• <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
    午夜福利成人在线免费观看| 一卡2卡三卡四卡精品乱码亚洲| 久久这里有精品视频免费| 美女脱内裤让男人舔精品视频 | 免费大片18禁| 国产黄色视频一区二区在线观看 | 人体艺术视频欧美日本| 美女国产视频在线观看| 欧美成人一区二区免费高清观看| 亚洲图色成人| 日本熟妇午夜| 3wmmmm亚洲av在线观看| 两个人视频免费观看高清| 国产精品嫩草影院av在线观看| 99久久成人亚洲精品观看| 看免费成人av毛片| 亚洲欧美精品专区久久| 中国国产av一级| 最近2019中文字幕mv第一页| 国产在线男女| 中文字幕av成人在线电影| 长腿黑丝高跟| 乱系列少妇在线播放| 国产综合懂色| 亚洲成人av在线免费| 成人国产麻豆网| av在线播放精品| 啦啦啦啦在线视频资源| 久久久久久久久久成人| 成人三级黄色视频| 国产高清有码在线观看视频| 人妻久久中文字幕网| 久久精品国产亚洲av涩爱 | 久久久久久久久久久丰满| 国内精品一区二区在线观看| 亚洲精品成人久久久久久| 我要搜黄色片| 国产亚洲欧美98| 国产欧美日韩精品一区二区| 久久久久久九九精品二区国产| 国产亚洲91精品色在线| 能在线免费观看的黄片| 亚洲精华国产精华液的使用体验 | 欧美另类亚洲清纯唯美| 婷婷精品国产亚洲av| 色噜噜av男人的天堂激情| 欧美zozozo另类| 精品日产1卡2卡| 日韩,欧美,国产一区二区三区 | 69av精品久久久久久| 91精品国产九色| 国产成人freesex在线| 免费观看a级毛片全部| 亚洲av一区综合| 日本黄色片子视频| 欧美激情久久久久久爽电影| 搡女人真爽免费视频火全软件| 欧美在线一区亚洲| 女的被弄到高潮叫床怎么办| 国产黄片美女视频| 高清日韩中文字幕在线| 久久久国产成人免费| 日韩大尺度精品在线看网址| 中文字幕av成人在线电影| 亚洲无线在线观看| 欧美丝袜亚洲另类| 久久精品国产亚洲av涩爱 | 十八禁国产超污无遮挡网站| 三级国产精品欧美在线观看| 波多野结衣高清作品| 久久久国产成人免费| 欧美潮喷喷水| 久久久午夜欧美精品| 九色成人免费人妻av| 一本久久精品| 日韩视频在线欧美| 日韩精品青青久久久久久| 欧美性猛交黑人性爽| 久久久久网色| 18+在线观看网站| 2022亚洲国产成人精品| av在线天堂中文字幕| 成年免费大片在线观看| 黄色一级大片看看| 国产精品一及| 国产真实乱freesex| 成人午夜精彩视频在线观看| 国产一区二区三区av在线 | 天堂中文最新版在线下载 | 一本精品99久久精品77| 日韩欧美 国产精品| 色哟哟·www| 一进一出抽搐动态| 国产精品99久久久久久久久| 久久99热这里只有精品18| 亚洲精品久久国产高清桃花| 中文字幕久久专区| 日韩一本色道免费dvd| 综合色av麻豆| 老司机福利观看| 婷婷精品国产亚洲av| 免费不卡的大黄色大毛片视频在线观看 | 亚洲色图av天堂| 热99在线观看视频| 精品欧美国产一区二区三| 成人欧美大片| 91av网一区二区| 欧美在线一区亚洲| 日韩大尺度精品在线看网址| 日韩人妻高清精品专区| 日本爱情动作片www.在线观看| 亚洲av不卡在线观看| 国产精品1区2区在线观看.