• <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 ?

    面向混合屬性數(shù)據(jù)集的雙重聚類方法*

    2013-06-08 10:06:54陳新泉
    計算機工程與科學 2013年2期
    關鍵詞:屬性數(shù)據(jù)子圖雙重

    陳新泉

    (重慶三峽學院計算機科學與工程學院,重慶 404000)

    1 引言

    從數(shù)據(jù)挖掘的角度看,聚類分析的目的是獲取數(shù)據(jù)集的空間分布結(jié)構,進而描述那些有意義、有實際價值的數(shù)據(jù)集分布結(jié)構?,F(xiàn)今多數(shù)聚類算法只能處理數(shù)值型數(shù)據(jù)集,對類別屬性數(shù)據(jù)集和混合屬性數(shù)據(jù)集的研究不夠深入。由于實際中的聚類分析需求多數(shù)是面向混合屬性數(shù)據(jù)集,所以近年來針對類別屬性及混合屬性數(shù)據(jù)集的聚類分析得到一些研究人員的重視。如Huang Z X[1]將經(jīng)典的K-means算法[2]擴展到混合屬性數(shù)據(jù)集中,提出了K-prototype算法。Hsu C C等[3]提出了一種可處理混合屬性數(shù)據(jù)集的層次聚類算法。Bai L等[4]將探測最優(yōu)聚類數(shù)目和發(fā)現(xiàn)初始聚類中心這兩個過程結(jié)合起來,從而達到有效處理類別屬性數(shù)據(jù)集的目的。Liang等[5]為解決混合屬性數(shù)據(jù)聚類的一個重要難點,提出了一種基于信息理論的探測最優(yōu)聚類數(shù)目的方法。到目前為止,雖然已發(fā)表了不少面向混合屬性數(shù)據(jù)集的聚類分析研究成果,但沒有一種算法對所有類型的數(shù)據(jù)集都是有效的。

    本文第2節(jié)先對問題作簡要的描述;第3節(jié)提出了一種面向混合屬性數(shù)據(jù)集的雙重聚類方法;第4節(jié)通過仿真實驗來比較分析本文所提聚類算法的聚類效果;第5節(jié)對本文作簡要的總結(jié),并指出進一步的研究方向。

    2 問題描述

    其中,Xi=(xi1,xi2,…,xim)和Xj=(xj1,xj2,…,xjm)分別為第i個數(shù)據(jù)點和第j 個數(shù)據(jù)點在m 個屬性上的取值。易知,對任意的兩個數(shù)據(jù)點,都有disorder(·,·)∈[0,+∞),dissort(·,·)∈[0,m2]。

    3 混合屬性數(shù)據(jù)集的雙重聚類方法

    定義1 混合數(shù)據(jù)集S={X1,X2,…,Xn}中點P 的雙重近鄰點集NN(P)定義為:

    其中,disorder(X,P)為S 中的點X與點P 在有序?qū)傩陨系南喈惗?,dissort(X,P)為S 中的點X與點P 在無序?qū)傩陨系南喈惗?,DTorder為有序?qū)傩陨系南喈惗乳撝担珼Tsort為無序?qū)傩陨系南喈惗乳撝怠?/p>

    定義1的實質(zhì)是,NN(P)是從S={X1,X2,…,Xn}中選取與點P 在有序?qū)傩陨系南喈惗炔怀^DTorder、在無序?qū)傩陨系南喈惗炔怀^DTsort的其它點所構成的集合。

    3.1 雙重聚類方法的基本流程

    混合屬性數(shù)據(jù)集的雙重聚類方法包括如下五個步驟:

    (1)根據(jù)應用問題的領域知識,構造有序?qū)傩陨系南喈惗扔嬎闶胶蜔o序?qū)傩陨系南喈惗扔嬎闶?,設定有序?qū)傩陨系南喈惗乳撝岛蜔o序?qū)傩陨系南喈惗乳撝怠?/p>

    (2)構造混合屬性數(shù)據(jù)集的雙重近鄰點集及雙重近鄰無向圖。

    (3)采用一種搜索策略,構造雙重近鄰無向圖的初級聚類簇并建立其聚類結(jié)構描述。

    (4)(可選)采用一種聚類合并算法,對初級聚類簇中的聚類進行滿足聚類合并條件的聚類合并操作,直到不能再合并為止。

    (5)最終獲得的聚類簇即為該算法的輸出結(jié)果。

    接下來對這個基本流程的具體步驟作進一步的說明,并在算法實現(xiàn)方面給出若干討論。

    3.2 雙重近鄰無向圖的簡易構造算法

    算法1 雙重近鄰無向圖的構造算法

    輸入 數(shù)據(jù)集S={X1,X2,…,Xn}、有序?qū)傩陨系南喈惗扔嬎闶絛isorder(·,·)、無序?qū)傩陨系南喈惗扔嬎闶絛issort(·,·)、有序?qū)傩陨系南喈惗乳撝礑Torder、無序?qū)傩陨系南喈惗乳撝礑Tsort。

    輸出 S={X1,X2,…,Xn}的雙重近鄰無向圖。

    步驟1

    步驟2 根據(jù)S 中每個點的雙重近鄰點集NN(Xi)(i=1,2.…,n),構造出一個雙重近鄰無向圖G=(S,E)。其中,E={(u,v)|u ∈NN(v),u,v ∈S}。注意:根據(jù)雙重近鄰點集的定義,u ∈NN(v)成立,意味著v ∈NN(u)也成立。

