• <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 ?

    基于低秩稀疏表達的彈性最小二乘回歸學習

    2023-10-26 08:48:30武繼剛李妙君趙淑平
    鄭州大學學報(工學版) 2023年6期
    關鍵詞:范數集上分類

    武繼剛, 李妙君, 趙淑平

    (廣東工業(yè)大學 計算機學院,廣東 廣州 510006)

    最小二乘回歸(least squares regression,LSR)是統計學理論中一種典型的數據分析工具,通過最小化實際值和預測值的差值平方和來學習投影矩陣。基于LSR已經研究出了許多經典模型,但是,傳統的LSR模型存在3個主要問題。

    第2個問題是基于LSR的方法對噪聲的敏感性。在實際應用中,由于圖像在獲取、發(fā)布或傳輸過程中受到噪聲的干擾[7],導致同一個類別的訓練樣本和測試樣本之間的差異可能很大。對于噪聲數據的分類問題,適當地降低類邊距通??梢杂懈玫姆诸惥?。Peng等[8]使用negative ε-dragging技術來確定不同類別之間的適當邊距。趙雯等[9]提出的判別低秩表示(discriminative low-rank representation,DLRR)算法可以在遮擋的訓練樣本中分離出相對干凈的圖像。Bao等[10]提出了基于松弛局部保持回歸(relaxed local preserving regression,RLPR),使用了L2,1范數替代損失函數的LF范數。Fang等[11]將原始數據分解為一個“干凈”的分量加上稀疏的噪聲分量,使用了一個稀疏項來補償回歸誤差,這有助于在回歸過程中抑制噪聲的干擾。楊章靜等[12]提出一種基于潛在子空間去噪的學習圖像分類方法(denoising latent subspace based subspace learning,DLSSL),在原始空間和標簽空間中間引進一個潛在子空間,將學習分成了2個過程,對樣本先進行降噪處理,然后使用潛在子空間中的“干凈”數據進行回歸分類。

    第3個問題是傳統的LSR沒有過多關注樣本之間的相關性和標簽的類內緊湊性,這會破壞數據的基礎結構并導致過擬合問題。ICS_DLSR[3]在最小二乘回歸模型中引入了類間稀疏性約束,使轉換后的樣本在每個類別中具有共同的稀疏結構,有效地利用樣本之間的相關性。基于低秩表示(low-rank representation,LRR)的模型很容易捕獲數據的全局結構。鐘堃琰等[13]提出對通過ε-dragging技術所得的松弛矩陣施加低秩約束,可以提高其類內緊湊性,保證了回歸標簽的類內相似性。Chen等[14]將Fisher判別準則和ε-dragging技術集成到一個模型中提出了Fisher判別最小二乘回歸模型(fisher discriminative least squares regression,FDLSR),Fisher準則可以提高松弛學習過程中松弛標簽的類內緊湊性和相似性。在FDLSR中還證明了DLSR的本質是基于L2范式的支持向量機的松弛版本。

    因此,本文提出一種基于低秩稀疏表達的彈性最小二乘回歸學習(low-rank sparse representation based elastic least squares regression,LRSR-eLSR)模型。引入半靈活性的回歸目標矩陣,將0-1目標松弛為更可行的變量矩陣,為不同類別的樣本提供合適的邊距,并且不會輕易破壞回歸目標的結構。同時,為了避免結構信息的丟失,引入低秩約束來學習具有判別性的投影矩陣,捕獲數據不同類別的底層結構。除此之外,引入了具有行稀疏性的誤差項,可以從噪聲或損壞的數據中穩(wěn)健地提取特征。模型的流程如圖1所示。

    圖1 模型框架圖

    1 相關工作

    X為來自c個類別的n個訓練樣本的訓練集,X=[x1,x2,…,xn]∈Rd×n,其中d為每個樣本的特征維數。LF范數、L2,1范數和核范數的計算分別為

    (1)

    (2)

    ‖X‖*=∑i|σi|。

    (3)

    式中:XT為矩陣X的轉置;σ為矩陣的奇異值。

    1.1 最小二乘回歸(LSR)

    最小二乘回歸的目標是學習一個將訓練數據轉換為二進制標簽空間的最優(yōu)投影矩陣,常見函數表示為

    (4)

    式中:W∈Rc×d為投影矩陣;β>0為正則化參數。Y為對應于數據集X的0-1標簽矩陣,定義如下:如果訓練樣本xi來自第k個類別,則列向量yi的第k個元素為1,其余元素為0,Y=[y1,y2,…,yn]∈Rc×n。

    將式(4)中的第1項看作損失函數,第2項表示廣泛使用的L2正則化,用來避免過擬合。

    1.2 重定向最小二乘回歸(ReLSR)

    ReLSR的核心思想是通過關注相對值,直接從數據中學習回歸目標矩陣,能夠提高多分類的性能。模型在學習過程中對目標矩陣進行直接優(yōu)化,約束每個樣本其真類和假類目標之間的差值應大于1,將其表達為一個優(yōu)化問題,如式(5)所示:

    (5)

    式中:H為目標矩陣;en為全為1的行向量;b為偏差向量。

    ReLSR在學習的過程中會對H重復更新,初始化H可以令H=Y。ReLSR的目標矩陣是通過只關注不同類別對應的相對值來學習的,以保證大多數數據點的正確分類。

    1.3 基于低秩類間稀疏性的半靈活性目標最小二乘回歸(LIS_StLSR)

    LIS_StLSR與ReLSR一樣,都是在學習中更新目標矩陣,但是,LIS_StLSR采用半靈活性的回歸目標矩陣與低秩類間稀疏約束相結合,學習到目標矩陣可以保證對每個數據點的正確分類的要求有很大的限制并且不會破壞回歸目標原有的結構,不會影響到下一次迭代訓練中的回歸性能。LIS_StLSR的目標函數如(6)式所示:

    (6)

    式中:Z為低秩表示矩陣;‖WXZi‖2,1為低秩類間約束項。

    LIS_StLSR通過訓練樣本的“干凈”表示來實現類間關系,使得共享同一標簽的投影樣本保持共同的稀疏結構,同時,利用訓練樣本的低秩表示進行類間稀疏學習。

    2 本文模型

    2.1 提出問題和新的回歸模型

    傳統的最小二乘回歸模型使用了嚴格的二元標簽矩陣作為目標矩陣。從幾何學的角度,不同類別樣本的距離應該要盡可能大,而同一個類別的樣本之間的距離盡可能小,學習到的回歸目標更具有判別力,可以增加回歸模型的靈活性。不同于DLSR使用ε-dragging技術放松標簽矩陣,模型通過對真假類別之間的學習目標實施約束直接從數據中學得回歸目標,并引入一個稀疏誤差項E以放松標簽矩陣。將上述表達為一個優(yōu)化問題,如式(7)所示:

    (7)

    式中:λ1和λ2均為正則化參數。

    與0-1矩陣Y相比,目標矩陣H可以直接從數據中學習,可以更準確地測量回歸誤差。為了在學習過程中捕捉數據相關的底層結構,根據低秩最小化的性質,對式(7)中轉換矩陣W使用LF范數,同時添加低秩約束。構建的目標函數為

    (8)

    式中:λ3為正則化參數;rank(·)表示矩陣的秩。

    由于秩函數的離散性,式(8)是一個非凸非光滑問題,所以很難求解,根據文獻[15],將秩函數替換為核范數正則化可以得到上述優(yōu)化問題的凸松弛形式,對式(8)重新構造:

    (9)

    考慮求解問題,對式(9)中的核范數利用公式轉化為LF范數進行統一求解,根據文獻[5]中的Theorem 1,對于任意的矩陣W,可以得到:

    (10)

    由式(9)和式(10),可以得到最終的目標函數,如式(11)所示:

    (11)

    2.2 模型求解

    對目標函數(式(11))使用ADMM算法[16]進行優(yōu)化求解,其增廣拉格朗日函數為

    (12)

    式中:C為拉格朗日乘子;μ>0為罰參數。

    對于式(12),在其他參數固定的情況下交替求解W、E、H、A和B。具體解決步驟如下。

    步驟1 更新W。固定E、H、A和B,可以通過最小化以下目標來獲得W。

    (13)

    式(13)中,通過將L(W)相對于W的導數設置為零,可以獲得最佳W。即

    (14)

    由式(14)可以得到W的最優(yōu)解為

    (15)

    式中:Id表示維數為d的單位向量。

    步驟2 更新E。固定其他參數,令U=WX-H,可以通過最小化以下基于L2,1范數的目標函數來獲得E。

    (16)

    式中:Ej,:和Uj,:分別表示E和U的第j行向量。

    步驟3 更新A。固定其他參數,通過對A進行求導,令導數為0,可以得到A的閉式解為

    (17)

    步驟4 更新B。固定其他參數,通過對B進行求導,令導數為0,可以得到B的閉式解為

    (18)

    步驟5 更新H。令S=WX-E,公式如下所示:

    (19)

    將式(19)分解為n個獨立的子問題求解得到H的最優(yōu)解,每個子問題都對應H這一行的學習,則每個子優(yōu)化問題可以表示為

    (20)

    式中:k表示行的真類索引;i表示在h中最大值的索引。

    更新式(20)為

    (21)

    步驟6 更新C和μ為

    (22)

    式中:ρ和μmax均為數值很小的正參數。

    根據上述求解過程可以得到學習的投影矩陣W,對任何測試樣本y,其投影樣本為Wy,使用最近鄰分類器對其進行分類。

    2.3 計算時間復雜度

    LRSR-eLSR模型的主要耗時是在逆矩陣的運算上,式(13)中的時間復雜度為O(d3);式(14)的時間復雜度為O(r3);式(15)的時間復雜度為O(r3)。對于矩陣的加、減、乘,計算成本可以忽略不計。因此,本文所提出的方法的主要計算成本是O(t(d3+2r3)),其中t表示迭代次數。

