• <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 ?

    面向代價敏感的多標記不完備數據特征選擇算法

    2019-01-24 09:01:26錢文彬王映龍吳兵龍
    小型微型計算機系統 2018年12期
    關鍵詞:決策表特征選擇子集

    黃 琴,錢文彬,王映龍,吳兵龍

    (江西農業(yè)大學 計算機與信息工程學院,南昌 330045)(江西省高等學校農業(yè)信息技術重點實驗室,南昌 330045)

    1 引 言

    由于在許多現實應用領域中,數據特征值的獲取通常是需要花費金錢、時間或其他資源作為代價成本,因此,將代價引入到數據挖掘和知識發(fā)現領域是顯得尤為必要.近年來,代價敏感學習問題作為數據挖掘領域的十大最具挑戰(zhàn)性問題之一[1],已受到越來越多研究者的關注,并被廣泛應用于醫(yī)學[2,3]、模式識別[4]、人臉識別[5-8]等各個研究領域.另外,特征選擇作為一種有效的數據降維方法[9-12],其目的是通過去除冗余特征,提高數據的質量,加快數據挖掘的速度.由于基于代價敏感的特征選擇算法是對特征選擇問題的擴展,從而基于代價敏感的特征選擇問題也受到了廣大研究者的關注.

    近年來,基于代價敏感學習的單標記特征選擇研究取得了一些有意義的成果.Li等[13]在C4.5算法的基礎上提出了基于兩種自適應機制的代價敏感決策樹算法,一種是選擇自適應分割點機制來構建分類器,另一種機制即自適應刪除屬性機制,在選擇節(jié)點的過程中刪除冗余屬性.Zhao等[14]用啟發(fā)式算法選擇結點中的屬性,并構造了一種基于加權類分布批量刪除屬性機制的代價敏感決策樹算法.Zhao等[15]通過自適應鄰域粗糙集模型和快速回溯算法構造了一種基于自適應鄰域粒度的多級置信度的代價敏感特征選擇算法.Zhou等[16]提出基于均勻森林的代價敏感特征選擇算法,其在構建基礎決策樹過程中結合特征代價,從而生成低代價的特征子集.Fan等[17]通過測試代價構造自適應鄰域模型,從而實現對異構數據的屬性約簡.Zhao等[18]提出不同粒度下對應不同置信水平相關的數據精度,在覆蓋粗糙集模型下設計一種基于置信水平的代價敏感屬性選擇.Min等[19]提出了一種基于啟發(fā)式算法的最小化測試代價屬性約簡方法,并用四種度量方法來評價約簡算法的性能指標.Min等[20]提出基于測試代價約束問題的特征選擇算法,并用回溯法和啟發(fā)式算法進行分析.Liu等[21]通過優(yōu)化F-measures函數,解決不平衡類問題,實現基于測試代價的特征選擇的算法.Dai等[22]在有效的索引能力的基礎上,提出了一種基于離散粒子群算法在測試代價敏感屬性約簡中的應用.

    上述基于代價敏感的特征選擇算法研究主要面向單標記分類問題,但由于多標記高維數據廣泛存在于社會生活中[23-25].由此,在代價敏感學習下對多標記高維數據進行特征選擇值得進一步研究.同時,在現實生活應用存在大量的連續(xù)型、不完備性多標記高維數據.若需對連續(xù)型數據進行離散化處理以及缺失數據進行填充處理,將會影響數據計算的精度和增加數據計算的復雜性.

    為此,本文提出了一種面向代價敏感的多標記不完備鄰域數據特征選擇算法,首先,算法在粗糙集模型上通過距離度量公式計算多標記不完備數據下的鄰域粒度,并根據多標記不完備數中特征的標準差和特征參數計算出合理的鄰域閾值,然后,通過均勻分布和正態(tài)分布為每個特征生成特征代價,在特征選擇過程中,根據歸一化后的正域和特征代價,提出了一種度量特征的重要性計算方法,并在特征核的基礎上,根據特征的重要性設計了啟發(fā)式的特征選擇算法;最后,在Mulan數據集上利用五個多標記分類器對考慮代價和不考慮代價的多標記特征選擇進行實驗比較和結果分析,實驗結果表明,本文算法解決了多標記連續(xù)型不完備數據在考慮代價情況下的特征選擇問題,可選擇出代價總和相對較低的特征子集,這為基于代價敏感的多標記不完備高維數據的分析提供了一種可借鑒的方法.

    2 相關知識

    在粒計算理論中,多標記數據可表示成一個多標記決策表MDT=(U,A∪D,V,f)中,U為對象集{x1,x2,…,xn},也稱為論域,A為條件特征集{a1,a2,…,am},D為多標記決策特征{l1,l2,…,lk},且A∩D=?.V為全特征集的值域,其中V=∪Va,a∈A∪D,Va表示特征a的值域,f是U×(A∪D)→V的信息函數.

    定義1.當多標記決策表中存在缺失值時,記缺失值為“*”,即至少存在a∈A,x∈U,使得f(x,a)=*,此時數據稱為多標記不完備決策表IMDT=(U,A∪D,V,f).

    定義2.給定多標記不完備決策表IMDT=(U,A∪D,V,f),對于任意特征子集B?A,定義特征子集B的容差關系T(B):

    T(B)={(xi,xj)|(xi,xj)∈U×U,?at∈B?f(xi,at)=f(xj,at)∨f(xi,at)=*∨f(xj,at)=*}

    定義3.對于N維的實數空間Ω中,Δ=RN×RN→R,?xi,xj∈RN,則稱Δ為RN上的一個度量,(Ω,Δ)為度量空間,Δ(xi,xj)為距離函數,表示元xi和xj之間的距離:

    當p=1時,稱為曼哈頓距離.當p=2時,稱為歐氏距離.

    3 問題描述

    由于基于粗糙集的粒計算方法主要是處理名義型或符號型數據,但在現實應用領域中多標記數據的數值類型往往較復雜,當需處理數值型數據,須先對數據進行離散化,而對連續(xù)數據離散化將可能導致重要的信息丟失,從而影響分類算法的分類性能,為此需對連續(xù)型數值的多標記不完備數據開展特征選擇的研究.

    定義4.[26]對于多標記不完備鄰域決策表IMDT=(U,A∪D,V,f),若有特征子集B?A,特征子集B上的鄰域粒度為

    δB(xi)={x|x∈U,Δ(x,xi)≤δ}

    其中,δ為鄰域的閾值大小.

