• <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-PGS優(yōu)化算法的數(shù)據(jù)分類

    2024-01-18 14:34:22張菡玫
    河南科技 2023年24期
    關(guān)鍵詞:子集種群準(zhǔn)確率

    張菡玫

    (武昌職業(yè)學(xué)院,湖北 武漢 430000)

    0 引言

    近年來,不同領(lǐng)域的專家對(duì)如何提高圖像分類精度進(jìn)行研究,普遍認(rèn)為分類精確率的高低取決于圖像特征的選擇。即需要從輸入的p個(gè)特征中選擇出d(d<p)個(gè)特征,并將這些特征評(píng)選為最優(yōu)特征[1],以此來進(jìn)行分類。選擇的特征集通常包含冗余特征,當(dāng)冗余特征過多時(shí),運(yùn)算復(fù)雜度將加大,從而導(dǎo)致圖像分類精度下降。為解決這一問題,需要對(duì)提取到的紋理特征進(jìn)行篩選,并根據(jù)各個(gè)特征和類別的相關(guān)性對(duì)特征進(jìn)行選擇,從而減少特征數(shù)據(jù)的維度,提高運(yùn)算速率。在篩選特征時(shí),常用過濾式[2]特征選擇法中的Relief 算法[3],通過預(yù)處理來刪除所選數(shù)據(jù)中的無關(guān)特征,縮小特征數(shù)據(jù)維度,并利用支持向量機(jī)[4]和粒子群-遺傳優(yōu)化算法[5]對(duì)篩選后的特征數(shù)據(jù)進(jìn)行學(xué)習(xí),從而提高分類的準(zhǔn)確率。

    為此,本研究提出Relief-PGS 優(yōu)化算法,該算法能提高分類的準(zhǔn)確率。先使用Relief 算法對(duì)特征集進(jìn)行初步篩選,再將篩選結(jié)果和SVM 參數(shù)一起編碼到粒子群-遺傳算法中,對(duì)特征子集及SVM 參數(shù)進(jìn)行同步優(yōu)化。

    1 原理及方法

    1.1 Relief算法

    Relief 算法根據(jù)所提供數(shù)據(jù)的特征和類別間的關(guān)聯(lián),從而賦予特征不同權(quán)重。權(quán)重值越大,表示圖像的能力越強(qiáng);權(quán)重值越小,表示圖像的能力越弱[6]。Relief 算法的具體實(shí)現(xiàn)步驟如下。①對(duì)樣本所有特征權(quán)重進(jìn)行初始化,將其置0。②隨機(jī)挑選樣本xi,從xi的相同類別樣本中查找最近鄰樣本H,從xi的不同類別樣本中查找最近鄰樣本M。計(jì)算xi與H、xi與M分別在特征上的距離dist(xi,H)、dist(xi,M)。若dist( )xi,H<dist(xi,M),則xi不能有效區(qū)分同類別樣本和不同類別樣本,從而減小特征的權(quán)重[7]。反之,則增大特征的權(quán)重。③將上一步重復(fù)循環(huán)m次,最終獲得n個(gè)特征權(quán)重。

    1.2 支持向量機(jī)

    支持向量機(jī)(Support Vector Machine,SVM)是一種基于最優(yōu)化理論來解決機(jī)器學(xué)習(xí)問題的算法,可分為三類,即線性可分、線性不可分、非線性可分[8]。

    SVM算法用分離超平面作為分離訓(xùn)練數(shù)據(jù)的線性函數(shù),可解決線性分類問題[9]。假設(shè)訓(xùn)練樣本集合為{(xi,yi)|i= 1,2,…,m},其中,xi∈Rn為訓(xùn)練樣本,yi∈{-1,1}為輸入樣本的類別。通過訓(xùn)練獲得一個(gè)最優(yōu)分類面,見式(1)。

    式中:x為樣本;ω為權(quán)向量;b為分類閾值。

    根據(jù)最優(yōu)化理論來引入拉格朗日函數(shù),對(duì)SVM求取判別函數(shù),見式(2)。

    式中:xi、xj為樣本;ai*=(a1*,a2*,…,ai*)為最優(yōu)解,多數(shù)樣本ai*為零,ai*不為零的樣本決定最優(yōu)分類面;b*為分類閾值,可由任意ai*求得。

    1.3 粒子群-遺傳算法

    遺傳算法(Genetic Algorithm,GA)是根據(jù)生物界優(yōu)勝劣汰進(jìn)化準(zhǔn)則衍生出的隨機(jī)優(yōu)化搜索算法[10]。GA 在經(jīng)過有限次迭代后,得到問題的近似最優(yōu)解,包括三個(gè)基本操作,即選擇、交叉和變異。

