• <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
    美女福利国产在线| 18禁在线播放成人免费| 久久久久精品久久久久真实原创| 黑人猛操日本美女一级片| 国模一区二区三区四区视频| 亚洲不卡免费看| 欧美人与善性xxx| 国产永久视频网站| 国产成人免费观看mmmm| 嫩草影院入口| 国产69精品久久久久777片| 少妇被粗大的猛进出69影院 | 久久国产精品大桥未久av| 国产极品天堂在线| 伦理电影免费视频| 欧美xxxx性猛交bbbb| 日韩视频在线欧美| 日本黄大片高清| 七月丁香在线播放| 一本大道久久a久久精品| 国产深夜福利视频在线观看| 欧美日韩综合久久久久久| 一区在线观看完整版| 制服人妻中文乱码| 天堂俺去俺来也www色官网| 人妻 亚洲 视频| 成年美女黄网站色视频大全免费 | 中文字幕久久专区| 免费观看av网站的网址| 日韩av免费高清视频| 午夜老司机福利剧场| 99热这里只有精品一区| 久久久久久久久久人人人人人人| 亚州av有码| 最后的刺客免费高清国语| 蜜桃久久精品国产亚洲av| 日本黄色日本黄色录像| 欧美日韩精品成人综合77777| 天堂8中文在线网| 欧美xxxx性猛交bbbb| 老女人水多毛片| 国产精品一区二区在线观看99| 欧美bdsm另类| xxxhd国产人妻xxx| 欧美日韩亚洲高清精品| 色94色欧美一区二区| 日韩精品有码人妻一区| 最近手机中文字幕大全| 国产日韩欧美在线精品| 亚洲av日韩在线播放| 美女国产视频在线观看| 国产在视频线精品| 亚洲不卡免费看| 亚洲av二区三区四区| 免费播放大片免费观看视频在线观看| 国产综合精华液| 国产 精品1| 男女无遮挡免费网站观看| 大话2 男鬼变身卡| 一级a做视频免费观看| 精品一区二区三区视频在线| 少妇的逼水好多| 91久久精品电影网| 精品久久国产蜜桃| 丝袜脚勾引网站| 午夜影院在线不卡| 伊人亚洲综合成人网| 国产国拍精品亚洲av在线观看| 国产精品熟女久久久久浪| 亚洲欧美色中文字幕在线| 熟女电影av网| 在线观看三级黄色| 久久久久国产精品人妻一区二区| 99re6热这里在线精品视频| 亚洲天堂av无毛| 久久青草综合色| 999精品在线视频| 伊人久久精品亚洲午夜| 26uuu在线亚洲综合色| 91久久精品国产一区二区成人| 中文字幕亚洲精品专区| 日韩,欧美,国产一区二区三区| 免费观看在线日韩| 97在线人人人人妻| 老司机影院成人| 简卡轻食公司| 亚洲婷婷狠狠爱综合网| 人妻人人澡人人爽人人| 国产精品99久久99久久久不卡 | 新久久久久国产一级毛片| videosex国产| 日韩大片免费观看网站| 成年人午夜在线观看视频| 男人添女人高潮全过程视频| 大香蕉久久成人网| 精品少妇内射三级| 亚洲美女搞黄在线观看| 色网站视频免费| 国产精品秋霞免费鲁丝片| 好男人视频免费观看在线| 高清在线视频一区二区三区| 伊人亚洲综合成人网| a级毛片免费高清观看在线播放| 一级黄片播放器| 国产伦理片在线播放av一区| 亚洲国产av新网站| 国内精品宾馆在线| 亚洲,欧美,日韩| 3wmmmm亚洲av在线观看| 美女cb高潮喷水在线观看| 欧美97在线视频| 亚洲激情五月婷婷啪啪| 青青草视频在线视频观看| 国产精品蜜桃在线观看| 狠狠婷婷综合久久久久久88av| 精品午夜福利在线看| 欧美精品亚洲一区二区| 免费大片黄手机在线观看| 一区二区av电影网| 亚洲国产色片| 国产毛片在线视频| 