    算法說明:

    3.3 雙重近鄰無向圖的改進構造算法

    在算法1 中,每一個數(shù)據(jù)點對Xi和Xj的相異度要計算兩次。算法1 的改進構造算法(算法1*)對每一個數(shù)據(jù)點對Xi和Xj的相異度只需計算一次,從而達到改進時空效率的目的。算法1*的具體描述可參見文獻[6],它的優(yōu)缺點簡述如下:

    (1)算法1*的優(yōu)點。

    ①在算法1*中,存儲雙重近鄰點集NN(Xi)(i=1,2.…,n)的鄰接表空間可減少一半;

    ②若邊(Xi,Xj)(i<j)是雙重近鄰無向圖G=(S,E)的一條邊,如果在后續(xù)的搜索過程中采用寬度優(yōu)先策略,算法1的搜索過程必然存在對邊(Xj,Xi)的搜索操作,而算法1*在寬度優(yōu)先搜索過程中,入對、出對操作量可減少一半。

    (2)算法1*的缺點。

    ①構造出的雙重近鄰點集NN(Xi)(i=1,2.…,n)不完全滿足定義1;

    ②由算法1*構造出的|NN(Xi)|(i=1,2.…,n)不一定等于點Xi的雙重近鄰點數(shù)目。

    3.4 基于分離集合并的雙重近鄰圖聚類算法

    算法2 基于分離集合并的雙重近鄰圖聚類算法

    輸入 數(shù)據(jù)集S={X1,X2,…,Xn},有序?qū)傩陨系南喈惗扔嬎闶絛isorder(·,·)、無序?qū)傩陨系南喈惗扔嬎闶絛issort(·,·)、有序?qū)傩陨系南喈惗乳撝礑Torder、無序?qū)傩陨系南喈惗乳撝礑Tsort。

    輸出 S={X1,X2,…,Xn}的聚類簇描述。

    步驟1 根據(jù)設定的有序?qū)傩陨系南喈惗扔嬎闶絛isorder(·,·)、無序?qū)傩陨系南喈惗扔嬎闶絛issort(·,·)、有序?qū)傩陨系南喈惗乳撝礑Torder和無序?qū)傩陨系南喈惗乳撝礑Tsort,采用算法1或算法1*構造出S={X1,X2,…,Xn}的一個雙重近鄰無向圖G=(S,E)。其中E={(u,v)|u∈NN(v),u,v ∈S}。

    步驟2 對S={X1,X2,…,Xn}中的每個點,執(zhí)行如下的三個步驟:

    步驟2.1

    步驟2.2

    步驟2.3

    步驟3 由數(shù)組ClusterIndex[1..n]很容易得到S 的初級聚類簇C0={InitC1,InitC2,…}。

    三步驟4 (可選)采用一種基于合并的層次聚類方法,反復地對從步驟3獲得的初級聚類簇中的聚類進行滿足合并條件的聚類合并操作,直到不能再合并為止。

    步驟5 從步驟3或步驟4 獲得的聚類簇即為本算法的輸出結(jié)果。

    算法說明:

    (3)在步驟2中,經(jīng)過步驟2.2的Union()操作后,UFSTree[1..n]可能會成為一個具有兩層或兩層以上樹結(jié)構的聚類點歸屬指向數(shù)組,所以本算法必須在步驟2.3 中的for循環(huán)下加上一個while循環(huán)才能獲得“一個連通子圖的所有結(jié)點都指向一個父結(jié)點,所有連通子圖的連通信息都存儲在分離集數(shù)組結(jié)構中”的期望結(jié)果。仿真實驗程序也證明了在步驟2.3 中的for循環(huán)下,加與不加while循環(huán),最終得到的ClusterIndex[1..n]值往往是不同的。

    經(jīng)過這種基于分離集的合并操作后,可獲得雙重近鄰無向圖G 的若干連通子圖。其中,雙重近鄰無向圖G 的若干連通子圖的連通信息保存在UFSTree[1..n]中(該數(shù)據(jù)結(jié)構的詳細定義及三種基本操作的實現(xiàn)算法可參見實現(xiàn)本算法的源代碼),每個連通子圖對應數(shù)據(jù)集S 的一個初級聚類。

    (4)在步驟3中,若事先給出了孤立點集的判定閾值,當雙重近鄰無向圖G 的某連通子圖的數(shù)據(jù)點數(shù)小于該判定閾值時,則可判定由該連通子圖所形成的初級聚類為孤立點集。

    3.5 基于寬度優(yōu)先搜索的雙重近鄰圖聚類算法

    基于寬度優(yōu)先搜索的雙重近鄰圖聚類算法(算法3)首先構造出數(shù)據(jù)集的一個雙重近鄰無向圖,接著采用修改后的寬度優(yōu)先搜索技術搜索出該雙重近鄰無向圖的所有連通子圖,從而獲得數(shù)據(jù)集的初級聚類結(jié)果。該算法的具體描述及討論可參見文獻[6]。

    3.6 基于深度優(yōu)先搜索的雙重近鄰圖聚類算法

    基于深度優(yōu)先搜索的雙重近鄰圖聚類算法(算法4)也是首先構造出數(shù)據(jù)集的一個雙重近鄰無向圖,接著采用修改后的深度優(yōu)先搜索技術搜索出該雙重近鄰無向圖的所有連通子圖,從而獲得數(shù)據(jù)集的初級聚類結(jié)果。該算法的具體描述及討論可參見文獻[6]。