| 国产精品国产三级国产av玫瑰| 毛片女人毛片| 国产成人午夜福利电影在线观看| 3wmmmm亚洲av在线观看| 午夜精品在线福利| 中文字幕av在线有码专区| 亚洲乱码一区二区免费版| 亚洲av第一区精品v没综合| 国产91av在线免费观看| 精品熟女少妇av免费看| 成人漫画全彩无遮挡| 精品日产1卡2卡| 99视频精品全部免费 在线| 又粗又硬又长又爽又黄的视频 | 我的老师免费观看完整版| 欧美一区二区国产精品久久精品| 极品教师在线视频| 变态另类成人亚洲欧美熟女| 国产一区二区激情短视频| 色视频www国产| 熟妇人妻久久中文字幕3abv| 99久久中文字幕三级久久日本| 久久久久网色| 久久久久国产网址| 亚洲av免费在线观看| 久99久视频精品免费| 在线播放无遮挡| 欧美bdsm另类| 亚洲av免费高清在线观看| 中文字幕av在线有码专区| 免费观看a级毛片全部| 成人无遮挡网站| 国内精品久久久久精免费| 亚洲激情五月婷婷啪啪| 卡戴珊不雅视频在线播放| 国产在线精品亚洲第一网站| 亚洲乱码一区二区免费版| 男女视频在线观看网站免费| 国产激情偷乱视频一区二区| 在线观看一区二区三区| 精品一区二区三区视频在线| 久久久久国产网址| 床上黄色一级片| 国产精品一二三区在线看| 国产精品国产高清国产av| 99热只有精品国产| 成年免费大片在线观看| 欧美三级亚洲精品| 少妇裸体淫交视频免费看高清| 干丝袜人妻中文字幕| h日本视频在线播放| 精品午夜福利在线看| 麻豆精品久久久久久蜜桃| 亚洲欧美日韩东京热| 99久久中文字幕三级久久日本| 三级毛片av免费| 色综合色国产| 日韩三级伦理在线观看| 国产单亲对白刺激| 国内精品美女久久久久久| or卡值多少钱| 老女人水多毛片| 男人舔奶头视频| 亚洲aⅴ乱码一区二区在线播放| 亚洲人成网站高清观看| 亚洲精品成人久久久久久| 18禁裸乳无遮挡免费网站照片| 久久久精品大字幕| 久久精品久久久久久噜噜老黄 | 国产在视频线在精品| 精品一区二区三区人妻视频| 亚洲国产精品成人综合色| 午夜精品一区二区三区免费看| 久久99精品国语久久久| 毛片女人毛片| 精品少妇黑人巨大在线播放 | 免费观看的影片在线观看| 97超碰精品成人国产| 久久精品夜夜夜夜夜久久蜜豆| 国产老妇伦熟女老妇高清| 国产伦一二天堂av在线观看| 久久精品国产亚洲av香蕉五月| 国产精华一区二区三区| www.av在线官网国产| 深夜精品福利| 成熟少妇高潮喷水视频| 亚洲激情五月婷婷啪啪| 日本一二三区视频观看| 九草在线视频观看| 嫩草影院精品99| 国产av一区在线观看免费| 久久热精品热| 春色校园在线视频观看| 黄色配什么色好看| 久久久久久大精品| 精品久久久久久久久久久久久| 男女啪啪激烈高潮av片| 插阴视频在线观看视频| 两性午夜刺激爽爽歪歪视频在线观看| 哪里可以看免费的av片| 色尼玛亚洲综合影院| 久久久午夜欧美精品| 亚洲最大成人手机在线| 亚洲在久久综合| 97超视频在线观看视频| 日本黄色片子视频| 国产乱人视频| 亚洲欧美清纯卡通| 亚洲色图av天堂| 精品久久国产蜜桃| 丝袜喷水一区| avwww免费| 老司机影院成人| 久久精品国产亚洲av涩爱 | 国产伦在线观看视频一区| 高清日韩中文字幕在线| 欧美极品一区二区三区四区| 亚洲精品久久久久久婷婷小说 | 最近的中文字幕免费完整| 国产黄片美女视频| 淫秽高清视频在线观看| 亚洲三级黄色毛片| 高清日韩中文字幕在线| 男人狂女人下面高潮的视频| 亚洲精品日韩在线中文字幕 | 男女啪啪激烈高潮av片| 亚洲av免费高清在线观看| 久久久久国产网址| 欧美一区二区亚洲| 成人一区二区视频在线观看| 日韩欧美三级三区| 蜜桃久久精品国产亚洲av| 22中文网久久字幕| 