• <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KPCA-LightGBM 的心臟病預測研究

    2021-09-28 11:22:58張云華
    軟件導刊 2021年9期
    關鍵詞:結點梯度心臟病

    黃 嵩,張云華

    (浙江理工大學 信息學院,浙江杭州 310018)

    0 引言

    根據(jù)世界衛(wèi)生組織的報告,心臟病每年導致全球數(shù)百萬人死亡[1]。引發(fā)心臟病的因素有很多,如工作壓力過大和生活作息不規(guī)律等。中國作為世界人口第一大國,約有兩億多人患有不同程度的心臟?。?]。近年來,中國心臟病發(fā)病呈年輕化趨勢[3]。與此同時,我國地區(qū)經(jīng)濟發(fā)展不平衡,公共醫(yī)療資源也嚴重不足。在這樣的社會背景下,開發(fā)出一個能從病人的病歷信息中篩選出有效信息,并協(xié)助醫(yī)生作出心臟病診斷的算法具有非常高的現(xiàn)實價值[4]。

    在國外,早在1976 年,斯坦福大學的Wraith 等[5]就開發(fā)出了MYCIN 系統(tǒng),可以幫助醫(yī)生對患者進行診斷,但由于早期的計算機計算性能有限,MYCIN 系統(tǒng)的準確性有限,功能也比較匱乏。近年來,隨著機器學習的發(fā)展,可以通過計算機技術手段挖掘病人病歷中的信息,在病歷數(shù)據(jù)中找出疾病相關信息,并利用這些信息建立疾病預測模型[6]。苗立志等[7]使用支持向量機和隨機森林實現(xiàn)了對乳腺癌的風險分析和預測;苗豐順等[8]使用隨機森林和XG?Boost 實現(xiàn)了糖尿病的風險預測;趙穎旭等[9]使用LightGBM對老年癡呆住院費用進行預測;Amin 等[10]使用支持向量機完成了對心臟病的預測。

    本文基于已有研究,針對病歷數(shù)據(jù)維度高的問題,首先對病歷數(shù)據(jù)進行降維[11]。傳統(tǒng)的主成分分析(PCA)方法是假設數(shù)據(jù)集中各特征是線性無關的,主要通過計算方差尋找不同特征之間的線性組合。而在很多應用場景下,線性映射很難得到想要的結果,核主成分分析(KPCA)通過核函數(shù)的思想獲得了更好的特征提取性能。疾病診斷模型通常采用決策樹實現(xiàn),傳統(tǒng)的決策樹在高維稀疏的數(shù)據(jù)集上表現(xiàn)不佳,同時訓練過程中只能串行訓練,效率較低。針對該問題,本文采用LightGBM 算法,采用最優(yōu)的策略分裂決策樹的葉子結點,因此獲得更高的精度[12]。

    1 核主成分分析(KPCA)

    主成分分析(PCA)是使用線性映射將數(shù)據(jù)進行降維,但是通常情況下高維到低維是非線性的,結果往往不盡人意。核主成分分析(KPCA)將原始數(shù)據(jù)通過選擇適當?shù)暮撕瘮?shù)(Kernel)映射到高緯度空間,再利用高維度空間進行線性降維,因此KPCA 的核心就是核函數(shù)[13]。

    1.1 核函數(shù)

    通過使用核函數(shù),可以在低維度直接計算內(nèi)積,避免將數(shù)據(jù)映射到高維后進行復雜計算[14]。即:

    其中,x和y為低維的輸入向量,φ是低維到高維的映射,是x和y的內(nèi)積。常用核函數(shù)如下:

    (1)線性核。只需在兩個向量求內(nèi)積上加個常數(shù),只能解決線性可分問題:

    (2)多項式核。相比于線性核多了指數(shù)d,因此可以處理非線性問題,要求a大于0,c大于0,適合所有訓練數(shù)據(jù)歸一化問題:

    (3)高斯核。高斯核是沿徑向對稱的標量函數(shù):

    (4)指數(shù)核。與高斯核類似,將L2 范數(shù)變成L1。

    (5)拉普拉斯核。拉普拉斯核完全等價于指數(shù)核,但對敏感性降低。

    1.2 KPCA 原理

    假設原始數(shù)據(jù)是如下矩陣X(數(shù)據(jù)每一列為一個樣本,每個樣本有m個屬性,一共有n個樣本)。

    每個樣本通過函數(shù)φ映射到高維空間,得到高維空間的數(shù)據(jù)矩陣φ(X)=φ(x(1))φ(x(2)) …φ(x(n)),x(i)是一個列向量。

    用同樣的方法計算高維空間中數(shù)據(jù)的協(xié)方差矩陣φ(x)φ(x)T,進一步計算特征值與特征向量(wi是特征值λi對應的特征向量):