    3 實驗結果與分析

    將本文模型與其他算法進行比較,包括LRDLSR[17]、FDLSR[14]、SALPL[15]、CDPL[18]、DLSR[1]、ReLSR[4]和SN-TSL[19]。所有實驗均在MATLAB R2018b中進行,操作系統為Windows 10。

    3.1 數據集

    Extended Yale B數據集:由38人提供的2 414幅圖像,每個類別有59~64個正面圖像,具有不同的照明。實驗中使用的所有圖像都提前調整為32×32像素。然后從每個類隨機抽取10、15、20、25張圖像作為訓練集,其余樣本作為測試集。

    LFW數據集:包含了1 680個在無約束條件下拍攝對象的13 000多張人臉圖像。在這個實驗中,使用了一個包含86個人共1 251張圖像的子集,每個受試者只有10~20張圖像。在實驗中,將圖像尺寸調整為32×32像素,隨機選擇每個受試者的5、6、7、8張圖像作為訓練樣本。

    COIL-20數據集:包含了20個物體,每個物體有72個灰色圖像,這些圖像是從不同方向拍攝的。在實驗中,對每個圖像進行下采樣,使其具有32×32像素,從每個類隨機抽取10、15、20、25張圖像作為訓練集。

    MNIST數據集:一個包含0~9的手寫數字數據集,該數據集包含60 000個用于訓練和10 000個用于測試的圖像,圖像尺寸為28×28像素。在實驗中,從每個類隨機抽取40、60、80和100張圖像作為訓練集。

    3.2 結果與分析

    實驗重復執(zhí)行10次并記錄平均準確率。對于二分類問題,樣本將根據真實類別與學習器預測類別組合為4種情況,如表1所示。

    表1 二分類混淆矩陣表

    準確率Acc是一個分類性能的檢測指標,表示在所有的樣本中被分類模型預測為正確的樣本數量所占的比例,如式(23)所示[20]:

    (23)

    式中:TP表示待檢測樣本屬于正類并且分類模型也將待檢測樣本預測為正類;TN表示待檢測樣本屬于反類并且分類模型也將待檢測樣本預測為反類;FP表示待檢測樣屬于反類但是分類模型將待檢測樣本預測為正類;FN表示待檢測樣本屬于正類但是分類模型將待檢測樣本預測為反類。其中FP和FN都是分類模型預測不正確的情況。

    表2為Extended Yale B人臉數據集上不同方法對比的結果。顯然,在人臉數據集上,當樣本數量為15、20、25時,本文算法取得了最佳的分類結果。

    表2 Extended Yale B上不同方法的平均分類準確率

    表3為LFW人臉數據集上不同方法的對比結果。由于LFW數據集是一個很難進行圖像分類的數據集,使用不同分類方法獲得的平均準確率都相對不高,當樣本數量為6、7、8時,LRSR-eLSR的性能較好。

    表3 LFW數據集上不同方法的平均分類準確率

    表4為在COIL-20物體數據集上不同方法對比的結果。由結果可以分析,提出的模型獲得了比其他方法好的分類結果。因此,LRSR-eLSR在解決客觀識別任務方面有很大的潛力,這證明了模型對于對象分類任務的有效性。

    表4 COIL-20上不同方法的平均分類準確率

    表5為在MNIST手寫數字數據集上不同方法對比的結果??梢园l(fā)現,與其他方法相比,LRSR-eLSR可以提供更好的結果。

    表5 MNIST上不同方法的平均分類準確率

    在Extended Yale B、LFW和COIL-20這3個數據集上,對比基于松弛標簽方法的DLSR和ReLSR,LRSR-eLSR可以學習更具判別力的變換。因為DLSR和ReLSR只關注于擴大類間距,而不關心縮小類內距離。與DLSR和ReLSR不同,本文方法通過引入半靈活性的回歸目標H,使得模型在數據中直接學習矩陣。

    3.3 參數靈敏度分析

    在本文方法中,參數λ1、λ2和λ3需要進行靈敏度分析,用于平衡相應約束項。λ1用于避免投影W的平凡解;λ2用于松弛標簽矩陣,以自適應地擬合變換后的數據;λ3保證了數據底層結構。首先,定義一個候選集{10-5,10-4,10-3,10-2,10-1,100,101,102};其次,在Extended Yale B數據集上,分析LRSR-eLSR算法的λ1、λ2、λ3對Acc的影響。

    實驗采用控制變量法確定λ1、λ2、λ3的最佳參數組合。例如,為了確定λ1的敏感度,先令λ2=1,λ3=1,得出不同λ1的值對Acc的影響。為了確定不同參數組合的最優(yōu)值,將其中一個參數固定為之前單個參數選擇階段的最優(yōu)值,并使用網格搜索算法觀察另外2個參數在候選集范圍內變化時Acc的變化。

