• <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Relief-WGS 優(yōu)化算法的圖像分類方法*

    2023-11-29 11:26:02紀(jì)峰馬圓月劉瑩
    關(guān)鍵詞:子集鯨魚(yú)適應(yīng)度

    紀(jì)峰 馬圓月 劉瑩

    1.陜西環(huán)保產(chǎn)業(yè)研究院有限公司;2.西安微電子技術(shù)研究所

    針對(duì)圖像特征選擇問(wèn)題,特征屬性過(guò)多不但會(huì)造成維數(shù)災(zāi)難,而且會(huì)影響分類的正確率。在采用支持向量機(jī)分類時(shí),特征維數(shù)較高,會(huì)造成分類準(zhǔn)確率較低,運(yùn)算速度較慢等問(wèn)題。為了解決此問(wèn)題,提出Relief 算法、鯨魚(yú)算法、遺傳算法和支持向量機(jī)相結(jié)合的Relief-WGS 優(yōu)化算法,實(shí)現(xiàn)圖像特征選擇和分類。首先,使用Relief 算法對(duì)特征集進(jìn)行初步篩選,其次,將篩選的特征子集個(gè)數(shù)和支持向量機(jī)參數(shù)編碼到鯨魚(yú)-遺傳算法中,最后對(duì)特征子集進(jìn)行優(yōu)化的同時(shí),對(duì)支持向量機(jī)參數(shù)也進(jìn)行同步優(yōu)化。計(jì)算結(jié)果表明,所提出的算法能在去除掉不重要特征的同時(shí)對(duì)支持向量機(jī)參數(shù)進(jìn)行優(yōu)化,有效地提高圖像分類準(zhǔn)確率。

    近年來(lái),隨著圖像技術(shù)的發(fā)展和相關(guān)應(yīng)用的普及,為了能更好地反映圖像特征,使圖像更有效地應(yīng)用在多個(gè)方面,為此需要在提高圖像識(shí)別度的問(wèn)題上不斷地進(jìn)行研究。圖像分類準(zhǔn)確率的高低取決于所利用的分類特征是否能夠很好地反映所要研究的分類問(wèn)題。一般而言,特征集中或多或少都包含著一些對(duì)分類結(jié)果無(wú)貢獻(xiàn)的特征,這些特征也稱為冗余特征,過(guò)多的冗余特征不僅會(huì)使運(yùn)算變得復(fù)雜,處理速度下降,而且可能會(huì)導(dǎo)致分類精度降低,因此需要選用對(duì)分類識(shí)別作用較大的特征[1]。本文對(duì)提取的紋理特征進(jìn)行篩選,根據(jù)各個(gè)特征和類別的相關(guān)性進(jìn)行特征選擇,降低特征空間維數(shù),加快算法的運(yùn)算效率。

    支持向量機(jī)(Support Vector Machine, SVM)作為一種基本的監(jiān)督學(xué)習(xí)方法,被廣泛應(yīng)用于文本識(shí)別、圖像識(shí)別等[2]。SVM 的原理是通過(guò)構(gòu)建分類超平面作為決策面來(lái)最大化不同類型數(shù)據(jù)之間的差異,有效避免局部最優(yōu),在處理有限樣本、高維和非線性數(shù)據(jù)等復(fù)雜問(wèn)題時(shí)具有獨(dú)特的優(yōu)勢(shì)。本文結(jié)合鯨魚(yú)優(yōu)化算法和遺傳算法來(lái)提高算法的精確度和獲得全局最優(yōu)解。遺傳算法(Genetic Algorithm,GA)是通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)化的方法[3]。它有著較好的全局搜索能力和保持種群的多樣性,但是計(jì)算效率較低。鯨魚(yú)優(yōu)化算法(Whale Optimization Algorithm)具有強(qiáng)大的全局搜索能力,但是在迭代后期容易陷入局部最優(yōu)解不能得到全局最優(yōu)解[4]。因此,將兩種算法結(jié)合既可以提高算法的精確度又可以達(dá)到全局最優(yōu)解。為了減少前期的運(yùn)算量,刪除不相關(guān)的特征屬性,減少特征維度,利用Relief 算法進(jìn)行特征選擇。Relief 算法是一種針對(duì)二分類問(wèn)題通過(guò)計(jì)算特征權(quán)重對(duì)特征進(jìn)行選擇的方法。根據(jù)各個(gè)特征和類別的相關(guān)性賦予特征不同的權(quán)重,權(quán)重小于某個(gè)閾值的特征將被移除[5]。采用這種方法可以在分類前期降低樣本維數(shù),減少計(jì)算量。

    綜上所述,本文提出了一種Relief-WGS 優(yōu)化算法。該算法首先使用Relief 算法對(duì)特征集進(jìn)行初步篩選,其次,將篩選的特征子集個(gè)數(shù)和SVM 參數(shù)一起編碼到鯨魚(yú)-遺傳算法中,再對(duì)特征子集進(jìn)行優(yōu)化的同時(shí),對(duì)SVM 參數(shù)進(jìn)行同步優(yōu)化,實(shí)現(xiàn)圖像分類。