少妇人妻久久综合中文| 制服人妻中文乱码| 久久久久人妻精品一区果冻| 熟女av电影| 国产一区二区三区综合在线观看 | 日本黄大片高清| 777米奇影视久久| 最近的中文字幕免费完整| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 99国产综合亚洲精品| 哪个播放器可以免费观看大片| 免费大片18禁| 日日啪夜夜爽| 亚洲一区二区三区欧美精品| 男男h啪啪无遮挡| 丁香六月天网| 亚洲精品自拍成人| 美女福利国产在线| 美女中出高潮动态图| 超色免费av| av国产精品久久久久影院| 色婷婷久久久亚洲欧美| 韩国高清视频一区二区三区| 赤兔流量卡办理| 欧美亚洲 丝袜 人妻 在线| 日本爱情动作片www.在线观看| 高清毛片免费看| 中文字幕人妻丝袜制服| 久久ye,这里只有精品| 久久精品国产亚洲网站| 国产成人精品在线电影| 搡老乐熟女国产| 18禁动态无遮挡网站| 国产有黄有色有爽视频| 天堂8中文在线网| 亚洲国产精品国产精品| 免费高清在线观看视频在线观看| 夜夜骑夜夜射夜夜干| 日韩一区二区视频免费看| 黄片无遮挡物在线观看| 我要看黄色一级片免费的| 国产精品国产av在线观看| 哪个播放器可以免费观看大片| 国模一区二区三区四区视频| 欧美+日韩+精品| 国产伦精品一区二区三区视频9| 大香蕉97超碰在线| 91精品一卡2卡3卡4卡| av福利片在线| 成年人午夜在线观看视频| 麻豆成人av视频| 少妇人妻久久综合中文| 超碰97精品在线观看| 亚洲成人av在线免费| 国产男女内射视频| av线在线观看网站| 只有这里有精品99| 欧美 亚洲 国产 日韩一| 国产午夜精品一二区理论片| 久久久久久伊人网av| 日韩 亚洲 欧美在线| 人妻制服诱惑在线中文字幕| 欧美国产精品一级二级三级| av在线app专区| 日韩av不卡免费在线播放| 91在线精品国自产拍蜜月| 老女人水多毛片| 免费人妻精品一区二区三区视频| 亚洲婷婷狠狠爱综合网| 欧美人与善性xxx| 一级毛片 在线播放| 亚洲精品第二区| 久久女婷五月综合色啪小说| 黑人欧美特级aaaaaa片| 久久国产精品男人的天堂亚洲 | 日韩强制内射视频| 国产欧美日韩一区二区三区在线 | 在线观看www视频免费| 久久国产精品大桥未久av| 欧美国产精品一级二级三级| 高清毛片免费看| 久久免费观看电影| 啦啦啦视频在线资源免费观看| 国产免费又黄又爽又色| 国产欧美日韩综合在线一区二区| 国产日韩欧美视频二区| 午夜福利在线观看免费完整高清在| 亚洲国产精品一区三区| 久久狼人影院| 久久久久久久久大av| 久久人人爽人人片av| 亚洲av二区三区四区| a级毛片免费高清观看在线播放| 自线自在国产av| 天天躁夜夜躁狠狠久久av| 一二三四中文在线观看免费高清| 日韩在线高清观看一区二区三区| 色婷婷av一区二区三区视频| 美女视频免费永久观看网站| 男女边摸边吃奶| 卡戴珊不雅视频在线播放| 久久狼人影院| 一级毛片 在线播放| 热re99久久精品国产66热6| 精品熟女少妇av免费看| 亚洲成人手机| 91精品三级在线观看| 黑人高潮一二区| 999精品在线视频| 两个人的视频大全免费| 国产av国产精品国产| 一区二区三区乱码不卡18| 亚洲av成人精品一二三区| 女人精品久久久久毛片| 狂野欧美激情性xxxx在线观看| 狂野欧美白嫩少妇大欣赏| 亚洲精品国产av蜜桃| 久久毛片免费看一区二区三区| 日韩av不卡免费在线播放| 中文欧美无线码| 欧美国产精品一级二级三级| 