• <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
    男女国产视频网站| 亚洲av欧美aⅴ国产| 蜜桃在线观看..| 亚洲欧美色中文字幕在线| 亚洲三级黄色毛片| 免费黄频网站在线观看国产| 在线观看免费视频网站a站| 成年女人在线观看亚洲视频| 赤兔流量卡办理| 亚洲国产日韩一区二区| 中文字幕另类日韩欧美亚洲嫩草| 国产精品无大码| 久久久久视频综合| 国产亚洲最大av| 久久国产亚洲av麻豆专区| 女性被躁到高潮视频| 国产无遮挡羞羞视频在线观看| 极品少妇高潮喷水抽搐| 少妇被粗大的猛进出69影院| 久久精品国产亚洲av涩爱| 欧美最新免费一区二区三区| 天天躁夜夜躁狠狠久久av| 日韩一卡2卡3卡4卡2021年| 又粗又硬又长又爽又黄的视频| 人人妻人人添人人爽欧美一区卜| 亚洲成人手机| 狂野欧美激情性bbbbbb| 十八禁高潮呻吟视频| 美女中出高潮动态图| 欧美激情 高清一区二区三区| 波野结衣二区三区在线| 日本wwww免费看| 亚洲精品国产一区二区精华液| 色94色欧美一区二区| 日本免费在线观看一区| 亚洲精品视频女| 日韩一卡2卡3卡4卡2021年| 亚洲精品乱久久久久久| 国产1区2区3区精品| 丝袜脚勾引网站| 男人爽女人下面视频在线观看| 午夜激情av网站| 自线自在国产av| 日韩一区二区视频免费看| 久久精品国产亚洲av涩爱| a级毛片在线看网站| 一级毛片 在线播放| 精品少妇久久久久久888优播| 精品少妇内射三级| 国产片特级美女逼逼视频| 国产亚洲一区二区精品| 国产成人欧美| 日韩视频在线欧美| 日韩在线高清观看一区二区三区| 色网站视频免费| 亚洲精品,欧美精品| 一级毛片 在线播放| xxx大片免费视频| 9色porny在线观看| 午夜福利影视在线免费观看| 亚洲欧美清纯卡通| 99久久综合免费| 九色亚洲精品在线播放| 欧美成人午夜精品| 大香蕉久久网| 欧美激情高清一区二区三区 | 看十八女毛片水多多多| 国产女主播在线喷水免费视频网站| 两性夫妻黄色片| 欧美日韩亚洲国产一区二区在线观看 | 亚洲欧洲国产日韩| 免费久久久久久久精品成人欧美视频| 亚洲精品国产一区二区精华液| 2018国产大陆天天弄谢| 丰满迷人的少妇在线观看| 午夜日韩欧美国产| 人妻少妇偷人精品九色| 女人被躁到高潮嗷嗷叫费观| 国产精品麻豆人妻色哟哟久久| 在线天堂中文资源库| 成人毛片60女人毛片免费| 国产熟女午夜一区二区三区| 大码成人一级视频| 最近中文字幕高清免费大全6| 久久精品国产综合久久久| 国产日韩欧美视频二区| 十八禁高潮呻吟视频| 人妻一区二区av| 亚洲欧美精品自产自拍| 国产亚洲最大av| 久久久精品区二区三区| 国产探花极品一区二区| 国产成人91sexporn| 大片免费播放器 马上看| 亚洲av在线观看美女高潮| 成人亚洲欧美一区二区av| 精品久久久久久电影网| 欧美人与性动交α欧美软件| 久热这里只有精品99| 天天躁夜夜躁狠狠久久av| 国产视频首页在线观看| 香蕉精品网在线| 国产在线免费精品| 免费不卡的大黄色大毛片视频在线观看| 99久久精品国产国产毛片| 国产日韩欧美在线精品| 交换朋友夫妻互换小说| 亚洲欧洲精品一区二区精品久久久 | 国产免费视频播放在线视频| 女的被弄到高潮叫床怎么办| 成人免费观看视频高清| 七月丁香在线播放| 日本爱情动作片www.