    根據(jù)維數(shù)的定義,空間中的所有樣本可以線性表示出空間中的任一向量,因此可用所有樣本表示特征向量:

    將這個線性組合代回到特征向量公式,替換特征向量,得到:

    等式兩邊同時左乘φ(XT),得到:

    令K=φ(XT)φ(X),原式變?yōu)椋?/p>

    φ(XT)φ(X)是如下矩陣,xi是一個列向量:

    根據(jù)核函數(shù)的性質,上述核矩陣K可以直接在低維空間計算得到:

    由于K是n維對稱矩陣,所得解向量之間肯定是正交的,且最高可以達到n維。

    2 LightGBM

    LightGBM 是微軟在2017 年開源的梯度提升框架[15]。經(jīng)典的梯度提升決策樹(GBDT)不能以小批次的形式訓練模型,若需要提高訓練速度,就需要將數(shù)據(jù)全部加載在內(nèi)存中,但數(shù)據(jù)會受限于內(nèi)存大小。LightGBM 通過基于梯度的單邊采樣(GOSS)、互斥特征捆綁(EFB)和Leaf-wise 的決策樹生長策略,在單個機器不影響速度的情況下,盡可能多地提高訓練效率,同時在多機并行時,盡可能降低通信代價[16]。

    2.1 基于梯度的單邊采樣(GOSS)

    傳統(tǒng)的梯度提升決策樹中,由于梯度大的樣本對信息增益有更大影響,為了使上一次錯分的樣本點的權重增大[17],一般會直接拋棄梯度小的樣本點,但這樣會帶來改變數(shù)據(jù)分布和損失模型精度等問題。LightGBM 通過基于梯度的單邊采樣(GOSS)則可以避免這兩個問題發(fā)生,核心思想是對要進行分裂的特征的所有取值按照絕對值大小降序排序,然后重點關注訓練不足的樣本,而不會過多改變原數(shù)據(jù)集分布,具體算法如圖1 所示。

    2.2 互斥特征捆綁(EFB)

    在實際應用中,高緯度的數(shù)據(jù)往往都是稀疏數(shù)據(jù)[18],并且許多特征往往都是互斥的。LightGBM 利用此特點,將某些特征的值重新編碼,將多個特征捆綁成同一個特征,如圖2 所示。

    Fig.1 Description of the gradient-based one-sided sampling algorithm圖1 基于梯度的單邊采樣算法描述

    Fig.2 Description of the mutually exclusive feature bundling algorithm圖2 互斥特征捆綁算法描述

    在合并特征時,為了保證合并后在同一個bundle 里幾個特征的原始特征值可以被識別出來,LightGBM 通過在特征值中加一個偏置常量來解決。如一個bundle 中有兩個特征A、B,A 的取值范圍為0~x,B 的取值范圍為0~y,則可以在B 的取值范圍上加一個偏置常量x,變?yōu)閤~x+y,綁定后的bundle 取值范圍為0~x+y,這樣既可以將多個特征綁定在一個bundle 內(nèi),又可以有效地相互區(qū)分。

    2.3 Leaf-wise 決策樹生長策略

    傳統(tǒng)的梯度提升決策樹如圖3 所示,每一次分裂同一層的所有葉子,相當于對根結點進行廣度優(yōu)先遍歷,這樣會消耗大量時間和資源。

    Fig.3 Traditional strategy growth tree圖3 傳統(tǒng)策略生長樹

    Leaf-wise 策略生長樹如圖4 所示,在每一層葉子結點分裂時,首先會找到最有訓練價值的葉子結點,然后對其他葉子結點進行剪枝,這樣在與傳統(tǒng)策略生長樹相同樹高的情況下,消耗了更少的資源,同時能獲得更高的精度。

    Leaf-wise 在分裂時的增益公式為:

    其中,gi代表損失函數(shù)關于第i個樣本前T-1 輪擬合結果的負梯度,也即當前第T輪要擬合的目標值。

    Fig.4 Leaf-wise strategy growth tree圖4 Leaf-wise 策略生長樹

    對于當前結點而言,定義當前結點上樣本集合為O,期望遍歷所有候選特征及候選分裂點,找到一個特征j和對應的分裂點d,使得分裂當前結點后左右子結點上的樣本總體方差更小,也即使得分裂之前結點的均方誤差與分裂以后左右孩子結點的樣本均方誤差之和的差值最大。

    由于當前結點的均方誤差對于當前結點分裂增益的計算是常量,因為:

    則可以將式(16)化簡為:

    式(18)的第一項是常數(shù),又因為:

    可以推出增益公式就是最大化左右葉子結點樣本負梯度和的平方。

    3 預測模型

    本文所提出的KPCA-LighGBM 模型框架如圖5 所示,首先對數(shù)據(jù)進行預處理,然后劃分數(shù)據(jù)集,使用KPCA 算法對數(shù)據(jù)集進行降維后,使用降維以后的數(shù)據(jù)集訓練LightG?BM 模型,最后使用訓練好的LightGBM 模型預測結果,并通過與其他經(jīng)典算法比較來評估KPCA-LighGBM 模型。