    3.7 性能比較

    本文幾個算法的時間與空間復雜度比較如表1所示。

    Table 1 Comparison of time and space complexity in several algorithms表1 幾個算法的時間與空間復雜度比較

    4 仿真實驗

    4.1 仿真實驗設計

    在Intel Pentium(R)Dual-Core CPU T4500 2.30GHz、2GB內(nèi)存、Windows XP SP3下的Visual C++6.0開發(fā)環(huán)境下采用C 語言來進行仿真實驗驗證。實驗數(shù)據(jù)集有人工數(shù)據(jù)集和UCI標準數(shù)據(jù)集兩大類。

    (1)人工數(shù)據(jù)集。作者編程生成的不帶噪聲的具有五個或七個顯著聚類區(qū)域的二維實值數(shù)據(jù)集。該數(shù)據(jù)集有四類,具體描述如下:

    DS1:400個數(shù)據(jù)點,五個聚類的人工無噪聲數(shù)據(jù)集;DS2:400個數(shù)據(jù)點,七個聚類的人工無噪聲數(shù)據(jù)集;DS3:10 000個數(shù)據(jù)點,五個聚類的人工無噪聲數(shù)據(jù)集;DS4:10 000個數(shù)據(jù)點,七個聚類的人工無噪聲數(shù)據(jù)集。

    (2)UCI 標準數(shù)據(jù)集。選 用Iris、Glass、Waveform、Wine、Vertebral、German 和Credit[7]七個數(shù)據(jù)集。除Iris外,其余幾個UCI數(shù)據(jù)集的有序數(shù)值屬性部分都規(guī)整到區(qū)間[0,1]中。

    人工數(shù)據(jù)集和UCI數(shù)據(jù)集作為算法的數(shù)據(jù)輸入,以圖形顯示的方式來驗證雙重近鄰無向圖的構造算法及其改進算法的正確性;以圖形顯示及聚類結(jié)果輸出的方式來驗證采用三個聚類算法(基于分離集合并的雙重近鄰圖聚類算法(標記為A2)、基于寬度優(yōu)先搜索的雙重近鄰圖聚類算法(標記為A3)和基于深度優(yōu)先搜索的雙重近鄰圖聚類算法(標記為A4))構造初級聚類簇的正確性,并以Kmeans算法[2]和AP 算法[9]作對比來分析它們的算法效率及聚類精度。

    在本仿真實驗中,分離集數(shù)據(jù)結(jié)構定義及其三個基本操作是在文獻[10]的基礎上進行了一點修改而實現(xiàn)的。

    用來衡量算法的性能及聚類效果的指標有:算法所花費的時間(采用ST 標記,單位為秒)、聚類數(shù)目(采用NC 標記)、預設的聚類數(shù)目(采用PNC標記)、所有數(shù)據(jù)點到其聚類平均點的平均距離(采用ADM 標記)和聚類純度(采用CP 標記)。

    參數(shù)DTorder的設定方法:通過多次實驗探測或根據(jù)數(shù)據(jù)集(或其樣本)的最小生成樹來估計。

    4.2 仿真實驗結(jié)果

    表2列出了三個基于不同搜索策略的雙重近鄰圖聚類算法(A2、A3和A4)與兩個知名聚類算法(K-means算法和AP 算法)處理四類人工數(shù)據(jù)集的對比實驗結(jié)果。表3列出了三個雙重近鄰圖聚類算法(A2、A3和A4)與兩個知名聚類算法(Kmeans算法和AP算法)處理五個UCI有序?qū)傩詳?shù)據(jù)集的對比實驗結(jié)果。表4列出了三個雙重近鄰圖聚類算法(A2、A3和A4)與兩個知名聚類算法(K-means算法和AP算法)處理兩個UCI混合屬性數(shù)據(jù)集的對比實驗結(jié)果。

    4.3 實驗結(jié)果分析及結(jié)論

    從表2、表3和表4中可以看出,算法A2、A3和A4的聚類結(jié)果相同。無論是反映雙重近鄰無向圖的連通子圖的個數(shù)(即聚類數(shù)目),還是反映聚類緊密度的一個度量(如所有點到其聚類平均點的平均值)都是一樣的。算法A2、A3 和A4 僅在所花費的時間代價上有時會存在一點差別。這個實驗結(jié)果與三個算法的理論分析結(jié)果完全相吻合。

    Table 2 Experimental results contrast of five clustering algorithms for four class artificial data sets表2 五個聚類算法處理四類人工數(shù)據(jù)集的對比實驗結(jié)果

    Table 3 Experimental results contrast of five clustering algorithms for five UCI ordered-attributes data sets表3 五個聚類算法處理五個UCI有序?qū)傩詳?shù)據(jù)集的對比實驗結(jié)果

    Table 4 Comparison experimental results of five clustering algorithms for two UCI mixed-attributes data sets表4 五個聚類算法處理二個UCI混合屬性數(shù)據(jù)集的對比實驗結(jié)果

    從實驗結(jié)果圖示及表2可以看出,當設置合適的參數(shù)DTorder后,算法A2、A3和A4對于四類人工數(shù)據(jù)集的聚類質(zhì)量要遠遠好于K-means算法和AP算法。這是因為這些數(shù)據(jù)集具有良好的聚類分布結(jié)構,且沒有近鄰噪聲點干擾而導致相近的聚類區(qū)域被連通成一個聚類。