    粒子群算法(Particle Swarm Optimization,PSO)是一種基于群體的隨機(jī)優(yōu)化算法[11],PSO 的核心思想是在一個(gè)S維的搜索空間中找到m個(gè)粒子組成一個(gè)群體,S維的向量xi=(xi1,xi2,…,xis),i=1,2,…,m,利用xi對(duì)解的最優(yōu)結(jié)果進(jìn)行判斷。

    對(duì)參數(shù)優(yōu)化問題,GA 有較好的全局搜索能力和種群多樣性,但要經(jīng)歷選擇、交叉和變異才能得到下代種群,計(jì)算效率較低,收斂速度較慢。PSO 只需將粒子當(dāng)前最優(yōu)位置與飛行歷程中經(jīng)歷的最優(yōu)位置進(jìn)行比較,即可得到最優(yōu)的飛行速度和飛行方向。粒子群-遺傳算法(PSO-GA)是將PSO 和GA 聯(lián)立,利用PSO來代替GA的選擇算子,結(jié)合算法在初期的收斂速度更快,同時(shí)因保留GA 的交叉和變異算子,能提高全局尋優(yōu)的能力[12]。

    1.4 Relief-PGS優(yōu)化算法

    本研究基于Relief算法、PSO-GA和SVM對(duì)數(shù)據(jù)集特征進(jìn)行選擇和分類,即Relief-PGS 優(yōu)化算法。先利用Relief 算法對(duì)獲取到的數(shù)據(jù)特征集進(jìn)行選擇,然后將選擇出的特征數(shù)據(jù)集和SVM 參數(shù)一起編碼到PSO-GA 的染色體中,通過SVM 來構(gòu)建適應(yīng)度函數(shù),并對(duì)所選擇的特征數(shù)據(jù)集和SVM 參數(shù)進(jìn)行優(yōu)化,從而實(shí)現(xiàn)用較少的特征數(shù)據(jù)集和較短的優(yōu)化時(shí)間來獲得較高的識(shí)別精度,具體流程如圖1所示。

    圖1 Relief-PGS優(yōu)化算法流程

    Relief-PGS 優(yōu)化算法的具體步驟如下。①使用Relief 算法對(duì)圖像進(jìn)行一次特征篩選,得到特征矩陣。②采用PSO-GA 對(duì)參數(shù)進(jìn)行初始化操作,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。③生成初代種群。由于SVM 的懲罰系數(shù)C和核參數(shù)σ采用的是實(shí)數(shù)編碼,而對(duì)特征的二次篩選是通過0、1 進(jìn)行的,0 表示沒有選擇該特征,1 表示選擇該特征,采用二進(jìn)制編碼。④將個(gè)體的后N位帶入樣本中,并對(duì)特征進(jìn)行二次篩選。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。⑥將二次篩選出的測(cè)試樣本放入到確定的SVM中,從而獲取分類結(jié)果。⑦計(jì)算初代種群的適應(yīng)度值。⑧將初代種群的適應(yīng)度值輸入到PSO 算法中,更新個(gè)體的速度和位置。⑨將經(jīng)過PSO算法更新的種群輸入到GA 中,經(jīng)過交叉算子和變異算子,得到新種群。⑩返回步驟④,計(jì)算新種群的適應(yīng)度值。?判斷是否滿足判定條件,若滿足,則輸出SVM 參數(shù)和特征數(shù);若不滿足,則繼續(xù)對(duì)種群進(jìn)行處理,直至滿足判定條件為止,從而得到最終結(jié)果。

    2 試驗(yàn)過程

    為了驗(yàn)證Relief-PGS 算法的有效性,應(yīng)將特征子集的個(gè)數(shù)和SVM參數(shù)一起編碼到PSO-GA染色體中,在對(duì)SVM 參數(shù)進(jìn)行優(yōu)化的同時(shí),對(duì)所有特征子集的個(gè)數(shù)進(jìn)行同步優(yōu)化。試驗(yàn)時(shí)需要統(tǒng)一對(duì)數(shù)據(jù)和參數(shù)進(jìn)行處理。

    2.1 數(shù)據(jù)預(yù)處理

    為提高SVM 分類的準(zhǔn)確率,對(duì)需要分類的數(shù)據(jù)樣本進(jìn)行歸一化處理,將其分為訓(xùn)練樣本和測(cè)試樣本,進(jìn)行后續(xù)的分類處理。