    下面以表1為例,若以曼哈頓距離作為鄰域度量標準,根據定義3計算各對象之間的鄰域粒度.

    表1 多標記不完備鄰域決策表Table 1 Incomplete neighborhood multi-label decision table

    利用曼哈頓距離度量公式,若特征a1、a2、a3、a4、a5的鄰域閾值分別為0.21、0.22、0.24、0.18、0.15.根據定義4計算包含所有特征的每個對象的鄰域粒度:

    δA(x1)={x1,x8},δA(x2)={x2,x10},

    δA(x3)={x3,x5,x8},δA(x4)={x4},

    δA(x5)={x3,x5,x7,x8},δA(x6)={x6},

    δA(x7)={x5,x7},δA(x8)={x1,x3,x5,x8},

    δA(x9)={x9},δA(x10)={x2,x10}.

    同理,可計算每個特征下每個對象的鄰域粒度.

    定義5.在多標記不完備鄰域決策表IMDT=(U,A∪D,V,f)中,假設U中包含N個對象空間,對象xi對應的標記集合用yi來表示,N個對象實例所對應的向量用y=(y1,y2,…,yn)來表示.對象xi中所對應的第k個標記值用lk來表示,若lk=1,則表示yi集合中所對應的存在第lk個標記.

    以表1為例,根據定義5可計算每個xi對象所對應的標記集合yi為:

    y1={l2},y2={l1},y3={l2},y4={l1,l2,l3},y5={l1,l3},y6={l2,l3},y7={l1,l2,l3},y8={l1,l2,l3},y9={l1,l2},y10={l3}.

    定義6.在多標記不完備鄰域決策表IMDT=(U,A∪D,V,f)中,對于?lk∈D,分別計算存在標記決策lk所對應的對象集合Dk:

    Dk={[x]lk|x∈U}

    以表1為例,根據定義6可計算存在標記決策lk所對應的對象集合Dk:

    D1={x2,x4,x5,x7,x8,x9}

    D2={x1,x3,x4,x6,x7,x8,x9}

    D3={x4,x5,x6,x7,x8,x10}

    定義7.在多標記不完備鄰域決策表IMDT=(U,A∪D,V,f)中,將擁有類別標記lk的對象集合用Dk表示,將對象xi所具有的標記集合用yi來表示.給定B?C,多標記不完備鄰域粗糙集的上下近似集為:

    定義8.在多標記不完備鄰域決策表IMDT=(U,A∪D,V,f),有特征子集B?A,特征子集B上的正域為:

    以表1為例,根據定義7和定義8可計算特征集A下的正域.具體的計算過程如下:

    由于對象x1所對應的標記是l1,所以只需判斷δA(x1)?D2是否成立,若成立,則對象x1在正域范圍.因為δA(x1)={x1,x8},δA(x1)?D2,所以x1∈POSA(D).同理可得x4∈POSA(D),x6∈POSA(D), x9∈POSA(D).由此可知,POSA(D)={x1,x4,x6,x9}.

    定義9.在多標記不完備鄰域決策表IMDT=(U,A∪D,V,f)中,多標記不完備鄰域決策表基于正區(qū)域核的定義為:

    Core(A)={a|a∈A,POSA-{a}(D)≠POSA(D)}

    以表1為例,根據定義9可計算出特征集A下的核,由計算可知:POSA-{a5}(D)≠POSA(D);由此可知,特征a5為核即Core(A)={a5}.

    定義10.在多標記不完備鄰域決策表IMDT=(U,A∪D,V,f),對于特征子集B?A,特征子集B的特征依賴度為:

    定義11.在多標記不完備鄰域決策表IMDT=(U,A∪D,V,f),特征子集B?A,若特征子集B是多標記不完備鄰域決策表的一個特征選擇結果,則B需滿足:

    1)γB(D)=γA(D)

    2)?at∈B,γB-{at}(D)<γB(D)

    條件1)確保了特征子集B和全特征集A下的正域對象相同,條件2)確保了特征子集B中沒有冗余特征.

    當前,由于在許多現實應用領域中,數據特征值的獲取通常是需要花費金錢、時間或其他資源作為代價成本,為此,基于代價敏感下多標記不完備鄰域數據的特征選擇問題值得進一步研究.

    定義12.當多標記不完備鄰域決策表中的特征需要考慮代價時,則稱該決策表為基于代價敏感的多標記不完備鄰域決策表,其定義為:CIMDT=(U,A∪D,V,f,c),c:A→R+∪{0}是獨立測試代價函數,其中代價為非負數.

    以表1為例,可給出多標記不完備鄰域決策表的測試代價向量,如表2所示.

    表2 測試代價向量表Table 2 Vector of test cost table

    性質1.基于代價敏感的多標記不完備鄰域決策表CIMDT=(U,A∪D,V,f,c),特征子集B?A,對于任意特征at,ai∈A-B,則基于測試代價的特征at的重要度為:

    SIGcost(at,B,D)=POSB∪{at}(D)*-CostB∪{at}(D)*

    為了方便性質1中對測試代價的特征at的重要度計算,先需對基于特征子集的正域個數和測試代價分別進行歸一化處理:

    POSB∪{at}(D)*=

    CostB∪{at}(D)*=

    其中max(|POSB∪{ai}(D)|)、min(|POSB∪{ai}(D)|)分別為特征子集B中加入任意特征后的最大和最小正域個數,max(CostB∪{ai}(D))、min(CostB∪{ai}(D))分別為特征子集B中加入任意特征后所對應的最大代價和最小代價.

    由定義9可知,特征a5為核,因此,先將a5加入到特征子集B中,結合表1和表2 中的數據計算出特征a1、a2、a3、a4基于測試代價的特征重要度分別為:

    SIGcost(a1,B,D)=0.7;

    SIGcost(a2,B,D)=0.85;

    SIGcost(a3,B,D)=0.25;

    SIGcost(a4,B,D)=-0.2;

    由上面計算可知,特征a2的特征重要度最大,由此將a2加入到特征子集B中,通過計算可知,此時POSB(D)=POSA(D),則特征子集B={a2,a5},結合表2中給出的代價可知,此時特征子集B所需花費的測試代價是$18,而整個特征全集下的測試代價為$52.