给我免费播放毛片高清在线观看| 亚洲色图av天堂| 久久久精品欧美日韩精品| 久久精品国产鲁丝片午夜精品| 最好的美女福利视频网| 一进一出抽搐动态| 成人毛片60女人毛片免费| 卡戴珊不雅视频在线播放| 日韩在线高清观看一区二区三区| 国产亚洲91精品色在线| 观看免费一级毛片| 日韩制服骚丝袜av| 中出人妻视频一区二区| 亚洲精品日韩在线中文字幕 | 日本免费一区二区三区高清不卡| 毛片女人毛片| 夫妻性生交免费视频一级片| 欧美zozozo另类| 亚洲欧美成人精品一区二区| 哪里可以看免费的av片| 尤物成人国产欧美一区二区三区| 亚洲成人精品中文字幕电影| 亚洲人与动物交配视频| 寂寞人妻少妇视频99o| 天美传媒精品一区二区| 少妇的逼水好多| 免费电影在线观看免费观看| 日本在线视频免费播放| 亚洲欧洲国产日韩| 如何舔出高潮| 日韩欧美精品v在线| 简卡轻食公司| 国内精品美女久久久久久| 嫩草影院入口| 岛国毛片在线播放| 日本免费a在线| 免费一级毛片在线播放高清视频| 我的女老师完整版在线观看| 亚洲第一电影网av| 日本黄色视频三级网站网址| 久久人人精品亚洲av| 久久久欧美国产精品| 午夜福利高清视频| 国产国拍精品亚洲av在线观看| 一本一本综合久久| 国产激情偷乱视频一区二区| 人人妻人人澡欧美一区二区| 免费观看人在逋| 晚上一个人看的免费电影| 亚洲人成网站在线播放欧美日韩| 波多野结衣高清作品| 亚洲欧美清纯卡通| 联通29元200g的流量卡| 欧美又色又爽又黄视频| 观看美女的网站| 亚洲国产精品国产精品| 久久热精品热| 91久久精品国产一区二区三区| 国产视频内射| 亚洲国产精品合色在线| 免费不卡的大黄色大毛片视频在线观看 | 国产亚洲精品久久久久久毛片| 午夜亚洲福利在线播放| av在线亚洲专区| 国产黄a三级三级三级人| 天堂影院成人在线观看| 亚洲综合色惰| 高清毛片免费看| 精品久久久久久久久亚洲| 日本黄色片子视频| 国产一区二区三区av在线 | 99久久精品热视频| 国产精品永久免费网站| 搡女人真爽免费视频火全软件| 99久国产av精品| 2021天堂中文幕一二区在线观| 亚洲成人久久爱视频| 色哟哟哟哟哟哟| 午夜福利视频1000在线观看| 亚洲国产高清在线一区二区三| 毛片一级片免费看久久久久| h日本视频在线播放| 岛国在线免费视频观看| 成人高潮视频无遮挡免费网站| 欧美性感艳星| 久久精品国产亚洲av涩爱 | 九九在线视频观看精品| 日韩欧美精品免费久久| 女同久久另类99精品国产91| 国产成人影院久久av| 国产黄片美女视频| 丝袜美腿在线中文| 三级经典国产精品| 国模一区二区三区四区视频| 中文亚洲av片在线观看爽| 国产精品久久久久久av不卡| 一级黄色大片毛片| 亚洲va在线va天堂va国产| 成人高潮视频无遮挡免费网站| 国产精品一区二区三区四区久久| 日本黄色片子视频| 不卡视频在线观看欧美| 尾随美女入室| 国产午夜精品久久久久久一区二区三区| 欧美色视频一区免费| 伊人久久精品亚洲午夜| 久久精品影院6| 亚洲国产精品国产精品| 亚洲自拍偷在线| 精品人妻熟女av久视频| 小说图片视频综合网站| 偷拍熟女少妇极品色| 国产成人精品一,二区 | 亚洲国产精品成人综合色| 成年女人永久免费观看视频| 国产 一区 欧美 日韩| 深夜a级毛片| 男女视频在线观看网站免费| 国产探花在线观看一区二区| 亚洲欧美日韩无卡精品| 亚洲欧美清纯卡通| 可以在线观看毛片的网站| 寂寞人妻少妇视频99o| 亚洲无线在线观看| 精品久久久久久久久久久久久| 