    2.2 參數(shù)選擇方法

    對(duì)PSO-GA 算法的核參數(shù)進(jìn)行優(yōu)化,設(shè)置算法的迭代次數(shù)為50、種群規(guī)模為30、個(gè)體長(zhǎng)度為2,通過適應(yīng)度值計(jì)算得到GA 中交叉和變異的概率,PSO中的ω是基于適應(yīng)度值自適應(yīng)計(jì)算出的。

    統(tǒng)一設(shè)置適應(yīng)度函數(shù),見式(3)。

    式中: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(其中,we1+we2=1。樣本不平衡可能導(dǎo)致模型的預(yù)測(cè)能力下降。經(jīng)多次試驗(yàn),通過調(diào)節(jié)樣本權(quán)重,將we1 分別設(shè)為0.10、0.15、0.20、0.30,當(dāng)we1 為0.15 時(shí),可得到最優(yōu)結(jié)果);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,表明綜合分類的精確度越高。

    2.3 模型建立

    從每組訓(xùn)練樣本中選擇優(yōu)化后的核參數(shù)對(duì)樣本進(jìn)行新一輪訓(xùn)練,從而獲得SVM 分類模型,再通過測(cè)試樣本來測(cè)試模型的分類精度。

    Relief-PGS 優(yōu)化算法主要是為了解決兩個(gè)問題,即優(yōu)化后的輸入特征子集選擇、優(yōu)化后的核函數(shù)參數(shù)選擇。使用Relief-PGS 優(yōu)化算法將優(yōu)化后的征子集個(gè)數(shù)和SVM 參數(shù)一起編碼到PSO-GA 染色體中,在對(duì)特征子集進(jìn)行優(yōu)化的同時(shí),對(duì)SVM 參數(shù)同步進(jìn)行優(yōu)化,最后得到優(yōu)化后的分類結(jié)果。

    選取UCI數(shù)據(jù)庫中5種數(shù)據(jù)集進(jìn)行試驗(yàn),所選取數(shù)據(jù)集的基本信息見表1。

    表1 試驗(yàn)數(shù)據(jù)集的基本信息

    利用Relief 算法對(duì)獲取到的特征數(shù)據(jù)進(jìn)行初步篩選,選擇與目標(biāo)類別關(guān)聯(lián)較大的特征,使用PSOGA算法、SVM算法分別對(duì)篩選出的特征數(shù)據(jù)和SVM參數(shù)進(jìn)行優(yōu)化,從而獲得優(yōu)化后的特征子集。優(yōu)化的特征子集個(gè)數(shù)見表2。

    表2 優(yōu)化特征子集個(gè)數(shù)

    利用SVM 分類器對(duì)選取的多個(gè)優(yōu)化特征進(jìn)行分類,并將RBF作為SVM的核函數(shù)進(jìn)行分類。

    3 試驗(yàn)結(jié)果分析

    使用Relief-PGS 優(yōu)化算法得到分類結(jié)果,并將分類結(jié)果分別與默認(rèn)核參數(shù)的SVM、使用PSO-GA算法優(yōu)化參數(shù)的SVM(PGS)、使用Relief算法優(yōu)化特征的SVM(Relief-SVM)這三種不同算法的優(yōu)化結(jié)果進(jìn)行對(duì)比,并評(píng)價(jià)特征選擇方法的優(yōu)劣,試驗(yàn)結(jié)果見表3。

    表3 數(shù)據(jù)集分類結(jié)果對(duì)比

    由表3 可知,Relief-PGS 優(yōu)化算法的分類準(zhǔn)確率最高。通過對(duì)這四種算法的分類結(jié)果進(jìn)行對(duì)比可知:①對(duì)于任意特征數(shù)據(jù),使用PGS 優(yōu)化算法進(jìn)行參數(shù)尋優(yōu)得到的分類準(zhǔn)確率比使用默認(rèn)參數(shù)的SVM 要有所提高,分類準(zhǔn)確率平均提高了12%左右??勺C明對(duì)傳統(tǒng)的SVM 中的參數(shù)進(jìn)行尋優(yōu),能找到優(yōu)化后的控制參數(shù),從而提高SVM 分類的準(zhǔn)確率;②使用Relief-SVM 優(yōu)化算法對(duì)輸入的特征向量進(jìn)行篩選分類,分類準(zhǔn)確率比默認(rèn)參數(shù)的SVM 平均提高了13%左右,從而證明了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)化后的特征子集,可去除一些特征不明顯的影響因素,能減少不重要因素對(duì)分類結(jié)果造成的影響,從而提高分類的準(zhǔn)確率;③使用Relief-PGS 優(yōu)化算法得到的分類準(zhǔn)確率最高,分類的準(zhǔn)確率基本在85%左右,從而證明了在對(duì)特征子集和SVM 參數(shù)同步進(jìn)行優(yōu)化時(shí),去除不重要的特征,并對(duì)參數(shù)進(jìn)行優(yōu)化,能得到更好的分類效果。