    從表3和表4 可以看出,算法A2、A3 和A4并非對所有的UCI數(shù)據(jù)集都能取得比K-means算法和AP算法更好的聚類質(zhì)量。未能取得高聚類質(zhì)量的首要原因是算法A2、A3和A4在計算這些數(shù)據(jù)集的相異度時,設定這些UCI數(shù)據(jù)集(除Iris外,其余數(shù)據(jù)集都對有序?qū)傩圆糠诌M行了規(guī)整化)的屬性權重都為1,并未考慮有些屬性權重取值為1與該數(shù)據(jù)集的類別分布相差甚遠。另外一個原因是算法A2、A3和A4進行聚類分布探測的根基是通過發(fā)現(xiàn)近鄰連通子圖的方式來進行的,這類算法一般都難以探測出不具有明顯聚類分布結(jié)構的數(shù)據(jù)集。當存在較多近鄰噪聲時,甚至多個相近的“球型”聚類區(qū)域也會被連通起來。

    事實上,算法A2、A3和A4更適合發(fā)現(xiàn)那些具有明顯聚類分布結(jié)構且無近鄰噪聲點的數(shù)據(jù)集。可以想見,在設定DTorder和DTsort后,如果存在一些近鄰噪聲點把所有的典型聚類分布區(qū)域連通起來,那么這三個算法就會判定它們是一個大聚類。這種算法的近鄰互連性可解釋為什么這三個算法在聚類有些UCI數(shù)據(jù)集時會取得更差的聚類質(zhì)量。

    5 結(jié)束語

    面對動態(tài)、海量的混合屬性數(shù)據(jù)集的數(shù)據(jù)預處理需求,本文提出了一種可以處理混合屬性數(shù)據(jù)集的雙重聚類方法。通過四類人工數(shù)據(jù)集和七個UCI標準數(shù)據(jù)集的仿真實驗,驗證了雙重聚類方法的三個具體實現(xiàn)算法盡管所采用的算法策略不同,但最終取得的結(jié)果是一致的。仿真實驗還表明,對于一些具有明顯聚類分布結(jié)構且無近鄰噪聲干擾的數(shù)據(jù)集,這種方法經(jīng)常能取得比K-means算法和AP算法更好的聚類精度,從而說明這種雙重聚類方法具有一定的有效性。

    將雙重聚類方法與特征權重優(yōu)化方法結(jié)合起來作進一步的改進研究,并與其它更多經(jīng)典的聚類算法在算法速度及聚類質(zhì)量方面對更多的數(shù)據(jù)集做更多的比較是下一步的工作。

    [1]Huang Z X.Extensions to the K-means algorithm for clustering large data sets with categorical values[J].Data Mining and Knowledge Discovery,1998,2.3):283-304.

    [2]Jain A K.Data clustering:50years beyond K-means[J].Pattern Recognition Letters,2010,31(8):651-666.

    [3]Hsu C C,Chen C L,Su Y W.Hierarchical clustering of mixed data based on distance hierarchy[J].Information Sciences,2007,177(20):4474-4492.

    [4]Bai L,Liang J Y,Dang C Y.An initialization method to simultaneously find initial cluster centers and the number of clusters for clustering categorical data[J].Knowledge-Based Systems,2011,2.(6):785-795.

    [5]Liang Ji-ye,Zhao Xing-wang,Li De-yu,et al.Determining the number of clusters using information entropy for mixed data[J].Pattern Recognition,2012,45(6):2251-2265.

    [6]Chen Xin-quan.Dual clustering method based on double-levels indexing structure facing to mixed-attributes data set[EB/OL].[2012-03-21].http://www.paper.edu.cn/index.php/default/releasepaper/content/201203-627.(in Chinese)

    [7]Frank A,Asuncion A.UCI Machine Learning Repository[EB/OL].[2010-09-01].http://archive.ics.uci.edu/ml.

    [8]Chen Xin-quan.Clustering algorithm research based on near neighbour point set[EB/OL].[2009-12-09].http://www.paper.edu.cn/index.php/default/releasepaper/content/200912-254.(in Chinese)

    [9]Frey B J,Dueck D.Clustering by passing messages between data points[J].Science,2007,315(16):972-976.

    [10]Cormen T H,Leiserson C E,Rivest R L,et al.Introduction to algorithms[M].Third Edition.New York:The MIT Press,2009.

    附中文參考文獻:

    [6]陳新泉.面向混合屬性數(shù)據(jù)點集的基于雙層索引結(jié)構的雙重聚類方法 [EB/OL].[2012-03-21].http://www.paper.edu.cn/index.php/default/releasepaper/content/201203-627.

    [8]陳新泉.基于近鄰點集的聚類算法研究[EB/OL].[2009-12-09].http://www.paper.edu.cn/index.php/default/releasepaper/content/200912-254.

