• <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 ?

    基于判別信息極限學(xué)習(xí)機(jī)的高光譜遙感圖像分類(lèi)

    2017-03-06 00:41:18楊伊閆德勤張海英楚永賀
    軟件導(dǎo)刊 2017年1期
    關(guān)鍵詞:極限學(xué)習(xí)機(jī)模式識(shí)別

    楊伊+閆德勤+張海英+楚永賀

    摘要摘要:極限學(xué)習(xí)機(jī)(ELM)以其高效、快速和良好的泛化性能在模式識(shí)別領(lǐng)域得到廣泛應(yīng)用,然而在高光譜遙感圖像分類(lèi)中,極限學(xué)習(xí)機(jī)算法不能較好地利用數(shù)據(jù)蘊(yùn)含的判別信息,限制了ELM的分類(lèi)性能。為此,提出一種基于判別信息極限學(xué)習(xí)機(jī)(IELM),IELM繼承了極限學(xué)習(xí)機(jī)的優(yōu)勢(shì),并在一定程度上解決了極限學(xué)習(xí)機(jī)在有限高光譜遙感圖像數(shù)據(jù)樣本中學(xué)習(xí)不充分的問(wèn)題。高光譜遙感圖像分類(lèi)實(shí)驗(yàn)結(jié)果表明,該算法具有較好的分類(lèi)效果。

    關(guān)鍵詞關(guān)鍵詞:極限學(xué)習(xí)機(jī);模式識(shí)別;高光譜遙感圖像;判別信息

    DOIDOI:10.11907/rjdk.162600

    中圖分類(lèi)號(hào):TP317.4文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào)文章編號(hào):16727800(2017)001016105

    對(duì)于連續(xù)狹窄的光譜帶,高光譜成像傳感器能夠捕獲詳細(xì)和豐富的光譜信息。近年來(lái),隨著圖像處理技術(shù)的發(fā)展,高光譜圖像得到廣泛應(yīng)用,在高光譜圖像應(yīng)用中最重要的任務(wù)是對(duì)圖像進(jìn)行分類(lèi)。然而,在高光譜遙感圖像分類(lèi)問(wèn)題中存在一些挑戰(zhàn)。例如有限訓(xùn)練樣本之間的不平衡和高維度,高光譜遙感圖像幾何形狀復(fù)雜,高光譜遙感圖像分類(lèi)計(jì)算復(fù)雜度高。為使高光譜遙感圖像分類(lèi)取得良好效果,近年來(lái),機(jī)器學(xué)習(xí)方法在高光譜圖像分類(lèi)中得到廣泛應(yīng)用,例如人工神經(jīng)網(wǎng)絡(luò)(Artificial neural networks,ANNs)[1]、支持向量機(jī)(Support vector machine,SVM)[2]、多項(xiàng)邏輯回歸(Multinomial logistic regression,MLR)[3]、主動(dòng)學(xué)習(xí)(Active learning,AL)[4]等,其它方法如利用稀疏表示[5]以及譜聚類(lèi)[6]對(duì)高光譜進(jìn)行分離也得到廣泛應(yīng)用。然而,由于高光譜遙感圖像具有髙維度以及復(fù)雜性,通過(guò)機(jī)器學(xué)習(xí)算法尋找最優(yōu)的參數(shù)來(lái)進(jìn)行分類(lèi)通常非常困難,并且耗時(shí),實(shí)現(xiàn)高光譜遙感圖像高效快速分類(lèi)已成為遙感圖像領(lǐng)域的重要問(wèn)題。

    近年來(lái),Huang等[7]基于單隱層前饋神經(jīng)網(wǎng)絡(luò)(Single-hidden layer feedforward networks,SLFNs)結(jié)構(gòu)提出了極限學(xué)習(xí)機(jī)(Extreme learning machine,ELM)。ELM隨機(jī)產(chǎn)生隱層節(jié)點(diǎn)的輸入權(quán)值和偏置值,所有參數(shù)中僅有輸出權(quán)值經(jīng)過(guò)分析確定。ELM將傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的求解過(guò)程轉(zhuǎn)化為一個(gè)線性模型,ELM隨機(jī)選擇輸入權(quán)值和分析確定SLFNs的輸出權(quán)值,避免了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法收斂速度慢及陷入局部極小解的可能,具有更好的泛化能力和更快的學(xué)習(xí)速度。文獻(xiàn)[7]指出ELM通過(guò)隨機(jī)產(chǎn)生隱層節(jié)點(diǎn)的輸入權(quán)值和偏置值分析確定輸出權(quán)值,保持了SLFNs的通用逼近能力,同時(shí)能夠得到一個(gè)全局最優(yōu)解。由于ELM良好的泛化能力,使得ELM應(yīng)用在不同的領(lǐng)域中。在高光譜遙感圖像領(lǐng)域,Pal等[8]將ELM應(yīng)用到土地覆蓋分類(lèi)中,與BP[9]神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)相比,ELM取得了更好的分類(lèi)效果,并且ELM算法的計(jì)算復(fù)雜度遠(yuǎn)遠(yuǎn)小于BP和支持向量機(jī)。Bazi等[10]利用差分進(jìn)化方法優(yōu)化核ELM算法的參數(shù),提高了高光譜遙感圖像的分類(lèi)效果。為了提高ELM算法在高光譜遙感圖像分類(lèi)中的穩(wěn)定性,Samat等[11]基于Bagging 和 AdaBoost算法提出了集成的極限學(xué)習(xí)機(jī)算法(Ensemble extreme learning machine,E2LM)。

