• <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 ?

    一種自適應(yīng)子融合集成多分類器方法

    2019-05-08 12:58:42
    計算機測量與控制 2019年4期
    關(guān)鍵詞:置信度子集分類器

    (1.廣西師范學(xué)院 計算機與信息工程學(xué)院, 南寧 530023;2.廣西科技師范學(xué)院 數(shù)學(xué)與計算機科學(xué)學(xué)院,廣西 來賓 546199)

    0 引言

    模式識別領(lǐng)域中普遍存在的一個問題是,同一個分類方法在不同的應(yīng)用中分類性能不盡相同。沒有哪種分類方法能夠普遍適用于所有的分類情況。為了解決這樣的問題,分類器融合技術(shù)成為了模式識別領(lǐng)域的一個重要技術(shù)。當前許多研究表明,多分類器融合技術(shù)對于模式識別的性能有較大的提高[1-3]。目前多分類器融合技術(shù)已經(jīng)在很多領(lǐng)域上得到實踐,例如圖像分類、語音識別、手寫技術(shù)識別等[4]。模式識別領(lǐng)域統(tǒng)一將分類器技術(shù)劃分為以下兩種形式:分類器動態(tài)選擇[5]和分類器融合。動態(tài)分類器選擇方法的核心思想是:預(yù)測當前識別任務(wù)多分類器系統(tǒng)中識別最準確的基分類器,選擇預(yù)測的基分類器作為多分類器系統(tǒng)融合決策的輸出。而分類器融合方法的核心思想是:全面地考慮每一個基分類器的決策輸出,結(jié)合每一個基分類器的決策輸出作為多分類器的最終決策輸出,這種思想會得到更多的決定性決策信息。

    基于這兩種思想比較,更多的學(xué)者致力于研究多分類器融合方法。常規(guī)的多分類器融合技術(shù)包括多數(shù)投票法[6],人工神經(jīng)網(wǎng)絡(luò)法,加權(quán)平均值法,決策模板[7]和D-S證據(jù)理論[8],行為-知識空間方法(BKS)[9]等。存在的問題是,一些基分類器存在實時性能不穩(wěn)定的情況,所以在使用多分類器融合方法時容易受到這種基分類器的影響而導(dǎo)致性能的不穩(wěn)定。因此,更多的研究者開始把目光投向基分類器的選擇,特別是集成過程中的基分類器選擇[10]。這些基于基分類器選擇的多分類器系統(tǒng)方法不再局限于基于單個或基于全部基分類器進行融合決策,而是靈活性地組合部分互補性強且對實時樣本有較高識別率的基分類器來完成融合決策[11]。

    一些研究發(fā)現(xiàn),不同分類器對于分類具有互補性,異分類器的融合能夠有效提高分類精度以及推廣能力,而提高分類器間相異性的手段之一就是采用具有互補分類信息的多個不同特征集[12-13]。這些不同特征集可以是同一特征集的不同子集,也可以是異類或不同特征空間中的特征子集[13]。

    針對上述動態(tài)選擇基分類器與分類器融合方法存在實時性能不穩(wěn)定的問題,本文提出一種自適應(yīng)子融合集成分類器方法,首先通過有放回地隨機選擇樣本完成樣本集采樣,產(chǎn)生多個不同的訓(xùn)練集,然后通過線性判決思想(Fisher線性判決思想是:一個好的特征應(yīng)該使類內(nèi)離散度盡可能小,而類間離散度盡可能大。)在不同訓(xùn)練子集中進行特征提取,并利用簡單的分類器對輸入的特征變量單獨進行分類,最后基于本文提出的一種基分類器選擇模型完成實時的子融合系統(tǒng)構(gòu)建,并在該子融合系統(tǒng)上按分類的結(jié)果進行投票,選擇得票最多的作為分類結(jié)果輸出。

    1 問題定義

    多分類器系統(tǒng)作為一種集成分類算法(Ensemble learning),通過基分類器集合和組合規(guī)則或組合算法模型構(gòu)成。根據(jù)基分類器決策輸出信息的不同,多分類器系統(tǒng)一般被劃分為三個不同的層次[14]:決策層融合(Abstract level),排序?qū)尤诤?Rank level)和度量層融合(Measurement level)。在決策層融合層次上,各個基分類器的輸出為某個確定的類別號;在排序?qū)尤诤蠈哟紊?,各個基分類器的輸出為測試樣本屬于各類可能性的一個排序列表;在度量層融合層次上,各個基分類器的輸出為測試樣本屬于各類的后驗概率。