    Fig.5 KPCA-LightGBM based prediction model圖5 基于KPCA-LightGBM 的預測模型

    (1)UCI 數(shù)據(jù)集。本文使用的數(shù)據(jù)集使用UCI 數(shù)據(jù)庫中收集的克利夫蘭心臟病數(shù)據(jù)集,這是機器學習研究人員在進行心臟病預測時常用的數(shù)據(jù)集[19]。數(shù)據(jù)集包含303 條記錄,6 條記錄有缺失值,將其從數(shù)據(jù)集中刪除,共297 條有效數(shù)據(jù)。其中,137 份記錄存在心臟病,160 條記錄不存在心臟病數(shù)據(jù)集的具體字段如表1 所示。

    Table 1 UCI cardiology dataset details表1 UCI 心臟病數(shù)據(jù)集詳細信息

    (2)數(shù)據(jù)預處理。數(shù)據(jù)預處理主要是將數(shù)據(jù)集轉換成算法模型可以識別的數(shù)據(jù)[20]。UCI 數(shù)據(jù)集的大部分數(shù)據(jù)是文字,可以將其轉化為數(shù)字以提高模型訓練效率。數(shù)據(jù)集的數(shù)據(jù)有二值類的數(shù)據(jù)和多值類的數(shù)據(jù)。二值類的數(shù)據(jù)如status 字段,將buff 設置為1,sick 設置為0,其他二值類的字段以此類推。而多值類的數(shù)據(jù)如cp 字段,將typical、atyp?ical、non-anginal、asymptomatic 分別設置為0、1、2、3。其他多值類的字段也按此邏輯處理。

    (3)數(shù)據(jù)集劃分。本文采用交叉驗證方式,將數(shù)據(jù)集進行切分,組合成不同的訓練集和測試集[21]。多次重復該舉動,可以得到多組不同的訓練集合測試集,某次訓練中的測試集可能成為另一次訓練中的訓練集。

    (4)KPCA 降維。原始數(shù)據(jù)集中影響心臟病結果的特征值有13 個,然而并非所有特征值都與心臟病預測結果關聯(lián)性很強,本文采用核主成分分析(KPCA)降維,通過屬性合并創(chuàng)建新的屬性,或者是刪除相關性不高的屬性,以提取最有價值的特征,降低運算成本。

    (5)LightGBM 模型訓練。將KPCA 降維過的訓練集輸入LightGBM 模型中進行訓練,得到訓練好的KPCA-Light?GBM 模型。

    (6)結果預測。使用訓練好的KPCA-LightGBM 模型對測試集進行檢驗,通過準確率、敏感度、精確度、特異度等指標對模型訓練效果進行評估,并將結果與樸素貝葉斯、邏輯回歸、隨機森林、梯度提升樹等經(jīng)典分類算法作比較。

    4 實驗及分析

    4.1 實驗環(huán)境

    實驗硬件環(huán)境為:處理器為intel CORE i5-7400 CPU,NVIDIA GTX1050 4GD5 GPU,16G 內(nèi)存,Windows10 64 位系統(tǒng)。實驗軟件環(huán)境為:Python 3.6.8 版本,PyCharm Profes?sional 2020.2 集成開發(fā)環(huán)境。

    4.2 評價指標

    根據(jù)數(shù)據(jù)集實際患病情況和KPCA-LightGBM 模型所預測出的患病情況,可將預測結果分為4 種:True Positive(以下簡稱TP)、True Negative(以下簡稱TN)、False Positive(以下簡稱FP)、False Negative(以下簡稱FN)。評價模型性能通常是比較以下屬性:

    準確率為模型總體判斷準確率,如式(20)。

    敏感度為在所有真實結果為正的數(shù)據(jù)中,預測出正值的比例,如式(21)。

    精確度為正向預測中預測出正值的比例,如式(22)。

    特異度為在所有真實結果為負的數(shù)據(jù)中,預測出負值的比例,如式(23)。

    4.3 實驗結果

    本文將KPCA-LightGBM 模型和經(jīng)典算法進行比較如表2 所示。與樸素貝葉斯、邏輯回歸、隨機森林、梯度提升樹這些經(jīng)典分類算法相比,本文提出的KPCA-LightGBM 模型準確率(Accuracy)達90.1%,較傳統(tǒng)方法均有所提升。雖然在敏感度(Sensitivity)方面表現(xiàn)一般,但其在精確度(Pre?cision)方面與梯度提升樹并列最好。同時,在特異度方面(Specificity),KPCA-LightGBM 模型達92%,顯著領先于其他算法。特異度在醫(yī)療領域是一個非常重要的指標,如果該指標偏低,雖然不會引起漏診情況,但是會大大增加醫(yī)生負擔和造成患者不必要的麻煩,同時還會造成目前緊張公共醫(yī)療資源的浪費。因此,綜合各指標可以得出結論,KPCA-LightGBM 比其他算法預測效果更好。