    雖然針對(duì)高光譜遙感圖像分類(lèi)問(wèn)題,研究人員在ELM算法的基礎(chǔ)上提出了改進(jìn),然而 ELM及其改進(jìn)算法并未充分考慮數(shù)據(jù)樣本間的幾何特征和數(shù)據(jù)蘊(yùn)含的判別信息。知道樣本之間具有某些相似的屬性和分布特征,樣本之間的相似屬性和分布特征能夠彌補(bǔ)ELM學(xué)習(xí)不夠充分的問(wèn)題,進(jìn)而可以提高ELM的泛化能力,因而數(shù)據(jù)樣本的幾何特征和數(shù)據(jù)蘊(yùn)含的判別信息對(duì)ELM的分類(lèi)性能具有重要作用。

    基于以上分析,本文提出一種基于判別信息極端學(xué)習(xí)機(jī)(Discriminative information regularized extreme learning machine,IELM),對(duì)于分類(lèi)問(wèn)題,IELM同時(shí)考慮到數(shù)據(jù)樣本的幾何特征和數(shù)據(jù)蘊(yùn)含的判別信息,通過(guò)最大化異類(lèi)離散度和最小化同類(lèi)離散度,優(yōu)化極端學(xué)習(xí)機(jī)的輸出權(quán)值,從而在一定程度上提高ELM的分類(lèi)性能和泛化能力。IELM方法的優(yōu)勢(shì)在于:①繼承了ELM的優(yōu)點(diǎn),在一定程度上避免了ELM學(xué)習(xí)不充分的問(wèn)題;②將異類(lèi)離散度和同類(lèi)離散度引入到ELM中,充分利用數(shù)據(jù)樣本的判別信息;③利用MMC[12]方法有效解決最大化異類(lèi)離散度和最小化同類(lèi)離散度矩陣奇異問(wèn)題。

    為評(píng)價(jià)和驗(yàn)證本文提出的基于判別信息極端學(xué)習(xí)機(jī)的高光譜遙感圖像分類(lèi)方法,實(shí)驗(yàn)使用Indian Pines,Salinas scene兩個(gè)高光譜遙感圖像數(shù)據(jù),將本文所提出的方法與ELM、支持向量機(jī)(Support vector machine,SVM)、最近鄰分類(lèi)器協(xié)作表示(Collaborative representation nearest neighbor classifier,CRNN)[13]進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果表明本文提出的算法能夠取得較好的分類(lèi)效果。

    實(shí)驗(yàn)環(huán)境為惠普工作站處理器:Intel(R)Xeon(R) CPU E5-1603 0 @2.80 GHz,安裝內(nèi)存:8.00GB ,系統(tǒng)類(lèi)型:64位操作系統(tǒng),版本:win7,語(yǔ)言開(kāi)發(fā)環(huán)境采用 Matlab 2010b。

    第一組實(shí)驗(yàn)數(shù)據(jù)為Indian Pines遙感圖像數(shù)據(jù),Indian Pines數(shù)據(jù)是AVIRIS傳感器在薩利納斯山谷收集的數(shù)據(jù),該圖像包含200個(gè)波段,圖像大小為145×145,地表真實(shí)分類(lèi)如圖1所示,Indian Pines數(shù)據(jù)集屬性設(shè)置如表1所示。

    第二組實(shí)驗(yàn)數(shù)據(jù)為Salinas scene遙感圖像數(shù)據(jù),Salinas scene數(shù)據(jù)是AVIRIS傳感器在薩利納斯山谷收集的數(shù)據(jù),該圖像包含204個(gè)波段,圖像大小為512×217,地表真實(shí)分類(lèi)如圖2所示, Salinas scene數(shù)據(jù)集屬性設(shè)置如表2所示。

    實(shí)驗(yàn)中,對(duì)于Indian Pines和Salinas scene圖像數(shù)據(jù),隨機(jī)選取1%的數(shù)據(jù)樣本作為訓(xùn)練集,剩下部分為測(cè)試集,使用總體精度(OA),Kappa系數(shù),平均準(zhǔn)確率(AA)衡量不同算法的性能。

