• <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
    国产高清不卡午夜福利| 国产精品不卡视频一区二区| av专区在线播放| 日日摸夜夜添夜夜添av毛片| 最近中文字幕2019免费版| 国产永久视频网站| 日本午夜av视频| 22中文网久久字幕| 3wmmmm亚洲av在线观看| 精品久久久久久久久av| 亚洲精品久久午夜乱码| 久久久久网色| 日日啪夜夜爽| 男人添女人高潮全过程视频| 国产成人freesex在线| 久久久国产精品麻豆| 伊人亚洲综合成人网| 3wmmmm亚洲av在线观看| 久久人人爽人人爽人人片va| 春色校园在线视频观看| 自线自在国产av| 国产在线一区二区三区精| 少妇的逼水好多| 五月开心婷婷网| 久久热精品热| 精品午夜福利在线看| 青春草亚洲视频在线观看| 午夜久久久在线观看| 日日爽夜夜爽网站| a级毛色黄片| 啦啦啦啦在线视频资源| 18禁动态无遮挡网站| 亚洲精品乱码久久久久久按摩| 中文字幕亚洲精品专区| 香蕉精品网在线| 亚洲国产成人一精品久久久| 精品少妇内射三级| 国产av码专区亚洲av| 亚洲欧美一区二区三区国产| 亚洲精品色激情综合| 男的添女的下面高潮视频| 欧美xxⅹ黑人| 久久这里有精品视频免费| 国产乱人偷精品视频| 丰满饥渴人妻一区二区三| 麻豆精品久久久久久蜜桃| 中文字幕精品免费在线观看视频 | 人妻一区二区av| 在线观看免费视频网站a站| 乱码一卡2卡4卡精品| 国产精品国产av在线观看| 国产av精品麻豆| 久久国产乱子免费精品| 色视频在线一区二区三区| 老司机亚洲免费影院| 美女视频免费永久观看网站| 国产精品国产av在线观看| 99视频精品全部免费 在线| 在线看a的网站| a级毛片在线看网站| 我的女老师完整版在线观看| 久久韩国三级中文字幕| 丝袜在线中文字幕| 久久av网站| 最新的欧美精品一区二区| 亚洲av.av天堂| 一级二级三级毛片免费看| 男男h啪啪无遮挡| 国产日韩欧美视频二区| 建设人人有责人人尽责人人享有的| 极品少妇高潮喷水抽搐| 看免费成人av毛片| 街头女战士在线观看网站| 黑人高潮一二区| 久久综合国产亚洲精品| 97精品久久久久久久久久精品| 在线观看www视频免费| 观看免费一级毛片| 久久狼人影院| av专区在线播放| 夜夜看夜夜爽夜夜摸| 波野结衣二区三区在线| 肉色欧美久久久久久久蜜桃| 丝袜喷水一区| 亚洲av二区三区四区| av播播在线观看一区| 五月玫瑰六月丁香| 一本大道久久a久久精品| 99热全是精品| 久久毛片免费看一区二区三区| 最近中文字幕2019免费版| 亚洲av中文av极速乱| 最新中文字幕久久久久| 久久ye,这里只有精品| 亚洲欧美清纯卡通| 久久精品国产亚洲网站| 欧美97在线视频| 夫妻性生交免费视频一级片| 亚洲精品久久久久久婷婷小说| 精华霜和精华液先用哪个| 亚洲精品国产成人久久av| 99久国产av精品国产电影| a 毛片基地| 国产深夜福利视频在线观看| 亚洲av成人精品一区久久| 久热这里只有精品99| 老司机亚洲免费影院| 国语对白做爰xxxⅹ性视频网站| 男女边吃奶边做爰视频| 国产男女内射视频| 亚洲欧美一区二区三区国产| 欧美精品高潮呻吟av久久| 欧美人与善性xxx| 久久99一区二区三区| 日本vs欧美在线观看视频 | 国产日韩一区二区三区精品不卡 | 国产亚洲精品久久久com| 我要看黄色一级片免费的| 国产片特级美女逼逼视频| 性色avwww在线观看| 欧美成人午夜免费资源| 国产av精品麻豆| 