久久国内精品自在自线图片| 丝瓜视频免费看黄片| 高清视频免费观看一区二区| 蜜臀久久99精品久久宅男| √禁漫天堂资源中文www| 国产片特级美女逼逼视频| 国产深夜福利视频在线观看| 国产在线免费精品| 欧美日韩在线观看h| 男女国产视频网站| 五月天丁香电影| 日韩电影二区| 2022亚洲国产成人精品| 国产精品欧美亚洲77777| 亚洲精品乱码久久久v下载方式| 超色免费av| 国内精品宾馆在线| 大陆偷拍与自拍| 丰满迷人的少妇在线观看| 国产色爽女视频免费观看| 亚洲精品日韩av片在线观看| 亚洲欧美清纯卡通| 亚洲国产色片| 欧美精品国产亚洲| 国国产精品蜜臀av免费| 久久 成人 亚洲| 亚洲人成网站在线播| 人妻制服诱惑在线中文字幕| 婷婷色综合大香蕉| 国产成人a∨麻豆精品| 自线自在国产av| 国产av码专区亚洲av| 亚洲伊人久久精品综合| 伦理电影免费视频| 亚洲精品第二区| 伊人久久精品亚洲午夜| freevideosex欧美| 久久久久久久精品精品| 国产av一区二区精品久久| 99热网站在线观看| 欧美成人午夜免费资源| 最新中文字幕久久久久| 婷婷成人精品国产| 母亲3免费完整高清在线观看 | 国产精品 国内视频| 亚洲综合精品二区| 人体艺术视频欧美日本| 18禁在线无遮挡免费观看视频| 另类亚洲欧美激情| 2018国产大陆天天弄谢| 日韩视频在线欧美| 亚洲av福利一区| 亚洲av在线观看美女高潮| 日本av免费视频播放| 久久精品夜色国产| 伊人亚洲综合成人网| 99久久精品国产国产毛片| 亚洲av二区三区四区| xxxhd国产人妻xxx| 亚洲,欧美,日韩| 男女国产视频网站| 热99久久久久精品小说推荐| 亚洲精品国产色婷婷电影| 欧美一级a爱片免费观看看| 亚洲国产av影院在线观看| 欧美亚洲日本最大视频资源| 国产一区二区三区av在线| 午夜激情福利司机影院| 国产黄色免费在线视频| 亚洲精品成人av观看孕妇| 三级国产精品欧美在线观看| 亚洲四区av| 亚洲人成77777在线视频| 久久精品久久精品一区二区三区| 伊人久久精品亚洲午夜| 啦啦啦中文免费视频观看日本| 亚洲欧美成人精品一区二区| 中文字幕最新亚洲高清| a级片在线免费高清观看视频| 免费久久久久久久精品成人欧美视频 | av不卡在线播放| 久久久久久久久久成人| 精品久久久久久久久亚洲| 免费看光身美女| a级毛片在线看网站| 91午夜精品亚洲一区二区三区| 日本av手机在线免费观看| 久久久久久久国产电影| 久久久久国产网址| 精品一区二区免费观看| 一本大道久久a久久精品| 国产日韩欧美在线精品| 国产黄色免费在线视频| 美女福利国产在线| 九九爱精品视频在线观看| 夜夜看夜夜爽夜夜摸| 日韩强制内射视频| 热re99久久精品国产66热6| 亚洲成色77777| 日本猛色少妇xxxxx猛交久久| 秋霞在线观看毛片| 亚洲成人av在线免费| 亚洲av男天堂| 在现免费观看毛片| 国产成人一区二区在线| 亚州av有码| 国产日韩欧美亚洲二区| 我的女老师完整版在线观看| 久久久久久久亚洲中文字幕| 一本—道久久a久久精品蜜桃钙片| 乱人伦中国视频| 日韩制服骚丝袜av| 新久久久久国产一级毛片| 亚洲欧美成人综合另类久久久| 三上悠亚av全集在线观看| 午夜av观看不卡| 少妇人妻精品综合一区二区| av在线观看视频网站免费| 麻豆乱淫一区二区| 日本与韩国留学比较| 一边摸一边做爽爽视频免费| 国产精品国产三级专区第一集| 久久久久国产精品人妻一区二区| av在线观看视频网站免费| 