    (1)總體精度。總體精度(overall accuracy,OA)是對(duì)分類(lèi)結(jié)果質(zhì)量的總體評(píng)價(jià),等于被正確分類(lèi)的像素總和除 以總的像素個(gè)數(shù)。被正確分類(lèi)的像素沿著混淆矩陣的對(duì)角線分布,它顯示了被正確分類(lèi)到真實(shí)分類(lèi)中的像元數(shù)。根據(jù)混淆矩陣可得OA的計(jì)算式為:p=∑ci=1miiN(21)其中,c表示類(lèi)別數(shù)目,mii表示混淆矩陣對(duì)角線上的元素,N=∑ci=1∑cj=1mij表示測(cè)試樣本的總數(shù)。

    (2)Kappa系數(shù)。Kappa系數(shù)采用一種多元離散分析技術(shù),反映分類(lèi)結(jié)果與參考數(shù)據(jù)之間的吻合程度,它考慮了混淆矩陣的所有因子,是一種更為客觀的評(píng)價(jià)指標(biāo),其定義為:k=N∑ci=1mii-∑ci=1(mi+m+i)N2-∑ci=1(mi+m+i)(22)其中,mi+,m+i分別表示混淆矩陣第i行的總和、第i列的總和,c表示類(lèi)別數(shù)目,N為測(cè)試樣本總數(shù),mii表示混淆矩陣對(duì)角線上的元素,Kappa系數(shù)越大分類(lèi)精度越高。

    (3)平均精度。平均精度(average accuracy,AA)定義為每類(lèi)分類(lèi)準(zhǔn)確率相加除以類(lèi)別總數(shù)。AA=∑ci=1accic(23)其中,c表示類(lèi)別數(shù)目,acci表示每類(lèi)的分類(lèi)準(zhǔn)確率。

    4.2實(shí)驗(yàn)結(jié)果及分析

    將IELM與ELM,SVM,CRNN進(jìn)行對(duì)比,SVM采用libsvm工具箱,核函數(shù)采用徑向基核函數(shù)(Radial basis function,RBF),懲罰參數(shù)c=0.02,核函數(shù)參數(shù)g=0.02,IELM與ELM均采用Sigmoid函數(shù)作為激活函數(shù),隱層節(jié)點(diǎn)個(gè)數(shù)設(shè)置為500,懲罰參數(shù)c=20。

    5結(jié)語(yǔ)

    本文提出了一種基于判別信息極端學(xué)習(xí)機(jī)的高光譜遙感圖像分類(lèi)方法,創(chuàng)新之外在于考慮到光譜遙感圖像數(shù)據(jù)的聯(lián)系和差異信息。IELM引入同類(lèi)離散度和異類(lèi)離散度的概念,體現(xiàn)了輸入空間數(shù)據(jù)的判別信息,通過(guò)最大化異類(lèi)離散度和最小化同類(lèi)離散度,優(yōu)化極端學(xué)習(xí)機(jī)的輸出權(quán)值。與NN,SVM, ELM算法的對(duì)比實(shí)驗(yàn)表明,本文所提出方法的分類(lèi)效果優(yōu)于NN,SVM,ELM算法。

    參考文獻(xiàn):

    [1]Q SAMI UL HAQ,L TAO.Neural network based adaboosting approach for hyperspectral data classication[J].International Conference on Computer Science and Network Technology(ICCSNT),2011:241245.

    [2]J A GUALTI,R F CROMP.Support vector machines for hyperspectral remote sensing classification[J].in Proc.SPIE 27th AIPR Workshop:Adv.Comput.Assisted Recognit.Int.Soc.Opt.Photonics,Washington,DC,USA,1999:221232.

    [3]J Li,J BIOUCASDIAS,A.PLAZA.Semisupervised hyperspectral image classification using soft sparse multinomial logistic regression[J].IEEE Geosci.Remote Sens.Lett,2013,10(2):318322.

    [4]W DI,MM CRAWFORD.Active learning via multiview and local proximity coregularization for hyperspectral image classification[J].IEEE Journal of Selected Topics in Signal Processing,2011,5(3):618628.

    [5]J BIOUCASDIAS,M A T.FIGUEIREDO.Alternating direction algorithms for constrained sparse regression:application to hyperspectral unmixing[J].Hyperspectral Image and Signal Processing:Evolution in Remote Sensing (WHISPERS),2010:14.

    [6]Y TARABALKA,J A BENEDIKTSSON,J CHANUSSOT.Spectralspatial classification of hyperspectral imagery based on partitional clustering techniques[J].IEEE Transactions on Geoscience and Remote Sensing,2009,47(8):29732987.

    [7]GB HUANG,H ZHOU,X DING,et al.Extreme learning machine for regression and multiclass classification[J].IEEE Trans.Syst Man Cybern B,2012,42(2):51329.

    [8]M PAL,A E MAXWELL,T A WARNER.Kernelbased extreme learning machine for remotesensing image classification[J].Remote Sens.Lett,2013,4(9):853862.

