• <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 ?

    基于改進(jìn)人工蜂群算法的大數(shù)據(jù)特征選擇方法

    2021-03-10 19:38:27李瑋瑤
    河南科技 2021年19期
    關(guān)鍵詞:特征選擇大數(shù)據(jù)

    李瑋瑤

    摘 要:數(shù)據(jù)特征選擇就是從初始的數(shù)據(jù)特征中選擇指定數(shù)據(jù)進(jìn)行子集篩選。目前,通常使用人工蜂群算法進(jìn)行特征選擇,但由于收斂慢、尋優(yōu)差,無法滿足人們的需求。因此,本文提出一種改進(jìn)人工蜂群算法,通過特征選擇繪制大數(shù)據(jù)特征選擇框架圖,建立多項(xiàng)搜索渠道;利用改進(jìn)的人工蜂群算法提取并行特征,使用MapReduce模型降低編程難度,獲取并行特征最優(yōu)解;設(shè)計(jì)特征選擇復(fù)雜粗糙集模型,并構(gòu)建特征學(xué)習(xí)模型來實(shí)現(xiàn)大數(shù)據(jù)特征選擇。試驗(yàn)結(jié)果表明,設(shè)計(jì)的特征選擇方法性能優(yōu)于傳統(tǒng)方法。

    關(guān)鍵詞:改進(jìn)人工蜂群算法;大數(shù)據(jù);特征選擇

    中圖分類號(hào):TP18 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1003-5168(2021)19-0027-03

    Abstract: Data feature selection is to select specified data from the initial data features for subset filtering. Currently, artificial bee colony algorithms are usually used for feature selection, but due to slow convergence and poor optimization, it cannot meet people's needs. Therefore, this paper proposes an improved artificial bee colony algorithm, which draws the framework of big data feature selection through feature selection, and establishes multiple search channels; uses an improved artificial bee colony algorithm to extract parallel features, uses the MapReduce model to reduce programming difficulty, and obtains the optimal solution for parallel features; designs a complex rough set model for feature selection, and builds a feature learning model to realize big data feature selection. The test results show that the performance of the feature selection method designed in this paper is better than the traditional method.

    Keywords: improve artificial bee colony algorithm;big data;feature selection

    數(shù)據(jù)特征選擇的過程就是屬性約簡(jiǎn),主要是針對(duì)數(shù)據(jù)的重組優(yōu)化而產(chǎn)生的,屬于查找類型的問題,目前是一個(gè)計(jì)算難題,需要使用全局搜索、啟發(fā)式搜索和隨機(jī)函數(shù)來解決。特征選擇過濾方法的評(píng)價(jià)基準(zhǔn)與分類器無關(guān),旨在通過構(gòu)建與分類器無關(guān)的評(píng)估指標(biāo)來評(píng)估特征[1]。由于人工蜂群算法目前存在收斂慢、尋優(yōu)差的問題,不足以進(jìn)行數(shù)據(jù)特征選擇,因此需要改進(jìn)該算法[2]。

    1 大數(shù)據(jù)特征選擇方法設(shè)計(jì)

    1.1 繪制大數(shù)據(jù)特征選擇框架圖

    繪制大數(shù)據(jù)特征選擇框架圖首先要明確其制約指標(biāo),即子集范圍。特征選擇的子集是特征選擇中最優(yōu)解的一部分,因此與特征選擇最優(yōu)解的屬性相同就可用于框架繪制[3]。

    在數(shù)據(jù)并行層面,基于并行模型MapReduce實(shí)現(xiàn)數(shù)據(jù)的并行運(yùn)算。在模型并行層面,特征選擇算法在每次迭代時(shí)都可從一組候選集中選擇最佳特征,然后根據(jù)最佳特征,使用多線程方法同時(shí)評(píng)估多個(gè)候選特征,而后進(jìn)行匯總。為得到最好的選擇效果,在方法層面,基于改進(jìn)人工蜂群算法的大數(shù)據(jù)特征選擇方法利用分割計(jì)算理論中的細(xì)分割原理,可在不同的信息分割表示之間快速漸進(jìn)地切換。對(duì)于并行評(píng)估,需要構(gòu)建分段表達(dá)框架來計(jì)算候選特征,最后將這3個(gè)方面有機(jī)結(jié)合起來,繪制出如圖1所示的框架[4]。

    1.2 基于改進(jìn)人工蜂群算法提取并行特征

    在特征選擇模型中,每次迭代首先產(chǎn)生一個(gè)特征子集,必須使用評(píng)估函數(shù)對(duì)所有特征子集的優(yōu)缺點(diǎn)進(jìn)行評(píng)估。這些特征子集(也稱為評(píng)估值)的重要性可根據(jù)模型本身的特性進(jìn)行確定[5-8]。它的計(jì)算公式如式(1)所示。

