• <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
    亚洲aⅴ乱码一区二区在线播放| 日韩 亚洲 欧美在线| 久久人人爽人人爽人人片va | 国产欧美日韩精品亚洲av| 床上黄色一级片| 我的女老师完整版在线观看| 精品乱码久久久久久99久播| 免费av毛片视频| 国产精品爽爽va在线观看网站| 岛国在线免费视频观看| 国产视频内射| 久久久久久久久中文| 国产毛片a区久久久久| 精品一区二区三区人妻视频| 久久精品久久久久久噜噜老黄 | 琪琪午夜伦伦电影理论片6080| 一夜夜www| 国产欧美日韩一区二区精品| 久久久久精品国产欧美久久久| 成人一区二区视频在线观看| 身体一侧抽搐| 国产精品免费一区二区三区在线| 老鸭窝网址在线观看| 国产中年淑女户外野战色| 国产精品久久电影中文字幕| 日本熟妇午夜| 日韩欧美精品v在线| 长腿黑丝高跟| 一个人免费在线观看的高清视频| 久久性视频一级片| 国产aⅴ精品一区二区三区波| 99国产精品一区二区三区| 日韩免费av在线播放| 国产精品,欧美在线| 嫩草影院新地址| 99精品久久久久人妻精品| 热99re8久久精品国产| 亚洲av不卡在线观看| 国产 一区 欧美 日韩| 国产毛片a区久久久久| 亚洲av成人不卡在线观看播放网| 欧美黄色片欧美黄色片| 亚洲精品久久国产高清桃花| 亚洲男人的天堂狠狠| 窝窝影院91人妻| 欧美日韩国产亚洲二区| 久久精品人妻少妇| www.999成人在线观看| 亚洲黑人精品在线| 中文字幕免费在线视频6| 99久久99久久久精品蜜桃| 亚洲国产高清在线一区二区三| 亚洲精品日韩av片在线观看| 国产黄a三级三级三级人| 性插视频无遮挡在线免费观看| 女人被狂操c到高潮| 国产精品99久久久久久久久| 国产精品av视频在线免费观看| 岛国在线免费视频观看| 欧美高清性xxxxhd video| 欧美日本视频| 日韩精品青青久久久久久| 日韩欧美三级三区| 久久久久九九精品影院| 国内久久婷婷六月综合欲色啪| 亚洲一区二区三区不卡视频| 亚洲成人久久性| 精品人妻1区二区| 我要看日韩黄色一级片| 色视频www国产| 欧美潮喷喷水| 日本免费一区二区三区高清不卡| 国产成人福利小说| 久99久视频精品免费| 国产成人啪精品午夜网站| 久久精品国产亚洲av涩爱 | 亚洲av一区综合| 亚洲国产色片| 日日夜夜操网爽| 亚洲第一区二区三区不卡| 一a级毛片在线观看| 琪琪午夜伦伦电影理论片6080| 欧美xxxx黑人xx丫x性爽| 亚洲国产精品久久男人天堂| 精品不卡国产一区二区三区| 久久久成人免费电影| 日日干狠狠操夜夜爽| 日本撒尿小便嘘嘘汇集6| 成人一区二区视频在线观看| 每晚都被弄得嗷嗷叫到高潮| 欧美日韩乱码在线| 久9热在线精品视频| 真实男女啪啪啪动态图| 国产午夜福利久久久久久| 91麻豆精品激情在线观看国产| 青草久久国产| 亚洲欧美日韩高清在线视频| 悠悠久久av| 美女高潮喷水抽搐中文字幕| 给我免费播放毛片高清在线观看| 国产aⅴ精品一区二区三区波| 不卡一级毛片| 国产精品三级大全| 亚洲国产色片| 小蜜桃在线观看免费完整版高清| 国产男靠女视频免费网站| 久久久久久久午夜电影| 久久久色成人| 欧美潮喷喷水| 在线观看av片永久免费下载| 久久人人爽人人爽人人片va | 午夜免费男女啪啪视频观看 | 又黄又爽又刺激的免费视频.