• <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 ?

    基于深度殘差網絡的恒星光譜類別預測

    2021-05-11 07:23:26王天翔范玉峰王曉麗王傳軍
    光譜學與光譜分析 2021年5期
    關鍵詞:集上恒星殘差

    王天翔,范玉峰,王曉麗,龍 潛,王傳軍

    1.中國科學院云南天文臺,云南 昆明 650011 2.中國科學院大學,北京 100049

    引 言

    LAMOST,全稱“大天區(qū)面積多目標光纖光譜望遠鏡”,是世界上光譜獲取率最高的望遠鏡,可同時獲得4 000個天體光譜[1]。目前LAMOST已經發(fā)布7季數據,在最新發(fā)布的DR7中光譜數量已經高達1 448萬條,如何對海量光譜進行有效利用成為亟待解決的問題。對這些光譜進行分類是天文數據處理的重要一環(huán)。通過對恒星光譜的分類,研究人員可以從中獲取有效溫度、質量和半徑等物理信息,也可以研究銀河系的結構和演化過程[2]。目前主流的恒星分類系統是MK光譜系統。每個恒星都根據其有效溫度由高到低排序,依次分為O,B,A,F,G,K和M七種光譜型,每種光譜型又根據溫度從高到低細分為0—9的次型光譜,本文不涉及光度型分類。

    目前光譜自動分類的方法主要有三種類別,分別是基于距離度量的方法、機器學習的方法和基于模糊邏輯知識系統的專家系統。Schierscher等[3]將Artificial Neural Network(ANN)運用在對Sloan Digital Sky Survey(SDSS) DR7恒星光譜的分類上。Liu等[4]對LAMOST數據使用線指數和SVM算法對恒星光譜進行MK分類。其中SVM方法對A,F和G型恒星分類效果達到90%的準確率,對O,B,K和M型恒星只有52%的準確率。Kaushal等[5]針對已標注數據太少,難以訓練深層神經網絡分類器的問題,提出一種半監(jiān)督方法。該方法在無監(jiān)督學習階段使用自動編碼器對無標簽數據進行提取特征和聚類,用有標簽數據進行微調,最后在主要光譜類別的平均準確率達到89%。在涉及光譜次型的分類模型上,Gray等[6]提出一種專家系統,通過直接與MK分類標準對比來將恒星光譜分類。在信噪比大于100的數據集上可以達到0.6個光譜次型的精度。劉蓉等[7]使用非參數回歸的方法在分類精度上達到了2.2個光譜次型。Kheirdastan等[8]使用ANN,SVM,K-means方法,分別達到1.39,1.53,1.65個光譜次型的精度,光譜次型的分類精度尚待提高。本文參照He等[9]提出的殘差網絡提出一種基于深度學習的方法來實現光譜次型高精度預測,并分析網絡的預測依據。

    本文的主要貢獻有兩個,第一是提升了光譜次型的預測精度,在LAMOST數據集上平均絕對誤差為0.3個光譜次型。第二是讓模型定位光譜特征,對光譜分類結果有一定的解釋能力。

    1 方 法

    模型主要由卷積層、激活層、最大池化層、平均池化層、全連接層和恒等映射組成。在第一個卷積層使用形狀為1*7的較大的卷積核來提取光譜的總體特征,并使用內核為1*3的最大池化層進行特征篩選。最大池化層可以在盡可能保留特征的同時減少參數,防止過擬合,提高模型的泛化能力。后面卷積層的卷積核大小可以在1*3,1*5和1*7等形狀中選擇,文章將在第2節(jié)分析使用不同形狀卷積核得到的結果。模型采用GELU作為激活函數,可根據光譜數據分布進行非線性激活,表達式可以近似為

    (1)