    式中:[Q]代表特征子集;[D]、[L]、[E]為數(shù)據(jù)特征點(diǎn)。

    傳統(tǒng)的小數(shù)據(jù)集可以實(shí)現(xiàn)很好的性能加速,但不能滿足當(dāng)前不斷增長(zhǎng)的數(shù)據(jù)量需求。GB級(jí)或TB級(jí)的數(shù)據(jù)規(guī)模使計(jì)算單個(gè)特征子集的速度變得非常緩慢,甚至?xí)捎趦?nèi)存限制和其他問題導(dǎo)致其計(jì)算失敗。此類問題最流行的解決方法之一是使用MapReduce模型,模型的求解式[MP]如式(2)所示。

    式中:[Q]代表特征子集;[D]、[L]為數(shù)據(jù)特征點(diǎn)。

    MapReduce模型降低了并行編程的難度,成為云計(jì)算平臺(tái)的主流并行編程模型,可靠性和容錯(cuò)性高。輸入數(shù)據(jù)被自動(dòng)分區(qū)并發(fā)送到其他計(jì)算節(jié)點(diǎn)后在Map端進(jìn)行計(jì)算。映射接收輸入鍵值時(shí),需要生成中間鍵值。MapReduce模型收集中間所有具有相同鍵值的值,并將它們傳遞給Reduce函數(shù)。Reduce函數(shù)接收數(shù)據(jù)輸入,然后將這些值組合起來形成一組新的數(shù)值,最后計(jì)算出結(jié)果并輸出。Hadoop平臺(tái)是工業(yè)界和學(xué)術(shù)界廣泛使用的MapReduce模型的重要實(shí)現(xiàn)平臺(tái)之一,主要由Hadoop內(nèi)核、MapReduce和Hadoop分布式文件系統(tǒng)組成。

    匹配追蹤算法MapReduce(MP)和動(dòng)態(tài)規(guī)劃算法Dynamic Programming(DP)在幾個(gè)步驟中可以并行化進(jìn)行特征選擇。MP用于并行化模型層,缺點(diǎn)是不能處理大量數(shù)據(jù)。DP用于并行化數(shù)據(jù)層,但忽略了模型本身的并行化。本文將兩種方法有機(jī)結(jié)合,提出一種模型數(shù)據(jù)并行化方法(簡(jiǎn)稱MDP法)來改進(jìn)人工蜂群算法。簡(jiǎn)而言之,改進(jìn)算法可以為每次迭代創(chuàng)建一個(gè)搜索策略。多線程候選特征子集可以啟動(dòng)所有特征子集的重要性計(jì)算模塊,其中每個(gè)特征子集的重要性計(jì)算模塊都可以使用MapReduce模型來計(jì)算。實(shí)際上,MDP法采用一種兩相并聯(lián)模式,在計(jì)算出所有特征子集的重要性后,再進(jìn)行特征篩選。利用改進(jìn)人工蜂群算法提取變量,可以采取式(3)進(jìn)行計(jì)算。

    式中:[A]代表提取的變量;[C]代表初始值;[Y]代表變化矢量;[X]代表實(shí)際曲線變化。將提取的變量與最優(yōu)解融合,利用式(4)即可提取并行特征。

    式中:[P]代表最優(yōu)解;[K]代表函數(shù)變量。代入相關(guān)參數(shù),進(jìn)行并行特征提取,此時(shí)提取出的數(shù)值即為最優(yōu)解。

    1.3 設(shè)計(jì)特征選擇復(fù)雜粗糙集模型

    實(shí)際應(yīng)用中,通常有多種類型的數(shù)據(jù),如符號(hào)、數(shù)字、設(shè)置值、缺失數(shù)據(jù)等。作為數(shù)據(jù)建模和規(guī)則提取的重要方法之一,粗糙集取得了較大進(jìn)步。特征選擇復(fù)雜粗糙集模型的優(yōu)勢(shì)在于可以在不使用先驗(yàn)知識(shí)的情況下發(fā)現(xiàn)數(shù)據(jù)特征。當(dāng)復(fù)雜數(shù)據(jù)像其他建模方法一樣高維、大容量時(shí),數(shù)據(jù)融合法存在耗時(shí)過長(zhǎng)甚至無法處理的缺點(diǎn)。因此,本方法提出有效執(zhí)行復(fù)雜數(shù)據(jù)融合的關(guān)系,設(shè)計(jì)相應(yīng)的復(fù)雜粗糙集模型?;诖植诩O(shè)計(jì)各種特征選擇算法,關(guān)鍵步驟是計(jì)算近似二元關(guān)系的計(jì)算式[CV],如式(5)所示。

    式中:[CV]代表流量系數(shù);[A]代表提取的變量;[K]代表函數(shù)變量;[P]代表相關(guān)參數(shù)。根據(jù)式(5)構(gòu)建特征選擇復(fù)雜粗糙集模型。