| 国产黄片美女视频| 免费高清视频大片| 日本撒尿小便嘘嘘汇集6| 天堂av国产一区二区熟女人妻| 成年女人看的毛片在线观看| av在线老鸭窝| 亚洲va日本ⅴa欧美va伊人久久| 婷婷精品国产亚洲av在线| 国产激情偷乱视频一区二区| 亚洲欧美日韩东京热| 成人永久免费在线观看视频| 亚洲国产欧洲综合997久久,| 丁香六月欧美| 免费av不卡在线播放| 欧美最新免费一区二区三区 | 97人妻精品一区二区三区麻豆| 日本撒尿小便嘘嘘汇集6| 国产真实乱freesex| 亚州av有码| 日韩人妻高清精品专区| 国产在线男女| 天堂影院成人在线观看| 99久久成人亚洲精品观看| 怎么达到女性高潮| 欧美极品一区二区三区四区| 老司机午夜福利在线观看视频| 高潮久久久久久久久久久不卡| 麻豆成人av在线观看| 久久国产乱子伦精品免费另类| 国产一级毛片七仙女欲春2| 中文字幕高清在线视频| 国产精品永久免费网站| 老司机午夜福利在线观看视频| 给我免费播放毛片高清在线观看| 能在线免费观看的黄片| 成年人黄色毛片网站| 岛国在线免费视频观看| 日本a在线网址| 欧美在线一区亚洲| 极品教师在线免费播放| 舔av片在线| 成年女人永久免费观看视频| 成人性生交大片免费视频hd| 成人鲁丝片一二三区免费| 国产真实乱freesex| 亚洲美女搞黄在线观看 | 别揉我奶头~嗯~啊~动态视频| 国产激情偷乱视频一区二区| 国产主播在线观看一区二区| 国产成年人精品一区二区| АⅤ资源中文在线天堂| 三级毛片av免费| 特级一级黄色大片| 男女床上黄色一级片免费看| 狂野欧美白嫩少妇大欣赏| 日日摸夜夜添夜夜添小说| 国产乱人视频| a级毛片a级免费在线| 欧美xxxx性猛交bbbb| 中文字幕av在线有码专区| 免费av不卡在线播放| 99国产精品一区二区三区| 丁香六月欧美| 国产精品电影一区二区三区| 免费观看精品视频网站| 免费大片18禁| 99热这里只有精品一区| 亚洲色图av天堂| 久久精品久久久久久噜噜老黄 | 国产精品久久久久久久电影| 日韩免费av在线播放| 天堂动漫精品| 色视频www国产| 亚洲,欧美,日韩| 麻豆久久精品国产亚洲av| 神马国产精品三级电影在线观看| 午夜福利高清视频| 亚洲 国产 在线| 成人国产一区最新在线观看| 国产精品女同一区二区软件 | 精品久久久久久成人av| 久久精品91蜜桃| 亚洲18禁久久av| 成年人黄色毛片网站| 啦啦啦韩国在线观看视频| ponron亚洲| 一个人免费在线观看的高清视频| 如何舔出高潮| 国产精品久久久久久久电影| 久久久精品欧美日韩精品| 亚洲一区高清亚洲精品| 国产精品乱码一区二三区的特点| 草草在线视频免费看| 亚洲精品久久国产高清桃花| 天堂av国产一区二区熟女人妻| 国产精品久久久久久亚洲av鲁大| 亚洲欧美日韩卡通动漫| 男女那种视频在线观看| 国产av在哪里看| 午夜亚洲福利在线播放| 亚洲不卡免费看| 欧美日韩综合久久久久久 | 午夜影院日韩av| 69av精品久久久久久| 内地一区二区视频在线| 女同久久另类99精品国产91| 变态另类丝袜制服| 国产亚洲欧美98| 人妻制服诱惑在线中文字幕| 搡女人真爽免费视频火全软件 | 国产精品98久久久久久宅男小说| 国产私拍福利视频在线观看| 女生性感内裤真人,穿戴方法视频| 噜噜噜噜噜久久久久久91| 一a级毛片在线观看| 久久这里只有精品中国| 午夜老司机福利剧场| 国产成人a区在线观看| 身体一侧抽搐| 我要看日韩黄色一级片| 色精品久久人妻99蜜桃| 欧美色视频一区免费| a在线观看视频网站| 国产淫片久久久久久久久 | 免费看日本二区| 成人鲁丝片一二三区免费| 国产亚洲精品av在线| 大型黄色视频在线免费观看| 免费av观看视频| 国产老妇女一区| 