• <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
    黄片小视频在线播放| 男女之事视频高清在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 国产成人啪精品午夜网站| 男男h啪啪无遮挡| 久久香蕉精品热| 午夜福利欧美成人| 男女之事视频高清在线观看| 成人亚洲精品av一区二区 | 成人三级黄色视频| 亚洲精品国产精品久久久不卡| 成人免费观看视频高清| xxx96com| 丝袜人妻中文字幕| 很黄的视频免费| 国产99久久九九免费精品| 女同久久另类99精品国产91| a级片在线免费高清观看视频| 精品福利永久在线观看| 欧美一级毛片孕妇| 香蕉久久夜色| 在线观看一区二区三区激情| 在线看a的网站| 很黄的视频免费| 久久久久久久久中文| 国产高清视频在线播放一区| 女性生殖器流出的白浆| 国产麻豆69| 亚洲色图综合在线观看| 伊人久久大香线蕉亚洲五| 成年人免费黄色播放视频| 青草久久国产| 怎么达到女性高潮| 老熟妇仑乱视频hdxx| 中文字幕人妻丝袜一区二区| 午夜精品在线福利| 亚洲精品av麻豆狂野| 又紧又爽又黄一区二区| 午夜福利,免费看| 在线观看午夜福利视频| 夫妻午夜视频| 老司机在亚洲福利影院| 一进一出好大好爽视频| 中亚洲国语对白在线视频| 久久伊人香网站| 激情在线观看视频在线高清| 亚洲第一青青草原| 青草久久国产| 看黄色毛片网站| 精品电影一区二区在线| 美女高潮到喷水免费观看| 69精品国产乱码久久久| 亚洲av片天天在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 叶爱在线成人免费视频播放| 人妻久久中文字幕网| 不卡av一区二区三区| 国产亚洲精品第一综合不卡| 久久99一区二区三区| 国产单亲对白刺激| 少妇 在线观看| 黄色女人牲交| 欧美精品一区二区免费开放| 黑人操中国人逼视频| 亚洲av成人不卡在线观看播放网| 中文字幕人妻丝袜制服| 国产精品 欧美亚洲| 在线观看66精品国产| 午夜福利一区二区在线看| 一级片免费观看大全| 美女扒开内裤让男人捅视频| 黄网站色视频无遮挡免费观看| 亚洲激情在线av| 超色免费av| 91大片在线观看| 中文亚洲av片在线观看爽| 午夜免费观看网址| 99热国产这里只有精品6| 亚洲色图综合在线观看| 亚洲国产精品999在线| 天堂中文最新版在线下载| 国产成人欧美在线观看| 久久香蕉精品热| 深夜精品福利| 午夜老司机福利片| 老司机深夜福利视频在线观看| av在线播放免费不卡| 亚洲欧美一区二区三区黑人| 制服人妻中文乱码| 天天躁夜夜躁狠狠躁躁| 男女下面插进去视频免费观看| 国产亚洲欧美精品永久| 亚洲国产精品合色在线| 亚洲,欧美精品.| 国产精品成人在线| netflix在线观看网站| 天天躁狠狠躁夜夜躁狠狠躁| 免费人成视频x8x8入口观看| 精品久久久久久久久久免费视频 | 亚洲熟妇熟女久久| 女人精品久久久久毛片| 麻豆成人av在线观看| 国产一卡二卡三卡精品| 极品人妻少妇av视频| 在线观看舔阴道视频| 村上凉子中文字幕在线| 午夜福利在线观看吧| 9色porny在线观看| 亚洲少妇的诱惑av| 老鸭窝网址在线观看| 亚洲精品国产色婷婷电影| 亚洲欧美激情在线| 国产一区二区三区在线臀色熟女 | 他把我摸到了高潮在线观看| 在线观看日韩欧美| 国产精品乱码一区二三区的特点 | 精品欧美一区二区三区在线| 成人特级黄色片久久久久久久| 亚洲熟妇中文字幕五十中出 | 欧美在线黄色| 