    本方法引入了復(fù)雜關(guān)系并提出了復(fù)雜的粗糙集模型。非符號(hào)數(shù)據(jù)在實(shí)際應(yīng)用中非常普遍,為了解決這個(gè)問題,需要引入不同的二元關(guān)系來處理不同的數(shù)據(jù)類型,因此提出了各種擴(kuò)展的粗糙集模型。

    1.4 實(shí)現(xiàn)大數(shù)據(jù)特征選擇

    為改進(jìn)人工蜂群算法,本方法還需構(gòu)建一個(gè)特征學(xué)習(xí)模型。假設(shè)有[n]個(gè)訓(xùn)練樣本,它們都采用無監(jiān)督學(xué)習(xí)法來學(xué)習(xí)高級(jí)表達(dá)式,需要建立學(xué)習(xí)主要目標(biāo),即在分類和回歸問題中估計(jì)條件分布。

    所有的預(yù)訓(xùn)練方法都基于這樣的假設(shè),即各個(gè)輸入數(shù)據(jù)的邊際分布包含有關(guān)條件分布的重要信息。當(dāng)有大量標(biāo)記數(shù)據(jù)時(shí),采用監(jiān)督學(xué)習(xí)方法通常非常有效。但是,如果只想要輕松地獲取少量未標(biāo)記數(shù)據(jù),則需要將現(xiàn)有的標(biāo)記數(shù)據(jù)與大量未標(biāo)記數(shù)據(jù)相結(jié)合,以提高邊緣分布估計(jì)的準(zhǔn)確性。舉一個(gè)線性特征空間的例子,潛在表示可只從未標(biāo)記的數(shù)據(jù)中學(xué)習(xí),或可只從標(biāo)記的數(shù)據(jù)中學(xué)習(xí),也可同時(shí)從兩者中學(xué)習(xí)。不難發(fā)現(xiàn),無監(jiān)督學(xué)習(xí)方法能更好地分布數(shù)據(jù),而監(jiān)督學(xué)習(xí)方法可很好地進(jìn)行分類,但不能保證與所需數(shù)據(jù)分布呈現(xiàn)一致性狀態(tài)。協(xié)作培訓(xùn)有助于產(chǎn)生良好的表達(dá)能力。

    2 試驗(yàn)分析

    在多個(gè)數(shù)據(jù)集上應(yīng)用多個(gè)分類算法往往不能更直接地比較各個(gè)方法的性能,所以需要通過假設(shè)檢驗(yàn)來進(jìn)行驗(yàn)證。本文采用顯著性檢驗(yàn)方法比較兩種方法的差異性,且該方法不受條件和假設(shè)的限制。Friedman檢驗(yàn)要求多個(gè)樣本間無顯著差異。

    2.1 試驗(yàn)準(zhǔn)備

    首先提出一種特征選擇和特征構(gòu)造方法,通過GP先構(gòu)造多特征,然后再用GP做特征選擇,最后用K最鄰近(K-Nearest Neighbor ,KNN)分類器測(cè)試分類性能。在數(shù)據(jù)集上比較兩種方法的分類效果和特征維數(shù)。使用mini-batch SGD方法,即每次使用80個(gè)訓(xùn)練樣本,權(quán)重衰減因子一般設(shè)為0.000 5,Momentum因子初始為0.5,在迭代過程中線性增加到0.9,通過均勻分布進(jìn)行初始化。

    2.2 試驗(yàn)結(jié)果與討論

    對(duì)改進(jìn)前后數(shù)據(jù)特征選擇方法進(jìn)行檢測(cè),試驗(yàn)結(jié)果如圖2所示。

    從圖2可知,改進(jìn)算法的大數(shù)據(jù)特征選擇方法性能優(yōu)于未改進(jìn)算法,其特征選取數(shù)目少,選取精度高。

    3 結(jié)語

    數(shù)據(jù)特征選擇在數(shù)據(jù)篩選與傳輸中占有重要地位,提高數(shù)據(jù)特征選擇精度對(duì)整個(gè)數(shù)據(jù)特征選擇流程優(yōu)化具有重要影響。本文對(duì)人工蜂群算法進(jìn)行改進(jìn),優(yōu)化其精度和尋優(yōu)度,并通過對(duì)比試驗(yàn)證明改進(jìn)算法后大數(shù)據(jù)特征選擇方法性能優(yōu)于改進(jìn)前。改進(jìn)后特征選擇方法的特征選取數(shù)目少,選取精度高,有一定的應(yīng)用價(jià)值,且具有高效性。

    參考文獻(xiàn):

    [1]王俊,馮軍,張戈,等.基于改進(jìn)灰狼優(yōu)化算法的醫(yī)學(xué)數(shù)據(jù)特征選擇應(yīng)用研究[J].河南大學(xué)學(xué)報(bào)(自然科學(xué)版),2020(5):570-578.