    1 原理與方法

    首先利用Relief 作為特征預(yù)選器濾除相關(guān)性小的特征,以WSO-GA 作為搜索算法,SVM 的分類精度作為評(píng)估函數(shù),在剩余特征中選擇最優(yōu)特征子集,最后利用SVM 分類器對(duì)所選擇的最優(yōu)特征進(jìn)行分類。

    1.1 Relief 算法

    Relief 算法是一種典型的過(guò)濾式算法,在對(duì)特征樣本進(jìn)行選擇與分類的過(guò)程中相互獨(dú)立,過(guò)濾式算法的通用性比較強(qiáng)并且計(jì)算的復(fù)雜度比較低,適合對(duì)大數(shù)據(jù)的特征樣本進(jìn)行特征選擇[6]。Relief 算法中特征和類別的相關(guān)性是基于特征對(duì)近距離樣本的區(qū)分能力。核心原理是根據(jù)各個(gè)特征和類別之間的相關(guān)性給每個(gè)特征不同的權(quán)重,將權(quán)重和閾值進(jìn)行比較,當(dāng)權(quán)重比閾值小時(shí)則將該特征刪除。權(quán)重值越大則表明該特征代表某圖像的能力越強(qiáng),反之權(quán)重越小則該特征代表某圖像的能力越弱。

    1.2 支持向量機(jī)

    SVM 算法是一個(gè)凸優(yōu)化問(wèn)題,其原理是用分離超平面作為分離訓(xùn)練數(shù)據(jù)的線性函數(shù),解決線性分類問(wèn)題。假設(shè)訓(xùn)練樣本集合其中,xi∈Rn表示訓(xùn)練樣本,yi∈ {1 , - 1}表示輸入樣本的類別。訓(xùn)練的最終目的是找到一個(gè)最優(yōu)分類面,使得兩類樣本之間以最大間隔分開(kāi),使泛化誤差達(dá)到最小或者有上界。這個(gè)最優(yōu)分類面即超平面,該超平面可描述為如式(1)所示:

    式(1)中x為樣本,ω為權(quán)向量,b為分類閾值。

    1.3 鯨魚(yú)-遺傳算法

    遺傳算法(Genetic Algorithm, GA)是一種依據(jù)生物界優(yōu)勝劣汰的進(jìn)化準(zhǔn)則衍生出的隨機(jī)優(yōu)化搜索方法。GA 算法的核心思想是先隨機(jī)得到一個(gè)父代種群,通過(guò)計(jì)算種群中每一個(gè)個(gè)體的適應(yīng)度值,然后對(duì)得到的值進(jìn)行排序,從中找出適應(yīng)度值最大或最小的n個(gè)個(gè)體,確定種群的進(jìn)化方向,然后對(duì)個(gè)體中的染色體進(jìn)行遺傳操作,得到新的子代種群,經(jīng)過(guò)有限次迭代之后,得到問(wèn)題的近似最優(yōu)解,GA 算法包括三個(gè)基本操作:選擇、交叉和變異。

    鯨魚(yú)優(yōu)化算法是一種基于復(fù)雜優(yōu)化問(wèn)題進(jìn)行尋優(yōu)的算法,模擬了座頭鯨群體的捕獵行為。該算法可分為包圍收縮、螺旋捕食和搜索獵物三步。

    (1)包圍收縮。該階段對(duì)鯨群識(shí)別獵物并且收縮包圍圈的動(dòng)作進(jìn)行模擬。

    (2)螺旋捕食。在圍捕獵物時(shí),鯨魚(yú)通過(guò)螺旋向上游動(dòng)的方式向獵物移動(dòng)并吐出氣泡對(duì)獵物進(jìn)行捕食,即在螺旋更新位置的同時(shí)對(duì)包圍圈進(jìn)行收縮。

    (3)搜索獵物。當(dāng)≥1時(shí),鯨魚(yú)隨機(jī)選擇一個(gè)領(lǐng)導(dǎo)個(gè)體,以此進(jìn)行全局搜索。

    對(duì)于參數(shù)優(yōu)化問(wèn)題,GA 算法有著較好的全局搜索能力和種群的多樣性,但由于要經(jīng)歷選擇、交叉和變異三步操作才能得到下代種群,因而計(jì)算效率較低,收斂速度較慢。由于鯨魚(yú)算法在控制參數(shù)尋優(yōu)時(shí)會(huì)出現(xiàn)實(shí)際的優(yōu)化搜索過(guò)程不能完全體現(xiàn),導(dǎo)致存在求解精度低、收斂速度慢和易陷入局部最優(yōu)的缺點(diǎn)。因此,將遺傳算法與鯨魚(yú)算法進(jìn)行結(jié)合可以提升算法的收斂效果[7]。

    2 Relief-WGS 優(yōu)化算法

    基于以上研究,提出Relief-WGS 優(yōu)化算法,其流程圖如圖1 所示。該算法首先使用Relief 算法對(duì)數(shù)據(jù)特征集進(jìn)行初步的篩選,然后將SVM 的參數(shù)和篩選的特征子集編碼到WOA-GA 算法中,以SVM 的分類精度構(gòu)建適應(yīng)度函數(shù),同時(shí)優(yōu)化特征子集和SVM 的參數(shù),具體流程分為如下幾個(gè)步驟:

    圖1 Relief-WGS 算法流程圖Fig.1 Relief-WGS algorithm flowchart

    步驟1:采用Relief 算法對(duì)圖像特征進(jìn)行第一次提取,得到特征矩陣;

    步驟2:WOA-GA 算法進(jìn)行參數(shù)初始化,種群大小為30,迭代次數(shù)為50,算法的終止條件為達(dá)到迭代次數(shù)或連續(xù)十代的適應(yīng)度值不變;

    步驟3:生成初代種群,由于SVM 的懲罰系數(shù)C和核參數(shù)σ采用實(shí)數(shù)編碼,而對(duì)特征的二次篩選是通過(guò)0、1 進(jìn)行,0 表示沒(méi)有選擇該特征,1 表示選擇該特征,采用二進(jìn)制編碼;

    步驟4:將個(gè)體的后N位帶入樣本中進(jìn)行特征的第二次篩選;

    步驟5:將個(gè)體的前兩位帶入SVM 模型中,結(jié)合二次篩選的訓(xùn)練樣本,確定SVM 分類模型;

    步驟6:將二次篩選測(cè)試樣本帶入確定的SVM 中,得到分類結(jié)果;

    步驟7:計(jì)算初代種群的適應(yīng)度值;

    步驟8:根據(jù)初代種群的適應(yīng)度值進(jìn)入鯨魚(yú)算法中,計(jì)算每一頭鯨魚(yú)的適應(yīng)度值,更新個(gè)體位置;

    步驟9:將位置更新的鯨魚(yú)個(gè)體代入到遺傳算法中,經(jīng)過(guò)交叉和變異操作,得到新的種群;

    步驟10:返回步驟4,計(jì)算新種群的適應(yīng)度值;

    步驟11:判斷是否滿足終止條件,若滿足,則輸出最終結(jié)果;若不滿足,繼續(xù)對(duì)種群進(jìn)行處理,直至滿足終止條件,得到最終結(jié)果。

    3 實(shí)驗(yàn)結(jié)果

    本實(shí)驗(yàn)為了驗(yàn)證Relief-WGS 算法的有效性,將特征子集個(gè)數(shù)和SVM 參數(shù)一起編碼到WOA-GA 算法中,在對(duì)SVM 參數(shù)進(jìn)行優(yōu)化的同時(shí)對(duì)所有特征進(jìn)行同步優(yōu)化。在實(shí)驗(yàn)時(shí)需要對(duì)數(shù)據(jù)和參數(shù)進(jìn)行如下幾步處理。

    3.1 數(shù)據(jù)的預(yù)處理

    為了提高SVM 的分類準(zhǔn)確率,將需要用于分類的所選數(shù)據(jù)樣本進(jìn)行歸一化處理,并將其分為訓(xùn)練樣本和測(cè)試樣本進(jìn)行后續(xù)分類。

    3.2 參數(shù)選擇方法

    本文使用WOA-GA 算法對(duì)SVM 的參數(shù)進(jìn)行優(yōu)化。設(shè)置算法的迭代次數(shù)為50,個(gè)體長(zhǎng)度設(shè)定為2,遺傳算法中交叉和變異概率是基于適應(yīng)度值自適應(yīng)計(jì)算得來(lái)的,鯨魚(yú)算法位置更新是根據(jù)適應(yīng)度值計(jì)算。

    適應(yīng)度函數(shù)統(tǒng)一設(shè)置為如式(2)-式(4)所示:

    式(2)中we1為訓(xùn)練樣本識(shí)別結(jié)果的權(quán)重,we2為測(cè)試樣本識(shí)別結(jié)果的權(quán)重,m1為訓(xùn)練樣本的總數(shù),m2為測(cè)試樣本的總數(shù),nsv1為訓(xùn)練樣本分類正確的結(jié)果,nsv2為測(cè)試樣本分類正確的結(jié)果,fitness越小,表明綜合的分類準(zhǔn)確率越高[8]。

    3.3 模型建立

    利用從每組訓(xùn)練樣本中選擇優(yōu)化后的核參數(shù)來(lái)對(duì)樣本進(jìn)行新一輪的訓(xùn)練,獲得SVM 的分類模型,然后通過(guò)測(cè)試樣本來(lái)測(cè)試模型的分類精度。實(shí)驗(yàn)選取UCI 數(shù)據(jù)庫(kù)中的5 種數(shù)據(jù)集進(jìn)行試驗(yàn),所選取數(shù)據(jù)集的基本信息如表1 所示。

    表1 實(shí)驗(yàn)數(shù)據(jù)集Tab.1 Experimental datasets

    利用Relief 算法對(duì)提取的特征進(jìn)行篩選,保留與目標(biāo)類別相關(guān)性較大的特征,然后利用WOA-GA 算法優(yōu)化參數(shù)的SVM 算法對(duì)特征子集和核參數(shù)進(jìn)行同步優(yōu)化,獲得優(yōu)化后的特征子集。優(yōu)化特征子集的個(gè)數(shù)如表2 所示。