    圖2為在Extended Yale B數據集上調整單個參數時LRSR-eLSR的Acc曲線。圖3為在Extended Yale B數據集上不同參數組合時LRSR-eLSR的Acc曲線。由圖2、3可知,λ1穩(wěn)定性差,其最大值為1,說明不需要對模型過多施加避免平凡解的項。λ3比較穩(wěn)健,其值對模型的Acc影響較小。因此,首先固定參數λ3的值,通過選擇λ1和λ2的不同組合計算LRSR-eLSR模型的Acc,可以獲得這2個參數的最佳組合;其次,采用相同的方法從參數λ3的候選參數集中找到最佳值;最后,應用λ1、λ2、λ3的最佳參數組合運算10次,得到平均分類準確率Acc。實驗發(fā)現,當參數λ1∈[10-1,101]、λ2∈[100,102]時,LRSR-eLSR模型性能較好。

    圖2 調整單個參數時LRSR-eLSR的Acc

    圖3 不同參數組合時LRSR-eLSR的Acc

    3.4 消融實驗

    為了評估所提出模型中每一項的有效性,從Extended Yale B、LFW、COIL-20和MNIST數據集中分別選取25、8、25、100個樣本作為訓練樣本,其余的樣本作為測試樣本進行消融實驗。將所有實驗重復10次,取平均值,結果如圖4所示。其中,LRSR-eLSR(λ1)表示設置模型中的λ1=0,即模型沒有矩陣W的LF范數項;LRSR-eLSR(λ2)表示設置模型中的λ2=0,即模型中少了系數誤差項E;LRSR-eLSR(λ3)表示設置模型中的λ3=0,即模型少了低秩約束項。

    圖4 LRSR-eLSR在4個數據集上的消融實驗結果對比

    由圖4可知,LRSR-eLSR(λ1)和LRSR-eLSR(λ3)的性能比LRSR-eLSR差得多。這表明所提出的LRSR-eLSR極大地受益于矩陣W的LF范數項和低秩約束項。LF范數具有防止過擬合的作用,追求低秩回歸標簽有助于學習更多的判別投影,從而顯著提高最終分類性能。

    4 結論

    本文提出了一種基于低秩稀疏表達的彈性最小二乘回歸學習模型(LRSR-eLSR)。該模型通過對回歸矩陣增加彈性約束擴大不同類別之間的差值,以構建放松的標簽矩陣。此外,對轉換矩陣添加了稀疏性約束和低秩約束,使回歸目標具有稀疏性和低秩性,在保持數據的低秩結構的同時防止過擬合。在不同任務的公共數據集上的實驗結果表明,相對于現有的最小二乘回歸變體的方法,本文方法具有優(yōu)異的性能。