欧美日韩一区二区视频在线观看视频在线| 亚洲综合色惰| 国产免费视频播放在线视频| 成年av动漫网址| 国产在线视频一区二区| 亚洲欧美精品自产自拍| 中国三级夫妇交换| 一本一本综合久久| 十八禁高潮呻吟视频 | 一级毛片电影观看| 高清不卡的av网站| av不卡在线播放| 黑人巨大精品欧美一区二区蜜桃 | 久久久久视频综合| 亚洲高清免费不卡视频| 91精品国产九色| 欧美老熟妇乱子伦牲交| 国产精品女同一区二区软件| 久久人人爽人人片av| 精品一区二区三卡| 纵有疾风起免费观看全集完整版| 欧美三级亚洲精品| 亚洲国产精品一区二区三区在线| 在线观看三级黄色| 黄色视频在线播放观看不卡| 又黄又爽又刺激的免费视频.| 亚洲av二区三区四区| 在线观看免费日韩欧美大片 | 欧美区成人在线视频| av福利片在线| 夫妻午夜视频| 爱豆传媒免费全集在线观看| 中文乱码字字幕精品一区二区三区| 中文在线观看免费www的网站| 九九在线视频观看精品| 日产精品乱码卡一卡2卡三| 成人影院久久| 一区二区三区乱码不卡18| 少妇熟女欧美另类| 午夜影院在线不卡| 久久久久久久久久成人| 国产成人精品福利久久| 午夜福利在线观看免费完整高清在| 天天操日日干夜夜撸| 国产精品福利在线免费观看| 午夜日本视频在线| 亚洲av中文av极速乱| 国产免费一级a男人的天堂| 国产成人精品久久久久久| 久久久午夜欧美精品| 国产精品无大码| 26uuu在线亚洲综合色| 日韩不卡一区二区三区视频在线| 高清av免费在线| 久久久久精品久久久久真实原创| 啦啦啦在线观看免费高清www| 国产高清国产精品国产三级| 亚洲欧美日韩卡通动漫| 成年av动漫网址| 亚洲成色77777| 日本与韩国留学比较| 亚洲欧洲日产国产| 国产淫片久久久久久久久| 三级国产精品片| 亚洲av成人精品一区久久| 国产精品99久久久久久久久| 老司机影院毛片| 欧美日韩视频精品一区| 免费久久久久久久精品成人欧美视频 | 国产熟女午夜一区二区三区 | 国产成人精品无人区| 国产精品人妻久久久久久| 少妇人妻精品综合一区二区| 国模一区二区三区四区视频| 女性被躁到高潮视频| 天美传媒精品一区二区| 99久久综合免费| 一本大道久久a久久精品| 久久人人爽人人片av| 成年av动漫网址| 日韩电影二区| a级一级毛片免费在线观看| 国产有黄有色有爽视频| 亚洲国产精品专区欧美| 老司机亚洲免费影院| 麻豆成人av视频| 日本与韩国留学比较| 午夜av观看不卡| 久久亚洲国产成人精品v| 亚洲婷婷狠狠爱综合网| 久久韩国三级中文字幕| 成年人午夜在线观看视频| 日韩 亚洲 欧美在线| 狠狠精品人妻久久久久久综合| 在线观看人妻少妇| 久久精品国产a三级三级三级| 涩涩av久久男人的天堂| 丰满饥渴人妻一区二区三| 免费黄网站久久成人精品| 国产日韩欧美在线精品| 80岁老熟妇乱子伦牲交| 午夜视频国产福利| 精品酒店卫生间| 久久久久久久久久久久大奶| 久久ye,这里只有精品| 一级黄片播放器| 成年女人在线观看亚洲视频| 国产探花极品一区二区| 寂寞人妻少妇视频99o| 99久久中文字幕三级久久日本| 国产高清有码在线观看视频| 麻豆成人午夜福利视频| 色5月婷婷丁香| 国产一区二区三区av在线| 久久99热这里只频精品6学生| 乱系列少妇在线播放| 国产成人一区二区在线| 国产成人免费观看mmmm| 久久国产亚洲av麻豆专区| 纯流量卡能插随身wifi吗| 久久久久久久久久人人人人人人| 国产成人精品婷婷| 一区在线观看完整版| 一区二区三区四区激情视频| 