    表2 優(yōu)化特征子集個(gè)數(shù)Tab.2 Number of optimized feature subsets

    獲取的優(yōu)化特征子集通過(guò)表2 可知,利用選擇的多個(gè)優(yōu)化特征,以SVM 為分類器進(jìn)行分類,其中SVM 選用RBF 為核函數(shù)。為進(jìn)一步驗(yàn)證Relief-WGS 優(yōu)化算法的有效性,分別和默認(rèn)核參數(shù)的SVM、采用WSO-GA算法優(yōu)化參數(shù)的SVM(WGS)、Relief 算法優(yōu)化特征的SVM(Relief-SVM)進(jìn)行分類結(jié)果的比較。通過(guò)比較分類準(zhǔn)確率來(lái)評(píng)價(jià)特征選擇方法的優(yōu)劣,如表3 所示。

    表3 數(shù)據(jù)集分類結(jié)果對(duì)比Tab.3 Comparison of dataset classification results

    通過(guò)表3 可知,本文提出的Relief-WGS 優(yōu)化算法可以同時(shí)優(yōu)化特征子集和SVM 的參數(shù),實(shí)現(xiàn)以優(yōu)化的特征子集和優(yōu)化的SVM 參數(shù)來(lái)提高分類的準(zhǔn)確率。為了進(jìn)一步驗(yàn)證Relief-WGS 優(yōu)化算法的有效性,將其與SVM、WGS 和Relief-SVM 進(jìn)行比較,實(shí)驗(yàn)結(jié)果顯示:

    (1)對(duì)于任意的特征數(shù)據(jù)而言,使用WGS 優(yōu)化算法進(jìn)行參數(shù)尋優(yōu)后的分類準(zhǔn)確率比采用默認(rèn)參數(shù)的SVM高,證明了對(duì)傳統(tǒng)的SVM 中的參數(shù)進(jìn)行尋優(yōu),找到優(yōu)化的控制參數(shù),可以提高SVM 的分類準(zhǔn)確率。

    (2)使用Relief-SVM 優(yōu)化算法對(duì)輸入的特征向量篩選后進(jìn)行分類,分類準(zhǔn)確率均有提高,證明了利用Relief-SVM 對(duì)輸入的特征數(shù)據(jù)集進(jìn)行篩選和優(yōu)化,得到優(yōu)化的特征子集,去除掉一些特征不明顯的影響因素,減少不重要因素對(duì)分類造成的影響,可以提高分類的準(zhǔn)確率。

    (3)使用本文提出的Relief-WGS 優(yōu)化算法得到的分類準(zhǔn)確率最高,證明在對(duì)特征子集和SVM 的參數(shù)同步進(jìn)行優(yōu)化時(shí),去除掉不重要的特征并對(duì)參數(shù)進(jìn)行優(yōu)化可以得到更好的分類效果。

    4 結(jié)論

    本文提出一種Relief-WGS 優(yōu)化算法,同時(shí)優(yōu)化特征子集和SVM 的參數(shù),實(shí)現(xiàn)用優(yōu)化的特征子集和優(yōu)化的SVM 參數(shù)來(lái)提高分類的準(zhǔn)確率。通過(guò)與傳統(tǒng)的SVM、WGS 算法和Relief-SVM 算法相比,本文所提算法將圖像的平均分類準(zhǔn)確率分別提高了21.97%、4.19%和3.26%,證明了圖像分類識(shí)別的準(zhǔn)確性。結(jié)果表明,本文提出的特征選擇方法利用最少的特征獲得了最高的分類精度,更有效地用于特征選擇分類。