    4 特征選擇算法

    根據上述分析可知,針對代價敏感的多標記不完備鄰域決策表的特征選擇算法,首先,采用均勻分布和正態(tài)分布兩種分布函數分別為每個特征生成特征代價,根據鄰域的閾值計算基于代價敏感的多標記不完備鄰域決策表中每個對象的鄰域粒度,在此基礎上,得到基于代價敏感的多標記不完備鄰域決策表的正域對象集合.然后,根據基于測試代價特征的重要度計算公式計算除特征核之外的每個條件特征的重要度,每次將特征重要度最大的特征加入當前的特征子集中并更新特征子集中正域對象集,直到特征子集下的正域對象集合等于全特征集下的正域對象集,由此設計了一種面向基于代價敏感多標記不完備鄰域決策表的特征選擇算法,算法描述如下:

    輸入:基于代價敏感的多標記不完備鄰域決策表,δ為鄰域的閾值.

    輸出:特征子集Red.

    Begin:

    Step1.初始化Red←?;

    Step2.對于?xi∈U,計算在特征集A下每個對象的鄰域粒度δA(xi);

    Step3.對于?lk∈D,分別計算每個標記lk下的對象集合Dk;

    Step4.若δA(xi)?Dk,則將對象xi存入正域POSA(D)←POSA(D)∪{xi};

    Step5.對于?aj∈A,分別計算去除每個特征之后對象的正域集合POSA-{aj}(D),若POSA-{aj}(D)≠POSA(D),則將特征aj存入Red, 算法轉至Step7;

    Step6.對于?aj∈A-Red,執(zhí)行操作:

    Step6.1.計算條件特征集Red∪aj下每個對象的鄰域粒度δRed∪aj(xi);

    Step6.2.對于多標記?lk∈D且lk=1,若δRed∪aj(xi)?Dk,則POSRed∪aj(D)←POSRed∪aj(D)∪{xi};

    Step6.3.若at=argmax{SIGCos t(aj,c,D)},則Red←Red∪{at},即計算加入條件特征aj的重要度SIGCos t(aj,c,D), 選擇重要度最大的條件特征at存入Red;

    Step7.若POSRed(D)≠POSA(D),則算法轉至Step6,否則執(zhí)行Step8;

    Step8.輸出特征子集Red,算法結束;

    End

    算法的時間復雜度分析:

    算法Step1初始化一個變量存放特征選擇后的特征子集,其時間復雜度為O(1);算法Step2在整個條件特征集下通過對象之間的比較計算得到每個對象的鄰域粒度,其時間復雜度為O(|C‖U|2);算法Step3分別計算每個標記決策下的對象集合,其時間復雜度為O(|C‖D|);算法Step4計算多標記不完備決策表的正域對象集,其時間復雜度為O(|U|2+|U‖D|);算法Step5計算特征核的時間復雜度為O(|C|);算法Step6對加入的新特征后的特征子集正域集合更新,實現對基于代價敏感的多標記不完備數據的特征選擇,最壞的時間復雜度為O(|C‖U|);算法Step7判斷約簡后的特征子集下正域與整個論域的正域是否一致,最壞的時間復雜度為O(|U|).綜述分析,本文算法的時間復雜度為O(|C‖U|2).

    5 實驗與結果分析

    5.1 數據集及實驗設置

    為了驗證本文中所提出的基于代價敏感多標記不完備數據特征選擇算法的有效性,從Mulan數據集中選取了yeast、emotions、scenes、birds 4個真實數據集,并分別用均勻分布(Uniform Distribution)和正態(tài)分布(Normal Distribution)兩種分布函數(Cumulative Distribution Function,記為CDF)分別為這4個數據集生成測試代價,在對基于測試代價的多標記數據集進行實驗測試和分析,均勻分布的均勻數取值在0~100之間,正態(tài)分布以100為期望值,以30為標準差,4個數據集的相關信息和不同分布函數下4個數據集所對應的測試總代價分別如表3、表4所示.

    本次實驗的硬件配置為CPU為Inter(R)Core(TM)i5-4590s(3.0GHz),內存8.0GB.設計算法所使用的編程語言為Python和Java,使用的開發(fā)工具分別是記事本和Eclipse 4.7.

    表3 多標記數據集表Table 3 Multi-label datasets table

    表4 數據集總測試代價表Table 4 Cost of multi-label datasets table

    5.2 性能指標

    1)代價約簡率是考慮特征代價的特征子集B的代價占全特征集A總代價的比率:

    2)平均精度是指在標記預測序列中,排在相關標記之前的標記仍是相關標記的比率:

    3)漢明損失是指預測出的標記與實際標記的平均差異值:

    其中Δ為Yi、Zi兩個集合之間的對稱差.

    4)覆蓋率是指所有對象實際包含的所有標記所需最大的排序距離:

    5)1錯誤率是指預測出的標記排序最靠前的標記不在實際對象中的比率:

    6)排序損失是指預測出的標記中實際不包含的標記比實際包含的標記排序高的比率:

    其中平均分類精度越大越好,漢明損失、覆蓋率、1錯誤率、排序損失越小越好.

    5.3 實驗分析與比較

    由于文中的多標記數據特征選擇算法是基于代價敏感的,所以在進行實驗測試之前,需先用均勻分布和正態(tài)分布兩種分布函數分別為以上4個數據集的特征生成測試代價,通過比較基于不同分布函數的特征代價來評價測試代價對多標記數據特征選擇算法的影響.同時,文中研究的是不完備數據,因此,需用均勻函數對以上4個數據集進行5%的數據缺失處理.在實驗測試和分析的過程中,為了避免實驗結果的均勻性,采用10倍交叉驗證法對每個數據集的實驗結果進行驗證.在實驗過程中,首先利用曼哈頓距離度量方法計算鄰域粒度,同時,在特征核的基礎上,對每個數據集進行特征選擇.然后比較考慮代價和不考慮代價特征選擇的結果,通過5種多標記分類器(RAkEL、DMLkNN、IBLR_ML、BRkNN、MLkNN)驗證了算法的性能,且通過多標記的五大評價性能指標評估和對比分類器的分類性能.