    在實際應(yīng)用中,大部分用于集成的基分類器可以獲取類似于后驗概率的中間度量值,如k-NN分類器可以利用測試樣本到各類中心的最近鄰距離來構(gòu)建函數(shù)求取測試樣本屬于各類的可能性。這種可能性在同質(zhì)基分類器構(gòu)成的多分類器系統(tǒng)中可以作為基分類器選擇的考慮因素。因此,本文主要研究度量層融合層次之上的多分類器聯(lián)合方法。

    1.1 數(shù)學(xué)定義

    度量層融合層次的多分類器系統(tǒng)問題可以定義如下:

    輸入:

    [e1(x)e2(x) …eK(x)]:各基分類器對樣本x的識別輸出,其中,ek(x)=[ω(C1)ω(C2) …ω(CM)](k∈{1,2,…,K}),ω(Ci)∈[0,1],ω(Ci)(i∈{1,2,…,M})為后驗概率、隸屬度或某種模糊測度,說明樣本x歸屬于各類的程度。

    輸出:

    E(x)=Ci:多分類器系統(tǒng)識別樣本所歸屬的類別,其中i∈{1,2,…,M}。

    輸出結(jié)果的獲取可以通過多種不同形式實現(xiàn),常見的有提取最大值、計算平均值和加權(quán)平均等。

    1.2 相關(guān)定義

    上述定義中,分量ωk(Ci)與ωj(Ci)的距離越小,說明它們之間的決策支持度越大。反之,則說明決策支持度越小。

    上述定義中,第k個基分類器識別樣本x歸屬于Ci類的程度ωk(Ci)越靠近[0,1]區(qū)間中值0.5,其決策置信度越小.反之,則說明決策置信度越大。

    2 自適應(yīng)子融合系統(tǒng)

    自適應(yīng)子融合系統(tǒng)可以針對不同的輸入樣本,動態(tài)挑選出不同數(shù)目的基分類器組成子融合系統(tǒng)進行樣本識別。根據(jù)上述實時決策支持度和實時決策置信度的定義,設(shè)計基分類器動態(tài)挑選的策略,其過程為:首先提取實時決策支持度最高的基分類器,然后在多分類器系統(tǒng)中將其它基分類器的實時決策置信度一一與該基分類器的實時決策置信度進行比較,動態(tài)選擇出比該基分類器實時決策置信度高的基分類器,并一起構(gòu)成子融合系統(tǒng),最后通過簡單多數(shù)投票決定輸入樣本所歸屬的類別號。

    為了提高多分類器系統(tǒng)的泛化能力,自適應(yīng)子融合系統(tǒng)通過有放回隨機選擇多個不同的訓(xùn)練集,并在這些訓(xùn)練集上通過線性判決思想隨機動態(tài)地提取特征構(gòu)成各基分類器訓(xùn)練的特征子集。自適應(yīng)子融合系統(tǒng)的方法模型框架如圖1所示。訓(xùn)練樣本和訓(xùn)練特征集的差異保證了多分類器系統(tǒng)中基分類器的互補性。

    圖1 自適應(yīng)子融合集成分類器方法模型

    2.1 特征子集生成

    在每個隨機訓(xùn)練樣本集基礎(chǔ)上隨機提取有較優(yōu)線性可分性的特征子集,首先在特征集上隨機地限定特征提取范圍,該提取范圍為隨意的部分特征組合,以提高基分類器的差異性。然后,在隨機挑選出第一個特征的基礎(chǔ)上利用線性判決思想在這些隨機提取的特征組合中通過迭代重組出線性可分性較強的特征子集。具體特征子集生成算法如算法1所示。

    算法1:特征選擇:

    Input: 特征集F.

    Output: 特征子集S.

    1)獲取特征集F的特征個數(shù)m;

    2)初始化: Lsd=0, max_Lsd=0, first_i=0, S=φ,i=0;

    3)隨機生成長度為m的二進制字符串a(chǎn);

    4)在a中隨機選擇值為1的某個位置first_i;

    5)S=S∪{F[first_i]};

    6)max_Lsd=calculate_Lsd(S);

    7)while i

    8) if (a[i]==1 && i!=first_i) then

    9) Lsd=calculate_Lsd(S∪{ F[i]});

    10) if Lsd>max_Lsd then

    11) S=S∪{F[i]}; max_Lsd=Lsd;

    12) end if

    13) end if

    14) i++;

    15)end while

    16)return(S,a).

