《電子技術應用》
您所在的位置:首頁 > 通信與網絡 > 業界動態 > 優化的RBF網絡在特征選擇中的應用研究

優化的RBF網絡在特征選擇中的應用研究

2009-08-31
作者:朱顥東1,2,鐘 勇1,2

  摘 要: 提出了一個自適應量子粒子群優化算法,用于訓練RBF網絡的基函數中心和寬度,并結合最小二乘法計算網絡權值,對RBF網絡的泛化能力進行改進并用于特征選擇。實驗結果表明,采用自適應量子粒子群優化算法獲得的RBF網絡模型不但具有很強的泛化能力,而且具有良好的穩定性,能夠選擇出較優秀的特征子集。
??? 關鍵詞: 特征選擇;文本分類;RBF神經網絡;量子粒子群優化;最小二乘法

?

  在文本分類中,文本通常是以向量形式來表示的,其特點是高維性和稀疏性[1]。而在中文文本分類中,通常采用詞條作為最小的獨立語義載體,原始的特征空間可能由出現在文章中的全部詞條構成。由于中文的詞條總數有20多萬條,這使得其高維性和稀疏性更加明顯,這樣就大大限制了分類算法的選擇空間,降低了分類算法的效率和精度。為此,尋找一種高效的特征選擇方法,以降低特征空間維數、避免維數災難,提高文本分類的效率和精度,成為文本自動分類中亟待解決的重要問題[2-4]。
  本文首先提出了一個自適應量子粒子群優化算法,用于訓練RBF網絡的基函數中心和寬度,并結合最小二乘法計算網絡權值,對RBF網絡的泛化能力進行改進。然后把該RBF神經網絡用于特征選擇。實驗結果表明,采用自適應量子粒子群優化算法獲得的RBF網絡模型不但具有很強的泛化能力,而且具有良好的穩定性,能夠選擇出較優秀的特征子集。
1 RBF神經網絡簡介
??? RBF網絡是一種3層前饋神經網絡[5-7]。由輸入層、隱層和輸出層組成。網絡輸出層的輸出計算公式為:
  
??? 這里是輸入矢量;φk(·)是從正實數集合到實數集合的函數,此函數的給出形式較多,這里采用高斯函數:
???
??? 表示歐幾里德范式;wik是輸出層的權值;N表示隱含層神經元的個數;ck∈Rn×l表示輸入向量空間的RBF網絡的中心(簡稱中心)。對于隱含層的每一個神經元,要計算與其關聯的中心和網絡輸入間的歐幾里德距離。隱含層神經元的輸出是該距離的非線性函數。隱含層輸出的加權和是RBF網絡的輸出[5-7]。
??? 由公式(1)和(2)可見,如果知道了RBF網絡的隱層節點數N、中心ck和δ寬度,RBF網絡從輸入到輸出就成了一個線性方程組,此時連接權值的學習可采用最小二乘法求解。因此,只要確定了N、ck和δ,RBF網絡模型也建立好了。而對RBF網絡的隱層節點個數,本文采用了SOM(Self Organization Mapping)網絡的聚類算法來確定。對中心ck和寬度?滓則由本文提出的自適應量子粒子群優化算法來確定。
2 優化的粒子群算法
2.1 量子粒子群優化算法(QPSO)

??? 粒子群優化(PSO)算法是一種基于群體智能的隨機搜索算法,其粒子在經典力學空間中飛行,由于飛行軌跡確定,因此搜索空間有限,易陷入局部極值[8]。為了避免這個缺陷參考文獻[9]從量子力學的角度出發提出具有量子行為的粒子群優化算法(QPSO)。由于在量子空間中的粒子移動時沒有確定的軌跡,使粒子可以在整個可能解空間中隨機搜索全局最優解,因此QPSO算法的全局搜索能力遠遠優于PSO算法[9]。
??? 由于在量子空間中,粒子的位置和速度不能同時確定,因此可以通過波函數(波函數的平方是粒子在空間中某一點出現的概率密度)來描述粒子的狀態,并通過求解薛定諤方程得到粒子在空間某一點出現的概率密度函數,隨后通過蒙特卡羅隨機模擬的方式得到量子空間中粒子的位置方程,如下式所示[10]:
  

  其中p為pb與gb之間的隨機位置;mb是所有粒子個體最佳位置pb的平均值;N為粒子個數;b為收縮擴張系數,在QPSO算法收斂的過程中線性減小;it為當前迭代次數;it max為設定的最大迭代次數;ppos是粒子的當前位置;a和u都是0~1之間的隨機數,當u>=0.5時,公式(5)取“—”號,當02.2 自適應量子粒子群優化算法(AQPSO)
??? 在QPSO算法中,當pb和gb很接近時意味著粒子的參數P很小,于是粒子的搜索范圍也變得很小。這樣,粒子群的進化就會停滯;如果這個時候粒子群的當前最佳位置處于一個局部最優解,那么整個粒子群就會趨于早熟收斂[10]。
??? 在QPSO算法中,只有一個收縮擴張系數b,對這個參數的選擇和控制是非常重要的,它關系到整個算法的收斂性能[10]。在參考文獻[10]中已經證明,當b<1.7時,粒子收斂,靠近粒子群的當前最佳位置;當b>1.8時,粒子發散,遠離粒子群的當前最佳位置。從公式(5)可以看出收縮擴張系數b在粒子進化過程隨著進化代數的增加而線性減小,這種固定的變化并不能自適應避免早熟趨勢。對此,本文做出如下改進:
  