    5.3.1λ特征參數的確定

    對于基于代價敏感的多標記不完備鄰域決策表,特征選擇的結果與特征代價直接相關,因此,在實驗過程中,對基于均勻分布和正態(tài)分布生成的兩種特征代價獲得的特征選擇結果進行對比,同時,由于鄰域參數的選擇直接關系到特征選擇的結果和分類器的分類性能.為此,在曼哈頓距離度量方法中,鄰域參數的計算方式為δ=stdai/λ,其中stdai通過本文算法進行特征選擇之后的每個特征的標準差,λ的取值直接關系到鄰域參數δ的值[27].通過實驗分析發(fā)現,λ的取值范圍從1.0到2.0的特征選擇結果所對應的分類性能較好,為此,為了詳細分析λ值對特征選擇結果和分類器的分類性能影響,在實驗過程中將λ值每次變化0.1進行實驗分析和結果對比.

    下面將分析不同分布函數隨著λ變化對特征選擇結果以及代價的影響,詳細分析基于不同分布函數生成的測試代價在曼哈頓距離度量標準下λ(在圖中用Lambda表示λ)變化對于特征選擇的個數和特征子集總代價影響.圖中UDASBC、NDASBC分別表示在均勻分布和正態(tài)分布下考慮特征代價的特征選擇個數,UDAS、NDAS分別表示在均勻分布和正態(tài)分布下不考慮特征代價的特征選擇個數,UDCPBC、NDCPBC分別表示在均勻分布和正態(tài)分布下的代價約簡率,即考慮特征代價的特征子集代價占總代價的百分比(由于兩種分布函數生成的代價不同,因此兩種分布函數通過代價百分比分析),UDCP、NDCP分別表示在均勻分布和正態(tài)分布下不考慮特征代價的特征子集代價占總代價的百分比.具體實驗結果如圖1所示.

    圖1 4個數據集在兩種分布函數下特征選擇的個數和代價百分比隨λ值的變化情況Fig.1 Variation of the number of feature selection and the value of the cost percentage for the four datasets under the two distribution functions with λ

    由圖1可知,對于4個數據集來說,隨著λ變化,特征選擇個數和代價百分比都呈下降趨勢.考慮測試代價比不考慮測試代價的特征選擇效果更優(yōu),例如對于圖1(e)和圖1(f)中的scenes數據集,當不考慮測試代價時 ,特征選擇個數最小為39,當考慮測試代價時,均勻分布和正態(tài)分布下特征個數最小分別為17、22,分別占不考慮測試代價特征選擇結果的43%、56%;同時,考慮測試代價的代價百分比不考慮測試代價的代價百分比相對更小,當考慮測試代價時,均勻分布和正態(tài)分布下代價百分比最小分別為0.40%、3.60%,而不考慮測試代價時,均勻分布和正態(tài)分布下代價百分比最小分別為13.26%、13.19%,代價分別減少了12.86%、9.59%.另外,當代價百分比最小時,在均勻分布下代價百分比相差最為顯著的是圖1(a)中的yeast和圖1(e)中的scenes數據集,最小代價百分比相差大于11%,在正態(tài)分布下代價百分比相差較明顯的是圖1(b)中yeast、圖1(d)中的emotions和圖1(f)中的scenes數據集,最小代價百分比相差大于9%.由此可知,對于yeast和scenes數據集來說,考慮代價與不考慮代價的代價百分比的差在均勻分布下比正態(tài)分布下大.當λ取值為1.9或2.0時,特征選擇個數和代價百分比最小.

    綜上可知,考慮代價的特征選擇效果優(yōu)于不考慮代價的特征選擇效果,考慮特征代價的代價百分比小于不考慮特征代價的百分比.

    圖2 4個數據集在兩種分布函數下平均精度隨λ值的變化情況Fig.2 Variation of the average precision with the values of the four datasets under the two distribution functions with λ

    由圖2可知,當λ取值在1.0-2.0之間,在兩種分布函數下,特征選擇的個數都呈下降趨勢.在均勻分布下,對于圖2(a)中的yeast、圖2(e)中的scenes和圖2(g)中的birds數據集來說,隨λ取值的變化,5個分類器的平均分類精度的變化相對不明顯,當λ=2.0時,3個數據集的特征選擇結果和分類性能較優(yōu);對于圖2(c)中的emotions數據集來說,平均精度隨λ取值的變化無明顯規(guī)律,當λ=1.2時,5個分類器的平均精度較優(yōu).在正態(tài)分布下,隨λ取值的變化,圖2(d)中的emotions數據集的平均精度的變化顯著,圖2(b)yeast和圖2(f)scenes數據集的平均精度變化較平緩,圖2(h)中的birds數據集在λ=1.2,除RAKEL分類器外,其他4個分類器的平均精度顯著下降,參數λ在變化到1.2之后的平均精度變化相對平緩.對于yeast、emotions、scenes、birds數據集來說,當λ取值分別為2.0、1.4、1.9、2.0時對應數據集的特征選擇結果和分類性能較優(yōu).

    綜上可知,每個數據集在5個多標記分類器上最優(yōu)的平均分類精度所對應的λ參數不盡相同,參數λ的取值也影響特征選擇的結果.

    5.3.2 實驗結果和討論

    為進一步驗證本文算法的有效性,下面將在4個Mulan數據集上利用兩種分布函數為特征生成測試代價,通過5個多標記性能指標在曼哈頓距離度量下進行實驗對比和分析,實驗結果如表5-表8所示,其中,λ為特征參數,AS為特征選擇的個數,PC為代價百分比,AP為分類器的平均分類精度,HL為漢明損失,Coverage為覆蓋率 、OE為1錯誤率、RL為排序損失,帶有↑的性能指標表示值越大越好,↓性能能指標表示值越小越好.另外,表中分別給出5個分類器的平均精度最優(yōu)時,對應的λ參數、特征子集的大小、特征子集的代價百分比和其他4個分類性能指標的值.