亚洲精品第二区| 97超碰精品成人国产| 中文欧美无线码| 免费观看性生交大片5| 下体分泌物呈黄色| 亚洲久久久国产精品| 日产精品乱码卡一卡2卡三| 亚洲精品国产色婷婷电影| 亚洲成人一二三区av| 精品酒店卫生间| 男人舔奶头视频| 观看美女的网站| 高清毛片免费看| 看免费成人av毛片| 久久久国产一区二区| 女性被躁到高潮视频| 午夜免费观看性视频| 国产免费一级a男人的天堂| 亚洲天堂av无毛| 大片免费播放器 马上看| 国产一级毛片在线| 成人亚洲欧美一区二区av| 女人精品久久久久毛片| 亚洲综合精品二区| 另类亚洲欧美激情| 国产伦精品一区二区三区视频9| 在线观看美女被高潮喷水网站| 蜜桃久久精品国产亚洲av| 国产av精品麻豆| 国产男女内射视频| 国产美女午夜福利| 精品视频人人做人人爽| 国产精品久久久久久久电影| 中文精品一卡2卡3卡4更新| 能在线免费看毛片的网站| 亚洲国产成人一精品久久久| 国产av码专区亚洲av| 亚洲av欧美aⅴ国产| 亚洲情色 制服丝袜| 中文字幕免费在线视频6| 日本免费在线观看一区| 一级二级三级毛片免费看| 日日啪夜夜爽| 欧美精品一区二区免费开放| 亚洲欧美日韩另类电影网站| 国产黄片美女视频| 黑人猛操日本美女一级片| 国产精品伦人一区二区| 2022亚洲国产成人精品| 亚洲四区av| 亚洲丝袜综合中文字幕| 又粗又硬又长又爽又黄的视频| 超碰97精品在线观看| 老司机影院毛片| 国产一区亚洲一区在线观看| 国产深夜福利视频在线观看| 黄色配什么色好看| 最黄视频免费看| 亚洲精品aⅴ在线观看| 欧美激情国产日韩精品一区| 久久久久久久久久人人人人人人| 伊人久久国产一区二区| 欧美老熟妇乱子伦牲交| 亚洲av欧美aⅴ国产| xxx大片免费视频| 欧美日韩国产mv在线观看视频| 麻豆精品久久久久久蜜桃| 亚洲av成人精品一区久久| 老司机影院毛片| 日日啪夜夜撸| 有码 亚洲区| 女性被躁到高潮视频| tube8黄色片| 国产白丝娇喘喷水9色精品| 国产一区二区三区av在线| 高清av免费在线| 婷婷色综合www| 一级av片app| 国产精品国产三级国产专区5o| 中文字幕久久专区| 久久这里有精品视频免费| 午夜av观看不卡| 极品人妻少妇av视频| 国产老妇伦熟女老妇高清| 欧美一级a爱片免费观看看| 成人毛片a级毛片在线播放| 18禁裸乳无遮挡动漫免费视频| 各种免费的搞黄视频| 热99国产精品久久久久久7| 18+在线观看网站| 最新中文字幕久久久久| 最近的中文字幕免费完整| 在线观看人妻少妇| 国产探花极品一区二区| av一本久久久久| 内地一区二区视频在线| av播播在线观看一区| 夜夜骑夜夜射夜夜干| 日韩在线高清观看一区二区三区| 黑人高潮一二区| 国产精品蜜桃在线观看| 三级国产精品欧美在线观看| 黑人高潮一二区| 日韩中文字幕视频在线看片| 一级黄片播放器| 你懂的网址亚洲精品在线观看| 国产精品女同一区二区软件| 欧美97在线视频| 九九在线视频观看精品| 夫妻午夜视频| 成人美女网站在线观看视频| 在线观看免费日韩欧美大片 | 91精品伊人久久大香线蕉| av视频免费观看在线观看| 九九久久精品国产亚洲av麻豆| 51国产日韩欧美| 欧美最新免费一区二区三区| xxx大片免费视频| 国产精品蜜桃在线观看| 亚洲欧美一区二区三区黑人 | 波野结衣二区三区在线| 亚洲欧美成人综合另类久久久| 亚洲第一欧美日韩一区二区三区 | 岛国在线观看网站| 美女高潮喷水抽搐中文字幕| 国产精品亚洲av一区麻豆| 热re99久久精品国产66热6| 国产成人精品无人区| 