• <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 ?

    基于密度和聚類指數(shù)改進的K-means 算法

    2015-03-06 01:32:24冒純麗丁岳偉
    電子科技 2015年11期
    關(guān)鍵詞:高密度聚類對象

    毛 秀,冒純麗,丁岳偉

    (上海理工大學(xué) 光電信息與計算機工程學(xué)院,上海 200093)

    數(shù)據(jù)挖掘就是對龐大的數(shù)據(jù)集進行分析,從而發(fā)現(xiàn)隱藏其中未知的關(guān)系,并以數(shù)據(jù)擁有者可理解的方式對其有價值數(shù)據(jù)總結(jié)[1]。聚類分析是將數(shù)據(jù)庫中的數(shù)據(jù)按照某種規(guī)則分組或分成成若干類,使得同一類內(nèi)的數(shù)據(jù)之間相似度較高,而不同類內(nèi)的數(shù)據(jù)之間相似度較低[2]。各種聚類方法也被不斷提出和改進,每種算法都有其自身的短處和長處,因此研究和改進各種聚類算法具有一定意義。

    至今已經(jīng)有多種聚類算法發(fā)展成熟,主要有基于層次的算法、基于劃分的算法、基于密度的算法、基于網(wǎng)格的算法,模糊聚類也是當下比較流行的聚類分支。現(xiàn)實中人們經(jīng)常使用K-means 聚類算法,相比于其他聚類算法,該算法在處理大數(shù)據(jù)方面性能明顯較優(yōu)[3]。目前,基于K-means 算法的聚類算法研究更是層出不窮,結(jié)合了如孤立點去除、并行化處理、密度、遺傳算法、生成樹、距離代價函數(shù)、加權(quán)等因素用于改進。K-means 算法的原理簡單、易實現(xiàn),但抗噪聲能力差擾,聚類結(jié)果因不同中心點會大相徑庭,人為給算法輸入的k 值或偏大或偏小均會導(dǎo)致結(jié)果不理想。針對這些缺點,文獻[2]提出了基于密度優(yōu)化初始中心點的方法,文獻[4]等為了獲取k 值提出了新的聚類指數(shù),文獻[5]結(jié)合密度和最大最小距離法優(yōu)化了中心點的選擇,文獻[6]提出的ADK-keans 算法對孤立點進行特別處理,提高穩(wěn)定性的同時收斂速度快,聚類精度高,文獻[7]先通過密度優(yōu)化初始聚類中心,針對不同的k 值聚類并計算對應(yīng)的聚類有效性指標本,從而確定最佳聚類數(shù),本文將其算法簡稱為ASK-means算法。本文在上述工作基礎(chǔ)上,將密度、最大距離積法和聚類指數(shù)3 方面的優(yōu)勢進行集成提出了改進的Kmeans 算法,簡稱AIK-means 算法。

    1 傳統(tǒng)K-means 聚類算法

    K-means 聚類算法是把數(shù)據(jù)集X 中的樣本劃分到k 個簇類中,使得同一簇內(nèi)之間所有樣本之間的相似度最高,不同簇類的質(zhì)心之間的相似度最低。設(shè)定對象集合為X={x1,x2,…,xn},樣本數(shù)為N,xi表示X中的任意對象,聚類中心點集合C={c1,c2,…,ck}。用Dist(xi,xj)衡量樣本之間的相似度,Dist(xi,xj)代表對象xi,xj之間的距離,m 為對象的維度,xik為對象xi第k 個屬性值,如下

    聚類過程中一般使用的目標函數(shù)如下

    其中,k 為聚類數(shù);Ci為第i 個類;ci為第i 個類的聚類中心,如下

    傳統(tǒng)K-means 算法過程如下:

    輸入:原始的樣本數(shù)據(jù)集X,聚類數(shù)k 值。

    輸出:k 個簇類。

    (1)從樣本集X 中無規(guī)則地取出k 個樣本,將其當作最原始的聚類中心。(2)分別求出X 中其他樣本到第一步選出的k 個中心的歐式距離,將其分給距其歐氏距離最小的簇類。(3)求各簇類的平均值,更新作為下一次聚類的中心,返回步驟(2);若準則函數(shù)收斂則算法終止。

    2 改進的K-means 算法

    2.1 與密度相關(guān)的基本概念

    傳統(tǒng)的K-means 算法得到局部最優(yōu)解是因未考慮到數(shù)據(jù)的空間分布情況,無規(guī)則選取對象時會選到孤立點,根據(jù)不同的初始聚類中心得到的簇類也會相差很大。算法結(jié)合密度和距離則能避免孤立點被選中并且初始聚類中心之間也能保持一定間隔,分布稀疏。因此本文先從樣本集中獲取高密度集,再將距離因素用于高密度集優(yōu)化初始聚類中心。已知樣本集為X={x1,x2,…,xn},維度為m,xi,xj均屬于X。

    定義1 樣本密度:xi為樣本集中的任意對象,將它作為中心,δ 作為鄰域半徑,在其δ 內(nèi)的對象個數(shù)則是對象xi的密度,如下

    定義2 鄰域半徑:

    其中,n 為集合X 中的樣本數(shù),通常0 <δ≤1,根據(jù)實驗結(jié)果選取最佳參數(shù)值。

    定義3 高密度集:設(shè)定參數(shù)Minpts,樣本密度不少于這個參數(shù)的對象集合就是高密度集,m 是高密度樣本個數(shù)。

    2.2 最大距離積法

    最大最小距離法的缺點是選取的初始中心點之間距離較近且分布密集,使得本該劃分為一個簇類的樣本可能被分到兩個或多個簇。文獻[5]針對最大最小距離法的缺點提出的最大距離積法有較大的收斂速度和準確率,初始聚類中心點分散。采用高密度點對應(yīng)的垂直中心點能在一定程度上擴大初始中心點存在的區(qū)域,這樣有利于高密度區(qū)域能夠相互融合,提高聚類的效果。最大距離積法闡述如下:

    (1)根據(jù)關(guān)于密度的相關(guān)知識,得到高密度集HP={z1,z2,…,zm},m 為此集合中的樣本數(shù)量。

    (2)選取HP 中歐氏距離最大的兩個高密度樣本對的均值作為最初的聚類中心添加入到C 中,此時C={c1,c2}。

    (3)計算HP 中剩余樣本到C 中樣本的距離,若樣本zi滿足max(Dist(zi,c1)×Dist(zi,c2)),則將樣本zi及其最鄰近高密度點的均值作為下一個聚類中心記為c3,加入集合C 中。

    (4)同理,若樣本zm滿足max(Dist(zm,c1)×Dist(zm,c2)×…×Dist(zm,ck-1)),則zm是最后一個聚類中心添加到集合C 中。

    2.3 聚類指數(shù)index

    隨著k 值增大,簇內(nèi)距離會相應(yīng)減小,而簇間距離增大,即隨著k 變化,二者朝著相反的方向改變,考慮到簇內(nèi)距離與簇間距離之間的這種關(guān)系,文獻[3]中提出的聚類指數(shù)index 能有效地判斷聚類數(shù)k。設(shè)原始樣本集合為X={x1,x2,…,xn},聚類中心集合為C={c1,c2,…,ck}。

    定義4 簇內(nèi)距離是所有簇類中每個對象到其所屬簇類中心的距離總和,如式(7)所示

    定義5 簇間距離為所有簇類質(zhì)心相互間的距離求和

    定義6 聚類指數(shù)為聚類緊密度與聚類顯著度之和

    由定義可看出,index 達到最大時所對應(yīng)的k 為最佳聚類數(shù)。隨著k 值的增大,聚類中心之間計算距離和的數(shù)量也在增大,用平均簇間距離來定義聚類顯著度并不合理,因此本文在這一基礎(chǔ)上用平均簇間距離與聚類數(shù)的積表示聚類顯著度。

    2.4 基于密度和聚類指數(shù)改進的K-means 算法

    提出結(jié)合密度和聚類指數(shù)改進的K-means 算法描述如下:

    輸入:樣本數(shù)據(jù)集X(樣本個數(shù)為n),調(diào)節(jié)參數(shù)λ,常數(shù)Minpts。

    輸出:最好的k 值及對應(yīng)的聚類結(jié)果。

    (1)for 1 to n,根據(jù)輸入的參數(shù)λ 計算樣本集鄰域半徑δ,根據(jù)δ 計算得到每個對象xi的密度,將密度大于等于Minpts 的樣本加入到高密度集HP 中。(2)在高密度集HP 中找到距離最遠的兩個對象zi,zj及各自的最鄰近高密度點z’i,z’j組成兩個高密度點對,將各高密度點對的均值加入到初始聚類中心集合C 中,將zi,zj,z’i,z’j從HP 中刪除。(3)根據(jù)C 中的聚類中心進行聚類,并根據(jù)式(7)~式(11)計算此時的聚類指數(shù)index 值,并將其記錄保存。(4)根據(jù)最大距離積法,在HP 剩余對象中尋找下一個高密度點對,將均值作為新的初始聚類中心加入到集合C 中,并從HP 中刪除找到的高密度點對。(5)根據(jù)聚類中心集C 中的對象進行聚類,并計算對應(yīng)新的聚類指數(shù)index,與上一次的index 作比較,如果indexlast<indexlast-1,則輸出上一次的聚類數(shù)k 及相應(yīng)的聚類結(jié)果,算法終止,否則跳轉(zhuǎn)至步驟(4)。

    3 實驗及結(jié)果分析

    3.1 實驗

    文中的聚類數(shù)據(jù)為結(jié)構(gòu)化數(shù)據(jù),維度是確定的,其樣本之間彼此無關(guān),計算歐式距離作為對象相似度。為驗證本文中提出算法的有效性及適用性,實驗數(shù)據(jù)集采用了國際通用測試數(shù)據(jù)庫UCI 中的Iris 數(shù)據(jù)集、Wine 數(shù)據(jù)集和Glass 數(shù)據(jù)集[7],數(shù)據(jù)集的樣本信息如表1 所示。

    表1 數(shù)據(jù)集信息表

    由于本文中提出的算法主要是基于文獻[6 ~7]中的算法進行改進的,所以分別對4 個數(shù)據(jù)集采用ADK-means 算法、ASK-means 算法和本文中提出改進的K-means 算法進行聚類對照試驗。實驗的硬件環(huán)境為Windows XP 操作系統(tǒng),2 GB 內(nèi)存,用Java 代碼實現(xiàn)。改進的K-means 算法中,參數(shù)Minpts 和參數(shù)λ的值則是通過多次試驗根據(jù)聚類效果確定的。由于數(shù)據(jù)集各有特點,所以參數(shù)值也不同,試驗中數(shù)據(jù)集對應(yīng)的參數(shù)如表2 所示。