    [2]曾海亮,林耀進(jìn),王晨曦,等.利用一致性分析的高維類別不平衡數(shù)據(jù)特征選擇[J].小型微型計(jì)算機(jī)系統(tǒng),2020(9):1946-1951.

    [3]李帥位,張棟良,黃昕宇,等.數(shù)據(jù)特征選擇與分類在機(jī)械故障診斷中的應(yīng)用[J].振動(dòng)與沖擊,2020(2):218-222.

    [4]劉輝,曾鵬飛,巫喬順,等.基于改進(jìn)遺傳算法的轉(zhuǎn)爐煉鋼過程數(shù)據(jù)特征選擇[J].儀器儀表學(xué)報(bào),2019(12):185-195.

    [5]劉芳.基于大數(shù)據(jù)特征選擇的深度學(xué)習(xí)算法[J].赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版),2019(5):46-48.

    [6]高薇,解輝.基于粗糙集與人工蜂群算法的動(dòng)態(tài)特征選擇[J].計(jì)算機(jī)工程與設(shè)計(jì),2019(9):2697-2703.

    [7]吳穎,李曉玲,唐晶磊.Hadoop平臺(tái)下粒子濾波結(jié)合改進(jìn)ABC算法的IoT大數(shù)據(jù)特征選擇方法[J].計(jì)算機(jī)應(yīng)用研究,2019(11):3297-3301.

    [8]孫倩,陳昊,李超.基于改進(jìn)人工蜂群算法與MapReduce的大數(shù)據(jù)聚類算法[J].計(jì)算機(jī)應(yīng)用研究,2020(6):113-116.