    猜你喜歡
    范數集上分類
    分類算一算
    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
    分類討論求坐標
    數據分析中的分類討論
    復扇形指標集上的分布混沌
    基于加權核范數與范數的魯棒主成分分析
    教你一招:數的分類
    矩陣酉不變范數H?lder不等式及其應用
    一類具有準齊次核的Hilbert型奇異重積分算子的范數及應用
    亚洲av中文av极速乱| 亚洲少妇的诱惑av| 一本大道久久a久久精品| 精品久久久精品久久久| 中文字幕精品免费在线观看视频 | 汤姆久久久久久久影院中文字幕| 色婷婷久久久亚洲欧美| 中文字幕最新亚洲高清| a级毛片免费高清观看在线播放| 成人影院久久| 精品少妇久久久久久888优播| 青青草视频在线视频观看| 日韩强制内射视频| 久久精品久久精品一区二区三区| 国产成人精品婷婷| 午夜久久久在线观看| 777米奇影视久久| 多毛熟女@视频| 国产成人免费无遮挡视频| videossex国产| 精品久久久精品久久久| 久久99热6这里只有精品| 欧美亚洲日本最大视频资源| 亚洲国产精品成人久久小说| 青春草国产在线视频| 老司机影院成人| 水蜜桃什么品种好| 人妻少妇偷人精品九色| 人妻少妇偷人精品九色| 精品一区二区三区视频在线| 欧美 亚洲 国产 日韩一| 日本av手机在线免费观看| 一二三四中文在线观看免费高清| 久久精品国产亚洲网站| 天天影视国产精品| 丝袜喷水一区| 在线 av 中文字幕| 在线观看www视频免费| 丝瓜视频免费看黄片| 亚洲第一av免费看| 99re6热这里在线精品视频| 国产高清不卡午夜福利| 黑人高潮一二区| 美女cb高潮喷水在线观看| av在线app专区| 久久女婷五月综合色啪小说| 菩萨蛮人人尽说江南好唐韦庄| 男男h啪啪无遮挡| 18禁动态无遮挡网站| 久久久久久久久久成人| 成人国产麻豆网| 卡戴珊不雅视频在线播放| 三上悠亚av全集在线观看| 看免费成人av毛片| 七月丁香在线播放| 高清欧美精品videossex| 午夜福利视频在线观看免费| 成人毛片a级毛片在线播放| 一边亲一边摸免费视频| 麻豆精品久久久久久蜜桃| 18+在线观看网站| 18在线观看网站| 中文字幕最新亚洲高清| 青春草国产在线视频| 人妻一区二区av| 欧美日韩成人在线一区二区| 一区二区三区四区激情视频| 99久久人妻综合| 看十八女毛片水多多多| 各种免费的搞黄视频| 最近手机中文字幕大全| 成年女人在线观看亚洲视频| av在线观看视频网站免费| 99九九线精品视频在线观看视频| 亚洲美女搞黄在线观看| 午夜福利在线观看免费完整高清在| 我的女老师完整版在线观看| 老司机亚洲免费影院| 老女人水多毛片| 日本91视频免费播放| 最黄视频免费看| 久久人妻熟女aⅴ| 大香蕉久久网| 成年人免费黄色播放视频| 国产成人精品久久久久久| 亚洲精品乱码久久久久久按摩| 欧美bdsm另类| 日本猛色少妇xxxxx猛交久久| 亚洲国产最新在线播放| 国产亚洲一区二区精品| 久久久久久久久久久丰满| 欧美丝袜亚洲另类| 狂野欧美激情性bbbbbb| 中文字幕免费在线视频6| 久久精品熟女亚洲av麻豆精品| 九九爱精品视频在线观看| 日本91视频免费播放| 亚洲丝袜综合中文字幕| 久久精品人人爽人人爽视色| 国产熟女午夜一区二区三区 | 亚洲欧美清纯卡通| 亚洲av综合色区一区| 久久久国产欧美日韩av| 国产白丝娇喘喷水9色精品| 亚洲美女黄色视频免费看| 成人漫画全彩无遮挡| 热99国产精品久久久久久7| 高清欧美精品videossex| 春色校园在线视频观看| 亚洲四区av| 自线自在国产av| 国产日韩欧美在线精品| 成人亚洲精品一区在线观看| 免费观看在线日韩| av网站免费在线观看视频| 婷婷色综合大香蕉| 亚洲国产av影院在线观看| 亚洲精品久久午夜乱码| 国语对白做爰xxxⅹ性视频网站| 18在线观看网站| 少妇人妻久久综合中文| 美女国产视频在线观看| 国产精品三级大全| 亚洲高清免费不卡视频| 最近的中文字幕免费完整| 免费黄网站久久成人精品| 狠狠精品人妻久久久久久综合| 亚洲三级黄色毛片| 大又大粗又爽又黄少妇毛片口| 尾随美女入室| 久久久久久久久久久久大奶| 国产精品成人在线| 少妇人妻久久综合中文| 免费观看性生交大片5| 国产片特级美女逼逼视频| 午夜精品国产一区二区电影| 国产成人精品一,二区| 亚洲经典国产精华液单| 