其中fbfit2為上一代群體獲得最佳位置gb的適應度;ffitness(i)為第i個粒子的當前適應度。h為兩者的比值,h越小,說明粒子越遠離粒子群的當前最佳位置;h越大,說明粒子越靠近粒子群的當前最佳位置。本文以h的值是否小于0.5為分界,如果h<0.5,說明粒子遠離群體最佳位置gb,收縮擴張系數b應該小于1.7,使它收斂。因此將b值設為2×h,使它不超過1;h≥0.5,說明粒子靠近群體的當前最佳位置gb,因此將b值設為1+h,增加其大于1.8的概率,使它盡量發散,擴大搜索范圍。
3 AQPSO算法對RBF網絡的優化
  用AQPSO算法訓練RBF神經網絡時,首先要用向量形式表示RBF網絡的學習過程中需要調整的2個訓練參數:(1)徑向基函數的數據中心c。(2)徑向基函數的擴展常數,即寬度?滓。假設采用SOM聚類算法得到RBF網絡有個隱層節點,粒子群的規模,即粒子的個數為N,則對粒子參數編碼格式如表1所示,粒子群編碼格式如表2所示。粒子參數維數D=2m,每個粒子用1個2m維的向量來表示對應的m個徑向基函數的數據中心和寬度,則粒子在N×D維的解空間POP中搜索群體的最佳位置,粒子群體的最佳位置對應RBF網絡中的最優的數據中心值和寬度。

?


??? 計算粒子群體的最佳位置需要比較粒子的適應度,本文以每個粒子對應的網絡參數在訓練集上產生的均方差EMS作為粒子的適應度的目標函數,則適應度越小,EMS就越小,網絡對數據的擬合程度就越高。粒子的適應度ffitness可用下面的公式計算:
  
??? 其中yi為第i個粒子的實際輸出值;ti為第i個粒子的期望輸出值。一旦粒子搜索完成,找到的粒子群中適應度最小者,即擁有最佳位置gb,則對應的隱層節點的最優的數據中心和寬度也就確定了。對于RBF網絡隱層到輸出層網絡連接權值向量則可以使用最小二乘法(LMS)直接計算得到。
??? 具體的優化RBF網絡模型實現如下:
??? (1)初始化粒子群體POP、每個粒子的最佳位置pb(0)=Φ、粒子群最佳位置gb=Φ、粒子的適應度ffitness(0)=0、當前粒子群的最佳適應度fbfit1=0、上一代粒子群的最佳適應度fbfit2=0和預設精度ε=0.09、最大迭代次數it max=200,i=1。
??? (2)根據當前粒子i的位置(得到網絡的中心和寬度),結合最小二乘法(得到網絡的連接權值)計算出粒子i對所有訓練樣本的適應度;并比較粒子i的適應ffitness(i)和整個粒子群體的適應度fbfit1,如果ffitness(i)bfit1,則更新粒子i最佳位置pb(i)。
??? (3)判斷所有粒子是否完成搜索,是則轉(4),否則返回(2)。
??? (4)比較當前群體的最佳適應度fbfit1和上一代群體的最佳適應度fbfit2,若fbfit1bfit2,則更新粒子群最優位置gb和粒子群的最佳適應度fbfit1
??? (5)判斷粒子群中最佳的適應度即最小EMS,是否小于預設精度ε,是則轉(8),否則轉(6)。
??? (6)i=i+1,如果i≥it max,則轉(8),否則返回(7)。
??? (7)根據公式(8)至(9)更新每個粒子的位置,生成新的粒子群,返回(2)。
??? (8)RBF網絡訓練完成,輸出粒子群最佳位置gb。其中,gb(1:m)對應RBF網絡最優的m個數據中心,gb(m+1:2×m)對應RBF網絡最優的m個寬度。用LMS計算出網絡連接權值,建立基于AQPSO算法的RBF網絡預測模型。
4 本文特征選擇方法
??? 本文特征選擇方法使用了本文提出的基于AQPSO算法優化的RBF神經網絡。簡單過程如下:
??? 訓練樣本首先經過分詞、特征提取得到原始特征集;然后利用參考文獻[2]提出的優化的文檔頻方法先過濾掉一些詞條(最小詞頻數閾值n=2,最小文檔數閾值m=5, 這時的特征集為初選特征集),來降低特征空間維數,從而降低RBF網絡的輸入層的單元數,以減少該網絡的訓練耗時。最后用本文所給的優化的RBF網絡進行特征優選,從而選擇出較優的特征子集。
??? 使用優化的RBF網絡進行特征優選的方法如下:把每個訓練樣本表示成向量的形式,每個初選特征(經過優化的文檔頻方法篩選的特征)在這個向量中對應一個權值。本文取該特征在這個文本中出現的次數和這個文本所屬類的總訓練文本中包含該特征的文本數的乘積為權值。將所有文本向量(相當于初始粒子群)作為訓練樣本,RBF網絡的輸入層神經元個數等于初選特征數;輸出層神經元個數等于訓練文本的類別個數;隱含層神經元個數相對固定(以網絡的泛化性和訓練效率確定)。經過訓練后,存在一些較大權值對應的隱含層神經元,與其相連接的輸入層神經元所代表的特征即為特征,它們的并集就是優選的特征子集。
5 實驗例證
5.1 實驗語料庫