男女下面进入的视频免费午夜| 嫩草影院入口| 9191精品国产免费久久| 精品一区二区免费观看| 国产成人aa在线观看| 久久伊人香网站| 如何舔出高潮| 成人一区二区视频在线观看| 激情在线观看视频在线高清| av在线蜜桃| 日韩欧美国产一区二区入口| 久久精品夜夜夜夜夜久久蜜豆| 国产高清有码在线观看视频| 国产精品电影一区二区三区| 国产主播在线观看一区二区| 国产中年淑女户外野战色| 欧美日韩国产亚洲二区| 丰满乱子伦码专区| 国产成人影院久久av| 亚洲人成电影免费在线| 精品99又大又爽又粗少妇毛片 | 51午夜福利影视在线观看| 成熟少妇高潮喷水视频| 亚洲无线观看免费| 丰满人妻一区二区三区视频av| 少妇人妻精品综合一区二区 | 午夜两性在线视频| 在线观看美女被高潮喷水网站 | 成人精品一区二区免费| 精品福利观看| 在线观看美女被高潮喷水网站 | 可以在线观看毛片的网站| 亚洲专区中文字幕在线| 中亚洲国语对白在线视频| 脱女人内裤的视频| 国产午夜精品久久久久久一区二区三区 | 亚洲欧美清纯卡通| 51午夜福利影视在线观看| 日韩欧美免费精品| 婷婷丁香在线五月| 12—13女人毛片做爰片一| 亚洲熟妇熟女久久| 成人鲁丝片一二三区免费| 三级男女做爰猛烈吃奶摸视频| 日本精品一区二区三区蜜桃| 亚洲人成伊人成综合网2020| 在线观看66精品国产| 男人舔奶头视频| 岛国在线免费视频观看| 老女人水多毛片| 一本综合久久免费| 国产老妇女一区| 午夜福利欧美成人| 日本一二三区视频观看| 国内久久婷婷六月综合欲色啪| 国语自产精品视频在线第100页| 欧美黑人欧美精品刺激| 丰满人妻熟妇乱又伦精品不卡| 91字幕亚洲| 国产精品久久视频播放| 日韩国内少妇激情av| 成年女人永久免费观看视频| av在线老鸭窝| 丰满的人妻完整版| 如何舔出高潮| 亚洲国产精品sss在线观看| 简卡轻食公司| 999久久久精品免费观看国产| 亚洲av熟女| 国产精品人妻久久久久久| 国产精品久久久久久精品电影| 欧美丝袜亚洲另类 | 成年女人看的毛片在线观看| 最后的刺客免费高清国语| 欧美激情国产日韩精品一区| 亚洲最大成人av| 午夜精品一区二区三区免费看| 午夜a级毛片| 亚洲一区高清亚洲精品| 此物有八面人人有两片| 麻豆成人午夜福利视频| 久久精品91蜜桃| 欧美黑人巨大hd| 欧美乱色亚洲激情| 欧美性猛交╳xxx乱大交人| 99精品在免费线老司机午夜| 美女高潮喷水抽搐中文字幕| 九色国产91popny在线| 男人舔女人下体高潮全视频| 成人亚洲精品av一区二区| 亚洲真实伦在线观看| 精品一区二区三区视频在线| 亚洲中文字幕日韩| 在线观看午夜福利视频| 国产黄片美女视频| 性插视频无遮挡在线免费观看| 两性午夜刺激爽爽歪歪视频在线观看| 欧美性感艳星| 国产午夜精品论理片| 女生性感内裤真人,穿戴方法视频| 老女人水多毛片| 精品国产三级普通话版| 中文字幕免费在线视频6| 久久欧美精品欧美久久欧美| 精品无人区乱码1区二区| 国产精品综合久久久久久久免费| 久9热在线精品视频| 国产视频一区二区在线看| 亚洲黑人精品在线| 亚洲av二区三区四区| av在线天堂中文字幕| 天堂av国产一区二区熟女人妻| 五月玫瑰六月丁香| 精品一区二区三区av网在线观看| 97超视频在线观看视频| 国产在视频线在精品| 久久精品夜夜夜夜夜久久蜜豆| 欧美3d第一页| 久久人人精品亚洲av| 久久久久性生活片| 午夜免费成人在线视频| 中文字幕精品亚洲无线码一区| 亚洲成人久久性| 成年人黄色毛片网站| 亚洲中文字幕日韩| 