在线观看| 春色校园在线视频观看| 亚洲国产成人一精品久久久| 国产又色又爽无遮挡免| 国产成人精品无人区| 日本av免费视频播放| 十分钟在线观看高清视频www| 久久ye,这里只有精品| 午夜福利视频精品| 国产精品久久久久久久久免| 亚洲精品久久成人aⅴ小说| 亚洲在久久综合| 你懂的网址亚洲精品在线观看| 汤姆久久久久久久影院中文字幕| 国产成人精品婷婷| 日日爽夜夜爽网站| 国产无遮挡羞羞视频在线观看| 精品人妻一区二区三区麻豆| 在线天堂中文资源库| 满18在线观看网站| 少妇人妻 视频| 高清av免费在线| 最近中文字幕高清免费大全6| 99久久精品国产国产毛片| 国产无遮挡羞羞视频在线观看| 在线观看人妻少妇| 黄色配什么色好看| 在线观看免费日韩欧美大片| 有码 亚洲区| 欧美日韩av久久| 欧美黄色片欧美黄色片| 免费播放大片免费观看视频在线观看| 久久久久网色| 日韩在线高清观看一区二区三区| 国产一区二区在线观看av| 春色校园在线视频观看| 中文字幕人妻丝袜一区二区 | 亚洲,一卡二卡三卡| 自线自在国产av| 亚洲第一区二区三区不卡| 亚洲欧洲日产国产| 纯流量卡能插随身wifi吗| 国产成人精品在线电影| 中文字幕最新亚洲高清| 国产深夜福利视频在线观看| 精品人妻偷拍中文字幕| 国产成人免费无遮挡视频| 免费黄频网站在线观看国产| 中文欧美无线码| 天美传媒精品一区二区| 亚洲第一av免费看| 69精品国产乱码久久久| 国产片特级美女逼逼视频| 国产精品不卡视频一区二区| 女人精品久久久久毛片| 少妇人妻精品综合一区二区| 90打野战视频偷拍视频| 免费av中文字幕在线| 婷婷色av中文字幕| 两个人免费观看高清视频| 亚洲久久久国产精品| 人妻系列 视频| 十八禁高潮呻吟视频| 在线精品无人区一区二区三| 天天操日日干夜夜撸| 日本wwww免费看| 啦啦啦在线免费观看视频4| 国产乱来视频区| 亚洲三级黄色毛片| 在线天堂最新版资源| 日韩中字成人| 美国免费a级毛片| 美女视频免费永久观看网站| 18禁国产床啪视频网站| 国产精品 国内视频| 爱豆传媒免费全集在线观看| 亚洲欧美一区二区三区国产| 最近中文字幕2019免费版| 日韩av免费高清视频| 妹子高潮喷水视频| 边亲边吃奶的免费视频| 嫩草影院入口| 欧美人与善性xxx| 国产成人91sexporn| 最近2019中文字幕mv第一页| 黑丝袜美女国产一区| www.精华液| 欧美亚洲日本最大视频资源| 边亲边吃奶的免费视频| av国产久精品久网站免费入址| 人妻 亚洲 视频| 婷婷色综合大香蕉| 97精品久久久久久久久久精品| 欧美日本中文国产一区发布| √禁漫天堂资源中文www| 三上悠亚av全集在线观看| 亚洲一码二码三码区别大吗| 精品卡一卡二卡四卡免费| 精品国产一区二区三区四区第35| 交换朋友夫妻互换小说| 久久ye,这里只有精品| 欧美精品亚洲一区二区| 久久久欧美国产精品| 纵有疾风起免费观看全集完整版| 国产成人精品婷婷| 少妇人妻精品综合一区二区| 精品人妻在线不人妻| av.在线天堂| 久久久久久伊人网av| 热re99久久国产66热| 丝袜在线中文字幕| 成人亚洲精品一区在线观看| 日韩制服骚丝袜av| 99久久精品国产国产毛片| 极品少妇高潮喷水抽搐| 黄频高清免费视频| 国产97色在线日韩免费| 女性被躁到高潮视频| 免费少妇av软件| 色网站视频免费| 久久久精品国产亚洲av高清涩受| 不卡av一区二区三区| 久久久国产欧美日韩av| 美女大奶头黄色视频| 国产片内射在线| 国产乱人偷精品视频| 2022亚洲国产成人精品| 2021少妇久久久久久久久久久| 人妻一区二区av| 午夜激情久久久久久久| 女人高潮潮喷娇喘18禁视频| 五月伊人婷婷丁香| 在线观看www视频免费| 