    3246500338203

    猜你喜歡
    特征選擇大數(shù)據(jù)
    Kmeans 應(yīng)用與特征選擇
    電子制作(2017年23期)2017-02-02 07:17:06
    大數(shù)據(jù)環(huán)境下基于移動(dòng)客戶端的傳統(tǒng)媒體轉(zhuǎn)型思路
    新聞世界(2016年10期)2016-10-11 20:13:53
    基于大數(shù)據(jù)背景下的智慧城市建設(shè)研究
    科技視界(2016年20期)2016-09-29 10:53:22
    數(shù)據(jù)+輿情:南方報(bào)業(yè)創(chuàng)新轉(zhuǎn)型提高服務(wù)能力的探索
    基于GA和ELM的電能質(zhì)量擾動(dòng)識(shí)別特征選擇方法
    聯(lián)合互信息水下目標(biāo)特征選擇算法
    基于特征選擇聚類方法的稀疏TSK模糊系統(tǒng)
    基于特征選擇和RRVPMCD的滾動(dòng)軸承故障診斷方法
    基于二元搭配詞的微博情感特征選擇
    国产精品成人在线| 99re6热这里在线精品视频| 国产精品一区二区三区四区免费观看| 日韩欧美 国产精品| 久久精品国产亚洲av涩爱| 久久久久精品久久久久真实原创| 精品酒店卫生间| 18+在线观看网站| 亚洲,欧美,日韩| 人人妻人人澡人人爽人人夜夜| 亚洲精品久久久久久婷婷小说| 18禁裸乳无遮挡动漫免费视频 | 2022亚洲国产成人精品| 精品久久国产蜜桃| 日本一二三区视频观看| 老女人水多毛片| 小蜜桃在线观看免费完整版高清| 国产高潮美女av| 国产精品秋霞免费鲁丝片| 中国国产av一级| 麻豆成人午夜福利视频| av专区在线播放| 日本-黄色视频高清免费观看| 哪个播放器可以免费观看大片| 18禁裸乳无遮挡动漫免费视频 | 国产成人精品久久久久久| 国产精品av视频在线免费观看| 国产综合精华液| 免费在线观看成人毛片| 久久久欧美国产精品| 国产女主播在线喷水免费视频网站| 国产精品av视频在线免费观看| 久久久久久久精品精品| 极品教师在线视频| 99久久九九国产精品国产免费| 亚洲欧美精品专区久久| 少妇裸体淫交视频免费看高清| 51国产日韩欧美| 联通29元200g的流量卡| 在线观看av片永久免费下载| 日韩强制内射视频| 99热全是精品| 午夜免费观看性视频| 亚洲欧美一区二区三区黑人 | 国产精品成人在线| av国产精品久久久久影院| 日本黄色片子视频| 不卡视频在线观看欧美| 26uuu在线亚洲综合色| 久久综合国产亚洲精品| 欧美日韩亚洲高清精品| 亚洲成色77777| 最新中文字幕久久久久| 免费观看无遮挡的男女| 亚洲国产成人一精品久久久| 色综合色国产| 亚洲av.av天堂| 男男h啪啪无遮挡| 亚洲人成网站在线播| 亚洲欧美日韩东京热| 精品人妻视频免费看| 深爱激情五月婷婷| 亚洲精品中文字幕在线视频 | 中文字幕亚洲精品专区| h日本视频在线播放| 26uuu在线亚洲综合色| 国产av国产精品国产| 免费看日本二区| 欧美+日韩+精品| 久久精品人妻少妇| 国产视频首页在线观看| 一级av片app| 在线精品无人区一区二区三 | 国精品久久久久久国模美| 免费看日本二区| 亚洲在久久综合| 国产精品福利在线免费观看| 69av精品久久久久久| 亚洲久久久久久中文字幕| 黄色一级大片看看| 精品国产三级普通话版| 能在线免费看毛片的网站| 久久久久久久久久久丰满| 人人妻人人澡人人爽人人夜夜| 亚洲怡红院男人天堂| 在线观看免费高清a一片| 18禁动态无遮挡网站| 亚洲在久久综合| 亚洲成人中文字幕在线播放| 久久97久久精品| 18禁动态无遮挡网站| 少妇高潮的动态图| 亚州av有码| 亚洲四区av| 日本一本二区三区精品| 男人舔奶头视频| av一本久久久久| 秋霞在线观看毛片| 国产欧美亚洲国产| 中国三级夫妇交换| 亚洲av免费高清在线观看| 亚洲av成人精品一区久久| 成年女人看的毛片在线观看| 久久久国产一区二区| 成年人午夜在线观看视频| 精品一区二区三卡| 国产精品成人在线| 丰满少妇做爰视频| 可以在线观看毛片的网站| 在线观看av片永久免费下载| 免费观看性生交大片5| 成年av动漫网址| 成人亚洲精品一区在线观看 | 激情五月婷婷亚洲| 麻豆乱淫一区二区| .