,就可以提高傳統(tǒng)的K近鄰算法的分類精度從而降低近鄰錯(cuò)誤分類率。根據(jù)這一思想,本文設(shè)計(jì)了兩種基于貪心策略的K近鄰特征選擇算法。

    2.1正向貪心特征選擇算法

    給定的一組待分類樣本集合X,正向貪心特征選擇算法可以分為2步:首先,利用正向貪心選擇出重要度較大的特征,并將該特征加入到候選特征集合Red中,從而構(gòu)建新的測(cè)試樣本集;其次,不斷重復(fù)上述步驟直到分類精度ACCRed(X)不再上升。

    根據(jù)定義3所示的特征重要度,正向貪心特征選擇算法如算法1所示:

    算法1正向貪心特征選擇算法(FGA)

    輸入:待分類樣本集合X,特征集合C。

    輸出:所選擇出的特征集合Red。

    步驟1:計(jì)算ACCC(X);

    步驟 4:選擇特征 b∈C且滿足 Sig(b)=max{Sig(ai):ai∈C},若Sig(b)>0,令Red=Red∪,C=C-Red;轉(zhuǎn)至步驟3,否則轉(zhuǎn)至步驟5;

    步驟5:輸出Red和ACCRed(X)。

    2.2逆向貪心特征選擇算法

    給定的一組待分類樣本集合X,逆向貪心特征選擇算法可以分為2步:首先,利用逆向貪心選擇出重要度較大的特征,并將該特征加入到候選特征集合Red中,從而構(gòu)建新的測(cè)試樣本集;其次,不斷重復(fù)上述步驟直到分類精度ACCRed (X)不再上升。

    算法2逆向貪心特征選擇算法(RGA)

    輸入:待分類樣本集合X,特征集合C。

    輸出:所選擇出的特征集合Red。

    步驟1:計(jì)算ACCC(X);

    步驟2:Red←C,ACCRed(X)=ACCC(X);

    步驟3:坌ai∈Red,計(jì)算屬性ai的重要度Sig(ai)=ACCRed(X)-ACCRed-{ai}(X);

    步驟4:選擇特征b∈C且滿足Sig(b)=min{Sig(aj):坌aj∈C},若Sig(b)>0,轉(zhuǎn)至步驟6,否則轉(zhuǎn)至步驟5;

    步驟5:令Red=Red-,轉(zhuǎn)至步驟3;

    步驟6:輸出Red和ACCRed(X)。

    通過(guò)計(jì)算,可以得到傳統(tǒng)的K近鄰特征選擇算法的時(shí)間、空間復(fù)雜度分別為O(n2)和O(n)。而基于貪心策略的K近鄰特征選擇算法的時(shí)間、空間復(fù)雜度均為O(n),其中n表示數(shù)據(jù)中特征的個(gè)數(shù)。因此,正向貪心特征選擇算法與逆向貪心特征選擇算法可以一定程度提高算法效率。

    3 實(shí)驗(yàn)結(jié)果

    為了驗(yàn)證算法的有效性,本文選取了8組UCI數(shù)據(jù)集,并進(jìn)行了3組實(shí)驗(yàn)。這8組數(shù)據(jù)集的基本信息如表1所示。實(shí)驗(yàn)1是將本文提出的正向貪心算法與傳統(tǒng)的KNN算法進(jìn)行對(duì)比分析;實(shí)驗(yàn)2是將本文提出的逆向貪心算法與傳統(tǒng)的KNN算法進(jìn)行對(duì)比分析;實(shí)驗(yàn)3是將本文提出的正向貪心算法與逆向貪心算法進(jìn)行對(duì)比分析。這3組實(shí)驗(yàn)中我們都采用10倍交叉驗(yàn)證的方法。實(shí)驗(yàn)環(huán)境為PC機(jī),雙核2.1 GHz CPU,2 GB內(nèi)存,Windows 8操作系統(tǒng),MatlabR 2014a實(shí)驗(yàn)平臺(tái)。