    猜你喜歡
    子集鯨魚(yú)適應(yīng)度
    由一道有關(guān)集合的子集個(gè)數(shù)題引發(fā)的思考
    小鯨魚(yú)
    幼兒100(2022年41期)2022-11-24 03:20:20
    改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
    拓?fù)淇臻g中緊致子集的性質(zhì)研究
    迷途鯨魚(yú)
    關(guān)于奇數(shù)階二元子集的分離序列
    鯨魚(yú)
    鯨魚(yú)島——拖延癥
    基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
    每一次愛(ài)情都只是愛(ài)情的子集
    都市麗人(2015年4期)2015-03-20 13:33:22
    另类精品久久| 日韩一本色道免费dvd| 午夜av观看不卡| 久久久国产一区二区| 日本爱情动作片www.在线观看| 国产老妇伦熟女老妇高清| 在线亚洲精品国产二区图片欧美| 国产伦理片在线播放av一区| 久久99一区二区三区| 超色免费av| 日韩制服骚丝袜av| 一级毛片我不卡| 亚洲美女搞黄在线观看| 在线精品无人区一区二区三| 男女边摸边吃奶| 精品午夜福利在线看| 人人妻人人添人人爽欧美一区卜| 国产片特级美女逼逼视频| 免费黄网站久久成人精品| 国产精品国产av在线观看| 午夜福利在线免费观看网站| 丝袜人妻中文字幕| 久久久久精品国产欧美久久久 | 免费高清在线观看日韩| 制服诱惑二区| 久久99热这里只频精品6学生| a级毛片黄视频| 欧美av亚洲av综合av国产av | 国产成人免费无遮挡视频| 久久久久精品性色| 久久天堂一区二区三区四区| 母亲3免费完整高清在线观看| 极品人妻少妇av视频| 国产精品女同一区二区软件| 日韩中文字幕欧美一区二区 | 51午夜福利影视在线观看| 成人国产麻豆网| 亚洲精品久久午夜乱码| 另类精品久久| 黑人猛操日本美女一级片| 两个人看的免费小视频| 高清欧美精品videossex| 伊人久久大香线蕉亚洲五| 宅男免费午夜| 亚洲美女黄色视频免费看| 又粗又硬又长又爽又黄的视频| 久久 成人 亚洲| 蜜桃国产av成人99| 精品酒店卫生间| 亚洲色图 男人天堂 中文字幕| 免费久久久久久久精品成人欧美视频| 狂野欧美激情性bbbbbb| 久热这里只有精品99| 成年美女黄网站色视频大全免费| 色吧在线观看| 欧美 亚洲 国产 日韩一| 18禁动态无遮挡网站| 亚洲精品一二三| 久久久久久久久久久久大奶| 国产精品三级大全| 水蜜桃什么品种好| 深夜精品福利| 亚洲精品久久久久久婷婷小说| 高清av免费在线| 2021少妇久久久久久久久久久| 99久久人妻综合| 日韩,欧美,国产一区二区三区| 亚洲一区二区三区欧美精品| 久久午夜综合久久蜜桃| 亚洲欧美中文字幕日韩二区| 久久国产精品男人的天堂亚洲| 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| 午夜免费鲁丝| 亚洲精品国产区一区二| 毛片一级片免费看久久久久| 精品久久久久久电影网| 丰满迷人的少妇在线观看| 老司机在亚洲福利影院| 亚洲精品久久成人aⅴ小说| 十八禁网站网址无遮挡| 久久精品久久久久久噜噜老黄| 国产精品女同一区二区软件| 老司机靠b影院| 久久久久精品人妻al黑| 日本色播在线视频| 最近中文字幕高清免费大全6| 日韩一区二区三区影片| 精品视频人人做人人爽| 男女免费视频国产| 亚洲av电影在线观看一区二区三区| 美女国产高潮福利片在线看| 80岁老熟妇乱子伦牲交| 婷婷色麻豆天堂久久| 午夜久久久在线观看| 无限看片的www在线观看| 18禁动态无遮挡网站| 欧美日本中文国产一区发布| 国产精品秋霞免费鲁丝片| 高清av免费在线| 一级a爱视频在线免费观看| 国产又爽黄色视频| 欧美亚洲 丝袜 人妻 在线| 欧美中文综合在线视频| 天堂俺去俺来也www色官网| 国产午夜精品一二区理论片| 一级片免费观看大全| 色综合欧美亚洲国产小说| 免费在线观看视频国产中文字幕亚洲 | 日本色播在线视频| 亚洲精品国产av成人精品| 狠狠精品人妻久久久久久综合| 人人妻人人爽人人添夜夜欢视频| 亚洲天堂av无毛| 天美传媒精品一区二区| 欧美日韩亚洲高清精品| 久久精品人人爽人人爽视色| 久久这里只有精品19| 大片免费播放器 马上看| 自线自在国产av| 欧美日韩亚洲综合一区二区三区_| 操美女的视频在线观看| 午夜91福利影院| 波多野结衣av一区二区av| 欧美日韩亚洲综合一区二区三区_| 亚洲国产av影院在线观看| 