精品国产一区二区三区久久久樱花| av播播在线观看一区| 欧美日韩精品成人综合77777| 国产男人的电影天堂91| 亚洲精品国产色婷婷电影| 啦啦啦视频在线资源免费观看| a级毛片黄视频| 亚洲精品第二区| 欧美3d第一页| 免费黄网站久久成人精品| 亚洲人成网站在线播| 亚洲精品一区蜜桃| 丁香六月天网| 欧美精品高潮呻吟av久久| 人人妻人人爽人人添夜夜欢视频| 肉色欧美久久久久久久蜜桃| 一区在线观看完整版| 亚洲精品乱久久久久久| 国产精品欧美亚洲77777| 丰满乱子伦码专区| 亚洲成人手机| 国产 精品1| 涩涩av久久男人的天堂| 18+在线观看网站| 男女边摸边吃奶| 视频区图区小说| 在线观看国产h片| 午夜福利影视在线免费观看| 久久国内精品自在自线图片| 在线观看一区二区三区激情| 三级国产精品欧美在线观看| 色婷婷av一区二区三区视频| 99九九线精品视频在线观看视频| 久久久精品区二区三区| 免费看不卡的av| 伊人亚洲综合成人网| 五月玫瑰六月丁香| 好男人视频免费观看在线| 欧美3d第一页| kizo精华| 亚洲国产精品一区二区三区在线| 国产永久视频网站| 亚洲怡红院男人天堂| 久久影院123| 欧美xxxx性猛交bbbb| 成人综合一区亚洲| 成人毛片a级毛片在线播放| 一本色道久久久久久精品综合| 日本av手机在线免费观看| 在现免费观看毛片| 亚洲精品456在线播放app| 国产成人精品一,二区| 国产午夜精品一二区理论片| 人体艺术视频欧美日本| 一区二区三区精品91| 午夜久久久在线观看| 五月天丁香电影| 女的被弄到高潮叫床怎么办| 国产精品麻豆人妻色哟哟久久| 大又大粗又爽又黄少妇毛片口| 国产在线视频一区二区| 亚洲精品视频女| 日韩中字成人| 免费久久久久久久精品成人欧美视频 | 亚洲国产欧美在线一区| 久久久久人妻精品一区果冻| 国产精品嫩草影院av在线观看| 在线观看人妻少妇| 99精国产麻豆久久婷婷| 一区二区av电影网| 校园人妻丝袜中文字幕| 女的被弄到高潮叫床怎么办| 大话2 男鬼变身卡| 午夜福利视频精品| 日日摸夜夜添夜夜添av毛片| 啦啦啦在线观看免费高清www| 国产一级毛片在线| 日韩av在线免费看完整版不卡| 国产精品久久久久久av不卡| 欧美+日韩+精品| 国产精品国产三级国产av玫瑰| 国产精品国产三级国产专区5o| 插逼视频在线观看| 亚洲色图综合在线观看| 热99久久久久精品小说推荐| 亚洲av福利一区| 超碰97精品在线观看| 中文字幕人妻丝袜制服| av卡一久久| 蜜桃在线观看..| av免费在线看不卡| 国产成人aa在线观看| 欧美人与善性xxx| 亚州av有码| 如何舔出高潮| 欧美日韩成人在线一区二区| 色婷婷久久久亚洲欧美| 黑丝袜美女国产一区| 成人18禁高潮啪啪吃奶动态图 | 伦理电影大哥的女人| 国模一区二区三区四区视频| 国国产精品蜜臀av免费| 国产69精品久久久久777片| 欧美日韩综合久久久久久| 一级二级三级毛片免费看| 国产精品麻豆人妻色哟哟久久| 欧美日韩视频精品一区| 亚洲精品成人av观看孕妇| 夜夜看夜夜爽夜夜摸| 91在线精品国自产拍蜜月| 男女无遮挡免费网站观看| 搡女人真爽免费视频火全软件| 久久精品夜色国产| 国产免费一级a男人的天堂| 卡戴珊不雅视频在线播放| 日韩在线高清观看一区二区三区| 中文精品一卡2卡3卡4更新| 在线亚洲精品国产二区图片欧美 | 成人无遮挡网站| 国产av一区二区精品久久| 国产成人91sexporn| 一级黄片播放器| 欧美老熟妇乱子伦牲交| 99国产综合亚洲精品| 极品人妻少妇av视频| 国产黄片视频在线免费观看| 欧美成人午夜免费资源| 天堂中文最新版在线下载| 丰满乱子伦码专区| 丝袜在线中文字幕| 视频在线观看一区二区三区| 国产片特级美女逼逼视频| 免费高清在线观看日韩| 色视频在线一区二区三区| 日韩电影二区| 亚州av有码| 久久久久久久大尺度免费视频| 久久久亚洲精品成人影院| 一区二区三区乱码不卡18| 精品视频人人做人人爽| 你懂的网址亚洲精品在线观看| 少妇精品久久久久久久| 免费少妇av软件| 波野结衣二区三区在线| 制服诱惑二区| 少妇 在线观看| 中文字幕人妻丝袜制服| 午夜福利影视在线免费观看| 日韩,欧美,国产一区二区三区| 成人亚洲精品一区在线观看| 在线亚洲精品国产二区图片欧美 | 制服丝袜香蕉在线| 亚洲欧洲精品一区二区精品久久久 | 日韩,欧美,国产一区二区三区| 男女高潮啪啪啪动态图| 国产av一区二区精品久久| 国产精品人妻久久久影院| 乱人伦中国视频| 