    Table 2 Results from different models表2 不同模型的結果 (%)

    5 結語

    針對目前心臟病的高發(fā)病率,本文提出了一個KPCALightGBM 模型,用于幫助醫(yī)生進行心臟病預診。首先通過數(shù)據(jù)預處理從病歷中提取信息,然后使用核主成分分析進行數(shù)據(jù)降維,再使用LightGBM 算法進行心臟病預測。實驗表明,本文提出的KPCA-LightGBM 對心臟病預測的準確率優(yōu)于經(jīng)典算法;同時,KPCA-LightGBM 對特異度方面的性能明顯優(yōu)于其他算法,這可以避免對健康病人的誤診,減少患者負擔,提高醫(yī)生檢查效率,從而緩解目前醫(yī)療資源不充足和發(fā)展不平衡問題。

    本文提出的KPCA-LightGBM 模型目前僅用于心臟病預測,在后續(xù)研究中,可以通過增加數(shù)據(jù)集和優(yōu)化模型結構的方法,進一步提高模型準確率,并讓該算法可以預測更多疾病。

    猜你喜歡
    結點梯度心臟病
    “心慌”一定是心臟病嗎?
    中老年保健(2022年2期)2022-08-24 03:20:52
    中醫(yī)新解心臟病
    中老年保健(2022年5期)2022-08-24 02:35:08
    一個改進的WYL型三項共軛梯度法
    一種自適應Dai-Liao共軛梯度法
    一類扭積形式的梯度近Ricci孤立子
    Ladyzhenskaya流體力學方程組的確定模與確定結點個數(shù)估計
    我做了七八次產(chǎn)檢都正常 孩子怎么有心臟病?
    媽媽寶寶(2017年4期)2017-02-25 07:01:20
    Smog in Los Angeles
    中學科技(2014年12期)2015-01-06 05:48:39
    地溫梯度判定地熱異常的探討
    河南科技(2014年3期)2014-02-27 14:05:45
    基于Raspberry PI為結點的天氣云測量網(wǎng)絡實現(xiàn)
    欧美日韩亚洲综合一区二区三区_| 黄色视频在线播放观看不卡| 老熟女久久久| 黄色一级大片看看| 别揉我奶头~嗯~啊~动态视频 | 久久精品亚洲熟妇少妇任你| 亚洲少妇的诱惑av| 亚洲九九香蕉| 亚洲国产av新网站| 亚洲国产最新在线播放| 成年av动漫网址| 亚洲男人天堂网一区| av网站免费在线观看视频| 久久狼人影院| 欧美黑人欧美精品刺激| 亚洲人成77777在线视频| 99re6热这里在线精品视频| 热99久久久久精品小说推荐| 热99久久久久精品小说推荐| 亚洲第一青青草原| 九草在线视频观看| 成年人免费黄色播放视频| 成人亚洲欧美一区二区av| 久久精品国产亚洲av涩爱| 亚洲男人天堂网一区| 赤兔流量卡办理| 国产伦理片在线播放av一区| 国产成人精品无人区| 少妇的丰满在线观看| 国语对白做爰xxxⅹ性视频网站| 好男人电影高清在线观看| 中文字幕人妻丝袜一区二区| 亚洲人成电影免费在线| av又黄又爽大尺度在线免费看| 欧美另类一区| 免费久久久久久久精品成人欧美视频| 高清av免费在线| 一级片'在线观看视频| 亚洲av电影在线观看一区二区三区| 超碰成人久久| 国产又爽黄色视频| 一级片免费观看大全| 久久久国产一区二区| 老司机深夜福利视频在线观看 | 亚洲精品美女久久久久99蜜臀 | 十八禁高潮呻吟视频| 午夜福利免费观看在线| 国产成人欧美在线观看 | 午夜免费鲁丝| 丝袜在线中文字幕| 精品久久久久久久毛片微露脸 | 国产一区二区激情短视频 | 欧美激情 高清一区二区三区| 午夜福利一区二区在线看| 另类亚洲欧美激情| 深夜精品福利| 亚洲成人国产一区在线观看 | 少妇人妻久久综合中文| 极品人妻少妇av视频| 爱豆传媒免费全集在线观看| 午夜久久久在线观看| 人人澡人人妻人| 丰满少妇做爰视频| 久久精品熟女亚洲av麻豆精品| 男女免费视频国产| 国产高清国产精品国产三级| 精品福利观看| 亚洲男人天堂网一区| 国产色视频综合| 精品一区二区三区av网在线观看 | 亚洲精品国产色婷婷电影| 侵犯人妻中文字幕一二三四区| 国产av一区二区精品久久| 日韩人妻精品一区2区三区| 国产精品三级大全| 在线观看www视频免费| 国产成人一区二区在线| 亚洲国产av新网站| 日本欧美国产在线视频| 亚洲,欧美精品.