    其中,步驟6)中calculate_Lsd函數(shù)為特征集輸入?yún)?shù)S在當前隨機樣本集中的線性可分度,線性可分度Lsd的計算公式如式(1)所示。其中,c為特征集S存在的類別數(shù),Xi為當前隨機樣本集中屬于第i類的樣本集合。

    (1)

    特征子集生成算法在自適應(yīng)子融合系統(tǒng)中是基于多個不同樣本集分別實現(xiàn)的,其實現(xiàn)過程可以并行處理。因此,有可能存在相同的特征子集被不同基分類器提取。本文通過兩種不同的策略來優(yōu)化提取的特征子集,提高基分類器的差異性。這兩種策略分別是變異策略和交叉策略,具體方法如下所示:

    交叉策略:隨機選擇一個不同的特征選擇向量a2,在a2中隨機選擇一個交叉區(qū)域,將a的相應(yīng)交叉區(qū)域由a2交叉區(qū)域代替。

    例如,存在相同特征子集的特征選擇向量為a=10011100,選擇的a2為a2=00100110,交叉區(qū)域為0011,則進行交叉操作后有:a=10000110。

    通過雙重循環(huán)將所有生成的特征子集進行比較,存在相同的特征子集進行1次或多次變異和交叉操作,直至得到一個與現(xiàn)有所有特征子集不重復(fù)的新特征子集。

    2.2 基分類器動態(tài)選擇

    在隨機樣本和特征子空間生成后,分別訓(xùn)練基分類器,因為自適應(yīng)子融合系統(tǒng)基于1.2節(jié)中定義的實時決策支持度和實時決策置信度動態(tài)選擇集成,所以動態(tài)選擇基分類器操作在測試階段進行。

    首先通過多分類器系統(tǒng)中的各個基分類器對輸入測試樣本進行分類識別,然后分別計算各基分類器的實時決策支持度DS,并從中挑選出獲得當前實時決策支持度最高的基分類器,將其作為自適應(yīng)子融合系統(tǒng)的基分類器,并用該基分類器的實時決策置信度與其它基分類器的實時決策置信度進行比較,進一步挑選出實時決策置信度比其高的基分類器作為自適應(yīng)子融合系統(tǒng)的成員,完成用來融合決策的子系統(tǒng)構(gòu)建,算法流程如下:

    算法2:基分類器動態(tài)選擇.

    Input: 分類器集合E.

    Output: 分類器子集合S.

    1)初始化:S=φ;

    2)從E中選擇當前樣本識別中DS最高的基分類器ec;

    3)S={ec};

    4)E=E-{ec};

    5)θ=DC(ec);

    6)while E!=NULL

    7) if DC(E[0])>θthen

    8)S=S∪{ei};

    9) end if

    10)E=E-{ei};

    11)end while

    12)return(S).

    該方法對于輸出結(jié)果帶有類似后驗概率的分類器進行直接軟迭代集成,對于其他輸出形式的基分類器需要先將其輸出值轉(zhuǎn)化到[0,1]上的可信度,然后再利用算法。本文定義其輸出值轉(zhuǎn)化方法為:

    ek(x)=[Pk(C1|x),Pk(C2|x),…,Pk(CM|x)]

    基于上述方法可以得到多分類器系統(tǒng)的決策矩陣如下:

    2.3 融合決策過程

    自適應(yīng)子融合集成分類方法融合了一系列基分類器的分類結(jié)果, 直接采用多數(shù)投票法來決定識別結(jié)果,讓當前被自適應(yīng)子融合系統(tǒng)選中的基分類器都對輸入的特征向量進行投票,匯總各類得票數(shù),找出其中擁有票數(shù)最多的類別作為融合系統(tǒng)對該特征向量識別的類別。

    3 實驗結(jié)果與分析

    本實驗使用的是UCI機器學(xué)習(xí)數(shù)據(jù)庫中的四類數(shù)據(jù)集進行相關(guān)測試。數(shù)據(jù)集樣本如表1所示。實驗數(shù)據(jù)屬于多分類樣本數(shù)據(jù)集,需限定使用方法為多分類方法,以保證分類的效果,實驗基分類器如表2所示。有效劃分訓(xùn)練集與測試集比重往往可以提高分類的效率,參照先驗知識且經(jīng)過多次試驗測試集與訓(xùn)練集比例,最終發(fā)現(xiàn)30%作為訓(xùn)練集、70%作為測試集的實驗效果最好,因此我們將各類數(shù)據(jù)集分別按照0.3的比例劃分。

    本文將分類準確率作為衡量融合集成分類器方法識別效果的衡量標準,具體方法是測試集中分類正確數(shù)量占總測試集的百分比,公式如式(2):

    (2)

    其中:Nk表示測試集中分類正確的數(shù)量,Nc表示測試集的總數(shù)。

    表2實驗結(jié)果數(shù)據(jù)表明,本文提出的自適應(yīng)子融合集成分類方法與其他基分類器比較,本文方法的識別效果更優(yōu),在所用數(shù)據(jù)集都得到了有效提升。同時,表2也表明了在Vehicle數(shù)據(jù)集、Glass數(shù)據(jù)集上一些基分類器識別性能較差的現(xiàn)象。驗證了本文前面提到的基分類器實時穩(wěn)定性差從而導(dǎo)致一些融合方法的性能不穩(wěn)定的問題。本文提出的自適應(yīng)子融合集成多分類器方法從表3中明顯證明識別性能優(yōu)于其他兩種多分類器融合方法,并且在Wine數(shù)據(jù)集和Vehicle數(shù)據(jù)集效果提升稍好于其他兩類數(shù)據(jù)集。通過表2、表3,我們可以得出以下結(jié)論:多分類問題,數(shù)據(jù)類別越多,分類的準確率越高,即分類效果越好。