    表1 數(shù)據(jù)集的基本信息Tab.1 The information of used databases

    實(shí)驗(yàn)1正向貪心特征選擇算法

    在實(shí)驗(yàn)1中,我們將正向貪心特征選擇算法(FGA)與傳統(tǒng)的K近鄰算法(KNN)進(jìn)行了對(duì)比分析,結(jié)果如表2所示。從表2可以看出,所提出的正向貪心特征選擇算法可以在部分?jǐn)?shù)據(jù)集上有效地減少特征個(gè)數(shù):如Abalone數(shù)據(jù)集原始數(shù)據(jù)有9個(gè)特征,利用正向貪心特征選擇算法(K=5)選擇出了2個(gè)特征,同時(shí)分類精度提高了近3個(gè)百分點(diǎn)。由此可以看出在部分?jǐn)?shù)據(jù)集中通過(guò)正向貪心策略進(jìn)行特征選擇,可以去除原始數(shù)據(jù)中的冗余特征(降低了數(shù)據(jù)的存儲(chǔ)空間),從而可以提高了KNN分類器的時(shí)間效率。因此正向貪心特征選擇算法在特征選擇和分類時(shí)間方面具有一定優(yōu)勢(shì)。但同時(shí)值得注意的是,特征數(shù)目的減少有可能帶來(lái)分類精度的降低,如Wine Quality數(shù)據(jù)集原始數(shù)據(jù)有12個(gè)特征,利用正向貪心特征選擇算法(K=1)選擇出了2個(gè)特征,分類精度相比于原始分類精度下降了近25個(gè)百分點(diǎn),這是由于正向貪心策略的終止條件是分類精度不再上升,此時(shí)得到的分類精度有可能會(huì)小于利用所有特征所得到的分類精度。

    表2 正向貪心算法與KNN算法的比較Tab.2 The comparison between forward greedy algorithm and KNN algorithm

    實(shí)驗(yàn)2逆向貪心特征選擇算法

    在實(shí)驗(yàn)2中,我們將逆向貪心特征選擇算法(RGA)與傳統(tǒng)的K近鄰算法(KNN)進(jìn)行了對(duì)比分析,結(jié)果如表3所示。從表3可以看出,利用所提出的逆向貪心特征選擇算法可以大幅度減少特征數(shù),如在Breast Cancer Wisconsin數(shù)據(jù)集上,原始數(shù)據(jù)擁有31個(gè)特征,而逆向貪心特征選擇算法(K=1)僅選取了6個(gè)特征。由此可以看出通過(guò)逆向貪心策略進(jìn)行特征選擇,可以去除原始數(shù)據(jù)中的冗余特征(降低了數(shù)據(jù)的存儲(chǔ)空間)。此外,值得注意的是利用逆向貪心特征選擇算法得到的特征子空間可以有效地提高分類精度。原始數(shù)據(jù)通過(guò)逆向貪心特征選擇,去除了數(shù)據(jù)集中的冗余特征,且保留原數(shù)據(jù)集的特征信息,從而在保持分類精度上升或與原始分類精度差別不大的前提下,降低了時(shí)間和空間復(fù)雜度。因此,相比于傳統(tǒng)的K近鄰算法,逆向貪心特征選擇算法更加有效。

    表3 逆向貪心算法和KNN算法的比較Tab.3 The comparison between reverse greedy algorithm and KNN algorithm

    實(shí)驗(yàn)3正向貪心特征選擇算法與逆向貪心特征選擇算法的比較

    在實(shí)驗(yàn)3中,我們將正向貪心特征選擇算法(FGA)與逆向貪心特征選擇算法(RGA)進(jìn)行對(duì)比分析,如表4所示。從表4可以看出,利用逆向貪心特征選擇算法所選取的特征數(shù)在大多數(shù)數(shù)據(jù)集上要少于利用正向貪心特征選擇算法所選取的特征數(shù),且利用逆向貪心特征選擇出的特征子集進(jìn)行分類,其分類精度要普遍高于利用正向貪心特征選擇出的特征子集進(jìn)行分類所求出的分類精度。

    4 結(jié) 論

    為了進(jìn)一步降低K近鄰算法的近鄰錯(cuò)誤分類率,本文結(jié)合正向/逆向貪心搜索策略所設(shè)計(jì)了兩種啟發(fā)式特征選擇算法。由實(shí)驗(yàn)結(jié)果可知,正向貪心特征選擇算法僅能降低數(shù)據(jù)集中特征數(shù)量,但往往不能降低近鄰錯(cuò)誤分類率。而相比于正向貪心算法,逆向貪心算法不僅能夠刪除較多的冗余特征,而且能夠更有效地提高近鄰算法的分類精度。因此所提出的算法是有一定現(xiàn)實(shí)意義的。