国产精品久久| av免费在线看不卡| 狂野欧美白嫩少妇大欣赏| 熟女av电影| 91aial.com中文字幕在线观看| 爱豆传媒免费全集在线观看| 亚洲精品久久久久久婷婷小说| 能在线免费看毛片的网站| 国模一区二区三区四区视频| 丝袜脚勾引网站| 亚洲人成网站在线播| 亚洲av中文字字幕乱码综合| 国产白丝娇喘喷水9色精品| 国产精品国产三级专区第一集| 日韩三级伦理在线观看| 国产成人免费无遮挡视频| 人妻系列 视频| 精品视频人人做人人爽| 成年版毛片免费区| 亚洲精品亚洲一区二区| 岛国毛片在线播放| 免费观看在线日韩| 嫩草影院精品99| 欧美 日韩 精品 国产| 黄色配什么色好看| 久久久国产一区二区| 久久99热6这里只有精品| 天天一区二区日本电影三级| 五月玫瑰六月丁香| 国产精品久久久久久久久免| av天堂中文字幕网| 男女国产视频网站| 乱码一卡2卡4卡精品| 成年女人看的毛片在线观看| 亚洲精品久久午夜乱码| 国产色婷婷99| av国产免费在线观看| 91精品伊人久久大香线蕉| 精品人妻一区二区三区麻豆| 午夜福利在线在线| 99久久精品国产国产毛片| av专区在线播放| 亚洲精品日韩av片在线观看| 丝袜美腿在线中文| 99热这里只有是精品50| 久久精品人妻少妇| 久久久久九九精品影院| 另类亚洲欧美激情| 国产成人91sexporn| 亚洲精品日本国产第一区| 日韩在线高清观看一区二区三区| 99热网站在线观看| 99热这里只有是精品在线观看| 亚洲欧美日韩东京热| 国产精品一及| 国产美女午夜福利| 国产熟女欧美一区二区| 久久综合国产亚洲精品| 亚洲精品一区蜜桃| 婷婷色麻豆天堂久久| 国产高清有码在线观看视频| 午夜免费观看性视频| 精品人妻视频免费看| 午夜福利视频精品| 久久久精品免费免费高清| 亚洲av欧美aⅴ国产| 日本wwww免费看| 亚洲欧洲国产日韩| 国产精品精品国产色婷婷| 国产精品99久久99久久久不卡 | 国产成人aa在线观看| 亚洲人成网站高清观看| 国产黄色免费在线视频| 激情 狠狠 欧美| 精品99又大又爽又粗少妇毛片| 不卡视频在线观看欧美| 啦啦啦在线观看免费高清www| 插阴视频在线观看视频| 99久久精品一区二区三区| 国产女主播在线喷水免费视频网站| 国产成人91sexporn| 99久国产av精品国产电影| 久久久久久久国产电影| 亚洲精品自拍成人| 久久久精品94久久精品| 国产综合懂色| 色网站视频免费| 亚洲国产欧美在线一区| 狂野欧美白嫩少妇大欣赏| 国产成人freesex在线| 久久久午夜欧美精品| 亚洲精品久久午夜乱码| 国产在线一区二区三区精| 日韩欧美 国产精品| 又粗又硬又长又爽又黄的视频| 99久国产av精品国产电影| 秋霞伦理黄片| freevideosex欧美| 亚洲国产精品成人综合色| 国产欧美日韩一区二区三区在线 | 美女国产视频在线观看| 国产成人aa在线观看| 日韩电影二区| 欧美日韩在线观看h| 偷拍熟女少妇极品色| 免费黄网站久久成人精品| 久久久久久久久久久免费av| 欧美日韩视频精品一区| 久久久久精品性色| 精品久久久久久久人妻蜜臀av| 26uuu在线亚洲综合色| 大片免费播放器 马上看| 亚洲av中文字字幕乱码综合| 97人妻精品一区二区三区麻豆| 国产在视频线精品| a级一级毛片免费在线观看| 婷婷色综合大香蕉| videossex国产| 欧美高清成人免费视频www| 中文欧美无线码| 久久国内精品自在自线图片| 成人欧美大片| 亚洲成人中文字幕在线播放| 欧美xxxx黑人xx丫x性爽| 可以在线观看毛片的网站| 国产乱人视频| 欧美性感艳星| 久久久久久久亚洲中文字幕| 永久免费av网站大全| 五月玫瑰六月丁香| av女优亚洲男人天堂| 搞女人的毛片| 自拍偷自拍亚洲精品老妇| 久久久精品欧美日韩精品| av线在线观看网站| 国产乱人视频| 国产精品嫩草影院av在线观看| 国产欧美日韩精品一区二区| 日韩精品有码人妻一区| 亚洲欧美清纯卡通| 亚洲无线观看免费| 日本色播在线视频| 青青草视频在线视频观看| 国产亚洲一区二区精品| 国产毛片在线视频| 精品久久久久久久久av| 久久精品国产亚洲网站| 国产成人精品久久久久久| 亚洲国产欧美在线一区| 中文字幕人妻熟人妻熟丝袜美| 尾随美女入室| 日本猛色少妇xxxxx猛交久久| 熟女人妻精品中文字幕| 美女脱内裤让男人舔精品视频| 国产欧美另类精品又又久久亚洲欧美| a级毛色黄片| 色综合色国产| 久久久久久久午夜电影| 国产欧美日韩一区二区三区在线 | 免费播放大片免费观看视频在线观看| 亚洲国产最新在线播放| 色5月婷婷丁香| 欧美bdsm另类| 最近2019中文字幕mv第一页| 免费大片黄手机在线观看| 久久久精品94久久精品| 国产91av在线免费观看| 欧美亚洲 丝袜 人妻 在线| av在线播放精品| 国产淫语在线视频| 五月伊人婷婷丁香| 狂野欧美白嫩少妇大欣赏| 国产成人freesex在线| 久久精品综合一区二区三区| 久久久久久久国产电影| 国产亚洲5aaaaa淫片| 久久韩国三级中文字幕| 十八禁网站网址无遮挡 | 欧美日韩综合久久久久久| 