    表5 兩種分布函數下Yeast數據集的分類性能指標比較Table 5 Comparison of classification performance of yeast dataset under two distribution functions

    從表5-表8的實驗結果可知,當分類器的平均分類精度最優(yōu)時,均勻分布與正態(tài)分布相比,4個數據集在均勻分布下,5個分類器的分類性能相對較優(yōu).在均勻分布下,yeast、emotions、scenes和birds這4個數據集所對應的5個分類器的平均特征個數分別是33、27、43、31,分別占原有特征的32.0%、27.2%、14.6%、11.9%;在正態(tài)分布下,這4個數據集所對應的平均特征個數分別是23、20、42、30,分別占原有特征的22.9%、27.8%、14.29%、11.5%.其中,在yeast數據集中,使用均勻分布比正態(tài)分布下的特征選擇算法效果提高了9.1%,而其他4個數據集特征選擇的差異并不明顯.同時,在均勻分布下,yeast、emotions、scenes和birds這4個數據集所對應的五個分類器的特征選擇結果的代價百分比分別是14.60%、33.52%、3.62%、9.94%;在正態(tài)分布下,這4個數據集所對應的特征選擇結果的代價百分比分別是14.45%、20.39%、8.89%、9.22%,由此可知,emotions和scenes數據集在不同分布函數下代價百分比的差異較大.由實驗結果可知,本文的基于代價敏感的特征選擇算法降低了多標記學習的計算時間和空間消耗,且有效地節(jié)省了成本代價.同時,由表5-表8的實驗結果對比發(fā)現,選擇的特征子集直接影響到多標記分類器的分類性能.在上述4個數據集中,由于特征子集的結果不同,導致5種分類器的分類性能也不相同.例如,在均勻分布下,birds數據集在RAkEL分類器下的平均分類精度為75.60%,而在IBLR_ML分類器下的平均分類精度為60.79%,兩個分類器的性能差異超過14%;在正態(tài)分布下,birds數據集在RAkEL分類器下的平均分類精度為76.26%,而在BRkNN分類器下的平均分類精度為58.20 %,兩個分類器的性能差異超過18%.由實驗結果可知,對于yeast數據集來說,IBLR_ML分類器的分類性能優(yōu)于其他4個分類器的分類性能;對于emtions、scenes和birds數據集來說,RAkEL分類器分類性能較其他4個分類器的分類性能更優(yōu).

    表6 兩種分布函數下Emotions數據集的分類性能指標比較Table 6 Comparison of classification performance of Emotions dataset under two distribution functions

    表7 兩種分布函數下Scenes數據集的分類性能指標比較Table 7 Comparison of classification performance of Scenes dataset under two distribution functions

    表8 兩種分布函數下Birds數據集的分類性能指標比較Table 8 Comparison of classification performance of Birds dataset under two distribution functions

    綜上所述,本文算法特征選擇的結果和分類性能與特征代價、λ參數和分類器的選擇相關.通過表5-表8的實驗結果和分析可知,本文算法解決了對代價敏感下多標記不完備鄰域數據的特征選擇問題,有效剔除了數據中的冗余特征,降低特征的代價成本,提高了分類器的分類性能.

    6 結束語

    針對多標記高維數據中的連續(xù)值、缺失值以及特征的測試代價等問題,從代價敏感學習的視角,提出了一種面向不完備特征鄰域決策表的多標記特征選擇算法,算法利用均勻分布和正態(tài)分布兩種分布函數分別為每個數據特征生成代價,分析特征代價對特征選擇的影響;算法可直接對不完備連續(xù)型數據進行處理,無需對缺失數據進行填充及對連續(xù)數據進行離散化.算法通過距離度量對不完備特征鄰域決策表進行鄰域粒化,并根據正域計算出核特征,在此基礎上,采用啟發(fā)式搜索策略對多標記不完備決策表進行特征選擇,在實驗結果中通過對考慮特征代價和不考慮特征代價的數據集的特征選擇結果進行實驗和分析驗證了算法的有效性.由于現實生活中除需要考慮測試代價之外,還需考慮誤分類代價,下一步工作將研究基于測試代價和誤分類代價的多標記數據特征選擇問題.