    表4 正向貪心算法和逆向貪心算法的比較Tab.4 The comparison between forward and reverse greedy algorithms

    在本文工作的基礎(chǔ)上,筆者下一步會(huì)嘗試將正向/逆向貪心搜索策略與其他類型的分類器(如支持向量機(jī)SVM,決策樹(shù)等)相結(jié)合,并將其應(yīng)用到蛋白質(zhì)二級(jí)結(jié)構(gòu)類預(yù)測(cè)的問(wèn)題上。

    [1]Qian Y H,Liang J Y,Pedrycz W,et al.Positive Approximation:An Accelerator for Attribute Reduction in Rough Set Theory[J].Artificial Intelligence,2010,174(9-10):597-618.

    [2]Yang X B,Yu D J,Yang J Y,et al.Dominance-based Rough Set Approach to Incomplete Interval-valued Information System[J].Data&Knowledge Engineering,2009,68(11): 1331-1347.

    [3]Yang X B,Yang Y,Wu C,et al.Dominance-based Rough Set Approach and Knowledge Reductions in Incomplete Ordered Information System[J].Information Sciences,2008,178(4):1219-1234.

    [4]Qian Y H,Liang J Y,Pedrycz W,et al.An Efficient Accelerator for Attribute Reduction From Incomplete Data in Rough Set Framework[J].Pattern Recognition,2011,44(8):1658-1670.

    [5]Zeng Z L,Zhang H J,Zhang R,et al.A Novel Feature Selection Method Considering Feature Interaction[J].Pattern Recognition,2015,48:2656-2666.

    [6]Ding J Y,Song S J,Gupta J,et al.An Improved Iterated Greedy Algorithm With a Tabu-based Reconstruction Strategy for the No-wait Flowshop Scheduling Problem[J].Applied Soft Computing,2015,30(5):604-613.

    [7]Kohavi R,John G H.Wrappers for Feature Subset Selection [J].Artificial Intelligence,1997,97(1-2):273-324.

    [8]Hu Q H,Pedrycz W,Yu D R,Lang J.Selecting Discrete and Continuous Features Based on Neighborhood Decision Error Minimization[J].IEEE Transactions on Systems,Man,and Cybernetics-Part B:Cybernetics,2010,40(1):137-150.

    [9]梁立東,葉邦彥.一種最近鄰像素值的極大概率濾波算法[J].電子設(shè)計(jì)工程,2014(7):181-183,187.

    [10]劉軒,王衛(wèi)紅,唐曉斌,等.遺傳算法在SAR圖像目標(biāo)鑒別特征選擇上的應(yīng)用[J].電子科技,2014(5):140-144.

    [11]景永霞,茍和平,馮百明,等.不均衡數(shù)據(jù)集中KNN分類器樣本裁剪算法[J].科學(xué)技術(shù)與工程,2013(16):4720-4723.

    A comparison between two KNN based feature selection algorithms

    XUE You-min,YAN Yu-ping,GU Jia-ling,BAO Xiao-rong
    (School of Computer Science and Engineering,Jiangsu University of Science and Technology,Zhenjiang 212003,China)

    To reduce the nearest neighbor error classification rate in feature selection,two heuristic algorithms are proposed by using the forward and reverse greedy ideas,respectively.The purpose of our paper is not only to reduce the features in data sets,but also to further reduce the nearest neighbor error classification rate.By the cross validation on eight UCI data sets,the experimental results show that the reverse greedy algorithm can not only remove more redundant features,but also can effectively improve the classification accuracy of the nearest neighbor algorithm.

    feature selection;heuristic algorithm;greedy algorithm;nearest neighborhood error classification rate

    TN18

    A

    1674-6236(2016)01-0019-04

    2015-06-11稿件編號(hào):201506121

    國(guó)家自然科學(xué)基金(61305058);中國(guó)博士后科學(xué)基金(2014M550293)