    [9]D RUMELHART,G HINTON,R WILLIAMS.Learning by backpropagating errors[J].Nature,1986,323(6088):533536.

    [10]Y BAZI.Differential evolution extreme learning machine for the classification of hyperspectral images[J].IEEE Geosci.Remote Sens.Lett,2014,11(6):10661070.

    [11]A SAMAT,P DU,S LIU,et al.E2LMs:ensemble extreme learning machines for hyperspectral image classification[J].IEEE J.Sel.Topics Appl.Earth Observ.Remote Sens,2014,7(4):10601069.

    [12]H LI,T JIANG,K ZHANG.Efficient robust feature extraction by maximum margin criterion[J].IEEE Transactions on Neural Networks ,2006,17(1):157165.

    [13]W LI,Q DU,F(xiàn) ZHANG.Collaborativerepresentationbased nearest neighbor classifier for hyperspectral imagery[J].IEEE Geoscience and Remote Sensing Letters ,2015,12(2):389393.

    [14]G B HUANG.An insight into extreme learning machines:random neurons,random features and kernels[J].Cognitive Computation,2014,6(3):376390.

    責(zé)任編輯(責(zé)任編輯:陳福時(shí))

    猜你喜歡
    極限學(xué)習(xí)機(jī)模式識(shí)別
    紫地榆HPLC指紋圖譜建立及模式識(shí)別
    中成藥(2018年2期)2018-05-09 07:19:52
    淺談模式識(shí)別在圖像識(shí)別中的應(yīng)用
    基于稀疏編碼器與集成學(xué)習(xí)的文本分類(lèi)
    神經(jīng)元的形態(tài)分類(lèi)方法研究
    極限學(xué)習(xí)機(jī)修正誤差的體育成績(jī)預(yù)測(cè)模型
    第四屆亞洲模式識(shí)別會(huì)議
    基于極限學(xué)習(xí)機(jī)的玻璃瓶口缺陷檢測(cè)方法研究
    極限學(xué)習(xí)機(jī)在圖像分割中的應(yīng)用
    可拓模式識(shí)別算法中經(jīng)典域的確定方法
    基于關(guān)節(jié)信息和極限學(xué)習(xí)機(jī)的人體動(dòng)作識(shí)別
    在线十欧美十亚洲十日本专区| 午夜两性在线视频| 精品亚洲乱码少妇综合久久| 国产xxxxx性猛交| 国产欧美日韩精品亚洲av| 亚洲精品中文字幕一二三四区 | 一区二区三区精品91| 久久久久久亚洲精品国产蜜桃av| 午夜91福利影院| 丝袜在线中文字幕| www.999成人在线观看| 久久久国产精品麻豆| 汤姆久久久久久久影院中文字幕| 欧美人与性动交α欧美精品济南到| 免费不卡黄色视频| 一本—道久久a久久精品蜜桃钙片| 中国国产av一级| 黄片播放在线免费| 搡老乐熟女国产| 久久这里只有精品19| 性少妇av在线| 国产成人一区二区三区免费视频网站| 日本a在线网址| 国产一区二区三区在线臀色熟女 | 日韩中文字幕欧美一区二区| 99久久99久久久精品蜜桃| 精品一区二区三区四区五区乱码| 两性夫妻黄色片| 免费观看a级毛片全部| 国产欧美日韩综合在线一区二区| 操出白浆在线播放| 狂野欧美激情性xxxx| 