    猜你喜歡
    決策表特征選擇子集
    由一道有關集合的子集個數題引發(fā)的思考
    基于決策表相容度和屬性重要度的連續(xù)屬性離散化算法*
    拓撲空間中緊致子集的性質研究
    關于奇數階二元子集的分離序列
    Kmeans 應用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    聯合互信息水下目標特征選擇算法
    正反轉電機缺相保護功能的實現及決策表分析測試
    每一次愛情都只是愛情的子集
    都市麗人(2015年4期)2015-03-20 13:33:22
    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
    欧美成人性av电影在线观看| 久久久久久大精品| 精品免费久久久久久久清纯| 99riav亚洲国产免费| 亚洲人成伊人成综合网2020| 淫妇啪啪啪对白视频| 国产精品一区二区三区四区免费观看 | 国产久久久一区二区三区| 免费av观看视频| 成年版毛片免费区| 国产乱人伦免费视频| 婷婷亚洲欧美| 岛国在线观看网站| 老熟妇乱子伦视频在线观看| 亚洲成人免费电影在线观看| 国产99白浆流出| 中文字幕av成人在线电影| 精华霜和精华液先用哪个| 亚洲精品成人久久久久久| 宅男免费午夜| 国产av不卡久久| 男女之事视频高清在线观看| 免费人成视频x8x8入口观看| 18美女黄网站色大片免费观看| av女优亚洲男人天堂| 免费在线观看亚洲国产| 精品99又大又爽又粗少妇毛片 | 国产精品精品国产色婷婷| 18美女黄网站色大片免费观看| 国产精华一区二区三区| 国产中年淑女户外野战色| 怎么达到女性高潮| 久久久久久人人人人人| 十八禁网站免费在线| 亚洲精品久久国产高清桃花| 国产综合懂色| 一区二区三区激情视频| 88av欧美| 好男人在线观看高清免费视频| 黑人欧美特级aaaaaa片| 国产视频一区二区在线看| 久久精品国产亚洲av香蕉五月| 国产高清视频在线观看网站| 一级作爱视频免费观看| 美女被艹到高潮喷水动态| 国产亚洲精品久久久久久毛片| 国产精品av视频在线免费观看| 性色av乱码一区二区三区2| av片东京热男人的天堂| 国产精品99久久久久久久久| 亚洲成人中文字幕在线播放| 久久久久久久精品吃奶| 欧美国产日韩亚洲一区| 中文亚洲av片在线观看爽| 国产91精品成人一区二区三区| 色精品久久人妻99蜜桃| 在线播放国产精品三级| 国产老妇女一区| 国产精品av视频在线免费观看| 母亲3免费完整高清在线观看| 老司机福利观看| 国产成人av激情在线播放| 久久精品91蜜桃| 美女黄网站色视频| 亚洲国产色片| 亚洲国产日韩欧美精品在线观看 | 国产精品久久电影中文字幕| 白带黄色成豆腐渣| 国产私拍福利视频在线观看| 18美女黄网站色大片免费观看| 国产高清videossex| 国产精品亚洲一级av第二区| 免费高清视频大片| 嫁个100分男人电影在线观看| 九色国产91popny在线| 日本黄色视频三级网站网址| 长腿黑丝高跟| 老司机午夜十八禁免费视频| 国产亚洲精品av在线| 日本五十路高清| 极品教师在线免费播放| 国产69精品久久久久777片| 国产探花极品一区二区| 人人妻人人澡欧美一区二区| 亚洲欧美日韩卡通动漫| 国产成人啪精品午夜网站| 国产乱人伦免费视频| 欧美午夜高清在线| 国产真实乱freesex| av专区在线播放| 男人舔奶头视频| 欧美一区二区亚洲| 一卡2卡三卡四卡精品乱码亚洲| 欧美不卡视频在线免费观看| 国产精品免费一区二区三区在线| 精品熟女少妇八av免费久了| 成人欧美大片| 无遮挡黄片免费观看| 免费看美女性在线毛片视频| 欧美色欧美亚洲另类二区| 久久久精品大字幕| 久久久久国产精品人妻aⅴ院| 欧美一区二区精品小视频在线| 久久精品国产自在天天线| 国产一区二区激情短视频| 亚洲精品影视一区二区三区av| 三级毛片av免费| 丰满人妻熟妇乱又伦精品不卡| a级一级毛片免费在线观看| www日本在线高清视频| 在线观看av片永久免费下载| 午夜免费观看网址| а√天堂www在线а√下载| 欧美日韩福利视频一区二区| av黄色大香蕉| 少妇高潮的动态图| 97碰自拍视频| 亚洲熟妇中文字幕五十中出| 久久香蕉国产精品| 99riav亚洲国产免费| 老司机福利观看| 我的老师免费观看完整版| 国产精品影院久久| 男女床上黄色一级片免费看| 一个人免费在线观看电影| 成年人黄色毛片网站| 色av中文字幕| 国产欧美日韩精品一区二区| 欧美日韩精品网址| 中文字幕av成人在线电影| 国产91精品成人一区二区三区| 男女之事视频高清在线观看| 中文字幕精品亚洲无线码一区| 一本精品99久久精品77| 又黄又爽又免费观看的视频| 国产精品久久久久久亚洲av鲁大| 久久久久久久午夜电影| 国产精品嫩草影院av在线观看 | 午夜福利在线在线| 亚洲精品美女久久久久99蜜臀| 琪琪午夜伦伦电影理论片6080| 亚洲五月天丁香| 久久6这里有精品| 久久久色成人| 内地一区二区视频在线| 99精品在免费线老司机午夜| 国产乱人伦免费视频| 午夜影院日韩av| 亚洲av日韩精品久久久久久密| 青草久久国产| 久久精品国产99精品国产亚洲性色| 中文在线观看免费www的网站| 国产精品国产高清国产av| 神马国产精品三级电影在线观看| 亚洲av成人av| 禁无遮挡网站| 一本精品99久久精品77| 在线观看免费视频日本深夜| 日韩欧美一区二区三区在线观看| 女人十人毛片免费观看3o分钟| 欧美丝袜亚洲另类 | 亚洲av日韩精品久久久久久密| 精品欧美国产一区二区三| 精品久久久久久久久久免费视频| 国产99白浆流出| 久久婷婷人人爽人人干人人爱| 18美女黄网站色大片免费观看| 免费观看精品视频网站| 人人妻人人澡欧美一区二区| 午夜免费激情av| 麻豆一二三区av精品| 3wmmmm亚洲av在线观看| 午夜精品久久久久久毛片777| 国产熟女xx| 久久精品国产亚洲av香蕉五月| 久9热在线精品视频| 韩国av一区二区三区四区| 久久这里只有精品中国| 免费观看的影片在线观看| 亚洲中文日韩欧美视频| 国产伦精品一区二区三区视频9 | 国产一区二区三区视频了| 