| 大香蕉久久成人网| 久久 成人 亚洲| 久久久久久久大尺度免费视频| 国产欧美亚洲国产| 中文字幕色久视频| a 毛片基地| 国产精品国产av在线观看| 国产免费福利视频在线观看| 1024视频免费在线观看| 午夜福利在线免费观看网站| 国产有黄有色有爽视频| 母亲3免费完整高清在线观看| 男人操女人黄网站| 成人三级做爰电影| xxxhd国产人妻xxx| 又紧又爽又黄一区二区| 日本91视频免费播放| 精品亚洲乱码少妇综合久久| 乱人伦中国视频| 久久精品熟女亚洲av麻豆精品| 一二三四社区在线视频社区8| 亚洲人成77777在线视频| 一区二区av电影网| 中文字幕精品免费在线观看视频| 亚洲人成网站在线观看播放| 99精品久久久久人妻精品| 高清不卡的av网站| 日韩电影二区| 久久性视频一级片| 欧美乱码精品一区二区三区| 免费看不卡的av| 国产一区二区三区av在线| 久久99热这里只频精品6学生| 女人被躁到高潮嗷嗷叫费观| 中文字幕另类日韩欧美亚洲嫩草| 久久午夜综合久久蜜桃| 乱人伦中国视频| 欧美久久黑人一区二区| 老司机深夜福利视频在线观看 | 亚洲三区欧美一区| 在线天堂中文资源库| 18禁黄网站禁片午夜丰满| 丰满少妇做爰视频| 欧美老熟妇乱子伦牲交| 久久精品久久久久久噜噜老黄| 欧美日韩国产mv在线观看视频| 波多野结衣av一区二区av| 亚洲一码二码三码区别大吗| 色视频在线一区二区三区| 国产成人欧美| 亚洲成人国产一区在线观看 | netflix在线观看网站| 免费一级毛片在线播放高清视频 | 国产在线免费精品| 一级毛片黄色毛片免费观看视频| 国产成人精品久久久久久| 久久99精品国语久久久| 精品熟女少妇八av免费久了| 午夜激情久久久久久久| 国精品久久久久久国模美| 国产片特级美女逼逼视频| 久久久久久久国产电影| 欧美xxⅹ黑人| 日日夜夜操网爽| 新久久久久国产一级毛片| 大型av网站在线播放| 国产日韩一区二区三区精品不卡| 午夜免费成人在线视频| 国产精品国产三级专区第一集| 日日夜夜操网爽| 免费黄频网站在线观看国产| 国产色视频综合| 好男人视频免费观看在线| 亚洲国产毛片av蜜桃av| 国产精品 国内视频| 色视频在线一区二区三区| 精品亚洲乱码少妇综合久久| 色精品久久人妻99蜜桃| 大片免费播放器 马上看| 亚洲第一av免费看| 超色免费av| 国产成人免费无遮挡视频| 日本91视频免费播放| 久久精品成人免费网站| 夫妻午夜视频| 老司机影院成人| 黄网站色视频无遮挡免费观看| 亚洲第一av免费看| 日韩,欧美,国产一区二区三区| 国产成人精品久久久久久| 免费在线观看黄色视频的| xxxhd国产人妻xxx| 国产亚洲一区二区精品| 国产午夜精品一二区理论片| 国产欧美日韩综合在线一区二区| 热99国产精品久久久久久7| 亚洲,欧美精品.| 亚洲伊人久久精品综合| 一二三四在线观看免费中文在| 国产欧美日韩精品亚洲av| 99热网站在线观看| 另类精品久久| 少妇裸体淫交视频免费看高清 | 我的亚洲天堂| 亚洲国产看品久久| 国产国语露脸激情在线看| 色视频在线一区二区三区| 亚洲情色 制服丝袜| 国产在线免费精品| 欧美日韩视频精品一区| 欧美大码av| 性色av一级| 国产伦理片在线播放av一区| 香蕉国产在线看| 欧美久久黑人一区二区| 国产成人欧美| 性高湖久久久久久久久免费观看| 日韩一卡2卡3卡4卡2021年| 色播在线永久视频| 久久人人爽人人片av| 一本一本久久a久久精品综合妖精| 中文字幕人妻熟女乱码| av一本久久久久| 蜜桃国产av成人99| 