日本猛色少妇xxxxx猛交久久| 成人18禁高潮啪啪吃奶动态图| 黄色a级毛片大全视频| 亚洲av片天天在线观看| 欧美 亚洲 国产 日韩一| a级毛片黄视频| 老司机靠b影院| 美女午夜性视频免费| 久久女婷五月综合色啪小说| e午夜精品久久久久久久| 美女福利国产在线| 国产精品影院久久| 叶爱在线成人免费视频播放| 人人妻人人澡人人看| 免费在线观看日本一区| 丝袜在线中文字幕| 国产精品自产拍在线观看55亚洲 | 亚洲五月婷婷丁香| 欧美少妇被猛烈插入视频| 女性被躁到高潮视频| 丝瓜视频免费看黄片| www.av在线官网国产| 免费观看a级毛片全部| xxxhd国产人妻xxx| 嫩草影视91久久| 国产精品九九99| 欧美人与性动交α欧美精品济南到| 久久久久精品国产欧美久久久 | 国产亚洲精品久久久久5区| 国产区一区二久久| 老司机深夜福利视频在线观看 | 国产成人啪精品午夜网站| 女性被躁到高潮视频| 男人添女人高潮全过程视频| 亚洲一码二码三码区别大吗| 午夜成年电影在线免费观看| 丰满饥渴人妻一区二区三| 国产91精品成人一区二区三区 | 制服人妻中文乱码| 97精品久久久久久久久久精品| 99九九在线精品视频| 乱人伦中国视频| 国产成人精品在线电影| 亚洲免费av在线视频| 99九九在线精品视频| 国产野战对白在线观看| 国产男女超爽视频在线观看| 中文精品一卡2卡3卡4更新| av不卡在线播放| 日本91视频免费播放| 日本a在线网址| 一本—道久久a久久精品蜜桃钙片| 亚洲自偷自拍图片 自拍| 欧美精品高潮呻吟av久久| 欧美日韩亚洲综合一区二区三区_| 99精品久久久久人妻精品| 亚洲欧美日韩高清在线视频 | 成年人免费黄色播放视频| 麻豆国产av国片精品| 精品国内亚洲2022精品成人 | 中国国产av一级| 精品国产超薄肉色丝袜足j| 人妻一区二区av| 在线观看免费日韩欧美大片| 精品高清国产在线一区| 欧美在线黄色| 一区二区三区精品91| 一级毛片女人18水好多| 午夜福利视频在线观看免费| 久久免费观看电影| 脱女人内裤的视频| 免费黄频网站在线观看国产| 最近最新免费中文字幕在线| 久久青草综合色| 三上悠亚av全集在线观看| 五月开心婷婷网| 日本wwww免费看| 黑人操中国人逼视频| 亚洲成人免费av在线播放| 久久人妻熟女aⅴ| 午夜久久久在线观看| 侵犯人妻中文字幕一二三四区| 亚洲精品一二三| 欧美成狂野欧美在线观看| 精品国内亚洲2022精品成人 | 一区二区三区乱码不卡18| 天天躁狠狠躁夜夜躁狠狠躁| 母亲3免费完整高清在线观看| 精品一区在线观看国产| 啦啦啦啦在线视频资源| 99精国产麻豆久久婷婷| 日韩中文字幕视频在线看片| 97精品久久久久久久久久精品| 人妻一区二区av| 操出白浆在线播放| 日韩免费高清中文字幕av| 国产在线观看jvid| 成人手机av| 日日夜夜操网爽| 99久久人妻综合| 狠狠婷婷综合久久久久久88av| 777米奇影视久久| 九色亚洲精品在线播放| 国产精品九九99| 最新在线观看一区二区三区| 亚洲精品成人av观看孕妇| 人人妻人人爽人人添夜夜欢视频| 日本撒尿小便嘘嘘汇集6| 夜夜骑夜夜射夜夜干| 精品视频人人做人人爽| 免费在线观看黄色视频的| 亚洲欧美一区二区三区久久| 久久毛片免费看一区二区三区| 日本av免费视频播放| 国产1区2区3区精品| 十八禁高潮呻吟视频| 日本a在线网址| 中文字幕最新亚洲高清| 97在线人人人人妻| 大型av网站在线播放| 伦理电影免费视频| 精品亚洲乱码少妇综合久久| 桃红色精品国产亚洲av| 亚洲欧美一区二区三区久久| 久热这里只有精品99| 制服诱惑二区| 亚洲国产精品成人久久小说| 国产精品九九99| 亚洲成国产人片在线观看| 欧美精品亚洲一区二区| 国产三级黄色录像| 国产亚洲午夜精品一区二区久久| 三上悠亚av全集在线观看| 国产免费福利视频在线观看| 精品国内亚洲2022精品成人 | 老司机亚洲免费影院| 久久精品国产亚洲av香蕉五月 | 1024视频免费在线观看| 大片免费播放器 马上看| 美女中出高潮动态图| 欧美日韩成人在线一区二区| 欧美性长视频在线观看| a级片在线免费高清观看视频| 午夜精品久久久久久毛片777| 亚洲精品国产av成人精品| 一区二区日韩欧美中文字幕| 色婷婷av一区二区三区视频| 