    薛又岷(1995—),男,江蘇南京人。研究方向:粗糙集、粒計(jì)算與數(shù)據(jù)挖掘。

    猜你喜歡
    特征選擇逆向類別
    逆向而行
    逆向解答
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    服務(wù)類別
    論類別股東會(huì)
    商事法論集(2014年1期)2014-06-27 01:20:42
    中醫(yī)類別全科醫(yī)師培養(yǎng)模式的探討
    基于特征選擇和RRVPMCD的滾動(dòng)軸承故障診斷方法
    逆向工程技術(shù)及應(yīng)用
    基于二元搭配詞的微博情感特征選擇
    国产免费一级a男人的天堂| 嫩草影院精品99| 插阴视频在线观看视频| 亚洲精品456在线播放app| 午夜视频国产福利| 国产老妇女一区| 3wmmmm亚洲av在线观看| or卡值多少钱| 简卡轻食公司| 80岁老熟妇乱子伦牲交| 成人毛片a级毛片在线播放| 3wmmmm亚洲av在线观看| 一区二区三区四区激情视频| 亚洲av不卡在线观看| 亚洲无线观看免费| 中文天堂在线官网| 国产亚洲午夜精品一区二区久久 | 国产亚洲一区二区精品| 伦理电影大哥的女人| 亚洲精品aⅴ在线观看| 精品一区二区免费观看| 一夜夜www| 韩国av在线不卡| 大又大粗又爽又黄少妇毛片口| 亚洲成人av在线免费| 久久精品国产自在天天线| 免费大片18禁| 成人性生交大片免费视频hd| 80岁老熟妇乱子伦牲交| av在线观看视频网站免费| 麻豆国产97在线/欧美| 春色校园在线视频观看| 老师上课跳d突然被开到最大视频| 免费大片黄手机在线观看| 只有这里有精品99| 欧美日韩视频高清一区二区三区二| 精品人妻熟女av久视频| 国产精品人妻久久久久久| 成人毛片60女人毛片免费| 色吧在线观看| 亚洲va在线va天堂va国产| 九九爱精品视频在线观看| 久久久久久久久久成人| 婷婷色综合大香蕉| 国产精品久久久久久av不卡| 日韩欧美国产在线观看| 我的老师免费观看完整版| 最近最新中文字幕免费大全7| 性插视频无遮挡在线免费观看| 一级av片app| 日日摸夜夜添夜夜添av毛片| 久久国产乱子免费精品| av在线播放精品| 国内精品宾馆在线| 三级毛片av免费| 亚洲成人久久爱视频| 国产精品美女特级片免费视频播放器| 午夜激情欧美在线| 成人二区视频| 国产在线一区二区三区精| 国产大屁股一区二区在线视频| 观看免费一级毛片| 91精品一卡2卡3卡4卡| 久久精品国产亚洲av涩爱| 亚洲av二区三区四区| 两个人的视频大全免费| 久久热精品热| 亚洲欧美日韩无卡精品| 久久久成人免费电影| 久久久国产一区二区| 日本爱情动作片www.在线观看| av女优亚洲男人天堂| 欧美高清性xxxxhd video| 欧美97在线视频| 国产激情偷乱视频一区二区| 一级毛片aaaaaa免费看小| 欧美一级a爱片免费观看看| 丝袜喷水一区| 少妇的逼水好多| 日韩在线高清观看一区二区三区| 日本熟妇午夜| 日本免费在线观看一区| 国内少妇人妻偷人精品xxx网站| 国产三级在线视频| 精品国产三级普通话版| 国产av不卡久久| 亚洲av一区综合| 午夜老司机福利剧场| 亚洲精品第二区| 又爽又黄a免费视频| 国产欧美日韩精品一区二区| 国产高清不卡午夜福利| 国产精品一及| 国产精品一区www在线观看| 99久久精品一区二区三区| 成人毛片a级毛片在线播放| 久久久久久国产a免费观看| 水蜜桃什么品种好| 搞女人的毛片| 国产精品久久久久久精品电影| 欧美xxxx黑人xx丫x性爽| 国产在线一区二区三区精| 99视频精品全部免费 