    猜你喜歡
    屬性數(shù)據(jù)子圖雙重
    自然與成長的雙重變奏
    基于GIS的房產(chǎn)測繪管理信息系統(tǒng)架構研究
    科技資訊(2019年18期)2019-09-17 11:03:28
    無源多傳感器綜合數(shù)據(jù)關聯(lián)算法研究
    化解“雙重目標”之困
    中國外匯(2019年7期)2019-07-13 05:44:56
    屬性數(shù)據(jù)分析教學改革初探
    臨界完全圖Ramsey數(shù)
    基于頻繁子圖挖掘的數(shù)據(jù)服務Mashup推薦
    “雙重打擊”致恐龍滅絕
    不含2K1+K2和C4作為導出子圖的圖的色數(shù)
    網(wǎng)絡中多敏感屬性數(shù)據(jù)發(fā)布隱私保護研究
    麻豆一二三区av精品| 国产99白浆流出| 欧美极品一区二区三区四区| 久久精品国产亚洲av香蕉五月| 国产精品电影一区二区三区| 18禁黄网站禁片午夜丰满| 大型av网站在线播放| 国产高清视频在线观看网站| 黄色 视频免费看| 特级一级黄色大片| 成熟少妇高潮喷水视频| 嫁个100分男人电影在线观看| 中文字幕熟女人妻在线| 国产精品av视频在线免费观看| 国产黄片美女视频| 制服人妻中文乱码| 亚洲成a人片在线一区二区| 最近最新中文字幕大全免费视频| 成人18禁高潮啪啪吃奶动态图| 亚洲人成网站高清观看| 毛片女人毛片| 91av网站免费观看| 搡老岳熟女国产| 亚洲国产高清在线一区二区三| 一区二区三区国产精品乱码| 久久精品国产99精品国产亚洲性色| 久久天躁狠狠躁夜夜2o2o| 久久中文字幕一级| 美女黄网站色视频| 色在线成人网| 动漫黄色视频在线观看| 国产成人av激情在线播放| 国产区一区二久久| 中国美女看黄片| 深夜精品福利| 人人妻人人澡欧美一区二区| 成年版毛片免费区| 精品福利观看| 欧美乱色亚洲激情| 怎么达到女性高潮| 老司机福利观看| 日本一区二区免费在线视频| 国产高清有码在线观看视频 | 久久香蕉精品热| 中文字幕久久专区| 精品午夜福利视频在线观看一区| 亚洲精华国产精华精| 国产一区二区在线av高清观看| 欧美在线黄色| 麻豆久久精品国产亚洲av| 变态另类成人亚洲欧美熟女| 黑人欧美特级aaaaaa片| 久久这里只有精品19| 狠狠狠狠99中文字幕| 久久香蕉国产精品| 1024香蕉在线观看| 亚洲乱码一区二区免费版| 麻豆成人av在线观看| 精品高清国产在线一区| 一本精品99久久精品77| 国产69精品久久久久777片 | 午夜亚洲福利在线播放| 国产69精品久久久久777片 | 国产精品一区二区精品视频观看| 99国产精品99久久久久| 欧美国产日韩亚洲一区| 热99re8久久精品国产| 麻豆av在线久日| 妹子高潮喷水视频| 国产亚洲精品久久久久久毛片| 老司机深夜福利视频在线观看| 国产人伦9x9x在线观看| 精品久久蜜臀av无| 非洲黑人性xxxx精品又粗又长| 丝袜人妻中文字幕| 岛国在线免费视频观看| 老汉色av国产亚洲站长工具| 1024香蕉在线观看| 免费电影在线观看免费观看| 色综合亚洲欧美另类图片| 午夜福利在线在线| 精品少妇一区二区三区视频日本电影| 99国产精品99久久久久| 午夜成年电影在线免费观看| 亚洲avbb在线观看| 免费在线观看黄色视频的| 国模一区二区三区四区视频 | www.999成人在线观看| 久久久水蜜桃国产精品网| 国产蜜桃级精品一区二区三区| 国产亚洲精品第一综合不卡| 老汉色∧v一级毛片| 亚洲色图av天堂| 亚洲成av人片在线播放无| 天堂av国产一区二区熟女人妻 | 亚洲国产精品久久男人天堂| 久久人妻福利社区极品人妻图片| 亚洲中文字幕一区二区三区有码在线看 | 中文字幕精品亚洲无线码一区| 国产精品久久视频播放| 午夜免费激情av| 亚洲美女视频黄频| 婷婷精品国产亚洲av| 老司机福利观看| 免费搜索国产男女视频| 亚洲片人在线观看| 免费在线观看影片大全网站| 我的老师免费观看完整版| 伊人久久大香线蕉亚洲五| 又粗又爽又猛毛片免费看| 悠悠久久av| 午夜福利高清视频| 欧美+亚洲+日韩+国产| 亚洲成人精品中文字幕电影| 亚洲av成人av| av超薄肉色丝袜交足视频| 欧美日韩福利视频一区二区| www国产在线视频色| 成人18禁在线播放| 成人18禁高潮啪啪吃奶动态图| 淫妇啪啪啪对白视频| 国产又黄又爽又无遮挡在线| www.