自拍偷自拍亚洲精品老妇| 99riav亚洲国产免费| 伦精品一区二区三区| 国产亚洲91精品色在线| 人妻久久中文字幕网| 一本精品99久久精品77| 人人妻人人澡欧美一区二区| 国产精华一区二区三区| 日韩,欧美,国产一区二区三区 | 久久久久久久久久黄片| 女人被狂操c到高潮| 国产一级毛片七仙女欲春2| 亚洲av熟女| 免费av观看视频| 国产伦精品一区二区三区视频9| 能在线免费观看的黄片| 国产精品一区二区在线观看99 | 久久欧美精品欧美久久欧美| 美女高潮的动态| 黄片无遮挡物在线观看| 亚洲人成网站在线播| 久久这里只有精品中国| 又黄又爽又刺激的免费视频.| 爱豆传媒免费全集在线观看| 亚洲三级黄色毛片| 嫩草影院精品99| 伦精品一区二区三区| 91在线精品国自产拍蜜月| 亚洲国产精品合色在线| 国产成人影院久久av| 国产极品精品免费视频能看的| 亚洲四区av| 国产精品综合久久久久久久免费| 免费在线观看成人毛片| 日韩中字成人| 亚洲国产精品国产精品| 波多野结衣高清作品| 一级毛片aaaaaa免费看小| a级毛片免费高清观看在线播放| 91精品一卡2卡3卡4卡| 午夜亚洲福利在线播放| 波野结衣二区三区在线| 好男人在线观看高清免费视频| 我的老师免费观看完整版| 51国产日韩欧美| 日本五十路高清| 亚洲精品456在线播放app| 日韩中字成人| 观看免费一级毛片| 国产一区二区亚洲精品在线观看| 久久亚洲国产成人精品v| 超碰av人人做人人爽久久| 亚洲国产精品合色在线| 一本久久中文字幕| 日韩人妻高清精品专区| 一级av片app| 热99在线观看视频| 午夜精品一区二区三区免费看| 国产一区二区亚洲精品在线观看| 久久久久久久久久成人| 欧美xxxx黑人xx丫x性爽| 欧美三级亚洲精品| 午夜激情欧美在线| 日韩中字成人| 日本一本二区三区精品| a级毛片a级免费在线| 色5月婷婷丁香| 日日摸夜夜添夜夜爱| 国产亚洲精品久久久久久毛片| 99在线视频只有这里精品首页| 神马国产精品三级电影在线观看| 人妻久久中文字幕网| 国产私拍福利视频在线观看| a级一级毛片免费在线观看| 99九九线精品视频在线观看视频| 岛国毛片在线播放| 给我免费播放毛片高清在线观看| 神马国产精品三级电影在线观看| 亚洲av电影不卡..在线观看| 国产精品国产三级国产av玫瑰| 美女被艹到高潮喷水动态| 在线播放国产精品三级| 最新中文字幕久久久久| 亚洲在线自拍视频| 99九九线精品视频在线观看视频| 一个人看的www免费观看视频| 毛片女人毛片| 欧美又色又爽又黄视频| 免费黄网站久久成人精品| 亚洲av免费在线观看| 赤兔流量卡办理| 日本爱情动作片www.在线观看| av天堂中文字幕网| 国产精品一区www在线观看| 2022亚洲国产成人精品| 九九爱精品视频在线观看| 国产精品人妻久久久影院| 日韩欧美在线乱码| 99久久无色码亚洲精品果冻| 1000部很黄的大片| 免费看日本二区| 久久精品国产清高在天天线| 99久久精品一区二区三区| 一个人免费在线观看电影| 一级黄色大片毛片| 最近的中文字幕免费完整| 欧美日韩精品成人综合77777| 国产亚洲av片在线观看秒播厂 | 日产精品乱码卡一卡2卡三| 欧美另类亚洲清纯唯美| 亚洲av成人av| 一个人看视频在线观看www免费| 欧美成人一区二区免费高清观看| 中文字幕av成人在线电影| 欧美成人精品欧美一级黄| 美女黄网站色视频| 看黄色毛片网站| 亚洲欧美日韩卡通动漫| 人妻夜夜爽99麻豆av| 美女高潮的动态| 国产成人91sexporn| 