    在最后一個卷積層使用平均池化層對特征圖的參數求均值,得到一個Channel*1的向量作為全連接層的輸入,其中Channel為特征圖的通道數。全連接層的輸出是一個標量,作為對輸入光譜的預測結果。由于激活函數的不可逆性,以及卷積核提取光譜特征時或多或少會有信息丟失,深層模型存在退化問題。文獻[9]中提出的殘差結構的恒等映射使這個問題得到緩解。在訓練網絡時,由于殘差結構的存在,反向傳播可以同時沿著殘差連接進行傳播,提高了訓練效率。如圖1所示,這里以1*5的卷積核為例,其中黃色方塊為卷積層,紅色方塊為最大池化層,粉紅色為平均池化層,橙色為GELU激活層,紫色為全連接層。鑒于LAMOST數據集有非零幾率存在錯誤標簽,本文使用Log-Cosh作為損失函數來降低壞樣本影響。Log-Cosh函數定義見式(2)

    圖1 模型總體架構Fig.1 Model architecture

    (2)

    2 實驗部分

    2.1 數據

    實驗采用的數據來自于LAMOST DR5中的部分恒星光譜。從星表中隨機抽樣,選取共80 000條恒星光譜,并剔除掉紅移偏差為-999以及信噪比在u,g,r,i和z任一波段內為-999的異常數據,確保數據的有效性,數據集詳情見Github(https://github.com/HubCatt/LAMOST-)。對數據集所有光譜截取3 699~8 750 ?波段,然后進行max-min光譜流量歸一化

    (3)

    其中x為原始數據,min和max分別為光譜的最小、最大流量,X*為歸一化后的光譜。歸一化可以加快梯度下降求最優(yōu)解的速度,加速模型收斂。個別類別缺乏數據,但由于本實驗采用的是回歸模型,所以并不影響訓練效果。使用0.0~6.9來標記光譜類型,其中整數部分表示光譜型,小數部分表示光譜次型。例如2.2表示A2型恒星光譜。O型光譜由于數量較少,在本實驗中都標記為0,各類別光譜數據按照7∶1∶2分為訓練集、驗證集和測試集。

    2.2 光譜次型回歸

    使用訓練集對模型進行訓練,并在驗證集上進行超參數調整。最后在測試集上對模型進行評估。定義以下三種誤差來衡量模型性能。

    最大絕對誤差

    i=1,2,…,n

    (4)

    式(4)中,n為樣本個數。

    平均絕對誤差

    (5)

    標準差

    (6)

    為了選擇最優(yōu)的卷積核形狀,本文對4種不同卷積核的網絡在測試集上的預測結果進行對比,結果如表1所示。實驗表明:網絡使用1*5的卷積核時所得結果平均絕對誤差小,預測誤差分布集中在較小值??梢匀〉幂^好的結果,91.4%的光譜預測誤差在0.5個光譜次型內,平均絕對誤差降低到了0.3個光次譜型。

    表1 各形狀卷積核實驗結果Table 1 Experimental results of convolution kernels with different shapes

    將預測值作為橫坐標,標簽作為縱坐標畫一個平面,平面上的一個點代表一條光譜,對測試集上共16 249個點作二階非線性擬合,設置置信度為95(如圖2所示),可以看出,所得到的函數基本可以看作斜率為1的直線,并且置信區(qū)間與直線基本重合,這表示模型可以很好的預測光譜型和光譜次型。

    圖2 二階非線性擬合Fig.2 Second-order nonlinear fitting

    將文獻[7-8]中使用的非參數回歸、K-Means方法,以及Adaboost CART回歸樹算法運用在本文中的訓練集和測試集上。表2為深度殘差網絡與上述三種方法的預測誤差統計,圖3為深度殘差網絡與其余三種方法預測誤差的分布情況??梢娚疃葰埐罹W絡性能遠優(yōu)于非參數回歸等方法。由于非參數回歸中的核寬采用自適應方式,取待預測樣本與訓練集各個樣本的最小距離,故在大樣本數據集上耗時過大。與非參數回歸相比,訓練良好的深度殘差網絡預測速度快,并且準確率更高,誤差更小,更符合大數據時代光譜處理的要求。相較于Adaboost算法需要訓練多組弱回歸(分類)器,本文的深度殘差網絡只需訓練一個模型即可。

    表2 深度殘差網絡與非參數回歸等方法的預測誤差統計Table 2 The statistical error of prediction by Deep residual network, Nonparametric regression, et al.