免费观看av网站的网址| 欧美日韩国产mv在线观看视频| 亚洲国产精品999| 大码成人一级视频| 日本91视频免费播放| 哪个播放器可以免费观看大片| 老司机影院成人| 老汉色av国产亚洲站长工具| 久久热在线av| 久久这里有精品视频免费| 国产麻豆69| 国产日韩欧美视频二区| 一级,二级,三级黄色视频| 人妻人人澡人人爽人人| 免费高清在线观看日韩| 高清不卡的av网站| 捣出白浆h1v1| 两个人看的免费小视频| 少妇被粗大的猛进出69影院| 色哟哟·www| 国产在线一区二区三区精| 国产精品成人在线| 97精品久久久久久久久久精品| 中文字幕另类日韩欧美亚洲嫩草| av国产久精品久网站免费入址| 亚洲久久久国产精品| 国产精品欧美亚洲77777| 极品少妇高潮喷水抽搐| 国产一区二区在线观看av| 免费看av在线观看网站| 亚洲精品,欧美精品| 男人爽女人下面视频在线观看| 欧美最新免费一区二区三区| 热re99久久国产66热| 中文字幕人妻丝袜一区二区 | 大片免费播放器 马上看| 欧美人与善性xxx| 欧美另类一区| 欧美97在线视频| 亚洲国产av新网站| 在线亚洲精品国产二区图片欧美| 欧美精品一区二区免费开放| 欧美成人午夜精品| 交换朋友夫妻互换小说| 美女国产高潮福利片在线看| 亚洲av日韩在线播放| 99久久综合免费| 日韩,欧美,国产一区二区三区| 成人影院久久| 欧美变态另类bdsm刘玥| 午夜久久久在线观看| 日日啪夜夜爽| 色婷婷av一区二区三区视频| 久久人人97超碰香蕉20202| 亚洲色图 男人天堂 中文字幕| 黄色视频在线播放观看不卡| 欧美精品一区二区大全| 久久久久精品性色| 边亲边吃奶的免费视频| a 毛片基地| 亚洲第一区二区三区不卡| 9191精品国产免费久久| 国产免费现黄频在线看| 美女福利国产在线| av有码第一页| 91精品国产国语对白视频| 99国产精品免费福利视频| 男女国产视频网站| 国产又色又爽无遮挡免| 国产精品一区二区在线不卡| 午夜免费男女啪啪视频观看| 久久ye,这里只有精品| h视频一区二区三区| 国产97色在线日韩免费| av在线老鸭窝| 亚洲精品乱久久久久久| 国产成人精品一,二区| 国产成人免费观看mmmm| 极品少妇高潮喷水抽搐| 成人国语在线视频| 日日啪夜夜爽| 最近最新中文字幕免费大全7| 亚洲美女搞黄在线观看| 视频区图区小说| 国产精品久久久久久久久免| 最近最新中文字幕大全免费视频 | 欧美老熟妇乱子伦牲交| 亚洲精品自拍成人| 国精品久久久久久国模美| videos熟女内射| 1024视频免费在线观看| 日日摸夜夜添夜夜爱| 巨乳人妻的诱惑在线观看| 青草久久国产| 大片免费播放器 马上看| 亚洲人成网站在线观看播放| 成人黄色视频免费在线看| 不卡av一区二区三区| 国产精品二区激情视频| 亚洲成人av在线免费| 亚洲情色 制服丝袜| 亚洲人成网站在线观看播放| 国产高清国产精品国产三级| 亚洲精品一二三| 亚洲欧洲精品一区二区精品久久久 | 18禁观看日本| 精品久久久久久电影网| 老女人水多毛片| 国产97色在线日韩免费| 久久国产精品男人的天堂亚洲| 中文字幕色久视频| 日本欧美视频一区| 欧美精品国产亚洲| 两个人免费观看高清视频| 男女边吃奶边做爰视频| 亚洲精华国产精华液的使用体验| 在线观看国产h片| 1024香蕉在线观看| 人人妻人人添人人爽欧美一区卜| 黄色配什么色好看| 色播在线永久视频| 中文字幕人妻丝袜制服| 欧美国产精品va在线观看不卡| 欧美日韩一区二区视频在线观看视频在线| 亚洲四区av| 国产免费福利视频在线观看| 