    表2 數(shù)據(jù)集及對應(yīng)的參數(shù)列表

    3.2 實驗結(jié)果分析比較

    3.2.1 聚類結(jié)果對比分析

    ADK-means、ASK-means 及AIK-means 算法對以上3 個數(shù)據(jù)集進行聚類得到的聚類正確率記為A、迭代次數(shù)記為I、誤差平方值記為E、測試時間記為T,結(jié)果如表3 所示。

    表3 3 種算法對各數(shù)據(jù)集聚類的結(jié)果

    實驗結(jié)果分析表明,表3 中算法聚類結(jié)果的運行時間取多次試驗后的得到的均值,3 個算法的聚類結(jié)果均較為穩(wěn)定,并無波動,得到的聚類數(shù)與實際聚類數(shù)完全一致。從表格中的正確率A 可看出,3 個數(shù)據(jù)集聚類結(jié)果中ASK-means 算法僅比ADK-means 算法的準確率略高,AIK-means 算法具有最高的準確度,且其誤差平方E 的值最小,也能反映其的聚類結(jié)果質(zhì)量最佳。雖AIK-means 算法對各數(shù)據(jù)集聚類時迭代次數(shù)均比ADK-means 算法多一次,但算法運行的實際時間卻要比ASK-means 少,可見其收斂速度快,算法時間復(fù)雜度低。文獻[7 ~8]中及其他類似于ASKmeans 的算法需通過對k 從2 ~kmax迭代計算各聚類評價指標的算法,相比于這些算法AIK-means 算法則減少了眾多不必要的計算,既節(jié)省了硬件資源也大幅縮短了算法的運行時間。從3 個算法的輸入來看,除ADK-means 算法需要用戶輸入聚類數(shù)k,另兩個算法均不要求k 值的輸入,AIK-means 算法能根據(jù)index的值智能判斷最佳聚類數(shù),有效避免了人為給出k 值對聚類結(jié)果造成的不良影響。

    結(jié)合以上分析可看出,基于密度和聚類指數(shù)的改進得到的AIK-means 算法比考慮了密度參數(shù)的ADKmeans 算法有更高的準確率和收斂速度,ASK-means算法準確度比ADK-means 算法略高,雖其也能在無k值輸入的前提下找到最佳的聚類數(shù)但要付出的代價遠比AIK-means 算法多,所以AIK-means 算法既有ADK-means 算法運行效率高的特點又有ASKmeans 算法能自動獲取最佳聚類數(shù)k 的特點,彌補了另外兩種算法的不足。

    3.2.2 index 指標對比分析

    聚類發(fā)展至今已有諸多學(xué)者提出了諸多聚類有效性指標,并沒有統(tǒng)一的評判標準,所以本文提出的算法采用了比較年輕的index 值作為聚類有效性指標,AIK-means算法中index 值的變化如圖1 所示,根據(jù)3 個算法的最終聚類結(jié)果可分別計算出index 值,如圖2 所示。

    圖1 AIK-means 算法中變化的聚類指數(shù)index

    圖2 3 個算法對各數(shù)據(jù)集聚類結(jié)果的index 值

    以Iris 數(shù)據(jù)集為例,改進的聚類算法中,當聚類數(shù)k 由2 變成3 時,index 的值在增長,然而當k 增長到4時,index 的值驟降,說明當聚類數(shù)為3 時,得到的聚類結(jié)果聚類緊密度和聚類顯著度都達到了巔峰值,因此3 即為最佳聚類數(shù)。其余兩個數(shù)據(jù)集的聚類結(jié)果同樣驗證了這一規(guī)律,index 值會隨著k 值增大而增大,但并不單調(diào)遞增,當達到最大值后就會遞減,最大值時對應(yīng)的k 值就是數(shù)據(jù)集的最佳聚類數(shù),對應(yīng)的聚類結(jié)果質(zhì)量自然也是最好的。若k 值選擇不當,index 的值相對于最佳聚類數(shù)對應(yīng)的index 值會小,k 值偏差越大,index 值越小,對聚類結(jié)果的影響越大。從圖2 可看出,同一數(shù)據(jù)集中AIK-means 算法的index 值最大,同一算法聚類的前提下Iris 數(shù)據(jù)集的index 值最大,可見index 值能間接反映聚類質(zhì)量,和正確率、誤差平方E 成正相關(guān)的關(guān)系。

    實驗結(jié)果表明,本文提出的結(jié)合密度和聚類指數(shù)改進的K-means 算法能得到合理的聚類數(shù),聚類中心的選取更為合理,能有效避免獨立點對聚類結(jié)果的影響,也并未形成局部最優(yōu)解的可能,聚類質(zhì)量也有大幅提升。