精华液| 伦理电影免费视频| 久久午夜综合久久蜜桃| 成人亚洲精品av一区二区| 欧美成人免费av一区二区三区| 99久久综合精品五月天人人| 精品久久蜜臀av无| 最近最新中文字幕大全电影3| 精品久久久久久成人av| 久久久国产成人精品二区| 三级毛片av免费| 午夜激情福利司机影院| 亚洲人成电影免费在线| 国产av又大| 99久久国产精品久久久| 18禁黄网站禁片午夜丰满| 国产日本99.免费观看| 欧美中文日本在线观看视频| 最近最新中文字幕大全免费视频| 最近视频中文字幕2019在线8| 亚洲中文av在线| 久久久久久国产a免费观看| 十八禁网站免费在线| 色综合亚洲欧美另类图片| 香蕉av资源在线| 日韩 欧美 亚洲 中文字幕| 日韩欧美精品v在线| 18禁黄网站禁片免费观看直播| 国产精品久久久av美女十八| 一级a爱片免费观看的视频| 欧美日本亚洲视频在线播放| 一二三四社区在线视频社区8| 五月玫瑰六月丁香| 麻豆久久精品国产亚洲av| 久久久久免费精品人妻一区二区| 99精品久久久久人妻精品| 久久午夜亚洲精品久久| 成年人黄色毛片网站| 成年人黄色毛片网站| 毛片女人毛片| 成年人黄色毛片网站| 一本久久中文字幕| 亚洲精品久久国产高清桃花| 麻豆av在线久日| 亚洲国产欧美一区二区综合| 夜夜爽天天搞| 亚洲国产欧美一区二区综合| 国模一区二区三区四区视频 | 国产欧美日韩一区二区三| 国产精品久久久人人做人人爽| 91麻豆精品激情在线观看国产| 国产精品一及| 亚洲av成人av| 欧美性猛交黑人性爽| 久久久水蜜桃国产精品网| 中文字幕熟女人妻在线| 欧美一区二区国产精品久久精品 | 一本久久中文字幕| 午夜福利在线观看吧| a级毛片在线看网站| 18禁裸乳无遮挡免费网站照片| 久久精品成人免费网站| 狂野欧美白嫩少妇大欣赏| 精品久久久久久久久久久久久| 日韩欧美在线乱码| 成年版毛片免费区| 婷婷精品国产亚洲av在线| av在线播放免费不卡| 欧美性猛交黑人性爽| a级毛片在线看网站| 亚洲成a人片在线一区二区| 黄色丝袜av网址大全| 欧美高清成人免费视频www| av福利片在线观看| 人人妻,人人澡人人爽秒播| 色噜噜av男人的天堂激情| 黄色视频不卡| 日本免费a在线| 国产精品自产拍在线观看55亚洲| 99久久国产精品久久久| 国产精品98久久久久久宅男小说| 国产亚洲av高清不卡| 精品电影一区二区在线| 波多野结衣高清无吗| 国产精品影院久久| 啦啦啦免费观看视频1| 亚洲精品国产精品久久久不卡| 精品乱码久久久久久99久播| 草草在线视频免费看| 久久精品国产亚洲av香蕉五月| 亚洲av美国av| 国产精品一区二区三区四区久久| or卡值多少钱| 亚洲欧美一区二区三区黑人| 99国产精品一区二区蜜桃av| 最近最新中文字幕大全免费视频| 丝袜人妻中文字幕| 精品乱码久久久久久99久播| 亚洲精品久久成人aⅴ小说| 老汉色∧v一级毛片| 一级毛片精品| 在线播放国产精品三级| 亚洲人成电影免费在线| 老鸭窝网址在线观看| 国产精品久久久人人做人人爽| 成人国产一区最新在线观看| 国产黄片美女视频| 亚洲午夜理论影院| 91老司机精品| 国产精品永久免费网站| 久99久视频精品免费| 免费人成视频x8x8入口观看| 欧美在线黄色| 国内揄拍国产精品人妻在线| 床上黄色一级片| 日本a在线网址| 国产精品久久视频播放| 99精品久久久久人妻精品| 欧美成人免费av一区二区三区| 久久伊人香网站| 一区二区三区国产精品乱码| 精品福利观看| 97碰自拍视频| 99精品欧美一区二区三区四区| 久久中文字幕人妻熟女| 久久久久久国产a免费观看| 亚洲,欧美精品.| 91大片在线观看| 欧美在线一区亚洲| 老汉色av国产亚洲站长工具| 久久久久久久午夜电影| or卡值多少钱| 九九热线精品视视频播放| 午夜老司机福利片| 日韩欧美国产在线观看| 又黄又粗又硬又大视频| 久久香蕉精品热| 男人舔女人下体高潮全视频| 国产一区二区激情短视频| 亚洲精品中文字幕一二三四区| 久久中文字幕一级| 日本一区二区免费在线视频| 国产视频内射| 性欧美人与动物交配| 欧美日韩亚洲国产一区二区在线观看| 天堂影院成人在线观看| 级片在线观看| 看免费av毛片| 日韩中文字幕欧美一区二区| 2021天堂中文幕一二区在线观| 亚洲av五月六月丁香网| 国产视频一区二区在线看| 久久精品人妻少妇| 男女午夜视频在线观看| 亚洲成人国产一区在线观看| 国产精品自产拍在线观看55亚洲| 香蕉丝袜av| 国产成人影院久久av| 久久伊人香网站| 看黄色毛片网站| 麻豆成人av在线观看| 婷婷丁香在线五月| 国产午夜福利久久久久久| 亚洲 国产 在线| 久久婷婷人人爽人人干人人爱| 久久久久久大精品| 欧美黑人巨大hd| 欧美中文日本在线观看视频| 亚洲专区字幕在线| 