免费观看a级毛片全部| 狂野欧美白嫩少妇大欣赏| 日本-黄色视频高清免费观看| 嫩草影院入口| 国产成人精品在线电影| 久久国产亚洲av麻豆专区| 中国美白少妇内射xxxbb| 各种免费的搞黄视频| 一本一本综合久久| 国产色爽女视频免费观看| 国产免费现黄频在线看| 久久精品国产自在天天线| 亚洲婷婷狠狠爱综合网| 久久久久久久久久久丰满| 人妻夜夜爽99麻豆av| 综合色丁香网| 精品人妻一区二区三区麻豆| 国产精品 国内视频| 欧美另类一区| 精品一区二区三卡| 桃花免费在线播放| 91成人精品电影| 国产伦精品一区二区三区视频9| 51国产日韩欧美| 在线精品无人区一区二区三| 一区二区av电影网| 国产成人免费无遮挡视频| 亚洲国产精品国产精品| 日本免费在线观看一区| 欧美精品国产亚洲| 亚洲五月色婷婷综合| 精品少妇黑人巨大在线播放| 国产黄频视频在线观看| 精品国产国语对白av| av专区在线播放| 日韩伦理黄色片| 日本欧美国产在线视频| 免费看光身美女| 精品久久蜜臀av无| 国产乱来视频区| 亚洲在久久综合| 国产欧美另类精品又又久久亚洲欧美| 99热6这里只有精品| 十八禁网站网址无遮挡| 国产一区二区在线观看日韩| 欧美 亚洲 国产 日韩一| 欧美激情 高清一区二区三区| 一区二区av电影网| 狂野欧美激情性bbbbbb| 国产免费现黄频在线看| 亚洲精品国产色婷婷电影| 午夜精品国产一区二区电影| 国产精品 国内视频| 久久午夜福利片| 女人久久www免费人成看片| 久久99热这里只频精品6学生| 日韩成人伦理影院| 亚洲国产av新网站| 王馨瑶露胸无遮挡在线观看| 国产色爽女视频免费观看| 成人免费观看视频高清| 一级片'在线观看视频| 特大巨黑吊av在线直播| 人妻夜夜爽99麻豆av| 精品少妇久久久久久888优播| 欧美97在线视频| 国产成人91sexporn| 伊人久久国产一区二区| 桃花免费在线播放| 精品久久久噜噜| 国产精品国产三级国产av玫瑰| 日本91视频免费播放| 日韩大片免费观看网站| 亚洲三级黄色毛片| 最黄视频免费看| 国语对白做爰xxxⅹ性视频网站| 热99久久久久精品小说推荐| 精品一区二区免费观看| 国产 精品1| 日本黄色日本黄色录像| 男女高潮啪啪啪动态图| videos熟女内射| 亚洲综合色惰| 久久久国产欧美日韩av| 久久久国产一区二区| 日韩视频在线欧美| 国产精品三级大全| 日日摸夜夜添夜夜添av毛片| av国产精品久久久久影院| 不卡视频在线观看欧美| 黄色毛片三级朝国网站| 色94色欧美一区二区| av卡一久久| 国产成人freesex在线| 日韩制服骚丝袜av| 国产老妇伦熟女老妇高清| 免费看不卡的av| 日韩中文字幕视频在线看片| 天堂俺去俺来也www色官网| 狠狠婷婷综合久久久久久88av| 在线观看国产h片| 国产av一区二区精品久久| 亚洲内射少妇av| 欧美一级a爱片免费观看看| 91国产中文字幕| 少妇猛男粗大的猛烈进出视频| 丝袜喷水一区| 日韩三级伦理在线观看| 亚洲av在线观看美女高潮| 精品久久久久久久久亚洲| 自线自在国产av| 亚洲av男天堂| 久久婷婷青草| 久久人人爽av亚洲精品天堂| av有码第一页| 亚洲国产最新在线播放| 纵有疾风起免费观看全集完整版| 曰老女人黄片| 免费高清在线观看视频在线观看| 啦啦啦啦在线视频资源| 草草在线视频免费看| 国产亚洲精品第一综合不卡 | 桃花免费在线播放| 日韩精品免费视频一区二区三区 | 啦啦啦视频在线资源免费观看| 黄色一级大片看看| 人人妻人人添人人爽欧美一区卜| 99国产精品免费福利视频| 日日爽夜夜爽网站| 欧美老熟妇乱子伦牲交| 亚洲av.av天堂| 在线观看www视频免费| 你懂的网址亚洲精品在线观看| 人人妻人人添人人爽欧美一区卜| 精品人妻熟女毛片av久久网站| 美女福利国产在线| 免费观看av网站的网址| 在线免费观看不下载黄p国产| 亚洲av欧美aⅴ国产| 午夜91福利影院| 欧美+日韩+精品| 国产成人精品婷婷| 国产爽快片一区二区三区| 国产成人精品无人区| 成人漫画全彩无遮挡| tube8黄色片| 欧美bdsm另类| 欧美精品亚洲一区二区| 欧美日本中文国产一区发布| 亚洲伊人久久精品综合| 成人二区视频| 91午夜精品亚洲一区二区三区| 日韩免费高清中文字幕av| 九草在线视频观看| 亚洲综合色惰| 高清毛片免费看| 观看av在线不卡| 欧美日韩亚洲高清精品| 成人国语在线视频| 成年女人在线观看亚洲视频| 午夜免费鲁丝| 久久久国产精品麻豆| 