    表1 實驗的四類數(shù)據(jù)集

    表2 本文方法與基本分類器識別準確度比較 %

    表3 本文方法與其他多分類器聯(lián)合方法識別準確度比較 %

    從圖2中,我們可以直觀看到各基分類器與多分類器融合方法的分類性能,并且在分類性能上多分類器融合方法普遍優(yōu)于基分類器方法,本文方法在識別準確率上同樣高于所比較的其他分類融合方法。

    圖2 各基分類器與分類器融合方法性能比較

    4 結(jié)論

    本文基于Fisher線性判決思想來完成隨機特征子集內(nèi)的特征選擇有效提高基分類器的差異性,結(jié)合決策支持度DS與決策置信度DC完成基分類器的動態(tài)選擇,并讓每一個被選中的基分類器對輸入的特征向量進行投票,計算所有投票數(shù),獲取子融合系統(tǒng)中投票數(shù)最多的類別作為當前輸入樣本的分類結(jié)果,有效提高了分類器識別性能。實驗結(jié)果表明,本文研究的度量層融合層次之上的多分類器聯(lián)合方法能獲得較好的識別性能,較單個分類器的識別準確度都有所提高。

    我們的工作存在如下不足:在未來的研究中需要解決的問題,如基分類器選擇當前實時決策支持度最高者,是否可以通過先驗概率或判別函數(shù)確定基分類器會有更好的分類效果。