??? 在中文文本分類方面,經過分析和比較,本文選用的分類語料庫是復旦大學中文文本分類語料庫。該語料庫由復旦大學計算機信息與技術系國際數據庫中心自然語言處理小組構建,語料文檔全部采自互聯網,可以免費下載,網址為:http://www.nlp.org.cn/categories/default.php?cat_id=16。
??? 復旦大學中文文本分類語料庫中包含20個類別,分為訓練文檔集和測試文檔集2個部分。每個部分都包括20個的子目錄,相同類別的文檔存放在一個對應的子目錄下;每個存儲文件只包含1篇文檔,所有文檔均以文件名作為唯一編號。共有19 637篇文檔,其中訓練文檔9 804篇,測試文檔9 833篇;訓練文檔和測試文檔基本按照1:1的比例來劃分。去除部分重復文檔和損壞文檔后,共保留文檔14 378篇,其中訓練文檔8 214篇,測試文檔6 164篇,跨類別的重復文檔沒有考慮,即1篇文檔只屬于1個類別。該語料庫中的文檔的類別分布情況是不均勻的。其中,訓練文檔最多的類Economy有1 369篇訓練文檔,而訓練文檔最少的類Communication有25篇訓練文檔;同時,訓練文檔數少于100篇的稀有類別共有11個。訓練文檔集和測試文檔集之間互不重疊。本文只取前10個類的部分文檔,其類別文檔分布如表3所示。


5.2 實驗環境及參數設置
??? 實驗設備是1臺普通計算機:操作系統為Microsoft Windows XP Professional(SP2),CPU規格為Intel(R) Celeron(R) CPU 2.40 GHz,內存512 MB,硬盤80 GB。
??? 進行中文分詞處理時,采用的是中科院計算所開源項目“漢語詞法分析系統ICTCLAS”系統。
??? 實驗使用的軟件工具是Weka,這是紐西蘭的Waikato大學開發的數據挖掘相關的一系列機器學習算法。實現語言是Java,可以直接調用,也可以在代碼中調用。Weka包括數據預處理、分類、回歸分析、聚類、關聯規則、可視化等工具,對機器學習和數據挖掘的研究工作很有幫助,是開源項目,網址為:http://www.cs.waikato.ac.nz/ml/weka/。實驗使用的計算工具為MATLAB 7.0。
5.3 實驗所用分類器及其評價標準
??? 本實驗旨在比較本文方法與信息增益(IG)、x2統計量(CHI)、互信息(MI)等3種特征選擇方法對后續文本分類精度的影響,因此本實驗在各種特征選擇方法后采用相同的分類器對文本進行分類。本實驗中使用KNN分類器來比較這幾種特征選擇方法(K設置為10)。
??? 為了評價實驗效果,實驗中選擇分類正確率和召回率作為評價標準:準確率(Precision)=a/(a+b),它是所判斷的文本與人工分類文本吻合的文本所占的比率;召回率(Recall)=a/(a+c),是人工分類結果應有的文本與分類系統吻合的文本所占的比率。在實際中,查準率比查全率重要。其中a、b、c代表相應的文檔數,它們的含義如表4所示。


5.4 實驗結果
??? 表5總結了四種方法在所選數據集上的分類準確率和召回率,從總體上看,本文方法>IG>CHI>MI。由于本文方法使用了優化的RBF網絡對特征進行優選,使得選擇出的特征子集較優秀,所以效果最佳;由于IG方法受樣本分布影響,在樣本分布不均勻的情況下,它的效果就會大大降低,但從整體上看本文所選樣本分布相對均勻,只有極個別相差較大,所以總體效果次之;由于MI方法僅考慮了特征發生的概率,而CHI方法同時考慮了特征存在與不存在時的情況,所以CHI方法比MI方法效果要好。總的來說,本文所提的方法是有效的,在文本挖掘中有一定的實用價值。


