• <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
    极品人妻少妇av视频| 亚洲国产最新在线播放| 一本—道久久a久久精品蜜桃钙片| 精品国产露脸久久av麻豆| 亚洲电影在线观看av| 成人毛片60女人毛片免费| 亚洲人成网站在线观看播放| 涩涩av久久男人的天堂| 黄色欧美视频在线观看| 国产精品不卡视频一区二区| 夜夜看夜夜爽夜夜摸| 午夜av观看不卡| 国产精品国产三级国产av玫瑰| 欧美另类一区| 啦啦啦中文免费视频观看日本| 美女内射精品一级片tv| 久久久久人妻精品一区果冻| 日韩成人av中文字幕在线观看| 91久久精品国产一区二区三区| 最近最新中文字幕免费大全7| 一级片'在线观看视频| 国产精品一区二区在线不卡| 亚洲av电影在线观看一区二区三区| 国内揄拍国产精品人妻在线| 日本色播在线视频| 亚洲av成人精品一二三区| 99热网站在线观看| 久久精品国产自在天天线| 菩萨蛮人人尽说江南好唐韦庄| 亚洲自偷自拍三级| 国产国拍精品亚洲av在线观看| av免费观看日本| 两个人的视频大全免费| 免费观看av网站的网址| 久久久国产精品麻豆| 久久亚洲国产成人精品v| 日日摸夜夜添夜夜添av毛片| h视频一区二区三区| 人妻 亚洲 视频| 秋霞伦理黄片| 内射极品少妇av片p| 欧美老熟妇乱子伦牲交| 亚洲欧美日韩东京热| 久久女婷五月综合色啪小说| 国产伦在线观看视频一区| 18+在线观看网站| 久久亚洲国产成人精品v| 免费看光身美女| 岛国毛片在线播放| 性高湖久久久久久久久免费观看| 亚洲成人av在线免费| 中文天堂在线官网| 成人黄色视频免费在线看| 91aial.com中文字幕在线观看| 国产精品成人在线| 国产白丝娇喘喷水9色精品| 亚洲成色77777| 亚洲中文av在线| .国产精品久久| av网站免费在线观看视频| 这个男人来自地球电影免费观看 | 国产精品国产三级国产av玫瑰| 18禁裸乳无遮挡动漫免费视频| 日日撸夜夜添| 国产精品三级大全| 18禁裸乳无遮挡动漫免费视频| 国产亚洲欧美精品永久| 中国三级夫妇交换| 女人精品久久久久毛片| 国产欧美日韩综合在线一区二区 | 免费观看无遮挡的男女| 国精品久久久久久国模美| 高清不卡的av网站| 性色avwww在线观看| 国产精品熟女久久久久浪| 99热这里只有是精品在线观看| 丝袜在线中文字幕| 内地一区二区视频在线| 在线观看免费视频网站a站| 内射极品少妇av片p| 国产精品久久久久久久电影| 亚洲精品视频女| 最新中文字幕久久久久| 日本猛色少妇xxxxx猛交久久| 啦啦啦视频在线资源免费观看| 日本欧美国产在线视频| 久久精品国产亚洲网站| 又爽又黄a免费视频| 午夜视频国产福利| .国产精品久久| 亚洲欧美精品专区久久| 国产亚洲午夜精品一区二区久久| 亚洲婷婷狠狠爱综合网| 18禁在线无遮挡免费观看视频| 黑人巨大精品欧美一区二区蜜桃 | 一级毛片aaaaaa免费看小| 亚洲av日韩在线播放| 久久久国产一区二区| av女优亚洲男人天堂| 国产免费又黄又爽又色| 亚洲精品日韩在线中文字幕| 在线观看美女被高潮喷水网站| 国产一级毛片在线| 三级经典国产精品| 菩萨蛮人人尽说江南好唐韦庄| 日韩欧美精品免费久久| 久久狼人影院| 亚洲精品视频女| 欧美性感艳星| 伊人久久国产一区二区| 成人毛片a级毛片在线播放| 午夜久久久在线观看| 水蜜桃什么品种好| 日韩,欧美,国产一区二区三区| 亚洲精品日韩在线中文字幕| 