丝袜美足系列| 天天影视国产精品| 亚洲色图 男人天堂 中文字幕| 午夜免费鲁丝| 午夜影院在线不卡| 如日韩欧美国产精品一区二区三区| 国产高清国产精品国产三级| 国产无遮挡羞羞视频在线观看| 男女床上黄色一级片免费看| 最黄视频免费看| 亚洲国产欧美网| av在线老鸭窝| 欧美亚洲 丝袜 人妻 在线| 人人澡人人妻人| 久久久久久免费高清国产稀缺| 宅男免费午夜| 国产国语露脸激情在线看| 一区二区三区四区激情视频| 黑人巨大精品欧美一区二区蜜桃| 色94色欧美一区二区| bbb黄色大片| 精品少妇内射三级| 久久精品aⅴ一区二区三区四区| 免费观看av网站的网址| 黑人猛操日本美女一级片| 韩国av在线不卡| 亚洲国产日韩一区二区| 国产成人免费观看mmmm| 最近的中文字幕免费完整| 国产精品久久久人人做人人爽| 亚洲精品日韩在线中文字幕| 最近中文字幕高清免费大全6| 中文字幕亚洲精品专区| av.在线天堂| 欧美中文综合在线视频| 晚上一个人看的免费电影| 国产欧美亚洲国产| 一级片'在线观看视频| 午夜激情av网站| 久久精品国产亚洲av涩爱| 又大又黄又爽视频免费| 五月天丁香电影| 国产成人午夜福利电影在线观看| 男人操女人黄网站| 曰老女人黄片| 日本黄色日本黄色录像| 精品久久蜜臀av无| 美女视频免费永久观看网站| www.av在线官网国产| 国产欧美日韩综合在线一区二区| 亚洲国产最新在线播放| 亚洲国产毛片av蜜桃av| 国产极品天堂在线| 久久精品国产综合久久久| 亚洲成人免费av在线播放| 99精国产麻豆久久婷婷| 国产男人的电影天堂91| 亚洲精品在线美女| 男女之事视频高清在线观看 | 亚洲国产精品一区三区| 久久久久久人人人人人| 国产成人精品在线电影| 欧美国产精品一级二级三级| 天天躁夜夜躁狠狠躁躁| 久久99一区二区三区| 亚洲欧洲精品一区二区精品久久久 | 在线观看免费视频网站a站| 天天操日日干夜夜撸| www.熟女人妻精品国产| 久久久精品94久久精品| 日韩中文字幕欧美一区二区 | 国产极品粉嫩免费观看在线| 大片免费播放器 马上看| 欧美精品高潮呻吟av久久| 久久99一区二区三区| 制服人妻中文乱码| 久久精品国产a三级三级三级| 亚洲人成77777在线视频| 亚洲国产欧美在线一区| 日韩一区二区三区影片| 人人妻人人爽人人添夜夜欢视频| 亚洲国产av影院在线观看| 女性被躁到高潮视频| 亚洲伊人色综图| 午夜福利网站1000一区二区三区| 9色porny在线观看| 国产野战对白在线观看| 男女下面插进去视频免费观看| 制服人妻中文乱码| 久久狼人影院| 国产成人91sexporn| 一二三四中文在线观看免费高清| 免费少妇av软件| 91aial.com中文字幕在线观看| 在线观看免费高清a一片| 国产在线一区二区三区精| 国产精品久久久久久人妻精品电影 | 亚洲伊人色综图| 亚洲国产欧美一区二区综合| 久久国产亚洲av麻豆专区| 免费少妇av软件| 亚洲一卡2卡3卡4卡5卡精品中文| 免费日韩欧美在线观看| 亚洲男人天堂网一区| 精品一区二区三区四区五区乱码 | 激情视频va一区二区三区| 人人妻人人澡人人爽人人夜夜| 成人国语在线视频| 国产精品久久久久久久久免| 精品免费久久久久久久清纯 | 曰老女人黄片| 精品国产乱码久久久久久男人| 国产视频首页在线观看| 自线自在国产av| 最新的欧美精品一区二区| 黄色毛片三级朝国网站| 久久久欧美国产精品| 观看av在线不卡| 女性被躁到高潮视频| 国产成人一区二区在线| 大码成人一级视频| 极品少妇高潮喷水抽搐| 亚洲精品aⅴ在线观看| 黄片播放在线免费| 午夜福利乱码中文字幕| 一区二区av电影网| 精品国产超薄肉色丝袜足j| 久久女婷五月综合色啪小说| 欧美精品av麻豆av| 男女无遮挡免费网站观看| 国产精品偷伦视频观看了| 亚洲国产欧美网| 亚洲国产精品999| 各种免费的搞黄视频| 亚洲欧美精品综合一区二区三区| 色94色欧美一区二区| √禁漫天堂资源中文www| 国产成人欧美| 亚洲av国产av综合av卡| 一级毛片我不卡| 十八禁网站网址无遮挡| 男女高潮啪啪啪动态图| 亚洲少妇的诱惑av| 久久性视频一级片| 国产片特级美女逼逼视频| 黄色视频不卡| 亚洲av电影在线观看一区二区三区| 高清在线视频一区二区三区| 久久精品亚洲av国产电影网| 99久国产av精品国产电影| 欧美人与善性xxx| 桃花免费在线播放| 女的被弄到高潮叫床怎么办| 久久天躁狠狠躁夜夜2o2o | 国产深夜福利视频在线观看| 久久天躁狠狠躁夜夜2o2o | 国产一区有黄有色的免费视频| 亚洲一区二区三区欧美精品| 欧美 亚洲 国产 日韩一| 日本黄色日本黄色录像| 亚洲精品国产色婷婷电影| 