    圖3 深度殘差網絡與非參數回歸等其他方法預測誤差分布情況Fig.3 The error distribution of prediction by Deep residual network, nonparametric regression et al.

    2.3 模型分析

    利用文獻[10]中提出的類別激活映射(CAM)方法分析模型在給一條光譜預測時所關注的一些特征,通過此分析模型可以對分類結果做出解釋。將得到的CAM進行偽彩色變換,拉伸,并與光譜圖像加權求和,便可得到圖4所示的類別特征映射圖像,其中顏色越接近紅色的波段對分類越重要。實驗中從A,F,G,K各抽取2條光譜畫出CAM圖像,并在每幅圖下給出了各類別的分數。對于A型恒星光譜,模型關注的區(qū)域為H原子吸收線存在的波段,紅色精確覆蓋了Hbeta,Hgamma和Hdelat,但忽視了Halpha,初步推斷是Halpha較弱的原因。對于F型恒星光譜,模型的關注區(qū)域為一階Ca離子線存在的波段,H原子吸收線存在的波段,以及一階S離子線存在的波段。在F型恒星中,中性H原子譜線和一階金屬離子譜線都是比較明顯的。對于G型恒星光譜,模型關注區(qū)域大致在3 800~4 400 ?波段,G型星中Ca離子線達到了最強,并且出現一階Fe離子線與一階Ti離子線,這些譜線存在于這個波段。對于K型恒星光譜,其主要以金屬譜線為主,模型主要以Mg線5 179 ?附近以及3 699~4 390 ?波段為判別依據。

    圖4 類別特征映射圖(CAM)Fig.4 Class activation mapping

    3 結 論

    光譜分類是天文數據處理的重要一環(huán),目前被廣泛使用的模板匹配方法存在計算冗余、依賴數據質量等問題,其他一些方法大都沒有涉及光譜次型的分類。本文提出基于深度殘差網絡的深度學習模型來對光譜類別進行預測,并賦予了模型可解釋性。實驗結果表明,本方法在所使用的LAMOST數據集上可以將91.4%光譜預測誤差保證在0.5個光譜次型以內,預測平均絕對誤差為0.3個光譜次型。與非參數回歸等方法相比有更高的準確率和預測速度。在模型分析中,本文討論了模型分類依據,主要包括Balmer線系、金屬離子譜線。對比文獻[4]中線指數分類提出的,Hgamma,Fe和Mg的組合對O-G分類較好,Fe,TiO2和G4300的組合對晚期恒星分類較好,本文CAM圖像與文獻[4]的結果基本相符,下一步工作將通過修改模型輸出維度來提高CAM的定位精度。