亚洲欧美中文字幕日韩二区| 亚洲精品自拍成人| 另类精品久久| 欧美bdsm另类| 精品亚洲乱码少妇综合久久| 可以免费在线观看a视频的电影网站 | 1024香蕉在线观看| 午夜免费鲁丝| 伦理电影大哥的女人| 午夜福利视频精品| 国产有黄有色有爽视频| 热99国产精品久久久久久7| 日本-黄色视频高清免费观看| 我要看黄色一级片免费的| 精品国产乱码久久久久久男人| 国语对白做爰xxxⅹ性视频网站| 成人亚洲欧美一区二区av| 人妻人人澡人人爽人人| 国产女主播在线喷水免费视频网站| 久久久久精品性色| av在线观看视频网站免费| 日韩一区二区三区影片| 午夜av观看不卡| 青春草国产在线视频| 91国产中文字幕| 国产一级毛片在线| 人人妻人人澡人人看| 丝瓜视频免费看黄片| 国产成人91sexporn| tube8黄色片| 久久久国产一区二区| 日韩电影二区| 中国国产av一级| 99re6热这里在线精品视频| 校园人妻丝袜中文字幕| 久久女婷五月综合色啪小说| 日韩免费高清中文字幕av| 国产免费福利视频在线观看| 侵犯人妻中文字幕一二三四区| 免费人妻精品一区二区三区视频| 妹子高潮喷水视频| 精品国产一区二区久久| 日本欧美视频一区| 久久久精品94久久精品| 99国产精品免费福利视频| 黄色毛片三级朝国网站| 国产有黄有色有爽视频| 黄色视频在线播放观看不卡| 中文欧美无线码| 纯流量卡能插随身wifi吗| 精品一区二区免费观看| 精品国产一区二区三区四区第35| 国产精品一区二区在线不卡| 黄色一级大片看看| 性色avwww在线观看| 国产免费福利视频在线观看| 99热全是精品| 最新中文字幕久久久久| 国产成人精品一,二区| 多毛熟女@视频| 亚洲欧美成人精品一区二区| 啦啦啦视频在线资源免费观看| videosex国产| 99久国产av精品国产电影| 久久免费观看电影| 亚洲精品中文字幕在线视频| 少妇人妻久久综合中文| 精品一品国产午夜福利视频| 国产一区二区 视频在线| 欧美日本中文国产一区发布| 国产免费一区二区三区四区乱码| 永久免费av网站大全| 麻豆乱淫一区二区| av福利片在线| 亚洲国产毛片av蜜桃av| 久久久久人妻精品一区果冻| 看免费成人av毛片| 日韩免费高清中文字幕av| 亚洲av欧美aⅴ国产| 国产亚洲一区二区精品| 日韩制服骚丝袜av| 一区福利在线观看| xxxhd国产人妻xxx| 欧美激情高清一区二区三区 | 另类亚洲欧美激情| 亚洲精品久久久久久婷婷小说| 下体分泌物呈黄色| 国产精品无大码| 九九爱精品视频在线观看| 精品久久久久久电影网| 在线观看免费视频网站a站| 国产精品女同一区二区软件| 国产男女超爽视频在线观看| 欧美精品亚洲一区二区| 69精品国产乱码久久久| 欧美av亚洲av综合av国产av | 青春草国产在线视频| 国产极品粉嫩免费观看在线| 欧美av亚洲av综合av国产av | 人妻系列 视频| 最新中文字幕久久久久| 国产色婷婷99| 久久人人爽av亚洲精品天堂| 伦理电影大哥的女人| 日本欧美国产在线视频| 街头女战士在线观看网站| 18禁观看日本| 人人妻人人澡人人看| 国产在线一区二区三区精| 18在线观看网站| 亚洲久久久国产精品| 亚洲男人的天堂狠狠| 亚洲 欧美 日韩 在线 免费| 久久久久国内视频| 九色亚洲精品在线播放| 国产精品久久久久久人妻精品电影| 日韩大尺度精品在线看网址 | 亚洲成人精品中文字幕电影 | 9191精品国产免费久久| 亚洲精品国产精品久久久不卡| 欧美最黄视频在线播放免费 | 美女 人体艺术 gogo| 亚洲精品国产区一区二| 