    猜你喜歡
    置信度子集分類器
    由一道有關(guān)集合的子集個數(shù)題引發(fā)的思考
    硼鋁復(fù)合材料硼含量置信度臨界安全分析研究
    拓撲空間中緊致子集的性質(zhì)研究
    關(guān)于奇數(shù)階二元子集的分離序列
    正負關(guān)聯(lián)規(guī)則兩級置信度閾值設(shè)置方法
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    置信度條件下軸承壽命的可靠度分析
    軸承(2015年2期)2015-07-25 03:51:04
    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
    久久伊人香网站| 亚洲国产精品成人综合色| 国产精品久久久人人做人人爽| 3wmmmm亚洲av在线观看| 久久精品人妻少妇| 亚洲va日本ⅴa欧美va伊人久久| 蜜桃久久精品国产亚洲av| 老司机午夜十八禁免费视频| 一级作爱视频免费观看| 一区二区三区免费毛片| av视频在线观看入口| 亚洲精品美女久久久久99蜜臀| 亚洲成人精品中文字幕电影| 在线观看av片永久免费下载| 九九在线视频观看精品| 老司机深夜福利视频在线观看| a级一级毛片免费在线观看| 久久久久精品国产欧美久久久| 黄色片一级片一级黄色片| 最后的刺客免费高清国语| 国产精品久久久久久人妻精品电影| 69人妻影院| 欧美成人性av电影在线观看| 欧美日韩乱码在线| 国产国拍精品亚洲av在线观看 | 日本免费一区二区三区高清不卡| 成年版毛片免费区| 国产亚洲精品综合一区在线观看| 脱女人内裤的视频| 久久久久久久亚洲中文字幕 | 国产成人啪精品午夜网站| 精品午夜福利视频在线观看一区| 狂野欧美激情性xxxx| 男人和女人高潮做爰伦理| 国产亚洲精品久久久com| 桃红色精品国产亚洲av| 色精品久久人妻99蜜桃| 日韩av在线大香蕉| 亚洲国产精品成人综合色| 极品教师在线免费播放| 久久久精品欧美日韩精品| 午夜免费观看网址| 婷婷六月久久综合丁香| 国产黄a三级三级三级人| 日韩 欧美 亚洲 中文字幕| 日韩人妻高清精品专区| 亚洲精品亚洲一区二区| 丁香欧美五月| 在线免费观看不下载黄p国产 | 级片在线观看| 国产aⅴ精品一区二区三区波| 九色国产91popny在线| 国产精品一区二区免费欧美| 精品一区二区三区av网在线观看| 亚洲不卡免费看| 99热这里只有精品一区| 欧美成人免费av一区二区三区| 婷婷丁香在线五月| 国产美女午夜福利| 真人一进一出gif抽搐免费| 亚洲成av人片免费观看| 成人无遮挡网站| 美女cb高潮喷水在线观看| 国产成人影院久久av| 啪啪无遮挡十八禁网站| 亚洲黑人精品在线| 欧美成人一区二区免费高清观看| 国产精华一区二区三区| 免费观看的影片在线观看| 亚洲精品久久国产高清桃花| 欧美成人一区二区免费高清观看| 18禁裸乳无遮挡免费网站照片| 毛片女人毛片| 精品熟女少妇八av免费久了| 日韩亚洲欧美综合| 成人性生交大片免费视频hd| 日韩有码中文字幕| 别揉我奶头~嗯~啊~动态视频| 午夜免费激情av| 国产淫片久久久久久久久 | 午夜免费观看网址| 久久精品影院6| 欧美性猛交╳xxx乱大交人| 精品免费久久久久久久清纯| 丝袜美腿在线中文| 亚洲五月天丁香| 青草久久国产| 51国产日韩欧美| 无人区码免费观看不卡| 首页视频小说图片口味搜索| 人妻久久中文字幕网| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 一夜夜www| 高清毛片免费观看视频网站| 午夜免费激情av| 日韩亚洲欧美综合| 在线看三级毛片| 欧美丝袜亚洲另类 | 午夜免费观看网址| 岛国视频午夜一区免费看| 一二三四社区在线视频社区8| 90打野战视频偷拍视频| 国产精品自产拍在线观看55亚洲| 狠狠狠狠99中文字幕| 久久久久国内视频| 欧美日韩福利视频一区二区| 最新在线观看一区二区三区| 黄色丝袜av网址大全| 国产高清videossex| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 免费观看人在逋| 色精品久久人妻99蜜桃| 久久久国产成人免费| 一进一出抽搐动态| 亚洲欧美激情综合另类| 最新在线观看一区二区三区| 精品久久久久久成人av| 亚洲av不卡在线观看| 精品99又大又爽又粗少妇毛片 | 搡女人真爽免费视频火全软件 | 麻豆成人av在线观看| 日韩国内少妇激情av| 国内精品一区二区在线观看| 女同久久另类99精品国产91| 国内精品美女久久久久久| 