    4 結(jié)語

    本研究提出的Relief-PGS 優(yōu)化算法可同時(shí)優(yōu)化特征子集和SVM 參數(shù),通過優(yōu)化特征子集和SVM 參數(shù)來提高分類的準(zhǔn)確率。與傳統(tǒng)的SVM、PGS 算法和Relief-SVM 算法相比,Relief-PGS 算法對(duì)圖像分類的準(zhǔn)確率分別提高了22.53%、6.05%和11.16%,從而證明了圖像分類識(shí)別的準(zhǔn)確性。研究結(jié)果證明,Relief-PGS 算法能利用最少特征來獲得最高分類精度,能有效提高圖像特征選擇分類的準(zhǔn)確率。

    猜你喜歡
    子集種群準(zhǔn)確率
    邢氏水蕨成功繁衍并建立種群 等
    由一道有關(guān)集合的子集個(gè)數(shù)題引發(fā)的思考
    山西省發(fā)現(xiàn)刺五加種群分布
    拓?fù)淇臻g中緊致子集的性質(zhì)研究
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    關(guān)于奇數(shù)階二元子集的分離序列
    高速公路車牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
    每一次愛情都只是愛情的子集
    都市麗人(2015年4期)2015-03-20 13:33:22
    久久亚洲国产成人精品v| 午夜久久久在线观看| 亚洲中文av在线| 老熟女久久久| 国产精品久久久久久精品电影小说| 国产精品 欧美亚洲| 国产精品一国产av| 黄色一级大片看看| 国产主播在线观看一区二区 | 男女下面插进去视频免费观看| 国产91精品成人一区二区三区 | h视频一区二区三区| 成年人午夜在线观看视频| 精品一区在线观看国产| cao死你这个sao货| 国产淫语在线视频| 超碰成人久久| 多毛熟女@视频| 国产精品一国产av| 午夜福利免费观看在线| 日韩欧美一区视频在线观看| 高清欧美精品videossex| 一级片'在线观看视频| 天堂中文最新版在线下载| 另类亚洲欧美激情| 69精品国产乱码久久久| 99国产精品免费福利视频| 日韩,欧美,国产一区二区三区| 五月开心婷婷网| 精品久久久久久久毛片微露脸 | 新久久久久国产一级毛片| 国产高清视频在线播放一区 | 18禁观看日本| 蜜桃国产av成人99| 欧美国产精品va在线观看不卡| 欧美乱码精品一区二区三区| 午夜91福利影院| 99久久99久久久精品蜜桃| 精品卡一卡二卡四卡免费| 我的亚洲天堂| 少妇猛男粗大的猛烈进出视频| 丰满少妇做爰视频| 无限看片的www在线观看| 国产一级毛片在线| 成年动漫av网址| 久久人妻熟女aⅴ| 两人在一起打扑克的视频| 热re99久久国产66热| 纯流量卡能插随身wifi吗| 国产精品国产av在线观看| 大型av网站在线播放| 成年女人毛片免费观看观看9 | a级片在线免费高清观看视频| 大型av网站在线播放| 大码成人一级视频| 欧美精品亚洲一区二区| 亚洲,欧美精品.| 母亲3免费完整高清在线观看| 中文精品一卡2卡3卡4更新| 一本久久精品| 欧美在线黄色| 婷婷色麻豆天堂久久| 国产成人啪精品午夜网站| 成年人午夜在线观看视频| 欧美97在线视频| 国产成人精品久久久久久| 欧美黄色淫秽网站| 亚洲一区中文字幕在线| 久热这里只有精品99| 纵有疾风起免费观看全集完整版| av天堂久久9| 国产日韩欧美视频二区| 亚洲男人天堂网一区| 亚洲av国产av综合av卡| 视频区图区小说| 亚洲 欧美一区二区三区| 三上悠亚av全集在线观看| 亚洲国产日韩一区二区| 国产一区二区在线观看av| 亚洲精品av麻豆狂野| 三上悠亚av全集在线观看| 成人免费观看视频高清| 一本—道久久a久久精品蜜桃钙片| 欧美日韩国产mv在线观看视频| 乱人伦中国视频| 亚洲av电影在线进入| 99热网站在线观看| 久久久精品94久久精品| 午夜免费鲁丝| 下体分泌物呈黄色| 国产主播在线观看一区二区 | 亚洲国产欧美日韩在线播放| 国产免费现黄频在线看| 大码成人一级视频| 韩国高清视频一区二区三区| 国产精品.