亚洲av电影在线进入| 国产久久久一区二区三区| ponron亚洲| а√天堂www在线а√下载| 国产高清三级在线| 午夜福利在线在线| 国产成人影院久久av| 午夜视频国产福利| 久久精品国产清高在天天线| 成年免费大片在线观看| 日本黄色视频三级网站网址| 欧美成人性av电影在线观看| 久久久精品大字幕| 男女下面进入的视频免费午夜| 精品一区二区三区视频在线 | 性色avwww在线观看| 国产激情偷乱视频一区二区| 91字幕亚洲| 色播亚洲综合网| 国产欧美日韩精品一区二区| 他把我摸到了高潮在线观看| 性欧美人与动物交配| 久久香蕉精品热| 露出奶头的视频| 日本三级黄在线观看| 伊人久久大香线蕉亚洲五| 一个人观看的视频www高清免费观看| 免费观看精品视频网站| 久久婷婷人人爽人人干人人爱| 热99re8久久精品国产| 国产黄片美女视频| av在线天堂中文字幕| 欧美大码av| 亚洲精品在线观看二区| 欧美乱妇无乱码| 老司机深夜福利视频在线观看| 五月玫瑰六月丁香| 日韩欧美在线二视频| 又粗又爽又猛毛片免费看| 丝袜美腿在线中文| 99久久99久久久精品蜜桃| 国产91精品成人一区二区三区| av片东京热男人的天堂| 悠悠久久av| 99国产精品一区二区蜜桃av| 99久久99久久久精品蜜桃| 18禁国产床啪视频网站| 91麻豆av在线| 久久久久亚洲av毛片大全| 一边摸一边抽搐一进一小说| 少妇熟女aⅴ在线视频| 宅男免费午夜| 国产v大片淫在线免费观看| 麻豆久久精品国产亚洲av| 最近最新中文字幕大全免费视频| 波多野结衣巨乳人妻| 欧美午夜高清在线| 亚洲第一欧美日韩一区二区三区| 神马国产精品三级电影在线观看| 99在线视频只有这里精品首页| 在线十欧美十亚洲十日本专区| 国产成年人精品一区二区| 国产精品久久久久久久久免 | 18禁黄网站禁片免费观看直播| 别揉我奶头~嗯~啊~动态视频| 国产黄片美女视频| а√天堂www在线а√下载| 丁香六月欧美| 91麻豆精品激情在线观看国产| 国产精品亚洲av一区麻豆| 国内精品美女久久久久久| av视频在线观看入口| 国产激情偷乱视频一区二区| 日韩欧美三级三区| 色尼玛亚洲综合影院| 最好的美女福利视频网| 亚洲人与动物交配视频| 麻豆久久精品国产亚洲av| 欧美zozozo另类| 国产高清videossex| 亚洲欧美日韩无卡精品| 国产麻豆成人av免费视频| 亚洲中文字幕日韩| 中亚洲国语对白在线视频| 久久久久免费精品人妻一区二区| 国产高清视频在线观看网站| 国产aⅴ精品一区二区三区波| 精华霜和精华液先用哪个| 51国产日韩欧美| 全区人妻精品视频| or卡值多少钱| 蜜桃亚洲精品一区二区三区| 国产精品亚洲美女久久久| 日本与韩国留学比较| 在线观看美女被高潮喷水网站 | 亚洲五月天丁香| 两个人看的免费小视频| 亚洲精品在线美女| 国产精品日韩av在线免费观看| 女人被狂操c到高潮| 三级男女做爰猛烈吃奶摸视频| 床上黄色一级片| 亚洲一区高清亚洲精品| 亚洲专区国产一区二区| 国产成年人精品一区二区| x7x7x7水蜜桃| 在线观看舔阴道视频| 美女免费视频网站| 男插女下体视频免费在线播放| 美女被艹到高潮喷水动态| 村上凉子中文字幕在线| 69人妻影院| 中文字幕人妻熟人妻熟丝袜美 | 国产淫片久久久久久久久 | 精品人妻一区二区三区麻豆 | 97碰自拍视频| 亚洲aⅴ乱码一区二区在线播放| 最近最新中文字幕大全电影3| 在线十欧美十亚洲十日本专区| www.999成人在线观看| 午夜福利在线观看吧| 人人妻人人看人人澡| 一区福利在线观看| tocl精华| 欧美日韩国产亚洲二区| 精华霜和精华液先用哪个| 亚洲最大成人手机在线| 久久精品国产亚洲av涩爱 | 国产男靠女视频免费网站| 最后的刺客免费高清国语| 韩国av一区二区三区四区| 久久中文看片网| 首页视频小说图片口味搜索| 日韩中文字幕欧美一区二区| 叶爱在线成人免费视频播放| 国产激情偷乱视频一区二区| 久久精品综合一区二区三区| 真人做人爱边吃奶动态| 九九热线精品视视频播放| 精品久久久久久久久久免费视频| 男女床上黄色一级片免费看| 国内精品久久久久精免费| 在线免费观看的www视频| 91麻豆av在线| 成人特级黄色片久久久久久久| 国产一区二区三区在线臀色熟女| 香蕉丝袜av| 国产精品久久久久久人妻精品电影| 啦啦啦观看免费观看视频高清| 全区人妻精品视频| 色吧在线观看| 老司机午夜十八禁免费视频| 黄色成人免费大全| 国产一区二区激情短视频| 国产视频内射| 国产精品久久久久久久电影 | 亚洲第一电影网av| 亚洲专区中文字幕在线| 亚洲欧美一区二区三区黑人| 久久国产精品人妻蜜桃| 人人妻,人人澡人人爽秒播| 色精品久久人妻99蜜桃| 国产激情偷乱视频一区二区| 无遮挡黄片免费观看| 青草久久国产| 亚洲国产欧美网| 国产真人三级小视频在线观看| 亚洲五月天丁香| 人人妻人人看人人澡| 99久久精品热视频| 老司机午夜十八禁免费视频| 国产亚洲精品久久久久久毛片| 国产精品自产拍在线观看55亚洲| 99久久综合精品五月天人人| av在线蜜桃| 久久6这里有精品| 麻豆一二三区av精品| 99久久精品热视频| 一级黄片播放器| 又紧又爽又黄一区二区| av在线天堂中文字幕| 午夜精品一区二区三区免费看| av国产免费在线观看| 亚洲人与动物交配视频| av天堂中文字幕网| 99国产综合亚洲精品| 久久国产精品人妻蜜桃| 久久亚洲精品不卡| 亚洲成人久久爱视频| 老司机在亚洲福利影院| a级毛片a级免费在线| 午夜久久久久精精品| 无遮挡黄片免费观看| 免费在线观看成人毛片| 国产高潮美女av| 十八禁人妻一区二区| 成年版毛片免费区| 天天添夜夜摸| 国产高清三级在线| 亚洲精品粉嫩美女一区| 久久精品国产综合久久久| 精品久久久久久久毛片微露脸| 欧美高清成人免费视频www| 综合色av麻豆| 国产伦一二天堂av在线观看| 日日干狠狠操夜夜爽| 白带黄色成豆腐渣| 嫁个100分男人电影在线观看| 成年女人看的毛片在线观看| 最近在线观看免费完整版| av在线蜜桃| 国产成人aa在线观看| 伊人久久大香线蕉亚洲五| 国内精品久久久久久久电影| 最好的美女福利视频网| 午夜福利成人在线免费观看| 香蕉av资源在线| 国产又黄又爽又无遮挡在线| 亚洲精品粉嫩美女一区| 欧美日韩国产亚洲二区| 啪啪无遮挡十八禁网站| 亚洲电影在线观看av| 精品一区二区三区视频在线 | 99久久综合精品五月天人人| www.