在线| 亚洲一级一片aⅴ在线观看| 高清欧美精品videossex| 日本一本二区三区精品| 精品一区二区三区人妻视频| 乱人视频在线观看| 又爽又黄无遮挡网站| 日韩国内少妇激情av| 国产不卡一卡二| 亚洲精品影视一区二区三区av| 亚洲图色成人| 国产有黄有色有爽视频| 久久久久久国产a免费观看| 99热全是精品| 看十八女毛片水多多多| 欧美精品国产亚洲| 国产视频内射| 十八禁网站网址无遮挡 | 女的被弄到高潮叫床怎么办| 波野结衣二区三区在线| xxx大片免费视频| 亚洲国产色片| 日韩一区二区视频免费看| 久久精品人妻少妇| 美女xxoo啪啪120秒动态图| 超碰97精品在线观看| 九草在线视频观看| 美女黄网站色视频| 久久99热6这里只有精品| 国产精品99久久久久久久久| 日韩伦理黄色片| 18禁在线无遮挡免费观看视频| 天堂影院成人在线观看| 国产免费福利视频在线观看| 精品一区在线观看国产| 一级av片app| 成人亚洲精品一区在线观看 | 大陆偷拍与自拍| 亚洲国产精品成人综合色| 亚洲国产精品国产精品| 亚洲精品日韩在线中文字幕| 18禁在线无遮挡免费观看视频| 国产高清三级在线| 日韩av在线免费看完整版不卡| 乱人视频在线观看| 午夜久久久久精精品| 国产一级毛片七仙女欲春2| 日本猛色少妇xxxxx猛交久久| 在线免费观看不下载黄p国产| 不卡视频在线观看欧美| 亚洲自偷自拍三级| 免费黄色在线免费观看| 国产白丝娇喘喷水9色精品| 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 | 少妇人妻精品综合一区二区| 久久久久久久久久久免费av| 日本wwww免费看| 国产亚洲精品久久久com| 波多野结衣巨乳人妻| 免费观看a级毛片全部| 校园人妻丝袜中文字幕| 久久久久久久亚洲中文字幕| 男女啪啪激烈高潮av片| av在线播放精品| 国产综合懂色| 日韩一本色道免费dvd| 国产综合精华液| 免费黄网站久久成人精品| 你懂的网址亚洲精品在线观看| 床上黄色一级片| 国产视频内射| 国产免费福利视频在线观看| 国产综合精华液| 直男gayav资源| 国产高潮美女av| 欧美性感艳星| 亚洲在线观看片| 亚洲精品久久久久久婷婷小说| 欧美激情在线99| 亚洲美女搞黄在线观看| 亚洲欧美日韩东京热| 久久99蜜桃精品久久| 少妇丰满av| 国精品久久久久久国模美| 日韩 亚洲 欧美在线| 中文字幕人妻熟人妻熟丝袜美| 女人久久www免费人成看片| 国产精品国产三级专区第一集| 天堂√8在线中文| 欧美日韩国产mv在线观看视频 | 国产黄a三级三级三级人| 精品久久久久久久末码| 91久久精品国产一区二区成人| 美女高潮的动态| 成人二区视频| 尤物成人国产欧美一区二区三区| 91狼人影院| 亚洲精品亚洲一区二区| 国产成人福利小说| 能在线免费看毛片的网站| 午夜免费观看性视频| 久久国产乱子免费精品| 简卡轻食公司| 三级男女做爰猛烈吃奶摸视频| 久久久久久国产a免费观看| 国产91av在线免费观看| 国产乱人视频| 99久久精品国产国产毛片| 中国美白少妇内射xxxbb| 美女国产视频在线观看| 超碰97精品在线观看| 夜夜看夜夜爽夜夜摸| 亚洲最大成人av| 伊人久久国产一区二区| 91av网一区二区| 插阴视频在线观看视频| 九草在线视频观看| 国产精品爽爽va在线观看网站| 亚洲精品中文字幕在线视频 | 亚洲欧美日韩卡通动漫| 日韩视频在线欧美| 亚洲国产av新网站| 97精品久久久久久久久久精品| 久久久久国产网址| 嫩草影院精品99| 天堂影院成人在线观看| eeuss影院久久| 人妻少妇偷人精品九色| 插逼视频在线观看| 国产黄片视频在线免费观看| 