三级国产精品欧美在线观看| 12—13女人毛片做爰片一| 亚洲精品在线观看二区| 在线观看一区二区三区| 国产精品,欧美在线| 99在线人妻在线中文字幕| 午夜福利免费观看在线| 69人妻影院| 一级作爱视频免费观看| 99热这里只有精品一区| 国产av麻豆久久久久久久| 一个人看视频在线观看www免费 | 久久久精品欧美日韩精品| 日本a在线网址| 日韩欧美精品免费久久 | 久久九九热精品免费| 国产亚洲av嫩草精品影院| 国产真实乱freesex| 蜜桃亚洲精品一区二区三区| svipshipincom国产片| 午夜精品一区二区三区免费看| 18+在线观看网站| 757午夜福利合集在线观看| 在线a可以看的网站| 国内少妇人妻偷人精品xxx网站| 色在线成人网| 五月玫瑰六月丁香| 国产精品精品国产色婷婷| 一区二区三区免费毛片| 熟女人妻精品中文字幕| 熟女少妇亚洲综合色aaa.| 国产成人a区在线观看| 香蕉久久夜色| 欧美+亚洲+日韩+国产| 午夜福利18| 久久中文看片网| 男女之事视频高清在线观看| 午夜福利视频1000在线观看| 亚洲成a人片在线一区二区| 久久人妻av系列| 搡老熟女国产l中国老女人| 每晚都被弄得嗷嗷叫到高潮| 国产野战对白在线观看| 久久久久久久久久黄片| 香蕉丝袜av| 亚洲五月婷婷丁香| 最新在线观看一区二区三区| 中文字幕久久专区| 内射极品少妇av片p| 亚洲 国产 在线| 一进一出好大好爽视频| 亚洲av电影在线进入| 亚洲精华国产精华精| 久久久色成人| bbb黄色大片| 99久国产av精品| 真实男女啪啪啪动态图| 内射极品少妇av片p| 日本黄大片高清| 欧美bdsm另类| АⅤ资源中文在线天堂| 男女之事视频高清在线观看| 日本一二三区视频观看| 亚洲人成伊人成综合网2020| 法律面前人人平等表现在哪些方面| 午夜免费男女啪啪视频观看 | 老汉色∧v一级毛片| 最新中文字幕久久久久| 中文字幕熟女人妻在线| 国产成人影院久久av| 亚洲欧美精品综合久久99| 真人做人爱边吃奶动态| 国产黄片美女视频| 又粗又爽又猛毛片免费看| 在线免费观看的www视频| 国产免费av片在线观看野外av| 国产精品乱码一区二三区的特点| 色噜噜av男人的天堂激情| 免费av毛片视频| 久久久久久久午夜电影| 亚洲18禁久久av| 国产精品日韩av在线免费观看| 一区二区三区免费毛片| 老司机福利观看| 久久久久久久久中文| 婷婷精品国产亚洲av| 国产av在哪里看| 亚洲国产欧洲综合997久久,| 亚洲黑人精品在线| 精品无人区乱码1区二区| 久久人妻av系列| 欧美不卡视频在线免费观看| 欧美又色又爽又黄视频| 黄片小视频在线播放| 最近最新中文字幕大全免费视频| 可以在线观看的亚洲视频| 亚洲国产精品久久男人天堂| 搞女人的毛片| 两个人的视频大全免费| 久久这里只有精品中国| 乱人视频在线观看| 麻豆成人午夜福利视频| 国内久久婷婷六月综合欲色啪| 欧美日韩国产亚洲二区| 每晚都被弄得嗷嗷叫到高潮| 国产精品免费一区二区三区在线| 丝袜美腿在线中文| 欧美色欧美亚洲另类二区| 国产激情欧美一区二区| 小说图片视频综合网站| 国产一区二区在线观看日韩 | 1024手机看黄色片| 精品午夜福利视频在线观看一区| 午夜免费男女啪啪视频观看 | 丁香欧美五月| 90打野战视频偷拍视频| 日韩欧美精品免费久久 | 欧美3d第一页| 国产探花在线观看一区二区| 国产视频一区二区在线看| 一a级毛片在线观看| 精品免费久久久久久久清纯| 亚洲人与动物交配视频| 国产色婷婷99| 国产精品乱码一区二三区的特点| 国产精品影院久久| 国产欧美日韩精品亚洲av| 国产精华一区二区三区| 制服人妻中文乱码| 国产老妇女一区| 亚洲片人在线观看| 香蕉丝袜av| 美女 人体艺术 gogo| 免费在线观看日本一区| 国产亚洲精品久久久久久毛片| 亚洲美女视频黄频| 亚洲欧美一区二区三区黑人| 午夜激情欧美在线| 在线播放无遮挡| 精品电影一区二区在线| 国产黄a三级三级三级人| 午夜精品在线福利| 久久人妻av系列| 在线a可以看的网站| 国产一区在线观看成人免费| 51午夜福利影视在线观看| 在线看三级毛片| 国产熟女xx| ponron亚洲| 88av欧美| 性色avwww在线观看| www.熟女人妻精品国产| 99久久九九国产精品国产免费| 亚洲真实伦在线观看| 噜噜噜噜噜久久久久久91| www.www免费av| 日韩欧美国产在线观看| 三级男女做爰猛烈吃奶摸视频| 色噜噜av男人的天堂激情| 亚洲aⅴ乱码一区二区在线播放| 亚洲av电影不卡..