色视频.com| 国产aⅴ精品一区二区三区波| 欧美黑人欧美精品刺激| 免费一级毛片在线播放高清视频| 欧美一区二区亚洲| 亚洲色图av天堂| 国内少妇人妻偷人精品xxx网站| 精品欧美国产一区二区三| 日韩免费av在线播放| 少妇人妻精品综合一区二区 | 欧美午夜高清在线| 国产探花在线观看一区二区| 乱人视频在线观看| 少妇高潮的动态图| 久久性视频一级片| 此物有八面人人有两片| 欧美成人免费av一区二区三区| 久久这里只有精品中国| 亚洲欧美日韩高清在线视频| 国产精品免费一区二区三区在线| 熟女少妇亚洲综合色aaa.| 欧美又色又爽又黄视频| 国产乱人视频| 成人午夜高清在线视频| 黑人欧美特级aaaaaa片| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲18禁久久av| 国产中年淑女户外野战色| 亚洲欧美日韩高清在线视频| 看黄色毛片网站| 88av欧美| 国产精品永久免费网站| 成人一区二区视频在线观看| 一区二区三区高清视频在线| 日韩高清综合在线| 国内少妇人妻偷人精品xxx网站| 俺也久久电影网| 国产精品国产高清国产av| 亚洲av熟女| 久久香蕉精品热| 成人性生交大片免费视频hd| 亚洲自拍偷在线| 亚洲男人的天堂狠狠| 国产精品免费一区二区三区在线| 亚洲中文日韩欧美视频| av视频在线观看入口| 国产亚洲精品久久久久久毛片| av女优亚洲男人天堂| 2021天堂中文幕一二区在线观| 精品日产1卡2卡| 搡女人真爽免费视频火全软件 | 久久久久久久久中文| 国内毛片毛片毛片毛片毛片| 欧美日韩精品网址| 国产欧美日韩一区二区精品| 亚洲乱码一区二区免费版| 国产单亲对白刺激| 国产精品久久久久久精品电影| 亚洲在线观看片| 午夜福利免费观看在线| 岛国在线观看网站| 亚洲最大成人手机在线| 男女午夜视频在线观看| 99久久成人亚洲精品观看| 亚洲精品粉嫩美女一区| 亚洲欧美日韩东京热| 俺也久久电影网| 伊人久久大香线蕉亚洲五| 婷婷丁香在线五月| 日本精品一区二区三区蜜桃| 韩国av一区二区三区四区| 国产精品久久久久久人妻精品电影| 午夜福利在线观看免费完整高清在 | 欧美成人一区二区免费高清观看| 亚洲成人久久性| 女人被狂操c到高潮| 他把我摸到了高潮在线观看| 一区二区三区国产精品乱码| 丝袜美腿在线中文| 日韩欧美 国产精品| 欧美成狂野欧美在线观看| 国产av在哪里看| 亚洲人成网站在线播| 波多野结衣高清作品| 亚洲一区二区三区不卡视频| a在线观看视频网站| 精品电影一区二区在线| 99热这里只有精品一区| 国产成人福利小说| 亚洲欧美日韩东京热| 久久九九热精品免费| 2021天堂中文幕一二区在线观| 丰满人妻熟妇乱又伦精品不卡| 有码 亚洲区| 757午夜福利合集在线观看| 国产精品久久视频播放| 亚洲av成人不卡在线观看播放网| 午夜福利成人在线免费观看| 少妇的逼好多水| 亚洲欧美日韩东京热| 毛片女人毛片| 少妇人妻一区二区三区视频| 精品一区二区三区av网在线观看| 亚洲性夜色夜夜综合| 成人高潮视频无遮挡免费网站| 欧美成狂野欧美在线观看| 村上凉子中文字幕在线| 国产高清三级在线| 日本免费a在线| 国产精品亚洲一级av第二区| 欧美色欧美亚洲另类二区| 免费av毛片视频| 午夜日韩欧美国产| 午夜福利在线观看吧| 日韩精品青青久久久久久| 亚洲avbb在线观看| 欧美一区二区国产精品久久精品| 国产乱人伦免费视频| 国产成人aa在线观看| 一区福利在线观看| 波多野结衣巨乳人妻| 亚洲精华国产精华精| 此物有八面人人有两片| 精品人妻一区二区三区麻豆 | 麻豆一二三区av精品| 免费搜索国产男女视频| 亚洲专区中文字幕在线| 国内久久婷婷六月综合欲色啪| 欧美性猛交黑人性爽| 国产精品99久久99久久久不卡| 国产成人av教育| 久久99热这里只有精品18| 久久久久久久久中文| 欧美成人一区二区免费高清观看| av天堂在线播放| 99久久成人亚洲精品观看| 亚洲狠狠婷婷综合久久图片| 一级黄色大片毛片| 中文字幕精品亚洲无线码一区| 丰满的人妻完整版| 9191精品国产免费久久| 日本一二三区视频观看| 美女大奶头视频| 看免费av毛片| 老鸭窝网址在线观看| 此物有八面人人有两片| 国产aⅴ精品一区二区三区波| 香蕉丝袜av| 身体一侧抽搐| 精品99又大又爽又粗少妇毛片 | 免费高清视频大片| 激情在线观看视频在线高清| 在线观看日韩欧美| 久久婷婷人人爽人人干人人爱| 日韩欧美在线乱码| 国产成人影院久久av| 精品久久久久久,| 精品一区二区三区av网在线观看| 两个人视频免费观看高清| 三级男女做爰猛烈吃奶摸视频| 久9热在线精品视频| 亚洲美女黄片视频| 精品久久久久久成人av| 国产精品一及| 成人欧美大片| 国产精品自产拍在线观看55亚洲| 熟妇人妻久久中文字幕3abv| 天堂√8在线中文| a级一级毛片免费在线观看| 免费大片18禁| 波野结衣二区三区在线 | 国产激情偷乱视频一区二区| 国内毛片毛片毛片毛片毛片| 亚洲精品一卡2卡三卡4卡5卡| 国产精华一区二区三区| 国内少妇人妻偷人精品xxx网站| 日本黄色片子视频| avwww免费| 九色国产91popny在线| 国产一区二区亚洲精品在线观看| 好看av亚洲va欧美ⅴa在| 色播亚洲综合网| 亚洲精品在线美女| 99热6这里只有精品| 久久精品国产自在天天线| 美女大奶头视频| 亚洲天堂国产精品一区在线| 国产精品三级大全| 亚洲va日本ⅴa欧美va伊人久久| 久久天躁狠狠躁夜夜2o2o| 两个人的视频大全免费| 久久久国产成人精品二区| 国产精品一及| 亚洲av中文字字幕乱码综合| 欧美一区二区亚洲| 每晚都被弄得嗷嗷叫到高潮| 色尼玛亚洲综合影院| 国产一区二区三区在线臀色熟女| 国产99白浆流出| 日本三级黄在线观看| 香蕉丝袜av| 日韩人妻高清精品专区| 国产色爽女视频免费观看| 男女之事视频高清在线观看| 在线天堂最新版资源| 国内精品久久久久久久电影| 欧美bdsm另类| 国产在视频线在精品| 亚洲,欧美精品.|