18+在线观看网站| 99久久精品热视频| 免费在线观看成人毛片| 国产高潮美女av| 卡戴珊不雅视频在线播放| 国产激情偷乱视频一区二区| 久久99热这里只有精品18| 少妇熟女欧美另类| 国产免费福利视频在线观看| 欧美xxxx黑人xx丫x性爽| 日韩在线高清观看一区二区三区| 在线免费观看的www视频| 国产69精品久久久久777片| 一级毛片黄色毛片免费观看视频| 观看美女的网站| 亚洲在线自拍视频| 欧美bdsm另类| 啦啦啦啦在线视频资源| 久久久亚洲精品成人影院| 午夜福利视频精品| 国产成人freesex在线| 高清av免费在线| 亚洲国产成人一精品久久久| 午夜日本视频在线| 五月天丁香电影| 国产精品.久久久| 淫秽高清视频在线观看| 大又大粗又爽又黄少妇毛片口| 男人舔女人下体高潮全视频| 干丝袜人妻中文字幕| 国产免费一级a男人的天堂| 午夜福利视频精品| 成人高潮视频无遮挡免费网站| 天堂√8在线中文| 久久精品国产亚洲av天美| 亚洲精品自拍成人| 在线 av 中文字幕| 国产av码专区亚洲av| 日本免费a在线| 国产色婷婷99| 在线观看一区二区三区| 男人狂女人下面高潮的视频| 亚洲精品久久久久久婷婷小说| 春色校园在线视频观看| 久久久久久久久久人人人人人人| 色播亚洲综合网| 成人一区二区视频在线观看| 免费不卡的大黄色大毛片视频在线观看 | 一区二区三区乱码不卡18| 欧美+日韩+精品| 亚洲18禁久久av| 亚洲美女搞黄在线观看| 国产一区二区在线观看日韩| 精品熟女少妇av免费看| 免费观看性生交大片5| 成人午夜精彩视频在线观看| 九色成人免费人妻av| 别揉我奶头 嗯啊视频| 街头女战士在线观看网站| 在现免费观看毛片| 国产精品.久久久| 美女xxoo啪啪120秒动态图| 日韩电影二区| 久久久久久久久大av| 特大巨黑吊av在线直播| 深夜a级毛片| 久久精品夜色国产| 91久久精品电影网| 亚洲av免费高清在线观看| .国产精品久久| 久久综合国产亚洲精品| 免费av观看视频| 丰满人妻一区二区三区视频av| 女的被弄到高潮叫床怎么办| 精品人妻视频免费看| 国产精品一区www在线观看| 日本免费在线观看一区| 18禁裸乳无遮挡免费网站照片| 黄色配什么色好看| 日韩成人av中文字幕在线观看| 美女被艹到高潮喷水动态| 亚洲av.av天堂| 九九爱精品视频在线观看| 精品人妻视频免费看| 国产中年淑女户外野战色| 亚洲国产高清在线一区二区三| 久久97久久精品| 色5月婷婷丁香| 97在线视频观看| 欧美一级a爱片免费观看看| 免费播放大片免费观看视频在线观看| 国产精品久久久久久久久免| 免费观看a级毛片全部| 青春草国产在线视频| 国产女主播在线喷水免费视频网站 | a级一级毛片免费在线观看| 日韩三级伦理在线观看| 丝袜喷水一区| 国产欧美另类精品又又久久亚洲欧美| 老师上课跳d突然被开到最大视频| 又大又黄又爽视频免费| 午夜精品国产一区二区电影 | 国产成人91sexporn| 国产精品久久久久久久久免| av免费观看日本| 久久人人爽人人片av| ponron亚洲| 18禁裸乳无遮挡免费网站照片| 亚洲精品一二三| 国产不卡一卡二| 一区二区三区乱码不卡18| 啦啦啦韩国在线观看视频| 日本与韩国留学比较| av在线播放精品| 观看免费一级毛片| 日韩精品青青久久久久久| 久久精品久久精品一区二区三区| 99久久人妻综合| 久久久久久九九精品二区国产| 亚洲av一区综合| 国产综合懂色| 国产亚洲5aaaaa淫片| 卡戴珊不雅视频在线播放| 免费人成在线观看视频色| 亚洲精品日韩av片在线观看| 亚洲精品国产av成人精品| 日韩在线高清观看一区二区三区| 亚洲怡红院男人天堂| 国产精品美女特级片免费视频播放器| 