精品久久久久久久毛片微露脸 | 啦啦啦 在线观看视频| 成人手机av| 国产高清国产精品国产三级| 久久国产精品影院| 少妇被粗大的猛进出69影院| 色精品久久人妻99蜜桃| 男女高潮啪啪啪动态图| 国产精品久久久久久精品电影小说| 日本欧美视频一区| 国产亚洲精品久久久久5区| 久久久精品国产亚洲av高清涩受| 九色亚洲精品在线播放| 国产有黄有色有爽视频| 丁香六月欧美| 亚洲国产精品999| 日本一区二区免费在线视频| 91精品国产国语对白视频| 狂野欧美激情性bbbbbb| 日本91视频免费播放| 你懂的网址亚洲精品在线观看| 中文字幕最新亚洲高清| 国产精品香港三级国产av潘金莲 | 久久久久久久国产电影| 国产精品成人在线| 中文乱码字字幕精品一区二区三区| 日本黄色日本黄色录像| 亚洲av电影在线观看一区二区三区| videos熟女内射| 久久性视频一级片| 久热爱精品视频在线9| 夫妻性生交免费视频一级片| 国产精品一区二区在线不卡| 亚洲国产看品久久| 首页视频小说图片口味搜索 | 18禁裸乳无遮挡动漫免费视频| 久久久久久免费高清国产稀缺| 免费观看av网站的网址| 亚洲 欧美一区二区三区| h视频一区二区三区| 午夜老司机福利片| 美女视频免费永久观看网站| 汤姆久久久久久久影院中文字幕| 美国免费a级毛片| 欧美人与善性xxx| 国产亚洲欧美精品永久| 男女边吃奶边做爰视频| 亚洲成人免费av在线播放| 亚洲色图 男人天堂 中文字幕| 亚洲午夜精品一区,二区,三区| 国产一区二区激情短视频 | 777久久人妻少妇嫩草av网站| 亚洲av电影在线进入| 在线观看国产h片| 午夜福利视频在线观看免费| 老司机午夜十八禁免费视频| 晚上一个人看的免费电影| 日韩av不卡免费在线播放| 99久久综合免费| 男女床上黄色一级片免费看| 久久ye,这里只有精品| 亚洲国产毛片av蜜桃av| 七月丁香在线播放| 伊人久久大香线蕉亚洲五| 免费看十八禁软件| 国产精品久久久久久精品电影小说| 免费高清在线观看日韩| 国产成人a∨麻豆精品| 在线观看一区二区三区激情| 天堂中文最新版在线下载| 久久久国产一区二区| 一级黄色大片毛片| 一级片免费观看大全| 久久 成人 亚洲| 国产精品麻豆人妻色哟哟久久| 电影成人av| av天堂久久9| 国产高清视频在线播放一区 | 深夜精品福利| a级毛片在线看网站| 国产高清videossex| 悠悠久久av| 天天躁夜夜躁狠狠久久av| 夜夜骑夜夜射夜夜干| 性高湖久久久久久久久免费观看| 亚洲 欧美一区二区三区| 国产欧美日韩一区二区三 | 久久综合国产亚洲精品| 久久天堂一区二区三区四区| 国产亚洲欧美精品永久| 波多野结衣av一区二区av| 女警被强在线播放| 在线观看www视频免费| 国产精品 国内视频| 超碰成人久久| 欧美xxⅹ黑人| 日本欧美国产在线视频| 性色av乱码一区二区三区2| 国产1区2区3区精品| 欧美黑人欧美精品刺激| 久久人人爽av亚洲精品天堂| 一本一本久久a久久精品综合妖精| 欧美中文综合在线视频| 国产成人系列免费观看| 成年女人毛片免费观看观看9 | 免费观看a级毛片全部| 亚洲精品日本国产第一区| 国产精品二区激情视频| 久久久精品国产亚洲av高清涩受| 欧美乱码精品一区二区三区| 老司机影院毛片| 日日爽夜夜爽网站| 亚洲中文av在线| 久久久久久久久免费视频了| 国产成人一区二区在线| 国产成人av激情在线播放| 久久久欧美国产精品| 日本猛色少妇xxxxx猛交久久| 欧美精品高潮呻吟av久久| 日本vs欧美在线观看视频| 久久精品久久久久久久性| 欧美精品人与动牲交sv欧美| 亚洲午夜精品一区,二区,三区| 国产伦人伦偷精品视频| 热99国产精品久久久久久7| 国产有黄有色有爽视频| av电影中文网址| 天天添夜夜摸| 日韩免费高清中文字幕av| 天天添夜夜摸| 日韩免费高清中文字幕av| 成在线人永久免费视频| 99久久99久久久精品蜜桃| 啦啦啦 在线观看视频| 50天的宝宝边吃奶边哭怎么回事| a级片在线免费高清观看视频| www.