    猜你喜歡
    集上恒星殘差
    基于雙向GRU與殘差擬合的車輛跟馳建模
    (18)刺殺恒星
    基于殘差學習的自適應無人機目標跟蹤算法
    Cookie-Cutter集上的Gibbs測度
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    基于遞歸殘差網絡的圖像超分辨率重建
    自動化學報(2019年6期)2019-07-23 01:18:32
    恒星的演化
    恒星不恒
    奧秘(2018年10期)2018-10-25 05:38:56
    復扇形指標集上的分布混沌
    平穩(wěn)自相關過程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    国产三级在线视频| 两人在一起打扑克的视频| 99国产精品一区二区蜜桃av| 噜噜噜噜噜久久久久久91| 99精品欧美一区二区三区四区| 日本与韩国留学比较| 免费在线观看影片大全网站| 老司机在亚洲福利影院| 人人妻人人看人人澡| 国产综合懂色| 人妻久久中文字幕网| 精品一区二区三区视频在线 | a级毛片a级免费在线| 久久国产乱子伦精品免费另类| 久久欧美精品欧美久久欧美| 亚洲成人免费电影在线观看| 免费av不卡在线播放| 婷婷亚洲欧美| 亚洲成av人片在线播放无| 淫妇啪啪啪对白视频| 久久热在线av| 欧美中文综合在线视频| 国产单亲对白刺激| 亚洲欧美日韩高清在线视频| 亚洲成a人片在线一区二区| 99久久国产精品久久久| 嫁个100分男人电影在线观看| 啪啪无遮挡十八禁网站| 国产精品女同一区二区软件 | 亚洲,欧美精品.| 国产一区在线观看成人免费| 少妇人妻一区二区三区视频| 午夜福利在线在线| 97碰自拍视频| 国产精品综合久久久久久久免费| 亚洲精品一卡2卡三卡4卡5卡| 99国产精品一区二区三区| 搡老熟女国产l中国老女人| 国产精品电影一区二区三区| 国内精品久久久久精免费| 亚洲天堂国产精品一区在线| 国产激情久久老熟女| 99热这里只有精品一区 | 中文字幕av在线有码专区| 脱女人内裤的视频| 亚洲在线自拍视频| 午夜久久久久精精品| 国产精品 欧美亚洲| 亚洲欧美精品综合久久99| 国产97色在线日韩免费| 在线看三级毛片| 非洲黑人性xxxx精品又粗又长| 亚洲人成电影免费在线| 黄色片一级片一级黄色片| 国产成人av教育| 中文字幕精品亚洲无线码一区| 女警被强在线播放| 熟女人妻精品中文字幕| 麻豆成人午夜福利视频| 亚洲人成电影免费在线| 一进一出抽搐动态| 亚洲人与动物交配视频| 国产成人一区二区三区免费视频网站| 久久久国产成人免费| 国产真实乱freesex| 国产欧美日韩一区二区精品| 99久久国产精品久久久| 午夜激情福利司机影院| 女警被强在线播放| 国产日本99.免费观看| 成人鲁丝片一二三区免费| 欧美丝袜亚洲另类 | 在线免费观看不下载黄p国产 | 国产爱豆传媒在线观看| 久久精品国产综合久久久| 久久久久久久久免费视频了| 观看免费一级毛片| 一级毛片女人18水好多| av黄色大香蕉| 国产 一区 欧美 日韩| 久久人妻av系列| www.