久久久| 亚洲av成人精品一二三区| 99久久99久久久精品蜜桃| 国产亚洲精品第一综合不卡| 亚洲国产欧美一区二区综合| 精品一区二区三区av网在线观看 | 亚洲情色 制服丝袜| 久久久精品区二区三区| 亚洲av电影在线进入| 首页视频小说图片口味搜索 | 只有这里有精品99| 亚洲 欧美一区二区三区| 自线自在国产av| 欧美日韩综合久久久久久| 女人精品久久久久毛片| 国产黄色视频一区二区在线观看| 亚洲精品美女久久av网站| 日本wwww免费看| 欧美日韩国产mv在线观看视频| 亚洲国产毛片av蜜桃av| 这个男人来自地球电影免费观看| 免费一级毛片在线播放高清视频 | 国产精品国产三级国产专区5o| 久久av网站| 欧美日韩视频精品一区| 久久精品国产综合久久久| 天天躁狠狠躁夜夜躁狠狠躁| 丝袜人妻中文字幕| netflix在线观看网站| 免费黄频网站在线观看国产| 久久精品成人免费网站| 大片免费播放器 马上看| 国产日韩欧美亚洲二区| 亚洲精品日韩在线中文字幕| 人人澡人人妻人| 欧美日韩亚洲高清精品| 国产免费福利视频在线观看| 亚洲精品国产色婷婷电影| 性色av一级| 九草在线视频观看| 国产一区亚洲一区在线观看| 热re99久久精品国产66热6| 国产欧美亚洲国产| 中文精品一卡2卡3卡4更新| 侵犯人妻中文字幕一二三四区| 尾随美女入室| 亚洲精品乱久久久久久| 国产亚洲一区二区精品| 精品国产乱码久久久久久男人| 欧美成狂野欧美在线观看| 亚洲欧洲精品一区二区精品久久久| 在线观看免费高清a一片| 国产欧美日韩一区二区三区在线| 亚洲av日韩精品久久久久久密 | 午夜福利影视在线免费观看| av视频免费观看在线观看| 欧美日韩视频精品一区| 国产老妇伦熟女老妇高清| 国产欧美日韩一区二区三 | 亚洲免费av在线视频| 下体分泌物呈黄色| 久久久久精品人妻al黑| 精品久久蜜臀av无| 丝袜在线中文字幕| 亚洲七黄色美女视频| 亚洲欧洲日产国产| 丝瓜视频免费看黄片| 亚洲欧美一区二区三区黑人| 亚洲欧美日韩高清在线视频 | 国产亚洲一区二区精品| 肉色欧美久久久久久久蜜桃| 欧美少妇被猛烈插入视频| 精品国产超薄肉色丝袜足j| 成人免费观看视频高清| 国产视频首页在线观看| videos熟女内射| 色精品久久人妻99蜜桃| 久久国产亚洲av麻豆专区| 国产亚洲av片在线观看秒播厂| 99国产精品一区二区蜜桃av | 国产三级黄色录像| 2018国产大陆天天弄谢| 999久久久国产精品视频| 黄频高清免费视频| 亚洲 欧美一区二区三区| 久久久国产欧美日韩av| 亚洲精品久久久久久婷婷小说| 真人做人爱边吃奶动态| 午夜影院在线不卡| 久久精品久久久久久噜噜老黄| 亚洲自偷自拍图片 自拍| 国产一卡二卡三卡精品| 可以免费在线观看a视频的电影网站| 亚洲专区国产一区二区| 九草在线视频观看| 国产高清videossex| 纯流量卡能插随身wifi吗| 欧美xxⅹ黑人| 国精品久久久久久国模美| 国产精品麻豆人妻色哟哟久久| 国产成人影院久久av| 国产1区2区3区精品| 国产日韩欧美在线精品| 99热国产这里只有精品6| 免费在线观看视频国产中文字幕亚洲 | netflix在线观看网站| 日韩欧美一区视频在线观看| 日本午夜av视频| 亚洲自偷自拍图片 自拍| 亚洲第一青青草原| 国产一区亚洲一区在线观看| 男人舔女人的私密视频| 嫁个100分男人电影在线观看 | 人成视频在线观看免费观看| 99国产精品99久久久久| 国产一卡二卡三卡精品| 