    4 結(jié)束語

    K-means 算法原理簡單、易于實現(xiàn)、收斂速度快,在各領(lǐng)域到了廣泛應(yīng)用,因此研究改進K-means 算法具有重要意義[9-12]。針對k 值需給定的缺點,學(xué)者們結(jié)合方差分析理論、全協(xié)方差矩陣、有效性指標等來解決這一問題,結(jié)合遺傳學(xué)算法則可有效避免局部最優(yōu)解,在樣本量較大時還可隨機抽取樣本量聚類,以提高算法效率[13-15]。但沒有任何算法是完美的,只有根據(jù)原數(shù)據(jù)的特點正確地選擇算法,才能在準確率和效率之間找到最佳平衡點。實驗證明了本文提出的算法去除了選取初始聚類中心的隨機性,使聚類結(jié)果穩(wěn)定,且基于密度選擇初始聚類中心能有效避免孤立點對聚類結(jié)果的影響,不會形成局部最優(yōu)解的情況。最大距離法則使得所選取的初始聚類中心足夠稀疏,以防聚類中心過度密集導(dǎo)致一個類被分成多個類,聚類指數(shù)能幫助得到最佳聚類數(shù)k。正確率的提升反映了該算法比較高的聚類質(zhì)量。

    本文中的參數(shù)λ 及密度閾值Minpts 受到人的主觀能動性影響,在沒有先驗知識的前提下需通過多次嘗試決定最佳參數(shù)值,對不同的數(shù)據(jù)庫參數(shù)不同,增大了工作量,算法的伸縮性也被減弱,有待更好的方法來確定這些參數(shù)值,若能解決這一問題收斂速度可更快。隨著采用的數(shù)據(jù)集樣本量和維度的增大,樣本集若維度過高應(yīng)采用合理的方式降維,選取中心點的方式也需要根據(jù)實際情況改進使之更有合理性,算法中用歐式距離作為衡量對象相似度的標準,實際應(yīng)用中的數(shù)據(jù)大多為非結(jié)構(gòu)化數(shù)據(jù),歐式距離并不能完全反映出對象之間的相似度,這些將是本算法下一步改進的方向。

    [1] David Hand,Heikki Mannila,Padhraic Smyth.Principles of dara mining[M].Beijing:China Machine Press,2003.

    [2] Onoda T,Sakai M,Yamada S.Careful seeding method based on independent components analysis for k-means clustering[J].Journal of Emerging Technologies in Web Intelligence,2012,4(1):51-59.

    [3] 賈永娟.基于密度的改進K-means 文本聚類算法研究[D].臨汾:山西師范大學(xué),2014.

    [4] 尹成祥,張宏軍,張睿,等.一種改進的K-means 算法[J].計算機技術(shù)與發(fā)展,2014,24(10):30-33.

    [5] 鄧海,覃華,孫欣.一種優(yōu)化初始中心的K-means 聚類算法[J].計算機技術(shù)與發(fā)展,2013,23(11):42-45.

    [6] 刑長征,谷浩.基于平均密度優(yōu)化初始聚類中心的K-means算法[J].計算機工程與應(yīng)用,2014,50(20):135-138.

    [7] 何云斌,肖宇鵬,萬靜,等.基于密度期望和有效性指標的K-均值算法[J].計算機工程與應(yīng)用,2013,49(24):105-111.

    [8] 王朔,顧進廣.基于K 值改進的K-means 算法在入侵檢測中的應(yīng)用[J].工業(yè)控制計算機,2014,27(7):93-97.

    [9] 張琳,陳燕,汲業(yè),等.一種基于密度的K-means 算法研究[J].計算機應(yīng)用研究,2011,28(11):4071-4073,4085.

    [10]Bhise R B,Thorat S S,Supekar A K.Importance of data mining in higher education system[J].IOSR Journal of Humanities and Social Science,2013,6(6):18-21.

    [11]Gu Chengjie,Zhang Shunyi,Liu Kai,et al.Fuzzy kernel Kmeans clustering method based on immune genetic algorithm[J].Journal of Computational Information Systems,2011,7(1):221-231.

    [12]聶曉偉.基于K-means 算法的雷達信號預(yù)分選方法[J].電子科技,2013,26(11):55-58.

    [13]翟東海,魚江,高飛,等.最大距離法選取初始簇中心的K-means 文本聚類算法的研究[J].計算機應(yīng)用研究,2014,31(3):713-719.

    [14]劉鳳芹.K-means 聚類算法改進研究[D].濟南:山東師范大學(xué),2013.

    [15]張永晶.初始聚類中心優(yōu)化的K-means 改進算法[D].長春:東北師范大學(xué),2013.