12—13女人毛片做爰片一| 一边摸一边做爽爽视频免费| 婷婷精品国产亚洲av在线| 久久人人精品亚洲av| 国产亚洲欧美在线一区二区| 国内揄拍国产精品人妻在线| 一二三四社区在线视频社区8| 高清毛片免费观看视频网站| av福利片在线| 成年女人毛片免费观看观看9| 精品欧美国产一区二区三| www.www免费av| 国产黄色小视频在线观看| 成年人黄色毛片网站| 亚洲人与动物交配视频| 久久草成人影院| 99热6这里只有精品| 制服人妻中文乱码| 欧美日韩国产亚洲二区| 好男人电影高清在线观看| 久久中文字幕人妻熟女| 国产欧美日韩一区二区精品| 欧美另类亚洲清纯唯美| 亚洲最大成人中文| 又粗又爽又猛毛片免费看| 1024香蕉在线观看| 免费观看人在逋| 午夜福利成人在线免费观看| 真人做人爱边吃奶动态| 成人特级黄色片久久久久久久| 亚洲专区中文字幕在线| 美女免费视频网站| 动漫黄色视频在线观看| 婷婷精品国产亚洲av| 久久精品91蜜桃| 少妇被粗大的猛进出69影院| av欧美777| 国内揄拍国产精品人妻在线| 免费高清视频大片| 欧美黑人巨大hd| 精品久久久久久久久久久久久| 白带黄色成豆腐渣| 午夜福利欧美成人| 亚洲无线在线观看| av福利片在线| 中文字幕最新亚洲高清| 色综合婷婷激情| 悠悠久久av| 18禁国产床啪视频网站| av超薄肉色丝袜交足视频| 久久这里只有精品19| 国产探花在线观看一区二区| 欧美高清成人免费视频www| 国产野战对白在线观看| 麻豆国产97在线/欧美 | 在线观看一区二区三区| 一个人免费在线观看的高清视频| 亚洲第一电影网av| 欧美国产日韩亚洲一区| 久久香蕉精品热| 国产精品久久久av美女十八| 国产亚洲精品久久久久5区| 男插女下体视频免费在线播放| 亚洲av电影不卡..在线观看| 搞女人的毛片| 国产一区在线观看成人免费| 日韩欧美免费精品| 亚洲欧美激情综合另类| 波多野结衣巨乳人妻| 麻豆成人av在线观看| 五月伊人婷婷丁香| 国产精品精品国产色婷婷| 国产97色在线日韩免费| 人妻丰满熟妇av一区二区三区| 亚洲色图av天堂| 他把我摸到了高潮在线观看| 欧美在线一区亚洲| 婷婷丁香在线五月| 老熟妇乱子伦视频在线观看| 婷婷精品国产亚洲av在线| av有码第一页| 免费搜索国产男女视频| 狂野欧美白嫩少妇大欣赏| 亚洲 欧美一区二区三区| 亚洲精品一卡2卡三卡4卡5卡| 天天躁狠狠躁夜夜躁狠狠躁| 搡老妇女老女人老熟妇| 欧美丝袜亚洲另类 | 精品久久久久久,| 色综合站精品国产| 国产97色在线日韩免费| 脱女人内裤的视频| 久久久久久免费高清国产稀缺| 波多野结衣高清作品| 日韩高清综合在线| 午夜久久久久精精品| 日韩欧美 国产精品| 免费电影在线观看免费观看| 亚洲人成77777在线视频| 91成年电影在线观看| 亚洲天堂国产精品一区在线| av在线播放免费不卡| 亚洲欧美激情综合另类| 老汉色∧v一级毛片| 日本 欧美在线| 搡老熟女国产l中国老女人| 18禁国产床啪视频网站| 最近视频中文字幕2019在线8| 成人国语在线视频| 成人国产综合亚洲| 亚洲熟妇熟女久久| 欧美人与性动交α欧美精品济南到| 日本三级黄在线观看| 久久久久久免费高清国产稀缺| 嫩草影院精品99| 国内精品久久久久久久电影| 成人高潮视频无遮挡免费网站| 搡老岳熟女国产| 亚洲七黄色美女视频| 精品第一国产精品| 久久婷婷成人综合色麻豆| 久久天堂一区二区三区四区| 久久精品成人免费网站| 色尼玛亚洲综合影院| 老汉色∧v一级毛片| 深夜精品福利| 亚洲,欧美精品.| 精品无人区乱码1区二区| 午夜日韩欧美国产| 日韩欧美 国产精品| 淫秽高清视频在线观看| 亚洲九九香蕉| 欧美国产日韩亚洲一区| 欧美不卡视频在线免费观看 | 五月玫瑰六月丁香| 真人一进一出gif抽搐免费| 毛片女人毛片| 精品久久蜜臀av无| 777久久人妻少妇嫩草av网站| 丰满人妻一区二区三区视频av | 天堂av国产一区二区熟女人妻 | 午夜两性在线视频| 他把我摸到了高潮在线观看| 一本久久中文字幕| 91麻豆av在线| 亚洲成av人片在线播放无| 国产av在哪里看| 色综合站精品国产| 99久久精品国产亚洲精品| 亚洲一区二区三区不卡视频| 国产真人三级小视频在线观看| 国产成人精品久久二区二区91| 黄色a级毛片大全视频| 一二三四在线观看免费中文在| 国产成年人精品一区二区| 91国产中文字幕| 中文字幕av在线有码专区| 女人高潮潮喷娇喘18禁视频| 亚洲成人中文字幕在线播放| 久久 成人 亚洲| 成人特级黄色片久久久久久久| 在线视频色国产色| 18禁美女被吸乳视频| 中文字幕最新亚洲高清| 国产精品影院久久| 免费观看人在逋| 亚洲av电影不卡..