国产男人的电影天堂91| 亚洲 国产 在线| 大型av网站在线播放| 一级毛片女人18水好多 | 亚洲欧洲精品一区二区精品久久久| 自线自在国产av| 国产精品 国内视频| 国产免费视频播放在线视频| 久久av网站| 成人国语在线视频| 欧美日韩亚洲高清精品| 美女大奶头黄色视频| av国产精品久久久久影院| 免费少妇av软件| 麻豆国产av国片精品| 欧美国产精品va在线观看不卡| 在线精品无人区一区二区三| 丰满人妻熟妇乱又伦精品不卡| 18禁观看日本| 国产女主播在线喷水免费视频网站| 91麻豆av在线| av不卡在线播放| 欧美精品高潮呻吟av久久| 久久精品人人爽人人爽视色| 别揉我奶头~嗯~啊~动态视频 | 国产高清国产精品国产三级| 一边摸一边抽搐一进一出视频| 青春草视频在线免费观看| 精品免费久久久久久久清纯 | 777米奇影视久久| 水蜜桃什么品种好| 欧美变态另类bdsm刘玥| 18在线观看网站| 亚洲欧洲日产国产| 精品福利观看| 欧美黄色片欧美黄色片| 成人黄色视频免费在线看| 国产成人免费无遮挡视频| 亚洲av在线观看美女高潮| 叶爱在线成人免费视频播放| 日韩大片免费观看网站| 国产精品久久久久久精品电影小说| 两个人免费观看高清视频| 18在线观看网站| 亚洲av电影在线观看一区二区三区| 精品国产超薄肉色丝袜足j| 一本一本久久a久久精品综合妖精| 亚洲一区二区三区欧美精品| 亚洲成国产人片在线观看| 夫妻午夜视频| 99国产精品一区二区三区| 美女中出高潮动态图| 久久久久久久久久久久大奶| 久久久久久久久免费视频了| 亚洲国产欧美日韩在线播放| 欧美日韩亚洲综合一区二区三区_| 日本猛色少妇xxxxx猛交久久| 久久精品久久久久久久性| 80岁老熟妇乱子伦牲交| 国产精品国产三级专区第一集| 亚洲av电影在线观看一区二区三区| 国产精品久久久久久精品古装| 欧美日本中文国产一区发布| 国产精品国产三级专区第一集| 欧美少妇被猛烈插入视频| 97精品久久久久久久久久精品| 丝袜喷水一区| 午夜影院在线不卡| 老汉色av国产亚洲站长工具| 麻豆国产av国片精品| 亚洲,一卡二卡三卡| 国产高清视频在线播放一区 | 一本一本久久a久久精品综合妖精| 嫁个100分男人电影在线观看 | 日韩电影二区| 嫁个100分男人电影在线观看 | 国产又色又爽无遮挡免| 亚洲色图 男人天堂 中文字幕| 黄色毛片三级朝国网站| 亚洲,欧美,日韩| √禁漫天堂资源中文www| 男女午夜视频在线观看| 精品久久久久久电影网| 亚洲精品在线美女| 电影成人av| 一本久久精品| 最近中文字幕2019免费版| 黄色怎么调成土黄色| 午夜免费男女啪啪视频观看| 欧美中文综合在线视频| 成年动漫av网址| 一本色道久久久久久精品综合| 中文字幕制服av| 亚洲精品日韩在线中文字幕| 亚洲精品第二区| 天天操日日干夜夜撸| 咕卡用的链子| 亚洲人成77777在线视频| 精品少妇久久久久久888优播| 久热这里只有精品99| 精品久久蜜臀av无| 午夜影院在线不卡| xxx大片免费视频| 精品亚洲乱码少妇综合久久| 操出白浆在线播放| 久久久久久久国产电影| 久久精品久久久久久噜噜老黄| 另类精品久久| 久久99精品国语久久久| 欧美成人午夜精品| 免费人妻精品一区二区三区视频| 99热全是精品| 这个男人来自地球电影免费观看| 午夜激情av网站| 黄频高清免费视频| 欧美国产精品va在线观看不卡| 精品国产一区二区三区久久久樱花| av在线播放精品| 人人妻人人爽人人添夜夜欢视频| 久久综合国产亚洲精品| 午夜免费男女啪啪视频观看| 日本猛色少妇xxxxx猛交久久| 在线观看人妻少妇| 成人国语在线视频| 国产在线观看jvid| 少妇人妻 视频| 欧美日韩亚洲高清精品| 日韩伦理黄色片| 亚洲av综合色区一区| 只有这里有精品99| 亚洲精品国产区一区二| 婷婷色综合大香蕉| 亚洲精品中文字幕在线视频| 