看免费成人av毛片| 国产精品三级大全| 欧美变态另类bdsm刘玥| 综合色av麻豆| 久久亚洲国产成人精品v| 成人特级av手机在线观看| 成年女人在线观看亚洲视频 | 在现免费观看毛片| 边亲边吃奶的免费视频| 久久久久精品性色| 欧美区成人在线视频| 超碰av人人做人人爽久久| 啦啦啦啦在线视频资源| 黄色日韩在线| 青春草亚洲视频在线观看| 亚洲av不卡在线观看| h日本视频在线播放| 天堂√8在线中文| 亚洲美女搞黄在线观看| 国产av码专区亚洲av| a级毛片免费高清观看在线播放| 超碰97精品在线观看| 你懂的网址亚洲精品在线观看| 一级二级三级毛片免费看| 午夜精品国产一区二区电影 | 亚洲性久久影院| 97超视频在线观看视频| 干丝袜人妻中文字幕| 夜夜看夜夜爽夜夜摸| 国产黄片视频在线免费观看| 国产探花在线观看一区二区| 男人舔女人下体高潮全视频| 国产麻豆成人av免费视频| .国产精品久久| 国产精品女同一区二区软件| 观看免费一级毛片| 日韩欧美精品v在线| 好男人在线观看高清免费视频| 肉色欧美久久久久久久蜜桃 | 国产色婷婷99| 一级毛片电影观看| 国产伦一二天堂av在线观看| 国产av国产精品国产| 国内精品一区二区在线观看| 国产精品久久视频播放| 国产熟女欧美一区二区| 久久久久网色| 在线观看av片永久免费下载| 国产亚洲一区二区精品| 少妇被粗大猛烈的视频| 午夜久久久久精精品| 亚洲精品色激情综合| 精品国内亚洲2022精品成人| 亚洲最大成人av| 久久久久久久久久成人| 国产成人a∨麻豆精品| 波野结衣二区三区在线| 午夜精品在线福利| 日韩人妻高清精品专区| 99热这里只有是精品在线观看| 91aial.com中文字幕在线观看| 一级av片app| 少妇丰满av| 国产乱人偷精品视频| 久久久久久久久久黄片| 久久这里有精品视频免费| 噜噜噜噜噜久久久久久91| 特级一级黄色大片| 好男人视频免费观看在线| 国产精品久久久久久久电影| 国产精品一区www在线观看| 神马国产精品三级电影在线观看| 如何舔出高潮| 国产成人免费观看mmmm| 国产精品麻豆人妻色哟哟久久 | 搞女人的毛片| 亚洲婷婷狠狠爱综合网| 亚洲av日韩在线播放| 亚洲人与动物交配视频| 少妇人妻一区二区三区视频| 亚洲美女搞黄在线观看| 亚洲国产欧美在线一区| 亚洲精华国产精华液的使用体验| 天美传媒精品一区二区| 成人亚洲精品一区在线观看 | 高清日韩中文字幕在线| 成年女人在线观看亚洲视频 | 99热这里只有是精品在线观看| 91av网一区二区| 99久久人妻综合| av又黄又爽大尺度在线免费看| 免费观看精品视频网站| 欧美性猛交╳xxx乱大交人| 久久鲁丝午夜福利片| 男女视频在线观看网站免费| 国产成人精品久久久久久| 国产美女午夜福利| 中文在线观看免费www的网站| 亚洲熟妇中文字幕五十中出| 久久久久久久午夜电影| 99久久精品一区二区三区| 18禁在线播放成人免费| 人人妻人人澡人人爽人人夜夜 | 国产成人午夜福利电影在线观看| 国产成人精品婷婷| 国产精品蜜桃在线观看| 亚洲精品国产成人久久av| 如何舔出高潮| 男女下面进入的视频免费午夜| 国产一级毛片在线| 亚洲成人精品中文字幕电影| 超碰97精品在线观看| av在线观看视频网站免费| 午夜激情福利司机影院| 国产女主播在线喷水免费视频网站 | 麻豆乱淫一区二区| 成人毛片60女人毛片免费| 一本久久精品| 国产成人精品福利久久| 美女xxoo啪啪120秒动态图| 欧美潮喷喷水| 中文精品一卡2卡3卡4更新| 日日啪夜夜爽| 亚洲欧美成人综合另类久久久| 99久国产av精品| 人人妻人人澡欧美一区二区| 国产黄色视频一区二区在线观看| 国内精品美女久久久久久| 免费观看的影片在线观看| 黄色日韩在线| 男女视频在线观看网站免费| www.av在线官网国产| 亚洲欧美日韩卡通动漫| 国产一区二区三区综合在线观看 | 内地一区二区视频在线| 久久99精品国语久久久| 久热久热在线精品观看| 最近最新中文字幕免费大全7| 精品久久久久久久人妻蜜臀av| 最近视频中文字幕2019在线8| 欧美变态另类bdsm刘玥| 亚洲最大成人av| 赤兔流量卡办理| 国国产精品蜜臀av免费| 又黄又爽又刺激的免费视频.