    猜你喜歡
    高密度聚類對象
    神秘來電
    睿士(2023年2期)2023-03-02 02:01:09
    高密度電法在斷裂構(gòu)造探測中的應(yīng)用
    高密度電法在尋找地下水中的應(yīng)用
    攻略對象的心思好難猜
    意林(2018年3期)2018-03-02 15:17:24
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    基于熵的快速掃描法的FNEA初始對象的生成方法
    城市高密度環(huán)境下的建筑學(xué)探討
    區(qū)間對象族的可鎮(zhèn)定性分析
    基于改進的遺傳算法的模糊聚類算法
    一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
    91狼人影院| 十八禁网站免费在线| 又紧又爽又黄一区二区| 欧美日韩瑟瑟在线播放| 中文字幕久久专区| 精品99又大又爽又粗少妇毛片 | 不卡一级毛片| 91狼人影院| 中文在线观看免费www的网站| 午夜精品在线福利| 在线观看美女被高潮喷水网站 | 有码 亚洲区| 日韩欧美一区二区三区在线观看| 国产午夜福利久久久久久| 欧美日本视频| 亚洲在线观看片| 色av中文字幕| 午夜激情福利司机影院| 一级作爱视频免费观看| 男女床上黄色一级片免费看| 国产白丝娇喘喷水9色精品| 亚洲天堂国产精品一区在线| 欧美色欧美亚洲另类二区| 色播亚洲综合网| 麻豆国产97在线/欧美| 中文字幕人成人乱码亚洲影| 中文字幕av成人在线电影| 国产伦一二天堂av在线观看| 夜夜躁狠狠躁天天躁| 欧美色欧美亚洲另类二区| 嫁个100分男人电影在线观看| 天美传媒精品一区二区| 丰满人妻一区二区三区视频av| 成年女人看的毛片在线观看| 9191精品国产免费久久| 蜜桃亚洲精品一区二区三区| 99久久无色码亚洲精品果冻| 日韩欧美三级三区| 亚洲自拍偷在线| 网址你懂的国产日韩在线| 国产在视频线在精品| 男人狂女人下面高潮的视频| 欧美日韩福利视频一区二区| 国产淫片久久久久久久久 | 最新中文字幕久久久久| 激情在线观看视频在线高清| av专区在线播放| 日本在线视频免费播放| 久久国产乱子免费精品| 久久香蕉精品热| 高清毛片免费观看视频网站| 听说在线观看完整版免费高清| 色噜噜av男人的天堂激情| 国产亚洲精品久久久久久毛片| 韩国av一区二区三区四区| 欧洲精品卡2卡3卡4卡5卡区| 51国产日韩欧美| 国模一区二区三区四区视频| 国产精品爽爽va在线观看网站| 久久中文看片网| 狂野欧美白嫩少妇大欣赏| 免费搜索国产男女视频| 欧美性感艳星| 国产国拍精品亚洲av在线观看| 亚洲av.av天堂| 国产伦精品一区二区三区视频9| 亚洲精品日韩av片在线观看| 99国产极品粉嫩在线观看| 国产免费一级a男人的天堂| 国产精品98久久久久久宅男小说| 91九色精品人成在线观看| 亚洲国产日韩欧美精品在线观看| 中文字幕av在线有码专区| 日日摸夜夜添夜夜添小说| 99久久精品一区二区三区| 脱女人内裤的视频| 中文字幕人妻熟人妻熟丝袜美| 能在线免费观看的黄片| 国产单亲对白刺激| 美女高潮的动态| 美女 人体艺术 gogo| 俺也久久电影网| 99riav亚洲国产免费| 岛国在线免费视频观看| 我要搜黄色片| 淫秽高清视频在线观看| 国产一区二区亚洲精品在线观看| 长腿黑丝高跟| 日韩中字成人| 神马国产精品三级电影在线观看| 欧美区成人在线视频| 熟女电影av网| av专区在线播放| 十八禁国产超污无遮挡网站| 成年免费大片在线观看| 亚洲欧美激情综合另类| 午夜福利在线观看吧| 国内毛片毛片毛片毛片毛片| 丰满人妻一区二区三区视频av| 久久久久亚洲av毛片大全| 天天一区二区日本电影三级| 国产色爽女视频免费观看| 亚洲第一欧美日韩一区二区三区| 精品一区二区三区视频在线| 亚洲精品久久国产高清桃花| 亚洲18禁久久av| 日韩免费av在线播放| 波多野结衣巨乳人妻| 国内精品久久久久精免费| 亚洲精品粉嫩美女一区| 亚洲国产精品sss在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 赤兔流量卡办理| 麻豆一二三区av精品| 亚洲在线观看片| 脱女人内裤的视频| 真实男女啪啪啪动态图| 久久久国产成人精品二区| 国产精品,欧美在线| 精品不卡国产一区二区三区| 少妇熟女aⅴ在线视频| 成人永久免费在线观看视频| 真人做人爱边吃奶动态| 欧美另类亚洲清纯唯美| 午夜激情福利司机影院| 一级黄片播放器| 欧美激情在线99| 国产精品影院久久| 日韩人妻高清精品专区| 国产免费男女视频| 国产成+人综合+亚洲专区| 国产伦精品一区二区三区四那| 又黄又爽又刺激的免费视频.