久久精品国产亚洲网站| 91aial.com中文字幕在线观看| 丰满饥渴人妻一区二区三| 亚洲精品,欧美精品| 99热这里只有是精品在线观看| 免费高清在线观看视频在线观看| 亚洲精品中文字幕在线视频| 美女主播在线视频| 亚洲精品乱码久久久v下载方式| 日韩不卡一区二区三区视频在线| 丁香六月天网| 又粗又硬又长又爽又黄的视频| 国产免费又黄又爽又色| 夫妻午夜视频| 熟女av电影| 人人澡人人妻人| 欧美+日韩+精品| 最近中文字幕高清免费大全6| 国产成人freesex在线| av国产精品久久久久影院| 国产欧美亚洲国产| 一区二区三区免费毛片| 午夜福利在线观看免费完整高清在| 色婷婷久久久亚洲欧美| 亚洲精品亚洲一区二区| 国产69精品久久久久777片| 日本av免费视频播放| 亚洲国产欧美日韩在线播放| 国产精品秋霞免费鲁丝片| 国产深夜福利视频在线观看| 免费不卡的大黄色大毛片视频在线观看| 少妇精品久久久久久久| 高清av免费在线| 久久久精品免费免费高清| 午夜久久久在线观看| 久久这里有精品视频免费| a级毛片免费高清观看在线播放| 亚洲精品一二三| 欧美性感艳星| 99re6热这里在线精品视频| 国产av国产精品国产| 国产免费现黄频在线看| 婷婷色综合www| 成人毛片60女人毛片免费| 人妻少妇偷人精品九色| 免费高清在线观看视频在线观看| 欧美日韩亚洲高清精品| 国产成人免费观看mmmm| 内地一区二区视频在线| 成人黄色视频免费在线看| 国产精品久久久久久精品古装| av播播在线观看一区| 老司机影院成人| 欧美日韩综合久久久久久| 一本久久精品| 国产成人精品无人区| 大香蕉97超碰在线| 大陆偷拍与自拍| 草草在线视频免费看| 欧美日韩成人在线一区二区| 精品国产国语对白av| 熟女av电影| 日韩av免费高清视频| 欧美成人午夜免费资源| 欧美精品人与动牲交sv欧美| 国精品久久久久久国模美| 久久久a久久爽久久v久久| 久久99精品国语久久久| 国内精品宾馆在线| 蜜桃在线观看..| 亚洲av成人精品一二三区| 曰老女人黄片| 久久久久国产网址| 精品一区在线观看国产| 国产乱人偷精品视频| av播播在线观看一区| av电影中文网址| 久久av网站| 日韩不卡一区二区三区视频在线| 最近2019中文字幕mv第一页| 国产成人精品无人区| 亚洲精品成人av观看孕妇| 亚洲熟女精品中文字幕| videos熟女内射| 亚洲伊人久久精品综合| 国产日韩欧美在线精品| 狂野欧美激情性xxxx在线观看| 免费看光身美女| 综合色丁香网| 国产午夜精品一二区理论片| 亚洲av福利一区| 久久精品久久久久久久性| 两个人的视频大全免费| 久久国产亚洲av麻豆专区| 精品久久久噜噜| 精品久久久久久久久亚洲| 国产色爽女视频免费观看| 只有这里有精品99| 自线自在国产av| 久久久久视频综合| 久久狼人影院| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲图色成人| 精品国产乱码久久久久久小说| 亚洲五月色婷婷综合| 狠狠婷婷综合久久久久久88av| 黄色怎么调成土黄色| 人妻 亚洲 视频| 美女国产视频在线观看| 久久精品久久久久久久性| av网站免费在线观看视频| 99久久综合免费| 看免费成人av毛片| 成人18禁高潮啪啪吃奶动态图 | 色5月婷婷丁香| 中文字幕最新亚洲高清| 精品人妻在线不人妻| 午夜激情久久久久久久| 久久国产精品男人的天堂亚洲 | 国产精品欧美亚洲77777| 精品一区二区三卡| 