熟女人妻精品国产| 黄色丝袜av网址大全| 日本三级黄在线观看| 欧美中文综合在线视频| 欧美大码av| 啦啦啦观看免费观看视频高清| 午夜精品一区二区三区免费看| 天堂网av新在线| 欧美中文综合在线视频| 欧美大码av| 精品久久久久久久久久免费视频| 观看免费一级毛片| 两个人看的免费小视频| 99热这里只有是精品50| 国产av麻豆久久久久久久| netflix在线观看网站| 亚洲一区二区三区不卡视频| 不卡av一区二区三区| 老司机深夜福利视频在线观看| 国产毛片a区久久久久| 白带黄色成豆腐渣| 日本成人三级电影网站| 精品国产超薄肉色丝袜足j| 免费一级毛片在线播放高清视频| 在线播放国产精品三级| 精品熟女少妇八av免费久了| 日本撒尿小便嘘嘘汇集6| 久久精品国产99精品国产亚洲性色| 亚洲欧美精品综合久久99| 免费观看的影片在线观看| 中文字幕熟女人妻在线| 偷拍熟女少妇极品色| 国产成人精品久久二区二区91| cao死你这个sao货| 性色avwww在线观看| 在线观看日韩欧美| 精品一区二区三区四区五区乱码| aaaaa片日本免费| 99久国产av精品| 亚洲精品456在线播放app | 91麻豆av在线| 日韩欧美在线二视频| 两个人看的免费小视频| 成人欧美大片| 99国产精品99久久久久| 成人永久免费在线观看视频| 亚洲色图av天堂| 黄色 视频免费看| 日本与韩国留学比较| 一区福利在线观看| 宅男免费午夜| 成年女人永久免费观看视频| 女生性感内裤真人,穿戴方法视频| 久久中文字幕一级| 欧美黑人巨大hd| 欧美成狂野欧美在线观看| 一进一出抽搐动态| 国产97色在线日韩免费| 国产激情久久老熟女| 久久热在线av| 亚洲一区二区三区不卡视频| 国产精品1区2区在线观看.| 亚洲成人久久性| 国产精品影院久久| 美女免费视频网站| 日韩欧美一区二区三区在线观看| 亚洲18禁久久av| 国产精品精品国产色婷婷| 中亚洲国语对白在线视频| 亚洲色图 男人天堂 中文字幕| 午夜激情福利司机影院| 特大巨黑吊av在线直播| 国产 一区 欧美 日韩| 91在线观看av| 女同久久另类99精品国产91| 日韩欧美 国产精品| 中文字幕人成人乱码亚洲影| 中文字幕人妻丝袜一区二区| 亚洲无线在线观看| 亚洲黑人精品在线| 亚洲成人久久爱视频| 狂野欧美激情性xxxx| www.熟女人妻精品国产| 成人欧美大片| 国产毛片a区久久久久| 老熟妇仑乱视频hdxx| 搡老岳熟女国产| 亚洲av成人av| 日本a在线网址| 又大又爽又粗| 色视频www国产| 级片在线观看| 久久精品国产综合久久久| 变态另类成人亚洲欧美熟女| 1000部很黄的大片| 国产一区二区在线观看日韩 | 又紧又爽又黄一区二区| 午夜影院日韩av| 黄色女人牲交| 观看美女的网站| 男人和女人高潮做爰伦理| 99久久综合精品五月天人人| 淫妇啪啪啪对白视频| 不卡av一区二区三区| 国产一级毛片七仙女欲春2| 无遮挡黄片免费观看| 在线免费观看的www视频| 国产精品精品国产色婷婷| 免费看十八禁软件| 免费在线观看成人毛片| 在线播放国产精品三级| 在线观看舔阴道视频| 一级黄色大片毛片| 成人国产一区最新在线观看| 精品国产三级普通话版| 色综合站精品国产| 欧美成人一区二区免费高清观看 | 亚洲中文字幕日韩| 人人妻,人人澡人人爽秒播| 久久精品国产清高在天天线| 在线观看美女被高潮喷水网站 | 精品久久久久久久末码| 国产成人av教育| 99久久成人亚洲精品观看| 真人做人爱边吃奶动态| 久久久久国产精品人妻aⅴ院| 两个人的视频大全免费| 久久精品aⅴ一区二区三区四区| 国产午夜精品久久久久久| 久久亚洲真实| 老司机午夜十八禁免费视频| 亚洲天堂国产精品一区在线| 免费在线观看视频国产中文字幕亚洲| 可以在线观看毛片的网站| 国产乱人伦免费视频| 好男人电影高清在线观看| 午夜a级毛片| 国产精品精品国产色婷婷| 午夜精品在线福利| 99久久成人亚洲精品观看| 国产免费男女视频| 精品电影一区二区在线| 国产高清激情床上av| 国产一区二区三区在线臀色熟女| 久久久久九九精品影院| 亚洲欧美精品综合久久99| 国产av麻豆久久久久久久| 一级黄色大片毛片| 91av网一区二区| 亚洲精品国产精品久久久不卡| 国产精品久久视频播放| 