国产探花在线观看一区二区| 亚洲av第一区精品v没综合| 国产精品久久久久久久电影| 99热这里只有是精品在线观看| 男女下面进入的视频免费午夜| 亚洲av成人精品一区久久| 日韩三级伦理在线观看| 日韩视频在线欧美| 99九九线精品视频在线观看视频| 欧美日韩综合久久久久久| 性色avwww在线观看| 熟女电影av网| 国产片特级美女逼逼视频| 国产三级在线视频| 乱码一卡2卡4卡精品| 国产精品爽爽va在线观看网站| 白带黄色成豆腐渣| 国产美女午夜福利| 国产精品av视频在线免费观看| 亚洲丝袜综合中文字幕| 女人十人毛片免费观看3o分钟| 亚洲一区二区三区色噜噜| 婷婷色av中文字幕| 国产一区亚洲一区在线观看| 国产免费男女视频| 男人和女人高潮做爰伦理| 亚洲成人精品中文字幕电影| 亚洲人成网站高清观看| 一个人免费在线观看电影| 精品熟女少妇av免费看| 婷婷色av中文字幕| 精品午夜福利在线看| 熟妇人妻久久中文字幕3abv| 午夜精品在线福利| www日本黄色视频网| 国产色婷婷99| 亚洲欧美日韩卡通动漫| 一进一出抽搐gif免费好疼| 人妻久久中文字幕网| 九色成人免费人妻av| 婷婷亚洲欧美| 国产精品美女特级片免费视频播放器| 亚洲欧美日韩无卡精品| 国产色婷婷99| 丝袜美腿在线中文| 91午夜精品亚洲一区二区三区| 中文字幕制服av| 九色成人免费人妻av| 少妇高潮的动态图| 亚洲成人久久爱视频| 久久精品国产亚洲av香蕉五月| 久久久久久久久中文| 午夜福利在线观看吧| 日产精品乱码卡一卡2卡三| 国产综合懂色| 午夜亚洲福利在线播放| 两个人的视频大全免费| 精品久久久久久成人av| 久久久久久大精品| 欧美日韩综合久久久久久| 久久99热6这里只有精品| 91麻豆精品激情在线观看国产| av在线亚洲专区| 亚洲四区av| 精品久久久久久久久亚洲| 成人欧美大片| 一区二区三区免费毛片| 国产精品福利在线免费观看| 天堂网av新在线| 最近中文字幕高清免费大全6| 边亲边吃奶的免费视频| 国产久久久一区二区三区| 国产一区二区三区在线臀色熟女| 高清午夜精品一区二区三区 | 国产精品一及| 搞女人的毛片| 国产老妇伦熟女老妇高清| avwww免费| kizo精华| 日本欧美国产在线视频| avwww免费| 97超碰精品成人国产| 午夜福利视频1000在线观看| 婷婷色综合大香蕉| 亚洲天堂国产精品一区在线| 一边亲一边摸免费视频| 特大巨黑吊av在线直播| 黄色配什么色好看| 日韩av在线大香蕉| 插逼视频在线观看| 最近2019中文字幕mv第一页| 免费看a级黄色片| 欧美高清性xxxxhd video| 国产精品人妻久久久影院| 色5月婷婷丁香| 国产成人a∨麻豆精品| h日本视频在线播放| 春色校园在线视频观看| av在线播放精品| 不卡视频在线观看欧美| 嫩草影院入口| 麻豆久久精品国产亚洲av| 国产精品一二三区在线看| 久久精品夜夜夜夜夜久久蜜豆| 一卡2卡三卡四卡精品乱码亚洲| 国产成人91sexporn| 99热这里只有精品一区| 国产一区二区在线av高清观看| www.av在线官网国产| 欧美xxxx黑人xx丫x性爽| 一进一出抽搐gif免费好疼| 久久精品久久久久久久性| 国产精品av视频在线免费观看| 又爽又黄a免费视频| 色哟哟·www| 日韩国内少妇激情av| 日本一二三区视频观看| 91午夜精品亚洲一区二区三区| 亚洲国产精品久久男人天堂| 99热只有精品国产| 亚洲丝袜综合中文字幕| 欧美性猛交╳xxx乱大交人| 国产精品99久久久久久久久|