在线观看| 国产精品99久久久久久久久| 丁香欧美五月| 91在线精品国自产拍蜜月 | 日本免费一区二区三区高清不卡| 成年女人永久免费观看视频| 99精品久久久久人妻精品| 亚洲人成网站高清观看| 国产精品亚洲一级av第二区| 久久精品国产清高在天天线| 国产黄色小视频在线观看| 国产97色在线日韩免费| 91在线观看av| av中文乱码字幕在线| 九九热线精品视视频播放| 成人性生交大片免费视频hd| 午夜精品一区二区三区免费看| 波野结衣二区三区在线 | 91在线精品国自产拍蜜月 | 国产真实伦视频高清在线观看 | 老司机在亚洲福利影院| 五月伊人婷婷丁香| 亚洲aⅴ乱码一区二区在线播放| 色综合欧美亚洲国产小说| 99国产精品一区二区三区| 少妇人妻一区二区三区视频| 免费看美女性在线毛片视频| 一级黄片播放器| 中文字幕av在线有码专区| 大型黄色视频在线免费观看| 亚洲国产欧美人成| 国内精品久久久久久久电影| a级一级毛片免费在线观看| 精品人妻偷拍中文字幕| 久久精品影院6| 可以在线观看的亚洲视频| 日韩欧美在线乱码| 99久久久亚洲精品蜜臀av| 五月玫瑰六月丁香| av女优亚洲男人天堂| 亚洲中文日韩欧美视频| 欧美+亚洲+日韩+国产| 午夜福利免费观看在线| 国产亚洲欧美98| 国产精品亚洲美女久久久| 成人三级黄色视频| 亚洲av一区综合| 久久草成人影院| 日韩国内少妇激情av| 久久亚洲精品不卡| 亚洲精品久久国产高清桃花| 蜜桃久久精品国产亚洲av| 黄色成人免费大全| 18禁国产床啪视频网站| 18禁裸乳无遮挡免费网站照片| www.熟女人妻精品国产| 中文亚洲av片在线观看爽| 99在线人妻在线中文字幕| 国产美女午夜福利| 国产精品电影一区二区三区| 91久久精品电影网| 黄色视频,在线免费观看| 99久国产av精品| 757午夜福利合集在线观看| 国产免费av片在线观看野外av| 亚洲精品久久国产高清桃花| 99精品在免费线老司机午夜| 日本五十路高清| 欧美成人性av电影在线观看| 男女那种视频在线观看| 久久久久久人人人人人| 嫩草影院精品99| 欧美中文日本在线观看视频| 亚洲av二区三区四区| 天堂动漫精品| 亚洲人成伊人成综合网2020| 国产精品乱码一区二三区的特点| 国产私拍福利视频在线观看| 好男人在线观看高清免费视频| 亚洲一区二区三区不卡视频| 丰满的人妻完整版| 欧美成狂野欧美在线观看| 人人妻人人看人人澡| 他把我摸到了高潮在线观看| 欧美色视频一区免费| 国产熟女xx| 国内揄拍国产精品人妻在线| 午夜老司机福利剧场| 人妻丰满熟妇av一区二区三区| 成人av一区二区三区在线看| 俄罗斯特黄特色一大片| 欧美日韩亚洲国产一区二区在线观看| av女优亚洲男人天堂| 国产伦一二天堂av在线观看| 国产真人三级小视频在线观看| 色播亚洲综合网| 亚洲天堂国产精品一区在线| 午夜福利在线观看免费完整高清在 | 床上黄色一级片| 成年免费大片在线观看| 99久久九九国产精品国产免费| 老汉色av国产亚洲站长工具| 国产麻豆成人av免费视频| 免费看光身美女| 波多野结衣高清作品| 欧美3d第一页| 三级男女做爰猛烈吃奶摸视频| 亚洲,欧美精品.| 很黄的视频免费| 欧美不卡视频在线免费观看| 亚洲av成人av| 色视频www国产| 精品不卡国产一区二区三区| 亚洲国产欧美人成| 精品久久久久久成人av| 在线a可以看的网站| 变态另类丝袜制服| 精品日产1卡2卡| 两个人的视频大全免费| 免费观看人在逋| 久久久久精品国产欧美久久久| 久久久久久人人人人人| 最近最新中文字幕大全免费视频| 又爽又黄无遮挡网站| 久久精品91蜜桃| 听说在线观看完整版免费高清| 国产高清videossex| 久久欧美精品欧美久久欧美| 欧美成人a在线观看| 午夜免费男女啪啪视频观看 | 高清日韩中文字幕在线| 十八禁人妻一区二区| 一级毛片高清免费大全| 亚洲美女视频黄频| 精品无人区乱码1区二区| 国产黄片美女视频| 九色成人免费人妻av| 亚洲男人的天堂狠狠| ponron亚洲| 国产精品久久久久久人妻精品电影| 可以在线观看毛片的网站| 国产精品香港三级国产av潘金莲| 久久精品91无色码中文字幕| 一级毛片女人18水好多| eeuss影院久久| 操出白浆在线播放| 波野结衣二区三区在线 | 欧美日韩福利视频一区二区| 757午夜福利合集在线观看| 国产av不卡久久| 久久久久久久久中文| 国产一区二区三区视频了| 岛国在线免费视频观看| 免费一级毛片在线播放高清视频| www日本黄色视频网| 精品熟女少妇八av免费久了| 天天一区二区日本电影三级| 少妇的逼好多水| 性欧美人与动物交配| 亚洲中文字幕日韩| 99国产综合亚洲精品| 亚洲av成人精品一区久久| 97人妻精品一区二区三区麻豆| 国产成人影院久久av| 亚洲成av人片在线播放无| 久久99热这里只有精品18| 