??? 本文首先提出了一個自適應量子粒子群優化算法,用于訓練RBF網絡的基函數中心和寬度,并結合最小二乘法計算網絡權值,對RBF網絡的泛化能力進行改進。然后把該RBF神經網絡用于特征選擇。實驗結果表明,采用自適應量子粒子群優化算法獲得的RBF網絡模型不但具有很強的泛化能力,而且具有良好的穩定性,能夠選擇出較優秀的特征子集。特征選擇方法與3種經典特征選擇方法“信息增益”和“統計量”以及“互信息”相比有較高的準確率和召回率,為后續的知識發現算法減少了時間與空間復雜性,從而使得本文方法在文本分類中有一定的使用價值。

參考文獻
[1] DELGADO M, MARTIN-BAUTISTA M J, SANCHEZ D, et al. Mining text data: special features and patterns [C]//In Proceedings of ESF Exploratory Workshop. London: U.K, Sept, 2002:32-38.
[2] 朱顥東,鐘勇.一種新的基于多啟發式的特征選擇算法[J].計算機應用,2009,29(3):849-851.
[3] FRIEDMAN N, GEIGER D, GOLDSZMIDT M. Bayesian network classifiers[J]. machineIearning,1997,29(2):131-163.
[4] 張海龍,王蓮芝.自動文本分類特征選擇方法研究[J].計算機工程與設計,2006,27(20):3838-3841.
[5] 蔣華剛,吳耿鋒.基于人工免疫原理的RBF網絡預測模型[J].計算機工程,2008,34(2):202-205.
[6] 顏聲遠,于曉洋,張志儉,等.基于RBF網絡的顯示設計主觀評價方法[J].哈爾濱工程大學學報,2007,28(10):1150-1155.
[7] 臧小剛,宮新保,常成,等.一種基于免疫系統的RBF網絡在線訓練方法[J].電子學報,2008,36(7):1396-1400.
[8] 劉鑫朝,顏宏文.一種改進的粒子群優化RBF網絡學習算法[J].計算機技術與發展,2006,16(2):185-187.
[9] 陳偉,馮斌,孫俊.基于QPSO算法的RBF神經網絡參數優化優化仿真研究[J].計算機應用,2006,26(8):19-28.
[10] SUN Jun, FENG Bin, XU Wen Bo. Particle swarm pptimization with particles having quantum behavior[A] Proceeding of 2004 Congress on Evolutionary Computation[C].Piscataway CA: IEEE Press, 2004:325-330.