欧美成狂野欧美在线观看| 午夜两性在线视频| 欧美亚洲 丝袜 人妻 在线| 久久久久国产精品人妻一区二区| 国产精品二区激情视频| 久久久久国产一级毛片高清牌| 国产一级毛片在线| 永久免费av网站大全| av国产精品久久久久影院| 在线精品无人区一区二区三| 国产男女内射视频| 国产亚洲精品第一综合不卡| 七月丁香在线播放| 亚洲图色成人| 国产成人91sexporn| 好男人电影高清在线观看| 99热国产这里只有精品6| 欧美日韩亚洲高清精品| 精品国产一区二区久久| 丁香六月天网| 中文精品一卡2卡3卡4更新| 免费黄频网站在线观看国产| 狂野欧美激情性xxxx| 久久久国产欧美日韩av| 色综合欧美亚洲国产小说| 久久国产精品男人的天堂亚洲| 久久久久视频综合| 男女无遮挡免费网站观看| 久久久国产一区二区| 久久精品熟女亚洲av麻豆精品| 国产亚洲欧美精品永久| 久久亚洲精品不卡| 国产成人啪精品午夜网站| 久久久精品免费免费高清| 男女国产视频网站| 高清视频免费观看一区二区| av国产精品久久久久影院| 亚洲精品美女久久av网站| 亚洲色图综合在线观看| 午夜福利免费观看在线| 婷婷色综合www| 性色av乱码一区二区三区2| 超碰成人久久| 亚洲国产欧美一区二区综合| 黄网站色视频无遮挡免费观看| 欧美亚洲 丝袜 人妻 在线| 一区二区三区激情视频| 后天国语完整版免费观看| 亚洲精品国产区一区二| 黄色片一级片一级黄色片| 成人国产一区最新在线观看 | 在线观看免费视频网站a站| 国产精品欧美亚洲77777| 赤兔流量卡办理| 亚洲欧洲精品一区二区精品久久久| 宅男免费午夜| 亚洲 欧美一区二区三区| 五月开心婷婷网| 亚洲国产欧美网| 欧美日韩亚洲综合一区二区三区_| 免费在线观看视频国产中文字幕亚洲 | 你懂的网址亚洲精品在线观看| 日韩免费高清中文字幕av| 性色av乱码一区二区三区2| 久久久久网色| 色精品久久人妻99蜜桃| 国产精品99久久99久久久不卡| 久久免费观看电影| 热re99久久精品国产66热6| 亚洲一卡2卡3卡4卡5卡精品中文| 丝袜在线中文字幕| 国产国语露脸激情在线看| 久久精品国产a三级三级三级| 99热网站在线观看| 日韩制服丝袜自拍偷拍| 亚洲精品自拍成人| 亚洲欧美清纯卡通| 中文字幕另类日韩欧美亚洲嫩草| 日本欧美国产在线视频| 亚洲精品日韩在线中文字幕| 晚上一个人看的免费电影| bbb黄色大片| 97在线人人人人妻| 午夜激情久久久久久久| 少妇被粗大的猛进出69影院| 久久热在线av| 岛国毛片在线播放| 高清不卡的av网站| 成在线人永久免费视频| 亚洲一区中文字幕在线| 久久性视频一级片| 丝瓜视频免费看黄片| 亚洲av男天堂| 一区福利在线观看| 久久人人爽av亚洲精品天堂| 日韩中文字幕视频在线看片| 亚洲成人免费电影在线观看 | videos熟女内射| 亚洲国产欧美在线一区| kizo精华| 国产1区2区3区精品| 国产有黄有色有爽视频| 国产黄色视频一区二区在线观看| 亚洲熟女精品中文字幕| 各种免费的搞黄视频| 亚洲国产看品久久| 搡老乐熟女国产| 成年人免费黄色播放视频| 亚洲欧美一区二区三区久久| 交换朋友夫妻互换小说| 婷婷色av中文字幕| 极品人妻少妇av视频| 亚洲欧美色中文字幕在线| 丰满人妻熟妇乱又伦精品不卡| 在线精品无人区一区二区三| 丰满少妇做爰视频| 亚洲国产欧美一区二区综合| 老司机靠b影院| 日韩一卡2卡3卡4卡2021年| 国产真人三级小视频在线观看| 丰满人妻熟妇乱又伦精品不卡| 精品少妇黑人巨大在线播放| 大片免费播放器 马上看| 久久人妻熟女aⅴ| 亚洲精品一卡2卡三卡4卡5卡 | 操美女的视频在线观看| 一区福利在线观看| xxxhd国产人妻xxx| 最近中文字幕2019免费版| 下体分泌物呈黄色| 免费人妻精品一区二区三区视频| 亚洲专区中文字幕在线| 中文字幕色久视频| 