国产精品久久视频播放| 中文字幕av电影在线播放| 免费看a级黄色片| 一夜夜www| 丰满人妻熟妇乱又伦精品不卡| 欧美成人午夜精品| 国产亚洲欧美在线一区二区| 成年女人毛片免费观看观看9| 国产精品98久久久久久宅男小说| 女生性感内裤真人,穿戴方法视频| x7x7x7水蜜桃| 一级黄色大片毛片| 久久久久久大精品| 法律面前人人平等表现在哪些方面| 欧美成人午夜精品| 丝袜美腿诱惑在线| 最近最新中文字幕大全电影3 | 99精品在免费线老司机午夜| 亚洲第一av免费看| 69精品国产乱码久久久| 曰老女人黄片| 黄色视频不卡| 校园春色视频在线观看| 女人被躁到高潮嗷嗷叫费观| 久久99一区二区三区| 高清av免费在线| 黄色毛片三级朝国网站| 国产精品乱码一区二三区的特点 | 欧美日韩国产mv在线观看视频| 国产精品乱码一区二三区的特点 | 9热在线视频观看99| 一级黄色大片毛片| 欧美+亚洲+日韩+国产| 另类亚洲欧美激情| 久久精品影院6| 俄罗斯特黄特色一大片| 久久人妻福利社区极品人妻图片| 久久天躁狠狠躁夜夜2o2o| tocl精华| 久久久久国产一级毛片高清牌| 91老司机精品| 欧美精品亚洲一区二区| 亚洲专区中文字幕在线| 交换朋友夫妻互换小说| 日日爽夜夜爽网站| 在线观看一区二区三区激情| 午夜免费激情av| 中文字幕高清在线视频| 国产av一区二区精品久久| 大香蕉久久成人网| 日韩国内少妇激情av| 精品国产美女av久久久久小说| 69精品国产乱码久久久| 一二三四在线观看免费中文在| 99在线人妻在线中文字幕| 国产成人欧美在线观看| 成人av一区二区三区在线看| 交换朋友夫妻互换小说| netflix在线观看网站| 国产主播在线观看一区二区| 美女 人体艺术 gogo| 国产精品久久久久成人av| 久久精品亚洲精品国产色婷小说| 午夜视频精品福利| 亚洲av第一区精品v没综合| 久久久久精品国产欧美久久久| 老司机靠b影院| 久久人妻福利社区极品人妻图片| 成人影院久久| 一级a爱片免费观看的视频| 国产精华一区二区三区| 国产精品乱码一区二三区的特点 | 国产av又大| 咕卡用的链子| 99精品欧美一区二区三区四区| 日本wwww免费看| 欧美日韩av久久| 亚洲中文av在线| 欧美成人免费av一区二区三区| 亚洲三区欧美一区| 亚洲性夜色夜夜综合| 国产成人啪精品午夜网站| 三上悠亚av全集在线观看| 久久人妻福利社区极品人妻图片| 怎么达到女性高潮| 丰满的人妻完整版| 欧美一级毛片孕妇| 婷婷精品国产亚洲av在线| 一级片免费观看大全| 一区二区三区国产精品乱码| 深夜精品福利| www.熟女人妻精品国产| 亚洲精品在线观看二区| 欧美乱妇无乱码| 日韩国内少妇激情av| 亚洲av成人av| 成年女人毛片免费观看观看9| 亚洲一区二区三区色噜噜 | 真人做人爱边吃奶动态| 另类亚洲欧美激情| 精品午夜福利视频在线观看一区| 纯流量卡能插随身wifi吗| 久久99一区二区三区| 99精品在免费线老司机午夜| 婷婷六月久久综合丁香| 成人国语在线视频| 一进一出抽搐gif免费好疼 | 亚洲精品成人av观看孕妇| 午夜免费观看网址| 19禁男女啪啪无遮挡网站| 亚洲第一青青草原| www.www免费av| 久久久久精品国产欧美久久久| 国产成人免费无遮挡视频| 在线观看免费高清a一片| 99re在线观看精品视频| 久久天躁狠狠躁夜夜2o2o| 国产麻豆69| 国产激情欧美一区二区| 日韩精品青青久久久久久| 色综合站精品国产| 桃色一区二区三区在线观看| 欧美人与性动交α欧美软件| 久久国产精品男人的天堂亚洲| 夜夜爽天天搞| 