亚洲精品一卡2卡三卡4卡5卡 | 国产片内射在线| 免费在线观看影片大全网站| 亚洲国产欧美一区二区综合| 在线观看免费高清a一片| 国产日韩欧美在线精品| 一进一出抽搐动态| www日本在线高清视频| 亚洲成人国产一区在线观看| 91麻豆av在线| 纯流量卡能插随身wifi吗| 91av网站免费观看| 国产av国产精品国产| 久久久国产欧美日韩av| 日韩大码丰满熟妇| 91九色精品人成在线观看| 日韩欧美一区视频在线观看| 亚洲国产av影院在线观看| 亚洲午夜精品一区,二区,三区| 久久毛片免费看一区二区三区| 亚洲av欧美aⅴ国产| 极品人妻少妇av视频| 亚洲欧洲精品一区二区精品久久久| 精品高清国产在线一区| 激情视频va一区二区三区| 一个人免费看片子| 视频区欧美日本亚洲| 香蕉丝袜av| 51午夜福利影视在线观看| 一本—道久久a久久精品蜜桃钙片| 99久久综合免费| 又紧又爽又黄一区二区| 日韩欧美一区视频在线观看| av超薄肉色丝袜交足视频| 亚洲欧洲日产国产| 久久国产精品影院| 久久精品熟女亚洲av麻豆精品| 久久人妻熟女aⅴ| 青春草亚洲视频在线观看| 十八禁高潮呻吟视频| 欧美亚洲 丝袜 人妻 在线| 精品卡一卡二卡四卡免费| 一区二区日韩欧美中文字幕| 桃花免费在线播放| 飞空精品影院首页| 久久精品成人免费网站| 丰满少妇做爰视频| 一二三四社区在线视频社区8| 成人国语在线视频| 纯流量卡能插随身wifi吗| 伊人亚洲综合成人网| 日日摸夜夜添夜夜添小说| 美女中出高潮动态图| 国产极品粉嫩免费观看在线| 国产精品99久久99久久久不卡| 19禁男女啪啪无遮挡网站| 熟女少妇亚洲综合色aaa.| 女人被躁到高潮嗷嗷叫费观| 亚洲一区二区三区欧美精品| 男人爽女人下面视频在线观看| 日韩,欧美,国产一区二区三区| 精品欧美一区二区三区在线| 国产深夜福利视频在线观看| 一区在线观看完整版| 久久久久网色| 中文字幕另类日韩欧美亚洲嫩草| 啦啦啦视频在线资源免费观看| 国产精品麻豆人妻色哟哟久久| 亚洲美女黄色视频免费看| 老司机深夜福利视频在线观看 | 亚洲精品国产av成人精品| 十八禁网站免费在线| 美女扒开内裤让男人捅视频| 久久精品国产a三级三级三级| 中国美女看黄片| 精品卡一卡二卡四卡免费| 亚洲成人国产一区在线观看| 国产精品欧美亚洲77777| 精品亚洲成a人片在线观看| 91国产中文字幕| 国产精品久久久久成人av| 精品少妇黑人巨大在线播放| 丰满迷人的少妇在线观看| 欧美av亚洲av综合av国产av| 一区在线观看完整版| 精品福利观看| 免费观看av网站的网址| 精品少妇内射三级| 欧美激情极品国产一区二区三区| 青春草亚洲视频在线观看| 国产真人三级小视频在线观看| 最黄视频免费看| 欧美精品亚洲一区二区| 国产成人精品无人区| 男男h啪啪无遮挡| 免费在线观看完整版高清| 大片电影免费在线观看免费| 亚洲国产毛片av蜜桃av| 老司机午夜十八禁免费视频| 国产欧美日韩一区二区三区在线| 91国产中文字幕| 国产精品久久久久久精品电影小说| 免费高清在线观看日韩| 国产成人a∨麻豆精品| 国产一卡二卡三卡精品| 精品一区在线观看国产| 啦啦啦免费观看视频1| 国产成人一区二区三区免费视频网站| 国产亚洲一区二区精品| 欧美日韩成人在线一区二区| 亚洲精品成人av观看孕妇| 久久精品国产亚洲av高清一级| 国产成人a∨麻豆精品| 宅男免费午夜| 久久久久精品国产欧美久久久 | 国产国语露脸激情在线看| 久久人人爽人人片av| 久久人妻熟女aⅴ| 色播在线永久视频| 大香蕉久久网| 中文字幕av电影在线播放| 久久久欧美国产精品| 可以免费在线观看a视频的电影网站| 成人国产一区最新在线观看| 99久久国产精品久久久| 国产高清视频在线播放一区 | 韩国精品一区二区三区| 精品国产乱码久久久久久小说| 在线观看www视频免费| 一级,二级,三级黄色视频| 亚洲va日本ⅴa欧美va伊人久久 | 丝袜美足系列| 国产精品二区激情视频| 亚洲国产精品一区三区| 久久天堂一区二区三区四区| 国产精品一区二区在线不卡| 日韩欧美一区二区三区在线观看 | 亚洲欧美一区二区三区黑人| 欧美性长视频在线观看| 亚洲七黄色美女视频| 精品高清国产在线一区| 人人妻人人澡人人爽人人夜夜| 精品一区二区三区av网在线观看 | 