亚洲少妇的诱惑av| 在线观看免费午夜福利视频| 欧美成人午夜精品| 亚洲av欧美aⅴ国产| 毛片一级片免费看久久久久| 国产精品二区激情视频| 国产精品免费大片| 天天躁狠狠躁夜夜躁狠狠躁| bbb黄色大片| 欧美成人午夜精品| 欧美精品一区二区大全| 人人妻人人添人人爽欧美一区卜| 国产免费又黄又爽又色| 视频区图区小说| 国产无遮挡羞羞视频在线观看| 亚洲七黄色美女视频| 黄色怎么调成土黄色| 丝袜喷水一区| 免费观看a级毛片全部| 制服人妻中文乱码| 午夜影院在线不卡| 精品久久蜜臀av无| 一级爰片在线观看| xxx大片免费视频| 天天躁夜夜躁狠狠躁躁| 亚洲一码二码三码区别大吗| 午夜福利影视在线免费观看| 成人亚洲精品一区在线观看| 黑人欧美特级aaaaaa片| 亚洲国产看品久久| 精品久久蜜臀av无| 国产又爽黄色视频| 中文精品一卡2卡3卡4更新| 自线自在国产av| av免费观看日本| 精品国产超薄肉色丝袜足j| 男女下面插进去视频免费观看| 91精品伊人久久大香线蕉| 久久婷婷青草| av网站在线播放免费| 悠悠久久av| 成人手机av| 久久人人爽人人片av| 人人妻人人澡人人爽人人夜夜| 国产精品女同一区二区软件| 国产午夜精品一二区理论片| 熟女少妇亚洲综合色aaa.| 亚洲美女搞黄在线观看| 亚洲美女黄色视频免费看| 国产老妇伦熟女老妇高清| 日本黄色日本黄色录像| 丰满迷人的少妇在线观看| 国产精品久久久久久精品古装| 国产女主播在线喷水免费视频网站| 亚洲精品久久午夜乱码| 国产精品久久久人人做人人爽| 可以免费在线观看a视频的电影网站 | 欧美精品一区二区大全| 亚洲国产精品成人久久小说| 日韩,欧美,国产一区二区三区| 激情五月婷婷亚洲| 成年动漫av网址| 中文精品一卡2卡3卡4更新| 国产乱人偷精品视频| 亚洲美女黄色视频免费看| 最近2019中文字幕mv第一页| 精品福利永久在线观看| 99久久综合免费| 欧美日本中文国产一区发布| 我的亚洲天堂| 在线精品无人区一区二区三| 黑人欧美特级aaaaaa片| 欧美变态另类bdsm刘玥| 黄片无遮挡物在线观看| 亚洲婷婷狠狠爱综合网| 久久久国产精品麻豆| 久久久国产一区二区| 亚洲精品成人av观看孕妇| 男女免费视频国产| 老司机在亚洲福利影院| 国产精品久久久久久人妻精品电影 | 1024香蕉在线观看| 久久热在线av| 国产探花极品一区二区| 久久午夜综合久久蜜桃| 蜜桃在线观看..| 一边亲一边摸免费视频| 精品视频人人做人人爽| 熟女少妇亚洲综合色aaa.| 成年av动漫网址| 亚洲精品日韩在线中文字幕| 九色亚洲精品在线播放| 最近最新中文字幕大全免费视频 | 91成人精品电影| 女人精品久久久久毛片| 国产精品蜜桃在线观看| 99精品久久久久人妻精品| 在线观看www视频免费| 视频在线观看一区二区三区| 97精品久久久久久久久久精品| 午夜福利网站1000一区二区三区| 无限看片的www在线观看| 久久久久久久久久久免费av| 熟女少妇亚洲综合色aaa.| 国产精品麻豆人妻色哟哟久久| 日韩不卡一区二区三区视频在线| 久久人人97超碰香蕉20202| 在线观看免费日韩欧美大片| 一级黄片播放器| 日韩av在线免费看完整版不卡| 9热在线视频观看99| 免费观看av网站的网址| av不卡在线播放| 黄频高清免费视频| 久久久久网色| 一级片免费观看大全| 一边摸一边抽搐一进一出视频| 国产一区二区三区综合在线观看| 校园人妻丝袜中文字幕| 国产一区二区三区综合在线观看| 最近中文字幕高清免费大全6| 亚洲,欧美,日韩| 免费观看性生交大片5| 十八禁网站网址无遮挡| 久久精品久久精品一区二区三区| 99国产精品免费福利视频| 美女扒开内裤让男人捅视频| 午夜免费观看性视频| 日韩伦理黄色片| 国产精品蜜桃在线观看| 午夜av观看不卡| 久久久久久久国产电影| 亚洲av成人精品一二三区| 成年av动漫网址| 日本wwww免费看| 人人妻,人人澡人人爽秒播 | 多毛熟女@视频| kizo精华| 国精品久久久久久国模美| 捣出白浆h1v1| 欧美日韩国产mv在线观看视频| 成人免费观看视频高清| 美女福利国产在线| 成人亚洲欧美一区二区av| 王馨瑶露胸无遮挡在线观看| 成人免费观看视频高清| 9191精品国产免费久久| 一级,二级,三级黄色视频| av不卡在线播放| 久久久久久久久久久久大奶| 亚洲五月色婷婷综合| 久久免费观看电影| 欧美亚洲日本最大视频资源| 波多野结衣一区麻豆| 成年人午夜在线观看视频| 国产女主播在线喷水免费视频网站| a级毛片黄视频| 国产女主播在线喷水免费视频网站| 亚洲精品日本国产第一区| 国产成人精品久久二区二区91 | 黄色视频不卡| 最近手机中文字幕大全| 黑丝袜美女国产一区| 国产1区2区3区精品| 国产毛片在线视频| 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| 欧美日韩视频高清一区二区三区二| a级片在线免费高清观看视频| 久久ye,这里只有精品| 午夜福利一区二区在线看| 一级毛片电影观看| 啦啦啦 在线观看视频| 日本爱情动作片www.