午夜成年电影在线免费观看| 在线观看66精品国产| 美女高潮喷水抽搐中文字幕| 成年人黄色毛片网站| 国产99久久九九免费精品| 99久久人妻综合| 亚洲九九香蕉| 99久久综合精品五月天人人| 午夜免费激情av| 国产精品永久免费网站| 在线观看免费视频日本深夜| 免费在线观看完整版高清| 成年人黄色毛片网站| 91精品国产国语对白视频| 国产精品影院久久| 亚洲七黄色美女视频| 美女扒开内裤让男人捅视频| 亚洲精品成人av观看孕妇| 十八禁网站免费在线| 日韩一卡2卡3卡4卡2021年| 好看av亚洲va欧美ⅴa在| 日韩免费av在线播放| 99精国产麻豆久久婷婷| 久久久国产成人精品二区 | 国产精品影院久久| 免费高清视频大片| 日本免费a在线| 欧美黄色淫秽网站| 黄色毛片三级朝国网站| 欧美日韩亚洲高清精品| 黄色视频不卡| 操出白浆在线播放| 免费观看精品视频网站| 伊人久久大香线蕉亚洲五| 免费高清在线观看日韩| av片东京热男人的天堂| 女人爽到高潮嗷嗷叫在线视频| 欧美av亚洲av综合av国产av| 亚洲av第一区精品v没综合| 97超级碰碰碰精品色视频在线观看| 午夜福利影视在线免费观看| 91成人精品电影| 亚洲精品国产精品久久久不卡| 精品熟女少妇八av免费久了| 美国免费a级毛片| 在线观看一区二区三区| 久久九九热精品免费| 免费一级毛片在线播放高清视频 | 最近最新免费中文字幕在线| 757午夜福利合集在线观看| 88av欧美| 国产97色在线日韩免费| 国产熟女xx| 999久久久国产精品视频| 亚洲精品美女久久久久99蜜臀| 久久九九热精品免费| 十分钟在线观看高清视频www| 国产亚洲精品综合一区在线观看 | 国产99白浆流出| 亚洲第一av免费看| www.www免费av| 国产在线精品亚洲第一网站| 超碰97精品在线观看| videosex国产| 两性夫妻黄色片| 亚洲精品久久午夜乱码| 神马国产精品三级电影在线观看 | 超碰97精品在线观看| 亚洲一区二区三区欧美精品| 97人妻天天添夜夜摸| 国产有黄有色有爽视频| 搡老熟女国产l中国老女人| 国产一区二区三区综合在线观看| 精品国内亚洲2022精品成人| 黄色视频不卡| 国产1区2区3区精品| 在线免费观看的www视频| 国产精品久久电影中文字幕| 一区二区日韩欧美中文字幕| 午夜久久久在线观看| 在线观看一区二区三区激情| 狂野欧美激情性xxxx| 亚洲精品一区av在线观看| 在线观看日韩欧美| 大型黄色视频在线免费观看| 国产成人一区二区三区免费视频网站| 久久欧美精品欧美久久欧美| 一进一出抽搐动态| 国产精品影院久久| 亚洲免费av在线视频| 亚洲精品在线观看二区| av片东京热男人的天堂| 精品久久久久久,| 日本wwww免费看| 好男人电影高清在线观看| 欧美人与性动交α欧美精品济南到| 成人特级黄色片久久久久久久| 久久精品成人免费网站| 亚洲 欧美 日韩 在线 免费| 国产精品成人在线| 身体一侧抽搐| 亚洲人成电影观看| 亚洲成人免费电影在线观看| www.www免费av| 久久久久国产精品人妻aⅴ院| 日本黄色日本黄色录像| 欧美日韩中文字幕国产精品一区二区三区 | 亚洲av成人av| 首页视频小说图片口味搜索| 国产精品免费视频内射| 亚洲男人天堂网一区| a在线观看视频网站| 日日夜夜操网爽| 亚洲少妇的诱惑av| 18美女黄网站色大片免费观看| 可以在线观看毛片的网站| 午夜影院日韩av| a级毛片在线看网站| 黄片播放在线免费| 神马国产精品三级电影在线观看 | 久久久国产一区二区| 欧美精品亚洲一区二区| videosex国产| 在线观看舔阴道视频| 大陆偷拍与自拍| 