本站內容除特別聲明的原創文章之外,轉載內容只為傳遞更多信息,并不代表本網站贊同其觀點。轉載的所有的文章、圖片、音/視頻文件等資料的版權歸版權所有權人所有。本站采用的非本站原創文章及圖片等內容無法一一聯系確認版權者。如涉及作品內容、版權和其它問題,請及時通過電子郵件或電話通知我們,以便迅速采取適當措施,避免給雙方造成不必要的經濟損失。聯系電話:010-82306118;郵箱:aet@chinaaet.com。
主站蜘蛛池模板: 真人抽搐一进一出视频 | 国产三级在线看 | 五月天婷婷缴情五月免费观看 | 国产精品太长太粗太大视频 | 蜜桃一区二区三区 | 91精品国产乱码麻豆白嫩 | 国产精品538一区二区在线 | 亚洲天堂女人 | 国产午夜福利久久精品 | 日日鲁夜夜视频热线播放 | 国产一级黄色片视频 | 国产精品一二区在线观看 | 久久久久人妻一区二区三区 | 波多野结衣视频网站 | 国产区小视频 | 久久精品无码一区二区日韩av | a极毛片| 中国黄色小视频 | 色综合视频在线观看 | 日韩黄色一级网站 | 亚洲图片在线观看 | 日韩成人在线一区 | 免费中文字幕在线观看 | 拔擦拔擦8x国产精品免费 | 久久婷婷久久一区二区三区 | 色中文在线 | 国产精品igao | 制服丝袜在线看 | 激情黄色小说视频 | 富婆如狼似虎找黑人老外 | 中文文字幕一区二区三三 | 日韩成年人视频 | 日韩精品视频在线播放 | 免费又黄又爽1000禁片 | 久久国产精品久久久 | 国产精品天天狠天天看 | 亚洲成熟女人毛毛耸耸多 | 最新激情网 | 五月婷婷开心网 | 精品免费国产一区二区三区四区介绍 | 日本女优网址 | 久久无码人妻一区二区三区午夜 | 天天射天天干天天舔 | 六月丁香婷婷激情 | 亚洲欧美在线免费观看 | 欧美一级片免费看 | 日日鲁鲁鲁夜夜爽爽狠狠视频97 | 国产aaa精品 | 夜夜爱视频 | 青青免费视频 | 亚洲 成人 在线 | 国产精品免费无遮挡无码永久视频 | 亚洲国产精品一区二区成人片国内 | 色老板精品视频在线观看 | 成人高潮片免费网站 | 午夜黄色毛片 | 欧美日韩在线观看一区 | 亚洲成a人片在线观看无码3d | 精品福利在线 | 91免费高清视频 | 欧美日韩一区二区三区自拍 | 男人天堂综合 | 天天添天天操 | 嫩草影院wwwnyz五月天 | 国内久久精品视频 | 欧美图片一区二区三区 | 亚洲高潮 | 亚洲的天堂av无码 | 久草中文在线观看 | 亚洲 欧美 另类 综合 偷拍 | 超碰女人 | 亚欧在线视频 | 午夜理论片yy44880影院 | 欧美日韩成人一区 | 亚洲资源一区 | 久久久久青草 | 亚洲国产精品一区二区尤物区 | 国产精品久久久一区二区三区网站 | 欧美jizzhd精品欧美巨大 | 佐佐木明希奶水喷出在线视频 | 2020久久香蕉国产线看观看 | 男女裸交免费无遮挡全过程 | 久草视频一区 | 国产做a爰片久久毛片a片美国 | 国产成人无码av一区二区在线观看 | 中文字幕成人在线视频 | 日韩性xxxx | 亚洲无卡视频 | 国产免费一级淫片a级中文 国产免费一区 | 日韩一级片 | 91精品国产色综合久久不卡粉嫩 | 99热这里只有精品99 | 好吊妞视频一区二区三区 | 中文字幕在线视频观看 | 免费黄色91 | 免费a在线观看 | 国产做爰xxxⅹ高潮 国产做爰xxxⅹ高潮69 | 欧美三级一区二区 | 人妻人人澡人人添人人爽 | 少妇激情一区二区三区视频 | 四虎久久久 | 人妻无码中文专区久久五月婷 | 99国产超薄肉色丝袜交足的后果 | 日韩一级av毛片 | 五月色婷婷亚洲精品制服丝袜1区 | 国产又黄又爽刺激片 | 国产91在线免费 | 国产人妻久久精品一区二区三区 | 日本爱爱免费视频 | 午夜私人影院 | 女人裸体特黄做爰的视频 | 色性av| 亚洲人成网亚洲欧洲无码 | 天堂躁躁人人躁婷婷视频ⅴ | 毛片高清 | 把女邻居弄到潮喷的性经历 | 亚洲丁香婷婷 | 春色伊人 | 久久久久久九九99精品 | 亚洲一区日韩在线 | 国产福利视频一区二区 | 欧美mv日韩mv国产网站 | 亚洲男人影院 | 91夫妻在线 | 久啪视频| 国产精品偷伦费观看一次 | 免费看男女www网站入口在线 | 爱丝aiss无内高清丝袜视频 | 亚洲日本中文字幕乱码在线电影 | 日本欧美视频在线观看 | 日韩一二三四 | 天天天色综合a | 本道久久| 六月久久 | 特黄特色大片免费视频观看 | 国产成人精品午夜福利在线观看 | 精品三区 | 黄色在线a | 国内少妇毛片视频 | 日韩在线永久免费播放 | 国产黄色一区二区三区 | 国产精品v欧美精品v日韩精品 | 亚洲第一大网站 | 禁片天堂| 成视频年人黄网站免费视频 | 女人被弄到高潮的免费视频 | 全部免费播放在线毛片 | 在线观看免费观看av | 免费av影片 | 另类亚洲小说图片综合区 | 天堂最新资源在线 | 国产人妻大战黑人第1集 | 少妇高潮惨叫久久久久电影69 | 欧美性折磨bdsm激情另类视频 | 国产精品理人伦一区二区三区 | 久久久成人免费 | 一二三不卡视频 | 乱码精品国产成人观看免费 | 日日干夜夜干 | 久久久久久久成人 | 国产免费自拍 | 女邻居的大乳中文字幕 | 国产专区在线播放 | 国模和精品嫩模私拍视频 | 中老年妇女性色视频 | 亚洲乱码国产乱码精品精乡村 | 成人做爰69片免网站 | 欧美日韩a v | 97在线播放视频 | 人人舔人人干 | a级毛片古装在线播放 | 黄色av网站在线播放 | 蜜桔视频成人免费观看 | 麻豆久久久9性大片 | 亚洲欧美综合久久 | 国产不卡视频 | 91视频99| 日本少妇丰满大bbb的小乳沟 | 女同久久另类99精品国产 | 国产av精国产传媒 | 亚洲人成色777777老人头 | 亚洲丝袜一区二区 | 人妻av综合天堂一区 | 欧美性猛交xxxx乱大交俱乐部 | 中文字幕+乱码+中文字幕一区 | 日韩伦理中文字幕 | 中国亲与子乱ay中文 | jizzjizzjizz日本人| 国产精品96久久久久久又黄又硬 | 欧美日韩在线视频免费 | jizz欧美性10 | 国产成人精品三级麻豆 | 奇米色婷婷 | 四十如虎的丰满熟妇啪啪 | 亚洲国产精品无码一区二区三区 | 欧美亚洲一 | 亚洲精品不卡无码福利在线观看 | 亚洲午夜精品久久 | 成人做爰黄| 女同性恋毛片 | 亚洲色欲色欲www在线丝 | 成人aⅴ视频 | 久久久性| 成人久久网 | 色噜噜av男人的天堂 | 亚洲天堂中文字幕 | 人与动物黄色大片 | 久久久久久久久久久久久9999 | 中文字幕精品一区二区三区在线 | 国产日韩欧美中文另类 | 天美传媒一区二区 | 男女边吃奶边摸边做边爱视频 | 西西人体44www大胆无码 | 尤物在线观看视频 | 美女黄色片网站 | 黑人巨茎大战白人美女 | 天天舔天天射天天干 | 国产成人a在线观看视频免费 | 亚洲日本中文字幕在线 | 亚洲1级片| 日本在线观看 | 国产精华av午夜在线观看 | 日韩中文字幕区一区有砖一区 | 欧美激情va永久在线播放 | 91一区二区三区四区 | 日韩毛片无码永久免费看 | 18禁白丝喷水视频www视频 | 337p日本欧洲亚洲大胆精品 | 好了av在线第四站综合网站 | 久久天堂热 | 91丨国产丨香蕉|入口 | 日韩一级片免费在线观看 | 成人国产一区二区三区精品麻豆 | 首尔之春在线 | 亚洲色av性色在线观无码 | 日韩视频一区在线观看 | 我要看黄色毛片 | 国产91中文字幕 | 超碰久草| 国产伦精品一区二区三区照片91 | 日韩人妻少妇一区二区三区 | 国产又粗又猛又爽又黄的视频免费 | 亚洲福利天堂 | 精品国产免费久久久久久桃子图片 | 国产愉拍精品手机 | 牲交欧美兽交欧美 | 无人在线观看的免费高清视频 | 黄色小视频免费在线观看 | 欧美日韩高清 | 十八禁无码免费网站 | 亚欧激情乱码久久久久久久久 | 欧洲色网站 | 无码人妻精品一区二区三区不卡 | 五姑娘影院在线观看免费 | 欧美人与动牲交a精品 | 亚洲福利一区二区三区 | 亚洲视频中文字幕在线观看 | 亚洲视频福利 | 精品国产三级a∨在线 | 精品无码一区二区三区不卡 | 亚洲看片lutube在线入口 | 日本不卡视频在线播放 | 国产成人一区二区三区在线 | 国产精品爽 | 欧美精品欧美精品系列 | 男女啪啪十八 | 97精品视频在线 | 国产精品视频久久久久久久 | 高清欧美精品xxxxx | 亚洲乱码国产乱码精品精98午夜 | 一本一道波多野结衣av黑人 | 日韩视频在线观看 | 婷婷狠狠操 | 九一av | www.99精品 | 成人无号精品一区二区三区 | 成年人黄色毛片 | 亚洲日韩小电影在线观看 | 精品国产乱码久久久久乱码 | 美女隐私免费网站 | 日本做爰全过程免费看 | 91蜜桃臀久久一区二区 | 黄色片免费观看 | 午夜在线免费视频 | 激情五月深爱五月 | 天天操夜夜草 | 国产做爰全免费的视频黑人 | 亚欧成a人无码精品va片 | 日韩欧美一二三 | 女女同性女同一区二区三区91 | 玖玖在线 | 性高潮久久久久久久久 | 日韩av高清在线观看 | 国产精品21区| 亚洲午夜精品一区二区 | 尤物久久av一区二区三区亚洲 | 日韩人妻无码一区二区三区综合部 | 色五月丁香五月综合五月 | 免费人成激情视频在线观看 | 18禁黄网站禁片免费观看 | 欧美性猛交内射兽交老熟妇 | 国产69堂免费视频 | 