久久女婷五月综合色啪小说| 大片免费播放器 马上看| 国产欧美亚洲国产| 脱女人内裤的视频| 19禁男女啪啪无遮挡网站| 青青草视频在线视频观看| 亚洲视频免费观看视频| 国产片内射在线| 一区福利在线观看| 高清av免费在线| 免费黄频网站在线观看国产| 老司机午夜福利在线观看视频 | 一区二区日韩欧美中文字幕| 美女扒开内裤让男人捅视频| 午夜免费观看性视频| 亚洲第一欧美日韩一区二区三区 | av视频免费观看在线观看| 大码成人一级视频| 在线观看一区二区三区激情| 可以免费在线观看a视频的电影网站| 十八禁高潮呻吟视频| 亚洲欧美成人综合另类久久久| 国产精品久久久久久精品古装| 亚洲精品日韩在线中文字幕| 九色亚洲精品在线播放| 又大又爽又粗| 777久久人妻少妇嫩草av网站| 成年美女黄网站色视频大全免费| 人妻人人澡人人爽人人| 黄频高清免费视频| 欧美 亚洲 国产 日韩一| 香蕉丝袜av| 搡老熟女国产l中国老女人| 国产三级黄色录像| 精品卡一卡二卡四卡免费| 国产免费现黄频在线看| 99久久综合免费| 91成年电影在线观看| 中文字幕高清在线视频| 久久女婷五月综合色啪小说| 一本久久精品| 肉色欧美久久久久久久蜜桃| 99国产精品一区二区三区| 另类亚洲欧美激情| 2018国产大陆天天弄谢| 欧美黑人精品巨大| 黑人猛操日本美女一级片| 国产主播在线观看一区二区| 欧美另类一区| 亚洲视频免费观看视频| 黄色a级毛片大全视频| 99re6热这里在线精品视频| 精品第一国产精品| 亚洲国产日韩一区二区| 免费一级毛片在线播放高清视频 | 一进一出抽搐动态| 亚洲少妇的诱惑av| 老司机午夜十八禁免费视频| 欧美精品高潮呻吟av久久| 久久久久国产一级毛片高清牌| 午夜影院在线不卡| 午夜激情久久久久久久| 久久精品aⅴ一区二区三区四区| 国产亚洲欧美精品永久| 欧美在线黄色| 男女国产视频网站| 人人妻人人爽人人添夜夜欢视频| xxxhd国产人妻xxx| 91成年电影在线观看| 午夜91福利影院| 国内毛片毛片毛片毛片毛片| 99国产精品一区二区三区| 国产福利在线免费观看视频| 午夜激情av网站| 亚洲激情五月婷婷啪啪| 不卡一级毛片| 国产精品秋霞免费鲁丝片| 日韩制服丝袜自拍偷拍| 99热网站在线观看| 欧美精品高潮呻吟av久久| 午夜激情久久久久久久| 1024香蕉在线观看| 亚洲 欧美一区二区三区| 国产一区二区激情短视频 | 欧美精品一区二区大全| 久热爱精品视频在线9| 汤姆久久久久久久影院中文字幕| 亚洲国产欧美日韩在线播放| 极品人妻少妇av视频| 丝袜喷水一区| 多毛熟女@视频| kizo精华| 亚洲精品久久午夜乱码| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲久久久国产精品| 色视频在线一区二区三区| 99国产精品免费福利视频| 啦啦啦视频在线资源免费观看| 午夜福利在线免费观看网站| 国产成+人综合+亚洲专区| 中文字幕另类日韩欧美亚洲嫩草| 久久午夜综合久久蜜桃| 亚洲成av片中文字幕在线观看| 国产av国产精品国产| 亚洲人成77777在线视频| 天天躁日日躁夜夜躁夜夜| 51午夜福利影视在线观看| 黄色视频在线播放观看不卡| 欧美亚洲 丝袜 人妻 在线| 国产成人欧美| e午夜精品久久久久久久| 啦啦啦免费观看视频1| 黑人猛操日本美女一级片| 久久av网站| 免费在线观看日本一区| 美女脱内裤让男人舔精品视频| 岛国在线观看网站| 亚洲五月婷婷丁香| 黑人巨大精品欧美一区二区蜜桃| 国产男人的电影天堂91| 欧美激情 高清一区二区三区| av国产精品久久久久影院| 欧美黄色片欧美黄色片| 欧美另类亚洲清纯唯美| 久久精品国产亚洲av香蕉五月 | 国产福利在线免费观看视频| 黄网站色视频无遮挡免费观看| 亚洲色图 男人天堂 中文字幕| 自线自在国产av| 女人精品久久久久毛片| 窝窝影院91人妻| 首页视频小说图片口味搜索| 我的亚洲天堂| 狠狠精品人妻久久久久久综合| tube8黄色片| 黄片大片在线免费观看| 高清欧美精品videossex| 丁香六月天网| 各种免费的搞黄视频| 搡老岳熟女国产| 可以免费在线观看a视频的电影网站| 搡老岳熟女国产| 国产精品 欧美亚洲| 午夜福利乱码中文字幕| 黑人欧美特级aaaaaa片| 