国产熟女xx| 欧美激情高清一区二区三区| 亚洲国产精品合色在线| 久久精品91无色码中文字幕| 日韩中文字幕欧美一区二区| 国产熟女午夜一区二区三区| 韩国精品一区二区三区| 99久久精品国产亚洲精品| 新久久久久国产一级毛片| 亚洲欧美激情综合另类| 色在线成人网| 国产激情久久老熟女| 久久亚洲精品不卡| 亚洲欧洲精品一区二区精品久久久| 国产欧美日韩一区二区三| 91大片在线观看| 岛国视频午夜一区免费看| 最近最新中文字幕大全电影3 | 色哟哟哟哟哟哟| 欧美成狂野欧美在线观看| 热re99久久精品国产66热6| 久久性视频一级片| 国产成人欧美| 亚洲人成伊人成综合网2020| 国产精品久久久av美女十八| 欧美日韩亚洲国产一区二区在线观看| 精品人妻在线不人妻| 亚洲欧洲精品一区二区精品久久久| 老司机福利观看| 国产在线观看jvid| 国产精品永久免费网站| 亚洲久久久国产精品| 人妻丰满熟妇av一区二区三区| 在线天堂中文资源库| 久久国产亚洲av麻豆专区| 嫩草影院精品99| 亚洲自偷自拍图片 自拍| 黄频高清免费视频| 激情在线观看视频在线高清| 十八禁人妻一区二区| 一区二区三区激情视频| 国产欧美日韩综合在线一区二区| 久久人人精品亚洲av| 欧美成人免费av一区二区三区| 亚洲精品久久成人aⅴ小说| 正在播放国产对白刺激| 中文字幕人妻丝袜一区二区| 一区二区三区国产精品乱码| 性色av乱码一区二区三区2| 热99国产精品久久久久久7| 免费搜索国产男女视频| 亚洲精品在线美女| 美女 人体艺术 gogo| 三上悠亚av全集在线观看| 精品无人区乱码1区二区| 精品久久久久久,| 亚洲精品国产一区二区精华液| 一进一出好大好爽视频| 亚洲色图综合在线观看| 国产有黄有色有爽视频| 777久久人妻少妇嫩草av网站| 麻豆av在线久日| 妹子高潮喷水视频| x7x7x7水蜜桃| av在线播放免费不卡| 天堂影院成人在线观看| 免费高清视频大片| 精品久久久精品久久久| 亚洲国产欧美一区二区综合| 亚洲精品国产区一区二| 97超级碰碰碰精品色视频在线观看| 国产精品久久久av美女十八| 中文字幕最新亚洲高清| 国产一区二区三区综合在线观看| 欧美乱码精品一区二区三区| 夜夜爽天天搞| 悠悠久久av| 热99re8久久精品国产| 在线视频色国产色| 天堂影院成人在线观看| 国产一区二区在线av高清观看| netflix在线观看网站| 最近最新中文字幕大全免费视频| 国产97色在线日韩免费| 午夜a级毛片| 黑人欧美特级aaaaaa片| 精品久久久久久久毛片微露脸| 欧美 亚洲 国产 日韩一| 中亚洲国语对白在线视频| 亚洲一区二区三区色噜噜 | 午夜两性在线视频| 久久久久国内视频| 在线观看66精品国产| 日韩欧美免费精品| 在线看a的网站| 一级毛片高清免费大全| 黄片小视频在线播放| 亚洲avbb在线观看| 午夜影院日韩av| 欧美日韩福利视频一区二区| 欧美成人午夜精品| 亚洲国产欧美一区二区综合| 久久精品亚洲熟妇少妇任你| 亚洲九九香蕉| 亚洲av成人一区二区三| av有码第一页| 亚洲 欧美一区二区三区| 国产精品免费一区二区三区在线| 国产成人啪精品午夜网站| 99re在线观看精品视频| 欧美中文日本在线观看视频| 免费看a级黄色片| 色婷婷av一区二区三区视频| 男人舔女人的私密视频| 亚洲色图 男人天堂 中文字幕| 亚洲五月色婷婷综合| a级毛片在线看网站| a级毛片黄视频| 久久亚洲真实| 老熟妇仑乱视频hdxx| 精品久久蜜臀av无| 国产精品免费一区二区三区在线| 9191精品国产免费久久| 1024视频免费在线观看| 