| 九色国产91popny在线| 一卡2卡三卡四卡精品乱码亚洲| 免费看日本二区| 国产成人欧美在线观看| xxxwww97欧美| 色综合欧美亚洲国产小说| 欧美极品一区二区三区四区| 欧美国产日韩亚洲一区| 十八禁国产超污无遮挡网站| 欧美潮喷喷水| 久久久久久久久中文| 一本综合久久免费| 欧美不卡视频在线免费观看| 国产精品98久久久久久宅男小说| 亚洲电影在线观看av| 精品福利观看| 国产白丝娇喘喷水9色精品| 黄色一级大片看看| 亚洲色图av天堂| 国产亚洲精品av在线| 精品久久久久久久人妻蜜臀av| 99热这里只有精品一区| 精品久久久久久久末码| 亚洲国产欧洲综合997久久,| 最新中文字幕久久久久| 国产亚洲精品综合一区在线观看| 1024手机看黄色片| 哪里可以看免费的av片| 深夜a级毛片| 又粗又爽又猛毛片免费看| 国语自产精品视频在线第100页| 韩国av一区二区三区四区| 夜夜躁狠狠躁天天躁| 国产av麻豆久久久久久久| 91九色精品人成在线观看| 免费一级毛片在线播放高清视频| 搞女人的毛片| 波多野结衣高清无吗| 国产精品免费一区二区三区在线| 亚洲七黄色美女视频| 好男人在线观看高清免费视频| 国产高清三级在线| 成人高潮视频无遮挡免费网站| 欧美高清成人免费视频www| 真人做人爱边吃奶动态| 美女被艹到高潮喷水动态| 国产伦精品一区二区三区四那| 日本一本二区三区精品| 夜夜躁狠狠躁天天躁| 午夜福利成人在线免费观看| 亚洲国产精品久久男人天堂| 欧美日韩亚洲国产一区二区在线观看| 国产精品久久久久久久久免 | 日日干狠狠操夜夜爽| 午夜福利在线观看吧| 在现免费观看毛片| av女优亚洲男人天堂| 国产成人影院久久av| 日本黄色片子视频| 亚洲久久久久久中文字幕| 免费观看精品视频网站| 少妇熟女aⅴ在线视频| 亚洲av成人不卡在线观看播放网| 丁香欧美五月| 亚洲国产欧洲综合997久久,| 偷拍熟女少妇极品色| 一本久久中文字幕| 色av中文字幕| 欧美潮喷喷水| 国产白丝娇喘喷水9色精品| 12—13女人毛片做爰片一| 全区人妻精品视频| 一级a爱片免费观看的视频| 十八禁网站免费在线| 一级毛片久久久久久久久女| 老鸭窝网址在线观看| 99热6这里只有精品| 精品久久久久久成人av| 日日摸夜夜添夜夜添小说| 国产伦一二天堂av在线观看| 激情在线观看视频在线高清| 久久欧美精品欧美久久欧美| 美女大奶头视频| 色噜噜av男人的天堂激情| 黄片小视频在线播放| 夜夜爽天天搞| 91麻豆av在线| 亚洲欧美日韩高清在线视频| 丁香六月欧美| 国产精品电影一区二区三区| 中文字幕久久专区| 脱女人内裤的视频| 国产高清三级在线| 中国美女看黄片| 久久香蕉精品热| 人妻久久中文字幕网| 能在线免费观看的黄片| 午夜激情欧美在线| 色av中文字幕| 中文字幕免费在线视频6| 久久精品国产亚洲av天美| av黄色大香蕉| 99精品在免费线老司机午夜| 国产色婷婷99| 亚洲欧美清纯卡通| 欧美乱妇无乱码| 真人一进一出gif抽搐免费| 欧美xxxx黑人xx丫x性爽| 久久久久久久精品吃奶| 国产精品三级大全| 神马国产精品三级电影在线观看| 看免费av毛片| 亚洲天堂国产精品一区在线| 免费观看精品视频网站| 岛国在线免费视频观看| 亚洲精华国产精华精| 国产精品嫩草影院av在线观看 | 麻豆一二三区av精品| 精品国内亚洲2022精品成人| 久久伊人香网站| 精品一区二区三区av网在线观看| 亚洲av成人精品一区久久| 亚洲成av人片在线播放无| 看免费av毛片| 欧美最黄视频在线播放免费| 看免费av毛片| 日日摸夜夜添夜夜添小说| 国产高清三级在线| 高潮久久久久久久久久久不卡| 可以在线观看毛片的网站| 欧美高清成人免费视频www| 日韩欧美在线乱码| av专区在线播放| 在线播放无遮挡| 欧美乱色亚洲激情| 伊人久久精品亚洲午夜| 99久久99久久久精品蜜桃| 9191精品国产免费久久| 午夜日韩欧美国产| 成人高潮视频无遮挡免费网站| 三级男女做爰猛烈吃奶摸视频| 一区二区三区激情视频| 国产高潮美女av| 又黄又爽又免费观看的视频| 日韩欧美在线乱码| 看十八女毛片水多多多| 欧美三级亚洲精品| 我的老师免费观看完整版| 自拍偷自拍亚洲精品老妇| 国产高清激情床上av| 日韩欧美一区二区三区在线观看| 国产免费av片在线观看野外av| 久久热精品热| 村上凉子中文字幕在线| 日本五十路高清| 午夜福利在线在线| 国产午夜精品久久久久久一区二区三区 | 