性高湖久久久久久久久免费观看| 午夜日韩欧美国产| 免费女性裸体啪啪无遮挡网站| 国产精品久久久久久精品电影小说| 午夜福利在线观看吧| 久久久久久免费高清国产稀缺| 精品熟女少妇八av免费久了| 国产亚洲精品第一综合不卡| 91麻豆av在线| 久久中文看片网| 精品国产乱子伦一区二区三区 | 国产精品久久久久久精品电影小说| 欧美精品人与动牲交sv欧美| 99热全是精品| 亚洲人成电影免费在线| 日本五十路高清| 自拍欧美九色日韩亚洲蝌蚪91| 精品一品国产午夜福利视频| 黑人欧美特级aaaaaa片| 黄色视频,在线免费观看| www日本在线高清视频| 亚洲精华国产精华精| 另类精品久久| 99热网站在线观看| 欧美黑人精品巨大| 精品少妇久久久久久888优播| 一个人免费在线观看的高清视频 | www.av在线官网国产| 在线观看舔阴道视频| av超薄肉色丝袜交足视频| 超碰97精品在线观看| 精品国产一区二区久久| 欧美97在线视频| 精品一区二区三区av网在线观看 | 最近最新免费中文字幕在线| 老司机靠b影院| 亚洲国产av新网站| h视频一区二区三区| 淫妇啪啪啪对白视频 | 亚洲精品久久午夜乱码| 欧美日韩亚洲综合一区二区三区_| www日本在线高清视频| 成年人黄色毛片网站| av天堂在线播放| 亚洲精品国产一区二区精华液| 人妻一区二区av| 精品卡一卡二卡四卡免费| 一级片免费观看大全| 亚洲国产欧美日韩在线播放| 各种免费的搞黄视频| 久久亚洲国产成人精品v| 9191精品国产免费久久| av超薄肉色丝袜交足视频| 久久久久久久国产电影| 一本色道久久久久久精品综合| 他把我摸到了高潮在线观看 | 日韩制服丝袜自拍偷拍| 亚洲国产欧美在线一区| 高清视频免费观看一区二区| netflix在线观看网站| av网站免费在线观看视频| 999精品在线视频| 十分钟在线观看高清视频www| 美女中出高潮动态图| 色视频在线一区二区三区| 俄罗斯特黄特色一大片| 亚洲熟女毛片儿| 亚洲国产av新网站| 国产又色又爽无遮挡免| 精品少妇内射三级| 最近最新免费中文字幕在线| av线在线观看网站| 一级毛片电影观看| 欧美日韩中文字幕国产精品一区二区三区 | 欧美在线一区亚洲| 国产成人欧美| 可以免费在线观看a视频的电影网站| 一本一本久久a久久精品综合妖精| 99九九在线精品视频| 男女边摸边吃奶| 91字幕亚洲| 欧美另类一区| 久久精品人人爽人人爽视色| 黄色视频在线播放观看不卡| 日韩有码中文字幕| 久久精品熟女亚洲av麻豆精品| 免费在线观看日本一区| 亚洲国产精品一区二区三区在线| 亚洲精品中文字幕在线视频| 久久久久视频综合| 日本精品一区二区三区蜜桃| 搡老熟女国产l中国老女人| 丝袜人妻中文字幕| 亚洲成人免费av在线播放| 高清在线国产一区| 国产欧美日韩一区二区三 | 99热全是精品| 男女边摸边吃奶| 99热全是精品| 成人手机av| 热re99久久精品国产66热6| 国产精品成人在线| 国产老妇伦熟女老妇高清| 国产有黄有色有爽视频| 欧美人与性动交α欧美软件| 俄罗斯特黄特色一大片| 天天躁日日躁夜夜躁夜夜| 成在线人永久免费视频| 精品国产国语对白av| 亚洲性夜色夜夜综合| 欧美人与性动交α欧美软件| 亚洲一码二码三码区别大吗| 女性被躁到高潮视频| 男女下面插进去视频免费观看| 精品福利观看| 亚洲激情五月婷婷啪啪| 国产视频一区二区在线看| 最新的欧美精品一区二区| 国产日韩欧美视频二区| 一区二区三区精品91| 天堂俺去俺来也www色官网| 成年人黄色毛片网站| 狠狠精品人妻久久久久久综合| 亚洲伊人久久精品综合| 日本五十路高清| 欧美日韩亚洲国产一区二区在线观看 | 久久精品国产综合久久久| 18在线观看网站| 在线观看一区二区三区激情| 国产99久久九九免费精品| 人成视频在线观看免费观看| 精品亚洲乱码少妇综合久久| 亚洲国产精品一区三区| 免费女性裸体啪啪无遮挡网站| 国产高清视频在线播放一区 | 国产一区二区三区av在线| 国产一区有黄有色的免费视频| 丁香六月欧美| av超薄肉色丝袜交足视频| 在线观看人妻少妇| 久久久久久久精品精品| 欧美在线一区亚洲| 日本五十路高清| 日本av手机在线免费观看| 人成视频在线观看免费观看| 女人高潮潮喷娇喘18禁视频| 黄片播放在线免费| av超薄肉色丝袜交足视频|