| 欧美激情久久久久久爽电影| 亚洲精品国产av成人精品| 久久精品人妻少妇| 内地一区二区视频在线| 一级a做视频免费观看| 久久久久久久久久成人| 春色校园在线视频观看| 日本与韩国留学比较| 国产乱人偷精品视频| 久久久久久久午夜电影| 国产白丝娇喘喷水9色精品| 中文乱码字字幕精品一区二区三区 | 亚洲婷婷狠狠爱综合网| 22中文网久久字幕| 欧美成人午夜免费资源| 高清av免费在线| 日本黄色日本黄色录像| 老司机影院成人| 国产 一区精品| 国产在线一区二区三区精| 国产精品欧美亚洲77777| 国产成人精品福利久久| 丝袜脚勾引网站| 精品国产乱码久久久久久小说| 国产色婷婷99| 91在线精品国自产拍蜜月| 日本-黄色视频高清免费观看| 麻豆精品久久久久久蜜桃| 久久久精品国产亚洲av高清涩受| 精品一区二区三卡| 熟女少妇亚洲综合色aaa.| 国产精品香港三级国产av潘金莲 | 国产精品人妻久久久影院| 亚洲男人天堂网一区| 欧美日韩国产mv在线观看视频| 国产av码专区亚洲av| 国产精品久久久久成人av| 视频在线观看一区二区三区| 99久久人妻综合| 欧美日韩亚洲国产一区二区在线观看 | 国产欧美日韩综合在线一区二区| 亚洲少妇的诱惑av| 18禁裸乳无遮挡动漫免费视频| 亚洲精品中文字幕在线视频| 免费黄频网站在线观看国产| 亚洲av成人精品一二三区| 九九爱精品视频在线观看| 91aial.com中文字幕在线观看| 在线免费观看不下载黄p国产| 亚洲第一区二区三区不卡| 亚洲成人手机| 国产高清不卡午夜福利| 精品国产国语对白av| 国产精品av久久久久免费| 国产精品久久久久成人av| 男女下面插进去视频免费观看| 下体分泌物呈黄色| 电影成人av| 一级a爱视频在线免费观看| 日韩一本色道免费dvd| 国产乱来视频区| 国产 一区精品| 18禁观看日本| 日本vs欧美在线观看视频| 国产精品久久久av美女十八| 国产精品免费大片| 国产成人午夜福利电影在线观看| 人人澡人人妻人| 日韩熟女老妇一区二区性免费视频| av国产久精品久网站免费入址| 中文字幕人妻丝袜制服| 夜夜骑夜夜射夜夜干| 人成视频在线观看免费观看| 亚洲五月色婷婷综合| 美女脱内裤让男人舔精品视频| 久久精品久久久久久久性| 精品午夜福利在线看| 国产在线免费精品| 国产精品99久久99久久久不卡 | 免费av中文字幕在线| 国产精品一区二区在线观看99| 99热全是精品| 爱豆传媒免费全集在线观看| 欧美日本中文国产一区发布| 国产 精品1| 性少妇av在线| 欧美激情 高清一区二区三区| 欧美 亚洲 国产 日韩一| 最黄视频免费看| 考比视频在线观看| 午夜福利影视在线免费观看| 亚洲天堂av无毛| 久热这里只有精品99| 天天躁日日躁夜夜躁夜夜| 午夜av观看不卡| 日韩一区二区视频免费看| 咕卡用的链子| 免费观看a级毛片全部| 两个人免费观看高清视频| 性色avwww在线观看| 亚洲天堂av无毛| 人妻 亚洲 视频| 亚洲综合精品二区| 日本午夜av视频| 少妇被粗大的猛进出69影院| 亚洲欧美清纯卡通| 哪个播放器可以免费观看大片| 国产av一区二区精品久久| 国语对白做爰xxxⅹ性视频网站|