99久久精品国产亚洲精品| 国产精品电影一区二区三区| av福利片在线观看| 成人三级黄色视频| 久久香蕉国产精品| 国产亚洲av嫩草精品影院| 99久久综合精品五月天人人| 久久久久久久久中文| 亚洲 欧美 日韩 在线 免费| 久久婷婷人人爽人人干人人爱| 香蕉丝袜av| 熟女人妻精品中文字幕| 亚洲欧美日韩高清在线视频| 亚洲av五月六月丁香网| 亚洲精品在线观看二区| 中文字幕人妻丝袜一区二区| 性色avwww在线观看| svipshipincom国产片| 国产亚洲精品综合一区在线观看| 12—13女人毛片做爰片一| 九九久久精品国产亚洲av麻豆 | 99精品久久久久人妻精品| 级片在线观看| 久久久久国产精品人妻aⅴ院| 人人妻,人人澡人人爽秒播| 九九久久精品国产亚洲av麻豆 | 97超级碰碰碰精品色视频在线观看| 午夜精品一区二区三区免费看| 麻豆成人av在线观看| 国产成人系列免费观看| 国内毛片毛片毛片毛片毛片| 可以在线观看的亚洲视频| 国产又黄又爽又无遮挡在线| 老司机在亚洲福利影院| 国产成人系列免费观看| 黄色视频,在线免费观看| 18禁黄网站禁片午夜丰满| 国产成人av激情在线播放| 黑人巨大精品欧美一区二区mp4| 国产又色又爽无遮挡免费看| 噜噜噜噜噜久久久久久91| 18禁黄网站禁片午夜丰满| 一级毛片高清免费大全| 麻豆久久精品国产亚洲av| 美女高潮喷水抽搐中文字幕| 久久精品91无色码中文字幕| 日本三级黄在线观看| 网址你懂的国产日韩在线| 中文字幕人成人乱码亚洲影| 亚洲欧美一区二区三区黑人| 国内精品久久久久久久电影| 欧美大码av| 一二三四在线观看免费中文在| 色在线成人网| 在线观看美女被高潮喷水网站 | 欧美高清成人免费视频www| 99久久久亚洲精品蜜臀av| 哪里可以看免费的av片| 国产亚洲av嫩草精品影院| www.熟女人妻精品国产| 一个人看的www免费观看视频| 久久精品夜夜夜夜夜久久蜜豆| 18禁美女被吸乳视频| 成年免费大片在线观看| 小蜜桃在线观看免费完整版高清| 麻豆久久精品国产亚洲av| www.999成人在线观看| 亚洲欧美日韩高清专用| 啦啦啦观看免费观看视频高清| 不卡一级毛片| 国产成人福利小说| 最近在线观看免费完整版| 国产精品野战在线观看| 一进一出抽搐gif免费好疼| 国产高清视频在线观看网站| 日本一二三区视频观看| 亚洲av成人精品一区久久| 午夜两性在线视频| 色综合亚洲欧美另类图片| www.www免费av| xxx96com| av福利片在线观看| 91麻豆精品激情在线观看国产| 久久久久国内视频| 欧美大码av| 动漫黄色视频在线观看| 亚洲国产欧洲综合997久久,| 亚洲欧美日韩高清专用| 欧美最黄视频在线播放免费| 三级国产精品欧美在线观看 | 九色国产91popny在线| 九九在线视频观看精品| 久久久久久国产a免费观看| 精品一区二区三区四区五区乱码| 在线观看舔阴道视频| 少妇人妻一区二区三区视频| 一夜夜www| 成年女人毛片免费观看观看9| 9191精品国产免费久久| 亚洲美女黄片视频| 岛国在线免费视频观看| 欧美极品一区二区三区四区| 色老头精品视频在线观看| 热99在线观看视频| 亚洲精品久久国产高清桃花| 一本精品99久久精品77| 国产成+人综合+亚洲专区| 国产av在哪里看| 免费大片18禁| 国产成人欧美在线观看| 亚洲欧美日韩东京热| www日本黄色视频网| 国产精品av久久久久免费| 精品久久蜜臀av无| 欧美激情久久久久久爽电影| av欧美777| 最近最新免费中文字幕在线| 久久久久精品国产欧美久久久| 中文亚洲av片在线观看爽| 亚洲av成人av| 中文字幕精品亚洲无线码一区| 国产伦在线观看视频一区| 啦啦啦免费观看视频1| a级毛片在线看网站| 