99久国产av精品国产电影| 美女大奶头黄色视频| 在线观看www视频免费| 国产极品粉嫩免费观看在线 | 欧美亚洲 丝袜 人妻 在线| 亚洲精品456在线播放app| 亚洲美女视频黄频| 99热全是精品| 亚洲精品aⅴ在线观看| 97精品久久久久久久久久精品| 午夜av观看不卡| 自线自在国产av| 777米奇影视久久| 人妻 亚洲 视频| 黄色怎么调成土黄色| 亚洲经典国产精华液单| 老司机影院成人| 日本与韩国留学比较| 中文字幕免费在线视频6| 日韩三级伦理在线观看| 日韩在线高清观看一区二区三区| 精品少妇内射三级| 久久久久久久久久久久大奶| 美女视频免费永久观看网站| 国产精品国产三级国产av玫瑰| 一区二区日韩欧美中文字幕 | 亚洲精品国产av成人精品| 欧美精品一区二区大全| 欧美亚洲日本最大视频资源| 一本—道久久a久久精品蜜桃钙片| av专区在线播放| 啦啦啦中文免费视频观看日本| 波野结衣二区三区在线| 国产黄色视频一区二区在线观看| 婷婷色综合大香蕉| 国产免费又黄又爽又色| 校园人妻丝袜中文字幕| 午夜福利在线观看免费完整高清在| 最近的中文字幕免费完整| 日韩伦理黄色片| 国产色婷婷99| 免费观看性生交大片5| 日本免费在线观看一区| 国产亚洲一区二区精品| 99久久中文字幕三级久久日本| 午夜免费观看性视频| 亚洲欧美日韩卡通动漫| 国产女主播在线喷水免费视频网站| 妹子高潮喷水视频| 哪个播放器可以免费观看大片| 欧美成人精品欧美一级黄| 街头女战士在线观看网站| 久久精品国产亚洲网站| 国产精品 国内视频| 欧美精品亚洲一区二区| 欧美三级亚洲精品| 国语对白做爰xxxⅹ性视频网站| 国产av精品麻豆| 大片免费播放器 马上看| 女人久久www免费人成看片| av在线播放精品| 亚洲,欧美,日韩| 精品少妇久久久久久888优播| 国产精品99久久久久久久久| 青青草视频在线视频观看| 色5月婷婷丁香| 欧美日韩视频高清一区二区三区二| 久久久久久久久久久免费av| 欧美日韩av久久| 欧美bdsm另类| 日韩精品免费视频一区二区三区 | 精品久久久精品久久久| 亚洲精品久久久久久婷婷小说| 国产在线一区二区三区精| 男女国产视频网站| 99精国产麻豆久久婷婷| a级毛色黄片| 成人国产av品久久久| 久久久国产一区二区| 久久久久久久久久成人| 高清欧美精品videossex| 黄片无遮挡物在线观看| av在线老鸭窝| 校园人妻丝袜中文字幕| 国产免费福利视频在线观看| 18禁动态无遮挡网站| 自拍欧美九色日韩亚洲蝌蚪91| 国产成人freesex在线| 亚洲av免费高清在线观看| 哪个播放器可以免费观看大片| 国产精品麻豆人妻色哟哟久久| 欧美性感艳星| 精品熟女少妇av免费看| 国产亚洲一区二区精品| 黑人高潮一二区| 精品人妻在线不人妻| 国产片内射在线| 熟女av电影| 成人漫画全彩无遮挡| 日韩成人伦理影院| 性色avwww在线观看| 视频在线观看一区二区三区| 国产亚洲精品第一综合不卡 | 丰满饥渴人妻一区二区三| 一级毛片 在线播放| 中国美白少妇内射xxxbb| 国产精品久久久久成人av| 国产精品无大码| 男人添女人高潮全过程视频| 青春草亚洲视频在线观看| 色5月婷婷丁香| 伦理电影免费视频| 日韩欧美一区视频在线观看| 嫩草影院入口| 汤姆久久久久久久影院中文字幕| tube8黄色片| 啦啦啦中文免费视频观看日本| 人妻夜夜爽99麻豆av| 欧美精品亚洲一区二区| 亚洲第一区二区三区不卡| 亚洲精品国产av成人精品| 高清午夜精品一区二区三区| 水蜜桃什么品种好| 国产欧美日韩综合在线一区二区| 热99久久久久精品小说推荐| 亚洲婷婷狠狠爱综合网| 黄片无遮挡物在线观看| 欧美精品高潮呻吟av久久| 亚洲精品av麻豆狂野| 人妻夜夜爽99麻豆av| 亚洲图色成人| 国产亚洲最大av| 一个人看视频在线观看www免费| 日本爱情动作片www.在线观看| 精品人妻熟女毛片av久久网站| 观看美女的网站| 狠狠婷婷综合久久久久久88av| 国产一级毛片在线| 欧美另类一区| 插逼视频在线观看| 天堂俺去俺来也www色官网| 国产精品人妻久久久影院| 成人免费观看视频高清| 99热这里只有是精品在线观看| 国产一区亚洲一区在线观看| 性高湖久久久久久久久免费观看| 九色亚洲精品在线播放| 最近最新中文字幕免费大全7| 亚洲性久久影院| a级毛片黄视频| 又大又黄又爽视频免费| 国产精品人妻久久久久久| 午夜老司机福利剧场| 日韩中字成人| 精品人妻在线不人妻| 春色校园在线视频观看| 国产 一区精品|