精华液| 巨乳人妻的诱惑在线观看| 一级毛片 在线播放| 好男人电影高清在线观看| 久久免费观看电影| 亚洲色图综合在线观看| 免费少妇av软件| 性少妇av在线| 国产日韩欧美亚洲二区| 18禁裸乳无遮挡动漫免费视频| 国产深夜福利视频在线观看| 精品一区二区三区四区五区乱码 | 又大又爽又粗| 久久精品久久久久久久性| 久久99精品国语久久久| 999精品在线视频| 欧美日韩视频精品一区| 亚洲精品国产av蜜桃| 波多野结衣一区麻豆| 免费看av在线观看网站| 男人操女人黄网站| 狠狠精品人妻久久久久久综合| 欧美人与性动交α欧美精品济南到| 激情视频va一区二区三区| 亚洲国产精品一区二区三区在线| 色婷婷久久久亚洲欧美| 久久免费观看电影| 黄网站色视频无遮挡免费观看| 十八禁人妻一区二区| 国产视频一区二区在线看| 日韩一本色道免费dvd| 亚洲欧美一区二区三区国产| 婷婷色麻豆天堂久久| 国产亚洲av高清不卡| 交换朋友夫妻互换小说| 亚洲欧美精品综合一区二区三区| 欧美亚洲 丝袜 人妻 在线| 亚洲精品成人av观看孕妇| 中文字幕另类日韩欧美亚洲嫩草| 亚洲精品国产一区二区精华液| 亚洲熟女毛片儿| 国产av精品麻豆| 久久热在线av| 亚洲av在线观看美女高潮| 黑丝袜美女国产一区| 高清av免费在线| 欧美 日韩 精品 国产| 美女脱内裤让男人舔精品视频| 国产视频首页在线观看| 久久精品熟女亚洲av麻豆精品| 国产激情久久老熟女| 亚洲国产看品久久| 亚洲欧洲精品一区二区精品久久久| 蜜桃在线观看..| 精品第一国产精品| 国产欧美日韩精品亚洲av| 亚洲色图综合在线观看| 国产高清不卡午夜福利| 女性被躁到高潮视频| 欧美精品人与动牲交sv欧美| 黄网站色视频无遮挡免费观看| 久久99精品国语久久久| 丝袜在线中文字幕| 菩萨蛮人人尽说江南好唐韦庄| 新久久久久国产一级毛片| 一本色道久久久久久精品综合| 国产又爽黄色视频| 精品一区在线观看国产| 精品人妻熟女毛片av久久网站| 啦啦啦在线免费观看视频4| 成人免费观看视频高清| 高清欧美精品videossex| 久久精品国产亚洲av高清一级| 老司机亚洲免费影院| 欧美精品人与动牲交sv欧美| 丰满饥渴人妻一区二区三| 老汉色av国产亚洲站长工具| 精品第一国产精品| 亚洲,一卡二卡三卡| 欧美人与性动交α欧美软件| 国产欧美日韩一区二区三区在线| 精品亚洲成国产av| 亚洲九九香蕉| 99香蕉大伊视频| 欧美久久黑人一区二区| 国产成人欧美| 亚洲av美国av| 精品国产一区二区久久| 下体分泌物呈黄色| 国产不卡av网站在线观看| 亚洲av成人精品一二三区| 亚洲欧美精品综合一区二区三区| 成年动漫av网址| 青草久久国产| 高清欧美精品videossex| 国产真人三级小视频在线观看| 亚洲美女黄色视频免费看| 丝袜美足系列| 好男人电影高清在线观看| 母亲3免费完整高清在线观看| 色视频在线一区二区三区| 伊人久久大香线蕉亚洲五| 久久久亚洲精品成人影院| 中文精品一卡2卡3卡4更新| 日韩 亚洲 欧美在线| 午夜福利视频在线观看免费| 亚洲国产精品一区二区三区在线| 亚洲熟女精品中文字幕| 亚洲美女黄色视频免费看| av在线播放精品| 婷婷成人精品国产| 人妻 亚洲 视频| 久久精品成人免费网站| 欧美日韩亚洲国产一区二区在线观看 | 夜夜骑夜夜射夜夜干| 老汉色∧v一级毛片| 岛国毛片在线播放| 操出白浆在线播放| 国产激情久久老熟女| 99国产精品一区二区三区| av在线app专区| www.999成人在线观看| 99热国产这里只有精品6| 两个人看的免费小视频| 9热在线视频观看99| a级片在线免费高清观看视频| 亚洲av国产av综合av卡| 狂野欧美激情性xxxx| 亚洲成人免费电影在线观看 | 一区二区三区精品91| 中国国产av一级| 精品亚洲乱码少妇综合久久| 国产91精品成人一区二区三区 | 亚洲精品国产色婷婷电影| 欧美亚洲日本最大视频资源| 国产亚洲精品久久久久5区| 