纯流量卡能插随身wifi吗| 久久久久国产一级毛片高清牌| 国产91精品成人一区二区三区| 美女福利国产在线| 久久久久久久久久久久大奶| 欧美一区二区精品小视频在线| 老司机午夜福利在线观看视频| 黄片小视频在线播放| 99久久99久久久精品蜜桃| 久久久久久久久久久久大奶| 亚洲专区中文字幕在线| 亚洲国产中文字幕在线视频| 久久香蕉国产精品| 亚洲色图av天堂| av福利片在线| 日本欧美视频一区| 精品第一国产精品| 欧美日韩亚洲综合一区二区三区_| 久热爱精品视频在线9| 欧美日韩一级在线毛片| 国产又色又爽无遮挡免费看| 淫妇啪啪啪对白视频| 欧美日韩亚洲综合一区二区三区_| 又紧又爽又黄一区二区| 极品人妻少妇av视频| 在线永久观看黄色视频| 美女福利国产在线| 亚洲五月天丁香| 欧美+亚洲+日韩+国产| 夫妻午夜视频| 91成年电影在线观看| 老熟妇乱子伦视频在线观看| 国产精品美女特级片免费视频播放器 | 亚洲中文字幕日韩| 国产区一区二久久| 丰满的人妻完整版| 色播在线永久视频| www.www免费av| 国产男靠女视频免费网站| av天堂久久9| 大陆偷拍与自拍| 国产精品亚洲一级av第二区| 夜夜夜夜夜久久久久| 国产一卡二卡三卡精品| 亚洲一区二区三区不卡视频| 国产精品偷伦视频观看了| 午夜免费成人在线视频| 最近最新中文字幕大全电影3 | 在线视频色国产色| 人人妻人人添人人爽欧美一区卜| 中文字幕人妻丝袜制服| 欧美亚洲日本最大视频资源| 久久草成人影院| 美女高潮喷水抽搐中文字幕| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲va日本ⅴa欧美va伊人久久| 欧美精品一区二区免费开放| 日本欧美视频一区| 日日爽夜夜爽网站| 最近最新免费中文字幕在线| 午夜免费成人在线视频| 两个人看的免费小视频| 免费观看人在逋| 麻豆久久精品国产亚洲av | 人人妻人人爽人人添夜夜欢视频| 两性午夜刺激爽爽歪歪视频在线观看 | 激情在线观看视频在线高清| 视频区图区小说| 久久精品aⅴ一区二区三区四区| 成人精品一区二区免费| 久久久久国内视频| 波多野结衣av一区二区av| 高潮久久久久久久久久久不卡| 精品免费久久久久久久清纯| 老熟妇仑乱视频hdxx| 久久伊人香网站| 国产av精品麻豆| 成人特级黄色片久久久久久久| 成年女人毛片免费观看观看9| 日本黄色日本黄色录像| 777久久人妻少妇嫩草av网站| 老司机午夜十八禁免费视频| 人人妻人人爽人人添夜夜欢视频| 欧美日韩瑟瑟在线播放| 黄色片一级片一级黄色片| 午夜福利一区二区在线看| 搡老熟女国产l中国老女人| tocl精华| 在线观看免费视频网站a站| 看片在线看免费视频| 日韩高清综合在线| 村上凉子中文字幕在线| 精品国内亚洲2022精品成人| 亚洲精华国产精华精| 91成人精品电影| 脱女人内裤的视频| 国产精品久久久久久人妻精品电影| 久久久久亚洲av毛片大全| 黑人欧美特级aaaaaa片| 亚洲aⅴ乱码一区二区在线播放 | 久久伊人香网站| 欧美日韩亚洲综合一区二区三区_| 国产成人欧美| 黑人猛操日本美女一级片| 嫩草影院精品99| 老汉色∧v一级毛片| 免费av中文字幕在线| 中文字幕另类日韩欧美亚洲嫩草| 成人av一区二区三区在线看| 熟女少妇亚洲综合色aaa.| 88av欧美| 韩国av一区二区三区四区| 一级,二级,三级黄色视频| 窝窝影院91人妻| 琪琪午夜伦伦电影理论片6080| 又黄又粗又硬又大视频| av网站免费在线观看视频| 国产99白浆流出| 在线av久久热| 亚洲精品一二三| 国产亚洲精品一区二区www|