亚洲国产中文字幕在线视频| 激情视频va一区二区三区| 狠狠婷婷综合久久久久久88av| 制服人妻中文乱码| 精品亚洲成a人片在线观看| 亚洲精华国产精华精| 日日爽夜夜爽网站| 国产不卡av网站在线观看| 狂野欧美激情性xxxx| 男人舔女人的私密视频| 亚洲国产精品一区二区三区在线| 一级毛片精品| 热re99久久精品国产66热6| 国产亚洲精品久久久久5区| 亚洲情色 制服丝袜| 热re99久久国产66热| 又紧又爽又黄一区二区| 久久久久精品人妻al黑| 久久ye,这里只有精品| 国产在线观看jvid| 亚洲精品自拍成人| 亚洲自偷自拍图片 自拍| 岛国毛片在线播放| 午夜免费鲁丝| 亚洲中文字幕日韩| 母亲3免费完整高清在线观看| 国精品久久久久久国模美| 欧美黑人精品巨大| 如日韩欧美国产精品一区二区三区| 91精品国产国语对白视频| 考比视频在线观看| 国产精品 国内视频| 国产一区二区在线观看av| 天堂8中文在线网| 美女午夜性视频免费| 久久人妻熟女aⅴ| 国产99久久九九免费精品| 91成人精品电影| 亚洲五月婷婷丁香| 老司机亚洲免费影院| 亚洲性夜色夜夜综合| xxxhd国产人妻xxx| 每晚都被弄得嗷嗷叫到高潮| 母亲3免费完整高清在线观看| av又黄又爽大尺度在线免费看| 热re99久久国产66热| 国产免费av片在线观看野外av| 99久久精品国产亚洲精品| 午夜激情av网站| 一本一本久久a久久精品综合妖精| 久久久国产一区二区| 99久久人妻综合| 香蕉国产在线看| 我要看黄色一级片免费的| 国产在线免费精品| 首页视频小说图片口味搜索| 97在线人人人人妻| 亚洲欧美一区二区三区黑人| 色综合欧美亚洲国产小说| 在线观看免费高清a一片| 丝袜在线中文字幕| 欧美激情 高清一区二区三区| 国产精品偷伦视频观看了| 一区二区三区四区激情视频| 精品亚洲成国产av| 亚洲一码二码三码区别大吗| 国产高清videossex| 热re99久久精品国产66热6| 亚洲成人免费av在线播放| 国产91精品成人一区二区三区 | 国产精品自产拍在线观看55亚洲 | 18在线观看网站| 老司机深夜福利视频在线观看 | 2018国产大陆天天弄谢| 97精品久久久久久久久久精品| 亚洲精品中文字幕一二三四区 | 一区二区三区乱码不卡18| 亚洲国产日韩一区二区| 国产成人免费无遮挡视频| 午夜福利乱码中文字幕| av又黄又爽大尺度在线免费看| 飞空精品影院首页| 久久这里只有精品19| 999久久久国产精品视频| av超薄肉色丝袜交足视频| 啦啦啦视频在线资源免费观看| 欧美成人午夜精品| 国产免费一区二区三区四区乱码| 精品乱码久久久久久99久播| 正在播放国产对白刺激| 国产亚洲av片在线观看秒播厂| 一区二区av电影网| 婷婷成人精品国产| 男女免费视频国产| 看免费av毛片| 日本精品一区二区三区蜜桃| 91麻豆av在线| 老熟妇仑乱视频hdxx| 亚洲国产精品一区二区三区在线| 精品少妇久久久久久888优播| 好男人电影高清在线观看| 国产精品一区二区在线观看99| 国产欧美日韩综合在线一区二区| 亚洲专区字幕在线| 久久精品国产亚洲av香蕉五月 | 大香蕉久久成人网| 咕卡用的链子| 蜜桃在线观看..