最近在线观看免费完整版| 日韩精品中文字幕看吧| 老汉色av国产亚洲站长工具| 亚洲国产中文字幕在线视频| 成年女人看的毛片在线观看| 午夜亚洲福利在线播放| 啦啦啦韩国在线观看视频| 久久精品国产自在天天线| 亚洲国产色片| 一个人看的www免费观看视频| 女生性感内裤真人,穿戴方法视频| 又爽又黄无遮挡网站| 亚洲中文字幕日韩| 亚洲aⅴ乱码一区二区在线播放| 一区二区三区国产精品乱码| 草草在线视频免费看| 在线看三级毛片| 亚洲色图av天堂| 老汉色av国产亚洲站长工具| 国产精品久久电影中文字幕| 欧美又色又爽又黄视频| 亚洲精华国产精华精| 亚洲国产日韩欧美精品在线观看 | 精品99又大又爽又粗少妇毛片 | 久久久国产成人免费| 国产精品98久久久久久宅男小说| АⅤ资源中文在线天堂| 欧美中文综合在线视频| 女人高潮潮喷娇喘18禁视频| 午夜精品在线福利| 婷婷亚洲欧美| 一个人免费在线观看的高清视频| 午夜精品一区二区三区免费看| 日本 av在线| 午夜精品久久久久久毛片777| 在线观看免费视频日本深夜| 一夜夜www| 看免费av毛片| 热99在线观看视频| 狂野欧美激情性xxxx| 亚洲精品亚洲一区二区| 国产亚洲av嫩草精品影院| 白带黄色成豆腐渣| 国产精品爽爽va在线观看网站| 国产成人a区在线观看| 久久99热这里只有精品18| 女人被狂操c到高潮| 欧美日韩黄片免| 亚洲精华国产精华精| 欧美乱色亚洲激情| 久久久国产精品麻豆| 国产欧美日韩精品一区二区| 国产蜜桃级精品一区二区三区| 国产精品亚洲av一区麻豆| 日韩欧美 国产精品| 亚洲成av人片免费观看| 99视频精品全部免费 在线| 免费观看人在逋| 亚洲午夜理论影院| 免费高清视频大片| 高清在线国产一区| 两个人看的免费小视频| 亚洲精品日韩av片在线观看 | 少妇的逼水好多| 亚洲av免费在线观看| 久久伊人香网站| 少妇人妻一区二区三区视频| 午夜激情欧美在线| 99久久久亚洲精品蜜臀av| 亚洲最大成人手机在线| 九九在线视频观看精品| 久久久久久久精品吃奶| 国产免费男女视频| 国产精品精品国产色婷婷| 在线国产一区二区在线| 国产三级黄色录像| 精品国内亚洲2022精品成人| 天堂动漫精品| 亚洲av成人精品一区久久| 国产伦精品一区二区三区视频9 | 两性午夜刺激爽爽歪歪视频在线观看| 国产亚洲欧美在线一区二区| 淫妇啪啪啪对白视频| 97超视频在线观看视频| 丰满人妻熟妇乱又伦精品不卡| 欧美在线黄色| 又爽又黄无遮挡网站| 午夜福利18| 女人被狂操c到高潮| 亚洲成人精品中文字幕电影| 国产亚洲欧美98| 亚洲 国产 在线| 一进一出抽搐动态| 91久久精品电影网| 在线观看日韩欧美| 久久久久久九九精品二区国产| 麻豆成人午夜福利视频| 人妻夜夜爽99麻豆av| 国产精品嫩草影院av在线观看 | 麻豆国产97在线/欧美| 亚洲在线观看片| 丰满的人妻完整版| 一本精品99久久精品77| 日韩欧美一区二区三区在线观看| 亚洲人成网站在线播| 欧美av亚洲av综合av国产av| 欧美黄色淫秽网站| 国产午夜精品久久久久久一区二区三区 | 精品人妻1区二区| 亚洲欧美激情综合另类| 波多野结衣高清无吗| 欧美色欧美亚洲另类二区| 波多野结衣高清无吗| 免费在线观看成人毛片| 国产精品影院久久| aaaaa片日本免费| 午夜免费成人在线视频| 老司机午夜十八禁免费视频| 日本五十路高清| 狂野欧美激情性xxxx| 久久国产乱子伦精品免费另类| 成年女人毛片免费观看观看9| 亚洲成人精品中文字幕电影| 国产v大片淫在线免费观看| 亚洲成人中文字幕在线播放| 亚洲第一欧美日韩一区二区三区| 精品久久久久久,| 一卡2卡三卡四卡精品乱码亚洲| 精品国产三级普通话版| 精品久久久久久久久久久久久| 国产私拍福利视频在线观看| 久久久久久久亚洲中文字幕 | 国产一区二区激情短视频| 怎么达到女性高潮| 久久香蕉国产精品| 中文字幕av在线有码专区| 嫩草影院精品99| 免费看光身美女| 免费搜索国产男女视频| 日本黄色视频三级网站网址| 欧美色视频一区免费| 欧美+亚洲+日韩+国产| 最新在线观看一区二区三区| 精品国产三级普通话版| 中文在线观看免费www的网站| 天堂√8在线中文| 91在线观看av| 久久6这里有精品| 麻豆成人av在线观看| 男人和女人高潮做爰伦理| 日韩欧美 国产精品| 很黄的视频免费| 日韩 欧美 亚洲 中文字幕| av黄色大香蕉| 波多野结衣高清作品| 午夜日韩欧美国产| 在线观看美女被高潮喷水网站 | 国产高清videossex| 长腿黑丝高跟| 搡老熟女国产l中国老女人| 欧美zozozo另类| 日本黄色视频三级网站网址| 在线观看日韩欧美| 欧美日本亚洲视频在线播放|