高清毛片免费观看视频网站 | 黄色女人牲交| 午夜成年电影在线免费观看| 男女下面进入的视频免费午夜 | 久久人人精品亚洲av| 色婷婷av一区二区三区视频| 人人妻,人人澡人人爽秒播| 日韩一卡2卡3卡4卡2021年| 久久欧美精品欧美久久欧美| 美女 人体艺术 gogo| 国产深夜福利视频在线观看| 黄色片一级片一级黄色片| 伊人久久大香线蕉亚洲五| 国产极品粉嫩免费观看在线| 九色亚洲精品在线播放| 超碰97精品在线观看| 久久天躁狠狠躁夜夜2o2o| 757午夜福利合集在线观看| 亚洲欧美一区二区三区黑人| 99国产精品一区二区三区| 天堂中文最新版在线下载| 高清欧美精品videossex| 精品免费久久久久久久清纯| 国产片内射在线| av视频免费观看在线观看| 丰满人妻熟妇乱又伦精品不卡| av视频免费观看在线观看| 欧美大码av| 99精品欧美一区二区三区四区| 人人妻人人添人人爽欧美一区卜| 老汉色av国产亚洲站长工具| 看片在线看免费视频| 亚洲人成77777在线视频| 9191精品国产免费久久| 丝袜美腿诱惑在线| 一本大道久久a久久精品| 少妇裸体淫交视频免费看高清 | 国产精品免费视频内射| 亚洲人成伊人成综合网2020| 国产欧美日韩一区二区三| 久久精品国产综合久久久| 日韩高清综合在线| 村上凉子中文字幕在线| 淫妇啪啪啪对白视频| 日本a在线网址| 亚洲一区二区三区色噜噜 | 97碰自拍视频| 中文字幕最新亚洲高清| 日韩视频一区二区在线观看| 亚洲五月色婷婷综合| 色婷婷av一区二区三区视频| 黄片小视频在线播放| 一本综合久久免费| 国产av又大| 国产又色又爽无遮挡免费看| 真人做人爱边吃奶动态| 国产精品 国内视频| 神马国产精品三级电影在线观看 | 淫秽高清视频在线观看| 国产精品亚洲一级av第二区| 国产97色在线日韩免费| 国产精品一区二区三区四区久久 | 成人18禁在线播放| 国产一区二区三区在线臀色熟女 | 美女 人体艺术 gogo| 一进一出好大好爽视频| 国产成+人综合+亚洲专区| 国产精华一区二区三区| 国产xxxxx性猛交| 啦啦啦在线免费观看视频4| 久久久久久久久久久久大奶| 久久欧美精品欧美久久欧美| 国产日韩一区二区三区精品不卡| 国内毛片毛片毛片毛片毛片| 久久婷婷成人综合色麻豆| 免费久久久久久久精品成人欧美视频| videosex国产| 一区二区三区激情视频| 老司机福利观看| 黄色视频不卡| 一级黄色大片毛片| 首页视频小说图片口味搜索| 亚洲熟妇熟女久久| 97人妻天天添夜夜摸| 很黄的视频免费| 91麻豆精品激情在线观看国产 | 国产精华一区二区三区| 美女午夜性视频免费| 中文字幕高清在线视频| 午夜免费激情av| 欧美在线黄色| 一级毛片高清免费大全| 在线观看免费日韩欧美大片| 久久国产精品男人的天堂亚洲| 真人做人爱边吃奶动态| 嫁个100分男人电影在线观看| 在线观看一区二区三区激情| 99精品在免费线老司机午夜| 国产精品久久视频播放| 涩涩av久久男人的天堂| 免费在线观看日本一区| 中国美女看黄片| 国产精品久久久av美女十八| 麻豆一二三区av精品| 黄片大片在线免费观看| 国产又色又爽无遮挡免费看| 精品国产国语对白av| 后天国语完整版免费观看| 久久亚洲精品不卡| 黄色毛片三级朝国网站| 久久久久国内视频| 搡老岳熟女国产| 久久久久久久久中文| 欧美精品一区二区免费开放| 亚洲片人在线观看| 日韩免费高清中文字幕av| 99热国产这里只有精品6| 欧美午夜高清在线| 女性被躁到高潮视频| 日本vs欧美在线观看视频| 欧美日本中文国产一区发布|