一级二级三级毛片免费看| 成人鲁丝片一二三区免费| 男的添女的下面高潮视频| 青青草视频在线视频观看| 欧美潮喷喷水| 哪个播放器可以免费观看大片| 久久精品夜色国产| av天堂中文字幕网| 亚洲精品影视一区二区三区av| tube8黄色片| 欧美日韩视频精品一区| 亚洲av免费高清在线观看| 一个人看的www免费观看视频| 免费不卡的大黄色大毛片视频在线观看| 女人被狂操c到高潮| 国产av码专区亚洲av| 天美传媒精品一区二区| 国产精品麻豆人妻色哟哟久久| 五月伊人婷婷丁香| 国产精品一区www在线观看| 你懂的网址亚洲精品在线观看| 2018国产大陆天天弄谢| 乱码一卡2卡4卡精品| 22中文网久久字幕| 欧美精品国产亚洲| 免费看av在线观看网站| 日韩av在线免费看完整版不卡| 久久99热这里只频精品6学生| 女的被弄到高潮叫床怎么办| 国产黄频视频在线观看| 18禁裸乳无遮挡免费网站照片| www.av在线官网国产| 国产精品国产三级国产av玫瑰| 天天躁日日操中文字幕| 午夜免费男女啪啪视频观看| 在线观看三级黄色| 女的被弄到高潮叫床怎么办| 国产一区二区三区av在线| 最后的刺客免费高清国语| 国产毛片a区久久久久| 亚洲自偷自拍三级| 日本三级黄在线观看| 亚洲欧美精品自产自拍| 久久国内精品自在自线图片| 日韩国内少妇激情av| 亚洲天堂av无毛| 美女cb高潮喷水在线观看| 丝瓜视频免费看黄片| 国产精品无大码| 秋霞在线观看毛片| 欧美xxⅹ黑人| 亚洲精品国产av成人精品| 精品久久久久久久人妻蜜臀av| 亚洲av免费在线观看| 在线免费观看不下载黄p国产| 国产成人精品久久久久久| 日本爱情动作片www.在线观看| 午夜免费男女啪啪视频观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲在久久综合| 国产亚洲最大av| 晚上一个人看的免费电影| 亚洲欧美精品专区久久| 在线免费十八禁| 免费观看av网站的网址| 亚洲aⅴ乱码一区二区在线播放| 精品少妇黑人巨大在线播放| 国产国拍精品亚洲av在线观看| videos熟女内射| 欧美亚洲 丝袜 人妻 在线| 亚洲欧美一区二区三区国产| 久久女婷五月综合色啪小说 | 狠狠精品人妻久久久久久综合| 中文欧美无线码| 男插女下体视频免费在线播放| 老司机影院毛片| 综合色av麻豆| 国产精品国产av在线观看| 九九久久精品国产亚洲av麻豆| 中文字幕亚洲精品专区| 久久精品国产亚洲av涩爱| 别揉我奶头 嗯啊视频| av在线播放精品| 丰满少妇做爰视频| 水蜜桃什么品种好| 91在线精品国自产拍蜜月| 天天躁日日操中文字幕| 水蜜桃什么品种好| 高清毛片免费看| 国产精品一区二区性色av| 成人国产av品久久久| 男人狂女人下面高潮的视频| 狠狠精品人妻久久久久久综合| 中文资源天堂在线| 午夜福利在线在线| 欧美xxxx黑人xx丫x性爽| 日日啪夜夜爽| 国产成人精品久久久久久| 久久99热这里只频精品6学生| 美女视频免费永久观看网站| 麻豆精品久久久久久蜜桃| 午夜福利在线观看免费完整高清在| 亚洲av免费在线观看| 好男人视频免费观看在线| 午夜精品一区二区三区免费看| 精品国产一区二区三区久久久樱花 | 九色成人免费人妻av| 2021少妇久久久久久久久久久| 热re99久久精品国产66热6| 别揉我奶头 嗯啊视频| 中文天堂在线官网| 精品久久国产蜜桃| 美女视频免费永久观看网站| 中文字幕av成人在线电影| 一级二级三级毛片免费看| 婷婷色综合大香蕉| 色视频在线一区二区三区| 男人爽女人下面视频在线观看| 亚洲精品乱码久久久v下载方式| 婷婷色麻豆天堂久久| 99久久精品国产国产毛片| 亚洲成人av在线免费| 噜噜噜噜噜久久久久久91| 人妻 亚洲 视频| 中国三级夫妇交换| 免费黄频网站在线观看国产| 国产精品国产三级国产av玫瑰| 老师上课跳d突然被开到最大视频| 五月伊人婷婷丁香| 日日啪夜夜爽| 各种免费的搞黄视频| 亚洲精品456在线播放app| 亚洲精品日韩av片在线观看| 三级国产精品片| 国产精品无大码| 在现免费观看毛片| 我的老师免费观看完整版| 在线观看美女被高潮喷水网站| 久久亚洲国产成人精品v| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 激情 狠狠 欧美| 超碰97精品在线观看| 日韩欧美 国产精品| 观看美女的网站| 日日摸夜夜添夜夜添av毛片| 国产成人福利小说| 国产在线男女| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产伦在线观看视频一区| 国产欧美另类精品又又久久亚洲欧美| 97在线人人人人妻| 久久人人爽人人爽人人片va| 