亚洲av免费高清在线观看| 成人特级黄色片久久久久久久| 亚洲欧美日韩卡通动漫| 成年版毛片免费区| 久久午夜福利片| 亚洲色图av天堂| а√天堂www在线а√下载| 中文资源天堂在线| 欧美性感艳星| 国产探花极品一区二区| 69人妻影院| 亚洲,欧美,日韩| 国内毛片毛片毛片毛片毛片| 欧美一级a爱片免费观看看| 色综合婷婷激情| 看免费av毛片| 精品人妻熟女av久视频| 9191精品国产免费久久| 国产三级中文精品| 琪琪午夜伦伦电影理论片6080| 久久伊人香网站| 午夜影院日韩av| 久久性视频一级片| 亚洲欧美日韩东京热| 久久人人爽人人爽人人片va | 成人一区二区视频在线观看| 国产综合懂色| 黄色一级大片看看| 欧美日本亚洲视频在线播放| 成年女人永久免费观看视频| 99热6这里只有精品| 又粗又爽又猛毛片免费看| 少妇人妻精品综合一区二区 | 嫁个100分男人电影在线观看| 熟女电影av网| 久久久国产成人免费| 99久久久亚洲精品蜜臀av| 日韩 亚洲 欧美在线| 此物有八面人人有两片| 久久99热6这里只有精品| 亚洲国产精品999在线| 国产精品久久久久久久久免 | 亚洲成a人片在线一区二区| 精品人妻1区二区| 亚洲成av人片免费观看| 99久久久亚洲精品蜜臀av| 国产精品美女特级片免费视频播放器| 国产三级中文精品| 成年女人毛片免费观看观看9| 搡老岳熟女国产| 亚洲avbb在线观看| 丰满人妻一区二区三区视频av| 乱码一卡2卡4卡精品| 免费av毛片视频| 级片在线观看| 有码 亚洲区| 人人妻人人看人人澡| 露出奶头的视频| 亚洲中文日韩欧美视频| 天美传媒精品一区二区| 看十八女毛片水多多多| 久久九九热精品免费| 老熟妇仑乱视频hdxx| 午夜激情福利司机影院| 18禁黄网站禁片免费观看直播| 免费黄网站久久成人精品 | 天堂网av新在线| 精品久久国产蜜桃| 亚洲,欧美,日韩| 91久久精品国产一区二区成人| 国产乱人伦免费视频| 18禁裸乳无遮挡免费网站照片| 午夜两性在线视频| 精品人妻熟女av久视频| 久久国产乱子伦精品免费另类| 色av中文字幕| 亚洲av.av天堂| 人妻丰满熟妇av一区二区三区| 草草在线视频免费看| 成年免费大片在线观看| 欧美在线黄色| 成人亚洲精品av一区二区| 免费看a级黄色片| 国产美女午夜福利| 最好的美女福利视频网| 色综合欧美亚洲国产小说| 国产伦精品一区二区三区视频9| 美女免费视频网站| 中文字幕免费在线视频6| www.色视频.com| 国内精品久久久久精免费| 成人特级av手机在线观看| 久久久久久久久中文| 国产伦人伦偷精品视频| 国产老妇女一区| 亚洲国产色片| 日韩成人在线观看一区二区三区| 丰满人妻熟妇乱又伦精品不卡| 亚洲自偷自拍三级| 在线播放无遮挡| 久久6这里有精品| 黄色日韩在线| 久久久色成人| 午夜免费成人在线视频| 欧美高清性xxxxhd video| 久久久久久久久久黄片| 国产激情偷乱视频一区二区| 国内毛片毛片毛片毛片毛片| 少妇熟女aⅴ在线视频| 老鸭窝网址在线观看| 久久香蕉精品热| 99在线视频只有这里精品首页| 婷婷精品国产亚洲av在线| 老司机午夜福利在线观看视频| 日韩欧美一区二区三区在线观看| 亚洲av成人精品一区久久| 少妇的逼好多水| 91在线观看av| 亚洲av第一区精品v没综合| 国产精品1区2区在线观看.