用力使劲高潮了888av | 亚洲区免费中文字幕影片|高清在线观看 | 在线va| 亚洲人成伊人成综合网小说 | 亚洲精品中文字幕久久久久 | 蜜桃精品视频在线 | 国产又白又嫩又紧又爽18p | 激情综合五月丁香亚洲 | 99国产精品欧美久久久久的广告 | 中老年熟妇激情啪啪大屁股 | 黑人巨大精品欧美一区二区 | 欧美精品久久天天躁 | 99九九精品视频 | 一本色道久久综合亚洲精品酒店 | 国产成人精品亚洲一区 | 国产精品18久久久 | 性色av一区二区咪爱 | 四虎影视在线影院在线观看免费视频 | 亚洲日本综合 | 在线免费黄色网址 | 久久久99日产| 欧美永久精品 | a v在线视频 | 夜夜夜高潮夜夜爽夜夜爰爰 | 色综合天| 国产资源站 | 日本一区精品视频 | 人妻少妇中文字幕久久 | 国产亚洲欧美一区 | 在线播放精品 | 久操香蕉 | 自拍亚洲综合 | 精品厕所偷拍各类美女tp嘘嘘 | 国产精品免费麻豆入口 | 国产成年无码久久久久下载 | 天天躁日日躁xxxxaaaa | 国产成人网 | 白嫩情侣偷拍呻吟刺激 | 国产在线不卡一区二区三区 | 2022天天躁狠狠燥 | 无遮挡又色又刺激的女人视频 | 日韩av在线播放不卡 | 欧美成人精品第一区 | 李宗瑞91在线正在播放 | 成人aaaa | 久久久久久99av无码免费网站 | 欧洲一级片| 国模私拍av | 青草国产视频 | 91成人毛片 | 户外少妇对白啪啪野战 | 丁香花婷婷 | 国产乱人伦偷精品视频aaa | 成人欧美一区二区三区黑人冫 | 国产激情久久久久久熟女老人av | 99国产精品欧美久久久久的广告 | 欧洲美一区二区三区亚洲 | 北条麻妃一区二区三区中文字幕 | 91在线视频观看 | 水蜜桃av导航 | 另类 专区 欧美 制服 | 国产成人麻豆精品午夜福利在线 | 麻豆激情网 | 一区二区三区四区在线播放 | 欧美国产精品日韩在线 | 国产农村乱对白刺激视频 | 亚洲一级色 | 国产日本欧美一区二区 | 夜夜未满十八勿进的爽爽影院 | 黄色永久免费网站 | 久久99精品国产麻豆婷婷 | 欧美精品免费在线 | 色999av| 精品国产黄色 | 欧美乱轮视频 | 日韩在线中文字幕视频 | www312aⅴ欧美在线看 | 黑人巨大精品欧美一区二区, | 最新中文无码字字幕在线 | 少妇精品久久久一区二区三区 | 91传媒理伦片在线观看 | 明星性猛交ⅹxxx乱大交 | 国产黄色一区 | 免费观看性生交大片3 | 中文字幕在线看 | 性欧美18—19sex性高清 | 亚洲视频手机在线观看 | 欧美大肥婆bbbww欧出奶水 | 一级草逼片| 免费观看不卡av | 有声小说 成人专区 | 疯狂做受xxxx高潮欧美日本 | 福利视频一区 | 国产探花在线精品一区二区 | 国产精品入口麻豆www | 美女高清视频免费视频 | 91精品国自产拍在线观看不卡 | 国产一区二区免费看 | 日本捏奶吃奶的视频 | 大度亲吻原声视频在线观看 | 久久免费视频精品 | 少妇扒开粉嫩小泬视频 | 女人被爽到呻吟gif动态图视看 | 亚洲无人区一区二区三区 | 色婷婷视频在线 | 91性高湖久久久久久久久_久久99 | 青青操免费在线视频 | 福利一区在线观看 | 国模私拍av | 艳妇荡女欲乱双飞两中年熟妇 | 国精产品一品二品国精在线观看 | 蜜桃一本色道久久综合亚洲精品冫 | 久久久久久久无码高潮 | 久久久精品国产免大香伊 | av免费在线播放网站 | 日本三级2019 | 国产在视频线精品视频 | 欧美激情在线播放 | 亚洲色偷偷偷综合网 | 国产精品久久久久久久小唯西川 | 日韩精品区一区二区三vr | 日韩成人无码影院 | 豆麻视频在线免费观看 | 成人免费精品视频 | 日韩中文人妻无码不卡 | 91成人免费版 | 在线资源av | 国产真实乱在线更新 | 成人免费视频视频 | 亚欧无线一线二线三线区别 | 国产露脸无套对白在线播放 | 国产麻豆91 | 爱射影院| 一区二区三区国产亚洲网站 | 3bmm在线观看视频免费 | 美女网站全黄 | 精品在线一区 | 欧美高清二区 | 亚洲日本国产 | 狠狠色丁香婷婷久久综合五月 | 欧美日韩激情网 | 日本做爰吃奶全过程免 | 国产精品对白久久久久粗 | 成人艳情一二三区 | 狂野欧美性猛交xxxx巴西 | 99免费在线 | 精品日本一区二区三区在线观看 | 美女的屁股眼网站 | xx久久| 人妻丰满熟妇av无码区免 | 51免费动漫网永久入口 | 刚添一下她就呻吟起来的视频 | 亚洲91久久 | 大陆极品少妇内射aaaaa | av动漫在线免费观看 | 长腿校花无力呻吟娇喘 | av网天堂| 岳双腿间已经湿成一片视频 | 最新高清无码专区 | 