国产高清三级在线| 国产高清视频在线播放一区| 亚洲av日韩精品久久久久久密| 欧美丝袜亚洲另类 | 搞女人的毛片| 亚洲国产看品久久| 国产精品 国内视频| 男女那种视频在线观看| 我的老师免费观看完整版| 色综合站精品国产| 首页视频小说图片口味搜索| 色老头精品视频在线观看| 美女黄网站色视频| 男人和女人高潮做爰伦理| 成人精品一区二区免费| 日韩欧美精品v在线| 嫩草影院入口| 日韩大尺度精品在线看网址| 好男人电影高清在线观看| 搡老妇女老女人老熟妇| 在线播放国产精品三级| 国产精品综合久久久久久久免费| 90打野战视频偷拍视频| 婷婷丁香在线五月| 又紧又爽又黄一区二区| 亚洲熟妇熟女久久| 免费在线观看成人毛片| 亚洲最大成人中文| 18禁国产床啪视频网站| 真人一进一出gif抽搐免费| 看片在线看免费视频| 日本与韩国留学比较| 99久久无色码亚洲精品果冻| 亚洲欧洲精品一区二区精品久久久| 亚洲成人免费电影在线观看| 国产精品自产拍在线观看55亚洲| 色综合欧美亚洲国产小说| 一二三四在线观看免费中文在| 日本精品一区二区三区蜜桃| 成人av在线播放网站| 免费在线观看视频国产中文字幕亚洲| 国产免费av片在线观看野外av| 香蕉国产在线看| 国产伦一二天堂av在线观看| 国产伦精品一区二区三区视频9 | 免费av毛片视频| 女警被强在线播放| 搞女人的毛片| 天堂动漫精品| 桃色一区二区三区在线观看| 亚洲色图av天堂| 日韩三级视频一区二区三区| 欧美成人免费av一区二区三区| 亚洲人成网站在线播放欧美日韩| 变态另类丝袜制服| 欧美中文日本在线观看视频| 国产乱人伦免费视频| 一二三四社区在线视频社区8| 桃色一区二区三区在线观看| 欧美日韩综合久久久久久 | 国产乱人视频| 日本 欧美在线| 好看av亚洲va欧美ⅴa在| 国产伦精品一区二区三区视频9 | 国产av不卡久久| 狂野欧美激情性xxxx| 亚洲国产高清在线一区二区三| 一个人免费在线观看的高清视频| 精品99又大又爽又粗少妇毛片 | 色哟哟哟哟哟哟| 制服丝袜大香蕉在线| 99热这里只有是精品50| 最好的美女福利视频网| 精品久久久久久久末码| 小蜜桃在线观看免费完整版高清| 亚洲国产看品久久| 国产精品美女特级片免费视频播放器 | 欧美乱色亚洲激情| 久久天堂一区二区三区四区| 在线免费观看不下载黄p国产 | 亚洲熟女毛片儿| 在线永久观看黄色视频| 国产视频内射| 精品不卡国产一区二区三区| 最近视频中文字幕2019在线8| www.精华液| 嫩草影视91久久| 精品久久久久久久末码| 小蜜桃在线观看免费完整版高清| 久久精品夜夜夜夜夜久久蜜豆| 操出白浆在线播放| 久久久久国产精品人妻aⅴ院| 亚洲熟妇熟女久久| 精品久久久久久成人av| 午夜福利高清视频| 日本 欧美在线| 少妇的逼水好多| 久久精品国产清高在天天线| 美女高潮的动态| 一级黄色大片毛片| 香蕉丝袜av| 人妻丰满熟妇av一区二区三区| 97人妻精品一区二区三区麻豆| 真人一进一出gif抽搐免费| 曰老女人黄片| 国产精品,欧美在线| 国产单亲对白刺激| 999久久久精品免费观看国产| 国产伦人伦偷精品视频| 日韩大尺度精品在线看网址| avwww免费| 在线免费观看不下载黄p国产 | 成人国产综合亚洲| 亚洲av电影在线进入| 色尼玛亚洲综合影院| 大型黄色视频在线免费观看| 色精品久久人妻99蜜桃| 久久久久免费精品人妻一区二区| 91麻豆精品激情在线观看国产| e午夜精品久久久久久久| 全区人妻精品视频| 男女之事视频高清在线观看| 可以在线观看毛片的网站| 99久久精品热视频| 久久久久性生活片| 国产一区二区三区视频了| 狠狠狠狠99中文字幕| 亚洲中文日韩欧美视频| 国产精品一及| 久久久久国产一级毛片高清牌| 