| 一本—道久久a久久精品蜜桃钙片| 黑人巨大精品欧美一区二区mp4| 悠悠久久av| 丝袜美腿诱惑在线| 久久久久久久久免费视频了| 国产成人系列免费观看| 一进一出抽搐动态| 一边摸一边做爽爽视频免费| 欧美日本中文国产一区发布| 欧美一级毛片孕妇| 亚洲精品在线美女| 男女之事视频高清在线观看| √禁漫天堂资源中文www| 纯流量卡能插随身wifi吗| av网站免费在线观看视频| a 毛片基地| 69av精品久久久久久 | 国产成人欧美| 欧美亚洲 丝袜 人妻 在线| av线在线观看网站| 一进一出抽搐动态| 亚洲伊人色综图| 精品熟女少妇八av免费久了| 日韩欧美国产一区二区入口| 免费在线观看完整版高清| 免费在线观看黄色视频的| 色老头精品视频在线观看| 欧美日韩视频精品一区| 午夜精品国产一区二区电影| 少妇人妻久久综合中文| 一区福利在线观看| 久久热在线av| 国产在线视频一区二区| 真人做人爱边吃奶动态| 国产一区二区三区在线臀色熟女 | 久久精品亚洲熟妇少妇任你| 啪啪无遮挡十八禁网站| 亚洲五月色婷婷综合| 亚洲一区二区三区欧美精品| 久热爱精品视频在线9| 黄色片一级片一级黄色片| 亚洲伊人色综图| 精品熟女少妇八av免费久了| 国产亚洲av片在线观看秒播厂| 欧美一级毛片孕妇| 午夜福利一区二区在线看| 一级毛片精品| 99国产综合亚洲精品| 欧美精品啪啪一区二区三区 | 精品一区在线观看国产| 久久精品国产亚洲av香蕉五月 | 亚洲国产欧美一区二区综合| 少妇粗大呻吟视频| 在线观看免费日韩欧美大片| 国产亚洲精品一区二区www | 波多野结衣一区麻豆| 少妇猛男粗大的猛烈进出视频| 日本欧美视频一区| 一本色道久久久久久精品综合| 久久久久久久国产电影| 国产成人精品久久二区二区91| 欧美人与性动交α欧美软件| 国产欧美亚洲国产| 欧美日韩亚洲国产一区二区在线观看 | 亚洲欧美一区二区三区久久| 亚洲男人天堂网一区| 高清av免费在线| 99久久人妻综合| 成人手机av| 亚洲va日本ⅴa欧美va伊人久久 | 亚洲人成电影观看| 超碰97精品在线观看| 18禁裸乳无遮挡动漫免费视频| 国产xxxxx性猛交| 国产精品免费大片| 女人久久www免费人成看片| 9191精品国产免费久久| 亚洲性夜色夜夜综合| 免费在线观看视频国产中文字幕亚洲 | 丝袜人妻中文字幕| 欧美日韩亚洲高清精品| 亚洲免费av在线视频| 国产淫语在线视频| 欧美精品av麻豆av| 人妻 亚洲 视频| 大片免费播放器 马上看| 91av网站免费观看| 欧美国产精品va在线观看不卡| 日韩人妻精品一区2区三区| 一二三四在线观看免费中文在| 在线观看免费日韩欧美大片| 免费少妇av软件| 中文字幕最新亚洲高清| 欧美黄色片欧美黄色片| 国产老妇伦熟女老妇高清| 欧美亚洲 丝袜 人妻 在线| 免费日韩欧美在线观看| 亚洲av欧美aⅴ国产| 精品国产超薄肉色丝袜足j| 制服诱惑二区| 在线观看www视频免费| 女警被强在线播放| 国产日韩欧美在线精品| 大码成人一级视频| 国产在线免费精品| 国产精品久久久久成人av| 久久精品成人免费网站| 好男人电影高清在线观看| 久9热在线精品视频| 少妇精品久久久久久久| 亚洲avbb在线观看| 久久久精品免费免费高清| 99九九在线精品视频| 精品福利永久在线观看| 一区二区三区四区激情视频| 人人妻人人澡人人爽人人夜夜| 在线十欧美十亚洲十日本专区| 久久精品成人免费网站| 久久久国产欧美日韩av| 大片电影免费在线观看免费| 久久中文看片网| av电影中文网址| 精品免费久久久久久久清纯 | 欧美激情 高清一区二区三区| 午夜福利影视在线免费观看| 汤姆久久久久久久影院中文字幕| 在线十欧美十亚洲十日本专区| 亚洲美女黄色视频免费看| 欧美精品啪啪一区二区三区 | 国产成人精品无人区| 在线亚洲精品国产二区图片欧美| 最新在线观看一区二区三区| 国产主播在线观看一区二区|