久久6这里有精品| 成人特级av手机在线观看| 国内毛片毛片毛片毛片毛片| 97热精品久久久久久| 久久性视频一级片| aaaaa片日本免费| 热99re8久久精品国产| 午夜福利成人在线免费观看| 内射极品少妇av片p| 全区人妻精品视频| 午夜a级毛片| 国产私拍福利视频在线观看| 亚洲av.av天堂| 变态另类丝袜制服| 日韩av在线大香蕉| 欧美激情在线99| 久久性视频一级片| 国产中年淑女户外野战色| 97超级碰碰碰精品色视频在线观看| av女优亚洲男人天堂| bbb黄色大片| 内地一区二区视频在线| 亚洲欧美精品综合久久99| 精品99又大又爽又粗少妇毛片 | 国产午夜福利久久久久久| 日本成人三级电影网站| 一区二区三区激情视频| 亚洲av成人不卡在线观看播放网| 91av网一区二区| 国产不卡一卡二| 99热只有精品国产| 成年女人永久免费观看视频| 91麻豆精品激情在线观看国产| 欧美黑人欧美精品刺激| 欧美黑人欧美精品刺激| 女生性感内裤真人,穿戴方法视频| 女生性感内裤真人,穿戴方法视频| 亚洲av免费在线观看| 淫秽高清视频在线观看| 亚洲五月天丁香| 成年人黄色毛片网站| 一级av片app| 久久久精品大字幕| 日韩中文字幕欧美一区二区| 日本免费一区二区三区高清不卡| 最新中文字幕久久久久| 成年女人永久免费观看视频| а√天堂www在线а√下载| 国产69精品久久久久777片| 在线播放国产精品三级| 赤兔流量卡办理| 精品不卡国产一区二区三区| 波野结衣二区三区在线| 大型黄色视频在线免费观看| 国产av在哪里看| 国产不卡一卡二| 亚洲内射少妇av| 国产精品久久视频播放| 精品欧美国产一区二区三| 国产高清三级在线| 少妇熟女aⅴ在线视频| 老熟妇仑乱视频hdxx| 午夜a级毛片| 长腿黑丝高跟| 真人一进一出gif抽搐免费| 亚洲第一欧美日韩一区二区三区| 国产v大片淫在线免费观看| 国产欧美日韩精品一区二区| av福利片在线观看| 午夜福利18| 精品午夜福利在线看| 天堂√8在线中文| 在线观看美女被高潮喷水网站 | 国产精品免费一区二区三区在线| 在线观看午夜福利视频| 亚洲欧美精品综合久久99| 亚洲三级黄色毛片| 日韩国内少妇激情av| 亚洲专区中文字幕在线| 国内揄拍国产精品人妻在线| 精品久久国产蜜桃| 搡老妇女老女人老熟妇| 欧美高清性xxxxhd video| 国产精品野战在线观看| 国产一区二区三区视频了| 日韩中字成人| 变态另类丝袜制服| 一级黄片播放器| 精品国内亚洲2022精品成人| 免费av不卡在线播放| 91久久精品电影网| 99在线人妻在线中文字幕| 嫩草影院精品99| 亚洲精品久久国产高清桃花| 高清毛片免费观看视频网站| 亚洲成a人片在线一区二区| 日韩 亚洲 欧美在线| 成人av在线播放网站| 一卡2卡三卡四卡精品乱码亚洲| 欧美潮喷喷水| 精品国产亚洲在线| 久久精品久久久久久噜噜老黄 | 午夜久久久久精精品| 国产精品久久久久久久久免 | 欧美一区二区亚洲| 欧美成人一区二区免费高清观看| 99久国产av精品| 国产大屁股一区二区在线视频| 夜夜夜夜夜久久久久| 亚洲欧美激情综合另类| 久久国产精品人妻蜜桃| 男人和女人高潮做爰伦理| 日本撒尿小便嘘嘘汇集6| 精品午夜福利视频在线观看一区| 成人欧美大片| 日韩国内少妇激情av| 精品人妻偷拍中文字幕| 香蕉av资源在线| 最近中文字幕高清免费大全6 | 天天一区二区日本电影三级| 国产高潮美女av| 亚洲美女视频黄频| 国产精品自产拍在线观看55亚洲| 国产69精品久久久久777片| 又爽又黄a免费视频| 国产亚洲精品综合一区在线观看| 亚洲经典国产精华液单 | 亚洲国产欧美人成| 亚洲精品久久国产高清桃花| 在线免费观看不下载黄p国产 | 无遮挡黄片免费观看| 日本免费a在线| 两人在一起打扑克的视频| 亚洲在线观看片| 婷婷亚洲欧美| 亚洲第一区二区三区不卡| 精品久久久久久久久av| 精品久久久久久久末码| 国内精品久久久久久久电影| 精品人妻一区二区三区麻豆 | 中文字幕免费在线视频6| 亚洲va日本ⅴa欧美va伊人久久| 最好的美女福利视频网| 欧美性感艳星| 97超级碰碰碰精品色视频在线观看| 久久人妻av系列| 国产精品一区二区三区四区免费观看 | 亚洲自偷自拍三级| 噜噜噜噜噜久久久久久91| 日韩欧美精品免费久久 | 俺也久久电影网| 日本一本二区三区精品| 成人av一区二区三区在线看| 午夜a级毛片| 99久久无色码亚洲精品果冻| 欧美xxxx黑人xx丫x性爽| 亚洲在线自拍视频| 日本成人三级电影网站| av国产免费在线观看| 噜噜噜噜噜久久久久久91| 成人av在线播放网站| 99热精品在线国产| 