| 好男人在线观看高清免费视频| 国产乱人视频| 国产成人欧美在线观看| 色综合亚洲欧美另类图片| 免费观看精品视频网站| 国产精品女同一区二区软件 | 少妇人妻一区二区三区视频| 午夜久久久久精精品| 有码 亚洲区| 两性午夜刺激爽爽歪歪视频在线观看| 99riav亚洲国产免费| 成人毛片a级毛片在线播放| 久久久国产成人精品二区| 婷婷六月久久综合丁香| 国产欧美日韩精品一区二区| 狠狠狠狠99中文字幕| 国产精品亚洲一级av第二区| 一进一出抽搐动态| 午夜a级毛片| 亚洲三级黄色毛片| 亚洲av第一区精品v没综合| 亚洲成人免费电影在线观看| 狂野欧美白嫩少妇大欣赏| 国产一区二区在线观看日韩| 日本一本二区三区精品| 深爱激情五月婷婷| 麻豆成人av在线观看| 精品人妻熟女av久视频| 男人舔女人下体高潮全视频| 免费观看精品视频网站| а√天堂www在线а√下载| 日本黄色视频三级网站网址| 桃色一区二区三区在线观看| 色综合亚洲欧美另类图片| 亚洲av中文字字幕乱码综合| 免费人成视频x8x8入口观看| 悠悠久久av| 极品教师在线视频| 久久人人爽人人爽人人片va | a级毛片a级免费在线| 亚洲色图av天堂| 精品熟女少妇八av免费久了| 色噜噜av男人的天堂激情| 亚洲av成人精品一区久久| 18禁在线播放成人免费| 国产精品亚洲一级av第二区| 97超级碰碰碰精品色视频在线观看| 久久久成人免费电影| 国产激情偷乱视频一区二区| 国产精品久久久久久人妻精品电影| 身体一侧抽搐| 男人狂女人下面高潮的视频| 在线免费观看的www视频| 午夜日韩欧美国产| 亚洲五月天丁香| 国产爱豆传媒在线观看| 欧美日韩亚洲国产一区二区在线观看| 亚洲熟妇中文字幕五十中出| 两性午夜刺激爽爽歪歪视频在线观看| 一本一本综合久久| av国产免费在线观看| 亚洲欧美日韩高清在线视频| 日日干狠狠操夜夜爽| 国产极品精品免费视频能看的| 99热这里只有是精品在线观看 | 国产伦精品一区二区三区四那| 黄色视频,在线免费观看| 国产又黄又爽又无遮挡在线| 99国产极品粉嫩在线观看| 久久九九热精品免费| 看十八女毛片水多多多| 国产一区二区三区在线臀色熟女| 级片在线观看| 亚洲 国产 在线| 一个人免费在线观看的高清视频| 午夜激情欧美在线| 婷婷亚洲欧美| 欧美日韩中文字幕国产精品一区二区三区| 精品99又大又爽又粗少妇毛片 | 可以在线观看毛片的网站| 色综合亚洲欧美另类图片| 欧美中文日本在线观看视频| 色哟哟哟哟哟哟| 成人午夜高清在线视频| 午夜视频国产福利| 国产私拍福利视频在线观看| 成人鲁丝片一二三区免费| 不卡一级毛片| 中亚洲国语对白在线视频| 91在线观看av| 免费观看的影片在线观看| 久久国产乱子免费精品| 亚洲av成人精品一区久久| 亚洲av第一区精品v没综合| 国产高潮美女av| 亚洲国产精品久久男人天堂| 久久久精品欧美日韩精品| 国产亚洲精品久久久久久毛片| 久久99热6这里只有精品| 国产成年人精品一区二区| 日韩国内少妇激情av| 99精品久久久久人妻精品| 久久这里只有精品中国| 日韩欧美在线乱码| 最后的刺客免费高清国语| 久久国产乱子伦精品免费另类| 中文字幕久久专区| 性插视频无遮挡在线免费观看| av天堂在线播放| 最近最新中文字幕大全电影3| 久久久久久久久大av| 99久国产av精品| 精品国产亚洲在线| 无遮挡黄片免费观看| www.999成人在线观看| 人妻丰满熟妇av一区二区三区| 黄片小视频在线播放| 国内久久婷婷六月综合欲色啪| 一a级毛片在线观看| 亚洲成av人片免费观看| 99视频精品全部免费 在线| 中文字幕熟女人妻在线| 九九久久精品国产亚洲av麻豆| 久久99热6这里只有精品| av中文乱码字幕在线| 狂野欧美白嫩少妇大欣赏| 亚洲精品一卡2卡三卡4卡5卡|