扒开女人内裤猛进猛出免费视频 | 亚洲精品毛片一区二区 | 国产免费无码一区二区视频 | 成人性生交大片免费看4 | 77777五月色婷婷丁香视频在线 | 中文字幕在线免费看线人 | 精品自拍视频 | 夜夜高潮夜夜爽精品av免费的 | 亚洲综合色丁香婷婷六月图片 | 秋霞国产 | 国产精品99久久久久久久久 | 国产真实乱免费高清视频 | 91在线小视频 | 五月丁香六月激情综合在线视频 | 中文字幕专区高清在线观看 | 在线播放免费av | 成人h动漫精品一区二区原神 | 国产夫妻性生活视频 | 中文字幕第三页 | 国产欧美一区二区三区免费 | 午夜爱爱毛片xxxx视频免费看 | 亚洲人亚洲人成电影网站色 | 人妻熟女αⅴ一区二区三区 | 99久久综合| 国产欧美精品一区二区三区 | 国产成人午夜精品影院游乐网 | 一本大道卡一卡二卡三乱码全集资源 | 操操网 | 国产一区视频网站 | av免费播放网站 | 亚洲狠狠操 | 91精品国自产拍在线观看不卡 | 亚洲国产成人av好男人在线观看 | 青青草在线免费 | 少妇特黄a片一区二区三区 精品香蕉一区二区三区 | 亚洲人成人毛片无遮挡 | 国产无遮挡又黄又爽免费网站 | 久久中文精品无码中文字幕下载 | 色婷婷亚洲一区二区三区 | 日日夜夜亚洲 | 日本少妇喂奶视频 | 青娱乐极品视觉盛宴国产视频 | 亚洲高清色图 | 强迫凌虐淫辱の牝奴在线观看 | 国产又粗又猛又爽又黄的网站 | 久久综合狠狠色综合伊人 | 91在线一区二区 | 人妻无码一区二区三区四区 | 一进一出抽搐gif | 日韩在线视频中文字幕 | 五月婷婷久久综合 | 国产微拍精品一区 | 国语播放老妇呻吟对白 | 在线蜜桃| 精品无码人妻一区二区免费蜜桃 | 国产乱码精品一区二区三区忘忧草 | 日日摸天天摸97狠狠婷婷 | 色哟哟在线免费观看 | 国产精品久久久久久久久久免费看 | 在线免费看黄视频 | 欧美日韩国产在线一区 | 亚洲自拍一区在线 | 橘梨纱av一区二区三区在线观看 | 黄色的网站免费看 | 西西4444www大胆无码 | 蜜乳av 懂色av 粉嫩av | 久久国产精品视频 | 尤物久久 | avhd101高清在线迷片麻豆 | 人妻精品无码一区二区三区 | 中文字幕无码乱人伦 | 亚洲欧美日韩不卡 | 孕妇怀孕高潮潮喷视频孕妇 | 免费无遮挡在线观看视频网站 | 精品一区二区三区在线成人 | 久久久欧美精品sm网站 | 成年人三级网站 | 国产中文字幕91 | 日本韩国欧美一区二区三区 | 噜噜噜亚洲色成人网站 | 欧美人与性动交xxⅹxx | 日韩国产综合 | 亚洲熟妇丰满多毛xxxx | 人妻少妇久久中文字幕 | 色偷偷网站视频 | 中文乱码人妻系列一区二区 | 91刺激视频 | 俺啪也 | 99在线精品视频观看 | 一交一性一色一伦一区二 | 性一交一乱一色一视频麻豆 | 国产精品久久久亚洲 | 欧日韩av| 亚洲国产日韩精品 | 成人三级a做爰视频哪里看 成人三级k8经典网 成人三级黄色 | 欧美一级高潮片 | 伊人久久综合影院 | 色5月婷婷| 国精品无码一区二区三区在线蜜臀 | 久久人妻av无码中文专区 | 欧美三级在线播放 | 奇米四色777| 超级碰在线观看 | 91精品国产欧美一区二区成人 | 性色av香蕉一区二区 | 年代肉高h喷汁呻吟快穿 | 国产精品调教视频 | 日产精致一致六区麻豆 | 亚洲精品色午夜无码专区日韩 | 天天爽夜夜爽 | 少妇高潮大叫好爽喷水 | 久久久av男人的天堂 | 亚洲国产精品系列 | 国产中文区3幕区2021 | 中文字幕在线一区二区三区 | 欧洲成人av | 国产精品99久久久久久久女警 | 国产伦久视频免费观看 视频 | 涩涩视频免费在线观看 | 日韩精品一二三 | 日韩在线视频免费看 | 内射极品少妇xxxxxhd | 嫩草午夜少妇在线影视 | 精品国产免费一区二区三区香蕉 | 亚洲国产成人精品无色码 | 一卡二卡三卡在线视频 | 91九色porny国产探花 | 日本乳喷榨乳奶水视频 | 少妇做爰α片免费视频网站 | 欧美天堂一区二区 | 日韩精品免费在线视频 | 国产尤物精品视频 | 四川少妇性色xxxxhd | 国产区在线看 | 风流老熟女一区二区三区 | 国产高清不卡无码视频 | 国产一级片自拍 | 日韩在线aⅴ免费视频 | 91在线资源 | 成人一区二区在线 | 欧美久久久久 | 东北少妇不带套对白 | 国产一级做a | 潮喷失禁大喷水无码 | 成人首页 | 国产一区二区三区免费观看潘金莲 | 欧美日韩中文字幕在线观看 | 色月阁| 国产成a人亚洲精品在线观看 | 成人黄色在线免费观看 | 永久免费成人 | 亚洲日韩男人网在线 | 国产伦精品一区二区三区视频金莲 | 日韩av综合 |