在线观看| 国产99白浆流出| 丰满人妻一区二区三区视频av | 国产av麻豆久久久久久久| 欧美+亚洲+日韩+国产| 国产精品av久久久久免费| 99热6这里只有精品| 91九色精品人成在线观看| 每晚都被弄得嗷嗷叫到高潮| 国产91精品成人一区二区三区| 欧美成人一区二区免费高清观看 | 亚洲av日韩精品久久久久久密| 亚洲国产看品久久| 国产亚洲精品久久久久5区| 成熟少妇高潮喷水视频| 91九色精品人成在线观看| 午夜免费观看网址| 亚洲精品粉嫩美女一区| 色播亚洲综合网| 日本三级黄在线观看| 久久香蕉精品热| 久久久水蜜桃国产精品网| e午夜精品久久久久久久| 精品国产超薄肉色丝袜足j| 亚洲av日韩精品久久久久久密| 国产日本99.免费观看| 国产精品久久久久久久电影 | 丁香欧美五月| 69av精品久久久久久| 欧美大码av| 伊人久久大香线蕉亚洲五| 我要搜黄色片| 国产又色又爽无遮挡免费看| 久久久久国产精品人妻aⅴ院| av在线播放免费不卡| 在线观看免费午夜福利视频| 亚洲专区字幕在线| 日本精品一区二区三区蜜桃| 欧美色视频一区免费| 制服丝袜大香蕉在线| 国产伦在线观看视频一区| av在线天堂中文字幕| 亚洲av片天天在线观看| 亚洲国产欧美人成| 免费观看精品视频网站| 亚洲激情在线av| 国产区一区二久久| 亚洲真实伦在线观看| www.www免费av| 亚洲av电影不卡..在线观看| 在线a可以看的网站| 亚洲狠狠婷婷综合久久图片| 国产精品 欧美亚洲| 国产精品国产高清国产av| 国产成人精品无人区| 在线国产一区二区在线| 村上凉子中文字幕在线| 亚洲黑人精品在线| 一级毛片高清免费大全| 午夜福利18| 国产欧美日韩一区二区精品| 一本综合久久免费| 久久精品国产清高在天天线| 精品一区二区三区四区五区乱码| 国产成+人综合+亚洲专区| 久久精品国产清高在天天线| 亚洲免费av在线视频| 精品人妻1区二区| 亚洲国产精品成人综合色| 国内精品久久久久精免费| 男女做爰动态图高潮gif福利片| 亚洲欧美日韩高清专用| 欧美性长视频在线观看| 女生性感内裤真人,穿戴方法视频| 亚洲avbb在线观看| 国产精品综合久久久久久久免费| 亚洲精华国产精华精| 欧美国产日韩亚洲一区| 2021天堂中文幕一二区在线观| 91国产中文字幕| 国产探花在线观看一区二区| 成人三级黄色视频| 免费无遮挡裸体视频| 亚洲人成77777在线视频| 亚洲欧洲精品一区二区精品久久久| 天天躁狠狠躁夜夜躁狠狠躁| 1024视频免费在线观看| 成人高潮视频无遮挡免费网站| 美女黄网站色视频| 日韩有码中文字幕| 精品国产亚洲在线| 男女之事视频高清在线观看| 国产精品亚洲美女久久久| 他把我摸到了高潮在线观看| www.精华液| 免费看a级黄色片| 免费在线观看亚洲国产| 一进一出抽搐gif免费好疼| 真人一进一出gif抽搐免费| 亚洲中文av在线| av天堂在线播放| 国产成人精品久久二区二区91| netflix在线观看网站| 亚洲激情在线av| 国产成人av教育| 精品一区二区三区视频在线观看免费| 一个人观看的视频www高清免费观看 | 国产av一区在线观看免费| 久久精品aⅴ一区二区三区四区| 成人亚洲精品av一区二区| 男人舔女人的私密视频| 色播亚洲综合网| 国产精品一区二区精品视频观看| 91字幕亚洲| 国产午夜精品久久久久久| 免费在线观看成人毛片| 国产视频一区二区在线看| 淫秽高清视频在线观看| 国产精品日韩av在线免费观看| e午夜精品久久久久久久| 在线十欧美十亚洲十日本专区| a级毛片a级免费在线| 欧美日韩国产亚洲二区| 亚洲av日韩精品久久久久久密| 99精品在免费线老司机午夜| 男女午夜视频在线观看| 日韩大码丰满熟妇| 两性午夜刺激爽爽歪歪视频在线观看 | 熟妇人妻久久中文字幕3abv| 亚洲av成人av| 国内精品久久久久精免费| 啦啦啦免费观看视频1| 一级片免费观看大全| 国产99久久九九免费精品| 99久久精品热视频| 国产片内射在线| 搡老岳熟女国产| 成熟少妇高潮喷水视频| 亚洲电影在线观看av| 午夜精品久久久久久毛片777| 一级黄色大片毛片| 久久中文字幕一级| 亚洲av中文字字幕乱码综合| 亚洲av美国av| 亚洲av电影不卡..在线观看| 国产一级毛片七仙女欲春2| 少妇裸体淫交视频免费看高清 | 制服诱惑二区| 日韩精品中文字幕看吧| 久久久久久大精品| 欧美大码av| www日本黄色视频网| 亚洲男人的天堂狠狠| 精品人妻1区二区| 青草久久国产| 757午夜福利合集在线观看| 十八禁网站免费在线| 精品午夜福利视频在线观看一区|