日本wwww免费看| 亚洲精品国产av成人精品| 少妇被粗大的猛进出69影院| 在线观看免费午夜福利视频| 黄色怎么调成土黄色| 自线自在国产av| 免费观看av网站的网址| 欧美黄色淫秽网站| 99久久99久久久精品蜜桃| 国产又爽黄色视频| 大型av网站在线播放| 各种免费的搞黄视频| 亚洲午夜精品一区,二区,三区| 1024香蕉在线观看| 天天躁夜夜躁狠狠久久av| 精品第一国产精品| 久久精品国产a三级三级三级| 欧美xxⅹ黑人| 18禁裸乳无遮挡动漫免费视频| 久热爱精品视频在线9| 国产一卡二卡三卡精品| av网站免费在线观看视频| 亚洲中文日韩欧美视频| 人妻 亚洲 视频| 99热网站在线观看| 丝袜在线中文字幕| 日韩一本色道免费dvd| 国产1区2区3区精品| 国产淫语在线视频| 欧美日韩福利视频一区二区| 九色亚洲精品在线播放| 国产欧美日韩精品亚洲av| 国产男人的电影天堂91| 国产在线一区二区三区精| 1024视频免费在线观看| 男男h啪啪无遮挡| 国产伦理片在线播放av一区| av又黄又爽大尺度在线免费看| 丰满饥渴人妻一区二区三| 久久免费观看电影| av电影中文网址| 在线精品无人区一区二区三| 欧美黄色淫秽网站| 亚洲av成人不卡在线观看播放网 | 国产精品.久久久| 国产人伦9x9x在线观看| 日本91视频免费播放| 亚洲五月婷婷丁香| a 毛片基地| 人人妻人人澡人人爽人人夜夜| 久久ye,这里只有精品| 青春草视频在线免费观看| 国产国语露脸激情在线看| 亚洲精品成人av观看孕妇| 色网站视频免费| 国产日韩一区二区三区精品不卡| 青春草视频在线免费观看| 18禁黄网站禁片午夜丰满| 侵犯人妻中文字幕一二三四区| 天天操日日干夜夜撸| 精品国产国语对白av| 老汉色av国产亚洲站长工具| 夫妻午夜视频| 日本91视频免费播放| 午夜老司机福利片| 天堂俺去俺来也www色官网| 久久精品国产亚洲av高清一级| 99久久综合免费| 久久天堂一区二区三区四区| 十分钟在线观看高清视频www| 久久久久久久大尺度免费视频| 色精品久久人妻99蜜桃| 色播在线永久视频| 欧美人与善性xxx| 男女高潮啪啪啪动态图| 久久热在线av| 亚洲精品成人av观看孕妇| 美女大奶头黄色视频| 午夜福利影视在线免费观看| 国产在线视频一区二区| 搡老乐熟女国产| 久久狼人影院| 成人国产av品久久久| 九草在线视频观看| 国产精品欧美亚洲77777| 午夜影院在线不卡| 亚洲国产av影院在线观看| 免费在线观看影片大全网站 | 国产亚洲欧美精品永久| 日韩制服丝袜自拍偷拍| 一区在线观看完整版| 中文字幕亚洲精品专区| 欧美人与性动交α欧美精品济南到| 少妇 在线观看| 亚洲七黄色美女视频| 热99国产精品久久久久久7| 天堂中文最新版在线下载| av国产久精品久网站免费入址| 亚洲,欧美,日韩| 色视频在线一区二区三区| 99国产精品免费福利视频| 在线看a的网站| 久久国产亚洲av麻豆专区| 19禁男女啪啪无遮挡网站| 天堂8中文在线网| 91麻豆精品激情在线观看国产 | 免费在线观看视频国产中文字幕亚洲 | 亚洲精品日本国产第一区| 中文字幕人妻丝袜制服| 男男h啪啪无遮挡| 91精品三级在线观看| 国产日韩一区二区三区精品不卡| kizo精华| 国产精品一区二区在线不卡| 日韩视频在线欧美| 免费久久久久久久精品成人欧美视频| 日韩 欧美 亚洲 中文字幕| av又黄又爽大尺度在线免费看| 涩涩av久久男人的天堂| bbb黄色大片| www.自偷自拍.com| 亚洲欧美成人综合另类久久久| 老汉色∧v一级毛片| 久久九九热精品免费| 亚洲精品在线美女| 青草久久国产| 久久精品久久久久久久性| 只有这里有精品99| 老汉色∧v一级毛片| 成年人黄色毛片网站| 久久精品久久久久久久性| 亚洲美女黄色视频免费看| 国产无遮挡羞羞视频在线观看| 两性夫妻黄色片| 秋霞在线观看毛片| 欧美精品一区二区免费开放| 国产亚洲一区二区精品| 欧美人与性动交α欧美精品济南到| 国产欧美日韩一区二区三区在线|