日韩大片免费观看网站| 亚洲精品乱码久久久v下载方式| 在线看a的网站| 国产成人免费无遮挡视频| 欧美激情 高清一区二区三区| 国产亚洲欧美精品永久| 97在线人人人人妻| 免费播放大片免费观看视频在线观看| 999精品在线视频| 婷婷色麻豆天堂久久| 精品人妻熟女av久视频| 欧美精品人与动牲交sv欧美| 少妇熟女欧美另类| 日韩不卡一区二区三区视频在线| 久久婷婷青草| 久久 成人 亚洲| 两个人的视频大全免费| 亚洲国产欧美日韩在线播放| 五月玫瑰六月丁香| 99国产精品免费福利视频| 国语对白做爰xxxⅹ性视频网站| 国产成人精品在线电影| 久久午夜福利片| 成人免费观看视频高清| 午夜免费鲁丝| 午夜福利,免费看| 夫妻午夜视频| 久久久久久人妻| 亚洲精品亚洲一区二区| 热99国产精品久久久久久7| videosex国产| 天美传媒精品一区二区| 免费看不卡的av| 午夜激情久久久久久久| 乱码一卡2卡4卡精品| 亚洲国产精品专区欧美| 亚洲三级黄色毛片| 亚洲色图综合在线观看| 欧美精品一区二区大全| 91精品国产九色| 少妇丰满av| 亚洲少妇的诱惑av| 一级毛片 在线播放| 日本91视频免费播放| 精品国产一区二区久久| 熟妇人妻不卡中文字幕| 精品久久久久久久久亚洲| 97精品久久久久久久久久精品| 日本免费在线观看一区| 亚洲色图综合在线观看| 久久av网站| 久久久久久久精品精品| 国产在线视频一区二区| 日本av手机在线免费观看| 另类亚洲欧美激情| 国产亚洲最大av| 蜜桃在线观看..| 国产日韩一区二区三区精品不卡 | 边亲边吃奶的免费视频| 熟女人妻精品中文字幕| 视频在线观看一区二区三区| 国产日韩欧美视频二区| 欧美日韩视频精品一区| 女的被弄到高潮叫床怎么办| 最新中文字幕久久久久| 国产深夜福利视频在线观看| 久久久久久久久大av| 国产深夜福利视频在线观看| 少妇被粗大猛烈的视频| 亚洲精品中文字幕在线视频| 日本av免费视频播放| 婷婷成人精品国产| 制服诱惑二区| a级毛色黄片| 国产精品一国产av| 婷婷色av中文字幕| 一区在线观看完整版| 三上悠亚av全集在线观看| 日韩伦理黄色片| 99久久人妻综合| 亚洲精品乱久久久久久| 久久婷婷青草| 国产日韩一区二区三区精品不卡 | freevideosex欧美| 欧美成人精品欧美一级黄| 菩萨蛮人人尽说江南好唐韦庄| 丝袜喷水一区| 一级a做视频免费观看| 精品人妻在线不人妻| 一级a做视频免费观看| 国产av一区二区精品久久| 国产亚洲最大av| 80岁老熟妇乱子伦牲交| 国产欧美另类精品又又久久亚洲欧美| 亚洲欧美色中文字幕在线| 五月玫瑰六月丁香| 成人午夜精彩视频在线观看| 男女边吃奶边做爰视频| kizo精华| 黄色怎么调成土黄色| 伦理电影大哥的女人| 国产在视频线精品| 边亲边吃奶的免费视频| 韩国av在线不卡| 最黄视频免费看| 日本91视频免费播放| 色哟哟·www| 久久精品国产亚洲av涩爱| 一区二区三区免费毛片| 国产女主播在线喷水免费视频网站| 秋霞在线观看毛片| 26uuu在线亚洲综合色| 亚洲少妇的诱惑av| 国产精品免费大片| 蜜桃在线观看..| 国产高清国产精品国产三级| 精品少妇黑人巨大在线播放| 日日爽夜夜爽网站| .国产精品久久| 一区二区三区乱码不卡18| 日本-黄色视频高清免费观看| 熟女人妻精品中文字幕| av在线观看视频网站免费| 999精品在线视频| 亚洲欧洲国产日韩| 国产色爽女视频免费观看| a级毛片免费高清观看在线播放| 亚洲在久久综合|