亚洲成人国产一区在线观看 | 纵有疾风起免费观看全集完整版| 妹子高潮喷水视频| 国产97色在线日韩免费| 亚洲视频免费观看视频| 亚洲成人手机| 久久久久久久久久久久大奶| 欧美日韩亚洲高清精品| xxx大片免费视频| 熟女av电影| 热re99久久国产66热| 久久99一区二区三区| 精品国产超薄肉色丝袜足j| 亚洲国产av影院在线观看| av欧美777| 一级毛片女人18水好多 | 亚洲精品成人av观看孕妇| 亚洲天堂av无毛| 精品人妻一区二区三区麻豆| 国产片内射在线| 欧美激情极品国产一区二区三区| 色婷婷久久久亚洲欧美| 后天国语完整版免费观看| 午夜福利视频在线观看免费| 男女国产视频网站| 成人亚洲精品一区在线观看| 下体分泌物呈黄色| 精品国产乱码久久久久久小说| 亚洲第一av免费看| 人人澡人人妻人| 国产高清不卡午夜福利| 亚洲欧美日韩另类电影网站| 又大又黄又爽视频免费| 久久亚洲精品不卡| 国产成人免费无遮挡视频| 久久99一区二区三区| 亚洲精品国产区一区二| 狂野欧美激情性xxxx| 亚洲男人天堂网一区| 人妻人人澡人人爽人人| 久久精品成人免费网站| 亚洲精品一区蜜桃| 欧美另类一区| 波野结衣二区三区在线| 侵犯人妻中文字幕一二三四区| 人人妻人人澡人人看| 亚洲精品久久成人aⅴ小说| 日日爽夜夜爽网站| 亚洲黑人精品在线| 国产爽快片一区二区三区| 色综合欧美亚洲国产小说| 久久久久精品人妻al黑| 久久久久网色| 日韩伦理黄色片| 成年动漫av网址| 中文字幕av电影在线播放| 国产成人精品无人区| 欧美 日韩 精品 国产| 亚洲综合色网址| 99国产精品免费福利视频| 又黄又粗又硬又大视频| 久久九九热精品免费| 精品亚洲成a人片在线观看| 青春草亚洲视频在线观看| 久久女婷五月综合色啪小说| 亚洲欧美日韩另类电影网站| e午夜精品久久久久久久| 熟女av电影| 又黄又粗又硬又大视频| 后天国语完整版免费观看| 国产xxxxx性猛交| 免费在线观看日本一区| 天天操日日干夜夜撸| 午夜精品国产一区二区电影| 日韩av免费高清视频| 国产亚洲欧美在线一区二区| 欧美精品亚洲一区二区| 菩萨蛮人人尽说江南好唐韦庄| 考比视频在线观看| 欧美日韩国产mv在线观看视频| 欧美亚洲 丝袜 人妻 在线| 日本91视频免费播放| 久久国产精品人妻蜜桃| 香蕉丝袜av| 欧美亚洲日本最大视频资源| 成人三级做爰电影| 19禁男女啪啪无遮挡网站| 成年人午夜在线观看视频| 免费在线观看黄色视频的| av视频免费观看在线观看| 国产免费一区二区三区四区乱码| 十八禁人妻一区二区| 91成人精品电影| 国产精品一区二区免费欧美 | 又粗又硬又长又爽又黄的视频| 十八禁网站网址无遮挡| 老司机在亚洲福利影院| 亚洲欧美成人综合另类久久久| 国产欧美日韩一区二区三 | 一级黄片播放器| 免费不卡黄色视频| 国产精品二区激情视频| 亚洲国产精品成人久久小说| 久久久精品国产亚洲av高清涩受| 赤兔流量卡办理| 一本久久精品| 日本午夜av视频| 人妻 亚洲 视频| 人妻人人澡人人爽人人| 一区在线观看完整版| 一区二区日韩欧美中文字幕| 精品国产国语对白av| 两性夫妻黄色片| avwww免费| 色播在线永久视频| 欧美亚洲 丝袜 人妻 在线| 亚洲第一av免费看| 午夜福利视频精品| 婷婷色麻豆天堂久久| 欧美精品高潮呻吟av久久| 黄色毛片三级朝国网站| 亚洲精品久久久久久婷婷小说| 日本91视频免费播放| 国产99久久九九免费精品| 久久天躁狠狠躁夜夜2o2o | av天堂久久9| 久久精品国产亚洲av高清一级| 亚洲 国产 在线| 两个人看的免费小视频| 亚洲av日韩在线播放| 丝瓜视频免费看黄片| 91老司机精品| 一级片免费观看大全| 免费黄频网站在线观看国产| 亚洲精品av麻豆狂野| 亚洲精品久久久久久婷婷小说| 国产免费又黄又爽又色| 午夜日韩欧美国产|