一级毛片aaaaaa免费看小| 久久久久久伊人网av| 丝袜喷水一区| 九九久久精品国产亚洲av麻豆| 99久久人妻综合| 深夜a级毛片| 18禁动态无遮挡网站| 午夜福利在线在线| 国产一级毛片在线| 免费高清在线观看视频在线观看| 国产精品伦人一区二区| 永久网站在线| 国产美女午夜福利| 少妇人妻一区二区三区视频| 韩国av在线不卡| 亚洲自拍偷在线| 亚洲国产精品成人久久小说| 国产极品天堂在线| 干丝袜人妻中文字幕| 只有这里有精品99| 内地一区二区视频在线| av国产免费在线观看| 高清在线视频一区二区三区| 九九久久精品国产亚洲av麻豆| 99热这里只有是精品50| 亚洲国产精品专区欧美| 日韩视频在线欧美| 欧美性感艳星| 伦精品一区二区三区| 久久6这里有精品| 亚洲在久久综合| 久久午夜福利片| 日韩,欧美,国产一区二区三区| videossex国产| 成人免费观看视频高清| 午夜福利视频精品| 熟女电影av网| 一级毛片我不卡| 大码成人一级视频| 日日啪夜夜爽| 九色成人免费人妻av| 又黄又爽又刺激的免费视频.| 精品久久久久久久久av| 夜夜爽夜夜爽视频| 舔av片在线| 成人午夜精彩视频在线观看| 亚洲最大成人av| 久久久久久久亚洲中文字幕| 激情 狠狠 欧美| 亚洲av不卡在线观看| 国产成人91sexporn| 免费看av在线观看网站| 国产精品无大码| 久久精品国产鲁丝片午夜精品| 精品国产三级普通话版| 美女被艹到高潮喷水动态| 精品午夜福利在线看| 看黄色毛片网站| 亚洲国产欧美在线一区| 国产成人一区二区在线| 有码 亚洲区| 精品久久久久久久人妻蜜臀av| 免费不卡的大黄色大毛片视频在线观看| 欧美变态另类bdsm刘玥| 欧美成人a在线观看| 亚洲成色77777| 久久久久精品性色| 人体艺术视频欧美日本| 亚洲高清免费不卡视频| 国产免费一级a男人的天堂| 亚洲va在线va天堂va国产| 人妻夜夜爽99麻豆av| 好男人视频免费观看在线| 欧美精品一区二区大全| 成人鲁丝片一二三区免费| 免费观看a级毛片全部| av线在线观看网站| 菩萨蛮人人尽说江南好唐韦庄| 中文字幕久久专区| 日韩不卡一区二区三区视频在线| 精品久久久噜噜| 噜噜噜噜噜久久久久久91| 小蜜桃在线观看免费完整版高清| 久久精品久久精品一区二区三区| 十八禁网站网址无遮挡 | 成人午夜精彩视频在线观看| 男女边吃奶边做爰视频| 亚洲国产精品999| 国产精品爽爽va在线观看网站| 亚洲色图av天堂| 卡戴珊不雅视频在线播放| 制服丝袜香蕉在线| 麻豆乱淫一区二区| 欧美亚洲 丝袜 人妻 在线| 免费看av在线观看网站| 纵有疾风起免费观看全集完整版| 国产片特级美女逼逼视频| 晚上一个人看的免费电影| 国产成人一区二区在线| 欧美精品人与动牲交sv欧美| 亚洲国产精品成人综合色| 丝瓜视频免费看黄片| 成人国产麻豆网| 黄色视频在线播放观看不卡| 1000部很黄的大片| 校园人妻丝袜中文字幕| 色5月婷婷丁香| 菩萨蛮人人尽说江南好唐韦庄| 秋霞在线观看毛片| av免费观看日本| 国产成人aa在线观看| av在线观看视频网站免费| 欧美xxxx黑人xx丫x性爽| 亚洲欧美一区二区三区黑人 | 亚洲成色77777| 午夜福利视频1000在线观看| 亚洲精品一二三| 偷拍熟女少妇极品色| 又黄又爽又刺激的免费视频.| 国产一区亚洲一区在线观看| 久热久热在线精品观看| 免费观看在线日韩| 简卡轻食公司| 亚洲成人av在线免费| 一级毛片我不卡| 欧美人与善性xxx| 偷拍熟女少妇极品色| 毛片一级片免费看久久久久| 国产成人a区在线观看| 久久99蜜桃精品久久| 亚洲精品中文字幕在线视频 | 国产精品99久久久久久久久| 观看美女的网站| 精品久久久噜噜| 少妇的逼好多水| 国产精品蜜桃在线观看| 欧美日韩在线观看h| 男人爽女人下面视频在线观看| 欧美+日韩+精品| 国产成人a∨麻豆精品| 中国美白少妇内射xxxbb| 亚洲色图综合在线观看| 另类亚洲欧美激情| 天美传媒精品一区二区| 亚洲欧美成人精品一区二区| 欧美激情在线99| 国产探花极品一区二区| 亚洲av免费高清在线观看| 男女边摸边吃奶| 99热这里只有精品一区| 搡女人真爽免费视频火全软件| 国产精品人妻久久久久久| 能在线免费看毛片的网站| 1000部很黄的大片| 国产久久久一区二区三区| 七月丁香在线播放| 国产淫语在线视频| 99九九线精品视频在线观看视频| 99久久人妻综合| 久久综合国产亚洲精品| 国产毛片在线视频| 天天躁日日操中文字幕| 自拍偷自拍亚洲精品老妇| 国产爽快片一区二区三区| 久久久精品欧美日韩精品| 免费观看在线日韩| 亚洲欧美日韩另类电影网站 | 99热国产这里只有精品6| 国产欧美日韩一区二区三区在线 |