日韩人妻高清精品专区| 丝袜人妻中文字幕| 两性午夜刺激爽爽歪歪视频在线观看| 国产黄a三级三级三级人| 国产高清videossex| 亚洲成人中文字幕在线播放| 国产成人aa在线观看| 国产亚洲精品久久久久久毛片| 色播亚洲综合网| 特级一级黄色大片| 国产午夜精品久久久久久| 真实男女啪啪啪动态图| 在线视频色国产色| 狂野欧美白嫩少妇大欣赏| 成人特级黄色片久久久久久久| 性色av乱码一区二区三区2| 亚洲av成人一区二区三| 亚洲熟妇中文字幕五十中出| 蜜桃久久精品国产亚洲av| 久久国产乱子伦精品免费另类| 女警被强在线播放| 亚洲国产高清在线一区二区三| 99久久无色码亚洲精品果冻| 99久久99久久久精品蜜桃| 99在线人妻在线中文字幕| 亚洲国产中文字幕在线视频| 久久国产乱子伦精品免费另类| 国产成人av教育| 精品国产亚洲在线| 国模一区二区三区四区视频 | 亚洲精品国产精品久久久不卡| 亚洲天堂国产精品一区在线| 国产不卡一卡二| 99久久精品国产亚洲精品| 国产高潮美女av| 国模一区二区三区四区视频 | or卡值多少钱| 日韩大尺度精品在线看网址| 国产欧美日韩一区二区三| 91麻豆av在线| 免费看a级黄色片| 亚洲人成电影免费在线| 亚洲 欧美 日韩 在线 免费| 欧美xxxx黑人xx丫x性爽| 欧美乱色亚洲激情| 九九热线精品视视频播放| 国产成人av激情在线播放| 国产精品一及| 国产成人啪精品午夜网站| 午夜福利欧美成人| 婷婷丁香在线五月| 亚洲自拍偷在线| 97超级碰碰碰精品色视频在线观看| 欧美一区二区精品小视频在线| 嫁个100分男人电影在线观看| 亚洲色图av天堂| 少妇裸体淫交视频免费看高清| 中文资源天堂在线| 色综合站精品国产| 免费在线观看日本一区| 亚洲av美国av| 国产又黄又爽又无遮挡在线| 男女做爰动态图高潮gif福利片| 欧美中文日本在线观看视频| 国产男靠女视频免费网站| 国产成人av教育| 亚洲专区中文字幕在线| 后天国语完整版免费观看| 亚洲成人免费电影在线观看| 18美女黄网站色大片免费观看| 国产精品一区二区三区四区免费观看 | 亚洲成人久久爱视频| 国产高清视频在线播放一区| 久9热在线精品视频| 国产午夜福利久久久久久| a在线观看视频网站| 精品福利观看| 亚洲av熟女| 老熟妇乱子伦视频在线观看| 国产成人精品无人区| 无限看片的www在线观看| 99国产综合亚洲精品| 日韩欧美在线乱码| 精品久久久久久久毛片微露脸| 午夜日韩欧美国产| 舔av片在线| 中文字幕高清在线视频| 欧美日韩中文字幕国产精品一区二区三区| 日韩大尺度精品在线看网址| 国产精品一及| 国产综合懂色| 欧美黄色片欧美黄色片| 精品一区二区三区av网在线观看| 亚洲,欧美精品.| 午夜精品一区二区三区免费看| www.999成人在线观看| 国内精品久久久久精免费| 亚洲,欧美精品.| 久久久久久久久免费视频了| 岛国视频午夜一区免费看| 天堂网av新在线| АⅤ资源中文在线天堂| 精品国产乱子伦一区二区三区| 深夜精品福利| 免费观看精品视频网站| 国产av不卡久久| 国产欧美日韩精品一区二区| 久久久水蜜桃国产精品网| 天堂av国产一区二区熟女人妻| 午夜福利免费观看在线| 欧美乱码精品一区二区三区| 九色成人免费人妻av| 99久久精品一区二区三区| 亚洲国产欧美人成| 看黄色毛片网站| 亚洲无线在线观看| 久久精品国产综合久久久| 制服丝袜大香蕉在线| 免费看光身美女| 欧美在线一区亚洲| 国内精品一区二区在线观看| 男女视频在线观看网站免费| 国产视频一区二区在线看| 午夜精品在线福利| 精品电影一区二区在线| 桃色一区二区三区在线观看| 丁香欧美五月| 99热这里只有精品一区 | 岛国在线免费视频观看|