在线观看| 中文字幕人妻丝袜一区二区 | 叶爱在线成人免费视频播放| 亚洲国产最新在线播放| 人人妻人人澡人人爽人人夜夜| 咕卡用的链子| 久久免费观看电影| 晚上一个人看的免费电影| 黄片无遮挡物在线观看| 午夜精品国产一区二区电影| 久久久精品国产亚洲av高清涩受| 高清在线视频一区二区三区| av又黄又爽大尺度在线免费看| 精品视频人人做人人爽| 成人影院久久| 岛国毛片在线播放| 国产精品熟女久久久久浪| 男的添女的下面高潮视频| 亚洲精品第二区| 最黄视频免费看| 丝袜喷水一区| 在线观看国产h片| 19禁男女啪啪无遮挡网站| 99久久综合免费| 亚洲精品aⅴ在线观看| 亚洲五月色婷婷综合| 91aial.com中文字幕在线观看| 久久久久久人人人人人| 操美女的视频在线观看| 青春草视频在线免费观看| 男女高潮啪啪啪动态图| 亚洲精品一二三| 国产成人a∨麻豆精品| 国产av精品麻豆| 日韩 亚洲 欧美在线| 国产黄色免费在线视频| 超碰97精品在线观看| 99香蕉大伊视频| 国产精品麻豆人妻色哟哟久久| 亚洲av福利一区| 国产精品国产av在线观看| 在线观看国产h片| 色94色欧美一区二区| 亚洲自偷自拍图片 自拍| 伊人亚洲综合成人网| 热99国产精品久久久久久7| 日韩一本色道免费dvd| 欧美成人午夜精品| 免费不卡黄色视频| 久久久精品免费免费高清| 国产精品女同一区二区软件| 久久久国产精品麻豆| 不卡av一区二区三区| 1024视频免费在线观看| 国产无遮挡羞羞视频在线观看| 亚洲欧洲国产日韩| 久久狼人影院| 亚洲精品av麻豆狂野| 亚洲成人av在线免费| 99久国产av精品国产电影| 久久国产精品男人的天堂亚洲| www.熟女人妻精品国产| 19禁男女啪啪无遮挡网站| av电影中文网址| 满18在线观看网站| 秋霞在线观看毛片| 国产极品粉嫩免费观看在线| 97在线人人人人妻| 多毛熟女@视频| 十八禁网站网址无遮挡| 国产成人a∨麻豆精品| 国产av精品麻豆| 黄色视频在线播放观看不卡| 日韩一本色道免费dvd| 最近的中文字幕免费完整| 免费人妻精品一区二区三区视频| 国产成人欧美| xxx大片免费视频| 1024香蕉在线观看| 精品少妇内射三级| 欧美日韩一区二区视频在线观看视频在线| av女优亚洲男人天堂| 午夜日本视频在线| 熟妇人妻不卡中文字幕| 亚洲一级一片aⅴ在线观看| 亚洲伊人色综图| 日本猛色少妇xxxxx猛交久久| 国产伦理片在线播放av一区| 亚洲色图综合在线观看| 成人免费观看视频高清| 亚洲欧美清纯卡通| 亚洲av国产av综合av卡| 老司机靠b影院| 亚洲一级一片aⅴ在线观看| 亚洲国产看品久久| 午夜免费鲁丝| 国产熟女欧美一区二区| www日本在线高清视频| 美女大奶头黄色视频| 日韩中文字幕欧美一区二区 | 中国三级夫妇交换| 亚洲视频免费观看视频| 综合色丁香网| 天天添夜夜摸| 亚洲欧美日韩另类电影网站| 成人手机av| 精品亚洲成a人片在线观看| 午夜激情久久久久久久| 1024香蕉在线观看| av电影中文网址| 亚洲熟女精品中文字幕| 天天躁狠狠躁夜夜躁狠狠躁| 青春草亚洲视频在线观看| 亚洲人成77777在线视频| 水蜜桃什么品种好| 99久久精品国产亚洲精品| 久久毛片免费看一区二区三区| 少妇猛男粗大的猛烈进出视频| 男女下面插进去视频免费观看| 老汉色∧v一级毛片| 久久久久视频综合| 人妻一区二区av| 国产精品久久久久成人av| 这个男人来自地球电影免费观看 | 美女扒开内裤让男人捅视频| 日韩,欧美,国产一区二区三区| 免费日韩欧美在线观看| 国产一区二区三区av在线| 少妇精品久久久久久久| 人人澡人人妻人| 交换朋友夫妻互换小说| 三上悠亚av全集在线观看| 在线观看三级黄色| 岛国毛片在线播放| 一级黄片播放器| 国产成人欧美在线观看 | 制服诱惑二区| 国产色婷婷99| 色播在线永久视频| 久久99精品国语久久久| 97在线人人人人妻| 黄色怎么调成土黄色| 久久精品国产亚洲av高清一级| 在线观看www视频免费| 亚洲成国产人片在线观看| 18禁国产床啪视频网站| 王馨瑶露胸无遮挡在线观看| 又大又爽又粗| 无遮挡黄片免费观看| 观看美女的网站| 亚洲一码二码三码区别大吗| 另类精品久久| 免费av中文字幕在线| 成人免费观看视频高清| 最近的中文字幕免费完整|