97人妻精品一区二区三区麻豆| 1024手机看黄色片| 十八禁人妻一区二区| 久9热在线精品视频| 我要看日韩黄色一级片| 一本一本综合久久| 9191精品国产免费久久| 日韩欧美精品v在线| 岛国在线免费视频观看| 国产av麻豆久久久久久久| 婷婷精品国产亚洲av在线| 欧美成人性av电影在线观看| 人人妻人人看人人澡| 在线观看一区二区三区| 久久午夜亚洲精品久久| 日本在线视频免费播放| 伦理电影大哥的女人| 五月玫瑰六月丁香| 欧美色视频一区免费| 韩国av一区二区三区四区| 国产三级中文精品| 国产一区二区亚洲精品在线观看| av女优亚洲男人天堂| 精品国内亚洲2022精品成人| 精品一区二区三区人妻视频| 他把我摸到了高潮在线观看| 老鸭窝网址在线观看| 日本三级黄在线观看| 日本熟妇午夜| 亚洲自拍偷在线| 一个人免费在线观看的高清视频| 亚洲久久久久久中文字幕| 99久久九九国产精品国产免费| 成人三级黄色视频| 91久久精品国产一区二区成人| 久久久久精品国产欧美久久久| 国产精品亚洲一级av第二区| 日韩欧美三级三区| 精品免费久久久久久久清纯| 国产精品久久久久久久久免 | 自拍偷自拍亚洲精品老妇| 麻豆国产97在线/欧美| 欧美乱妇无乱码| 国产成人欧美在线观看| 中文字幕久久专区| 日韩欧美在线二视频| 真人做人爱边吃奶动态| 又紧又爽又黄一区二区| 搡老岳熟女国产| 天美传媒精品一区二区| 成年女人毛片免费观看观看9| 高潮久久久久久久久久久不卡| 亚洲成人免费电影在线观看| 久久国产乱子免费精品| 最新中文字幕久久久久| 久久6这里有精品| 丰满人妻熟妇乱又伦精品不卡| 国产野战对白在线观看| 国内毛片毛片毛片毛片毛片| 高潮久久久久久久久久久不卡| 国产高清激情床上av| 18禁黄网站禁片午夜丰满| 99久久久亚洲精品蜜臀av| 国产成人影院久久av| 欧美日韩瑟瑟在线播放| 91在线精品国自产拍蜜月| 天堂网av新在线| 12—13女人毛片做爰片一| 亚洲av第一区精品v没综合| 日本撒尿小便嘘嘘汇集6| 色视频www国产| 怎么达到女性高潮| 1000部很黄的大片| 国产国拍精品亚洲av在线观看| 日韩欧美精品免费久久 | 在线观看美女被高潮喷水网站 | 啦啦啦韩国在线观看视频| 久久热精品热| 天美传媒精品一区二区| 成熟少妇高潮喷水视频| 看十八女毛片水多多多| 婷婷六月久久综合丁香| 可以在线观看的亚洲视频| av专区在线播放| h日本视频在线播放| 亚洲成人中文字幕在线播放| 国产69精品久久久久777片| 一级黄色大片毛片| 男女之事视频高清在线观看| 精品日产1卡2卡| 人妻夜夜爽99麻豆av| 日本精品一区二区三区蜜桃| 国产综合懂色| 97碰自拍视频| 国产成年人精品一区二区| 在线免费观看不下载黄p国产 | 一夜夜www| 91狼人影院| 美女黄网站色视频| 亚洲成人久久爱视频| 久久久久久久久中文| 日韩欧美国产一区二区入口| 成人永久免费在线观看视频| 亚洲 欧美 日韩 在线 免费| 亚洲av日韩精品久久久久久密| 97超级碰碰碰精品色视频在线观看| 国产乱人伦免费视频| 日本精品一区二区三区蜜桃| 国模一区二区三区四区视频| 内射极品少妇av片p| 香蕉av资源在线| 免费在线观看成人毛片| 一个人看的www免费观看视频| 精品乱码久久久久久99久播| 精品欧美国产一区二区三| 一个人看视频在线观看www免费| 国产91精品成人一区二区三区| 一进一出抽搐动态| netflix在线观看网站| 神马国产精品三级电影在线观看| 少妇的逼好多水| 99热这里只有是精品在线观看 | 欧美日本视频| 国产高清激情床上av| 熟女人妻精品中文字幕| 日韩精品中文字幕看吧| 天堂动漫精品| 亚洲欧美激情综合另类| 国产黄片美女视频| 日本a在线网址| 真实男女啪啪啪动态图| 神马国产精品三级电影在线观看| 国产精品久久久久久人妻精品电影| 国产高清三级在线| 宅男免费午夜| 少妇人妻精品综合一区二区 | 国产真实伦视频高清在线观看 | 美女 人体艺术 gogo| 伦理电影大哥的女人| 九色成人免费人妻av| 又爽又黄无遮挡网站| 动漫黄色视频在线观看| 久久午夜福利片| 午夜免费男女啪啪视频观看 | 天堂影院成人在线观看| 国产aⅴ精品一区二区三区波| 久久热精品热| 国产黄色小视频在线观看| 免费黄网站久久成人精品 | .国产精品久久| 舔av片在线| 欧美+日韩+精品| 国产高清视频在线观看网站| 久久草成人影院| 欧美区成人在线视频| 欧美xxxx性猛交bbbb| 亚洲色图av天堂| 亚洲精华国产精华精| 国产成人a区在线观看| ponron亚洲| 最后的刺客免费高清国语| 窝窝影院91人妻| 亚洲 国产 在线|