亚洲色图综合在线观看| 涩涩av久久男人的天堂| 亚洲一区二区三区欧美精品| 亚洲国产精品一区三区| 老熟女久久久| av天堂中文字幕网| 国产亚洲午夜精品一区二区久久| 晚上一个人看的免费电影| 精品酒店卫生间| 精品国产一区二区久久| 亚洲欧美清纯卡通| 99热这里只有是精品50| 2022亚洲国产成人精品| av卡一久久| 十八禁高潮呻吟视频 | 日韩 亚洲 欧美在线| 日韩在线高清观看一区二区三区| 国产精品无大码| 日日摸夜夜添夜夜爱| 国产在线一区二区三区精| 插逼视频在线观看| 我要看日韩黄色一级片| 黑人巨大精品欧美一区二区蜜桃 | 久久久久国产网址| 中国三级夫妇交换| 丰满饥渴人妻一区二区三| www.av在线官网国产| 国产成人91sexporn| 美女cb高潮喷水在线观看| 美女中出高潮动态图| 午夜日本视频在线| 男男h啪啪无遮挡| 乱码一卡2卡4卡精品| 熟女电影av网| 最黄视频免费看| 国产视频首页在线观看| 美女xxoo啪啪120秒动态图| 嫩草影院入口| 丝袜脚勾引网站| 久久久久久人妻| 国产成人午夜福利电影在线观看| 99视频精品全部免费 在线| 中文欧美无线码| 亚洲精品色激情综合| 亚洲色图综合在线观看| 国产日韩欧美视频二区| 日韩视频在线欧美| 成人亚洲欧美一区二区av| 欧美亚洲 丝袜 人妻 在线| 最近中文字幕高清免费大全6| 免费黄网站久久成人精品| 夜夜看夜夜爽夜夜摸| 久久久精品94久久精品| 黑人巨大精品欧美一区二区蜜桃 | 亚洲中文av在线| 国产一区亚洲一区在线观看| 欧美xxxx性猛交bbbb| 国产伦在线观看视频一区| 一区二区av电影网| 2021少妇久久久久久久久久久| 久久精品熟女亚洲av麻豆精品| 国产精品成人在线| 色婷婷久久久亚洲欧美| 久久鲁丝午夜福利片| 美女国产视频在线观看| 韩国av在线不卡| 久久久久久久久久久免费av| av一本久久久久| 纯流量卡能插随身wifi吗| 肉色欧美久久久久久久蜜桃| 精品少妇久久久久久888优播| videos熟女内射| 在线观看av片永久免费下载| 六月丁香七月| 在线播放无遮挡| 国产欧美日韩综合在线一区二区 | 人人妻人人澡人人爽人人夜夜| 中文精品一卡2卡3卡4更新| 99热全是精品| 99视频精品全部免费 在线| 免费av中文字幕在线| 亚洲国产成人一精品久久久| av网站免费在线观看视频| 嫩草影院新地址| 精品亚洲成a人片在线观看| a级毛片在线看网站| 天美传媒精品一区二区| 久久久a久久爽久久v久久| 国产精品国产三级专区第一集| av卡一久久| 国产欧美日韩精品一区二区| 亚洲av男天堂| 色视频www国产| 黄色日韩在线| 少妇裸体淫交视频免费看高清| 中文字幕人妻熟人妻熟丝袜美| 亚洲精品亚洲一区二区| 欧美日韩国产mv在线观看视频| 午夜视频国产福利| 亚洲国产精品专区欧美| 啦啦啦啦在线视频资源| 国产精品一区二区性色av| 青春草亚洲视频在线观看| 在线亚洲精品国产二区图片欧美 | 2018国产大陆天天弄谢| 国产乱人偷精品视频| 22中文网久久字幕| videossex国产| 久久婷婷青草| 日韩制服骚丝袜av| 丝袜在线中文字幕| 91午夜精品亚洲一区二区三区| 久久国产亚洲av麻豆专区| 美女中出高潮动态图| 免费看光身美女| 丰满人妻一区二区三区视频av| 韩国av在线不卡| 99视频精品全部免费 在线| 青春草亚洲视频在线观看| 精品人妻一区二区三区麻豆| av免费观看日本| 日本欧美国产在线视频| 免费av不卡在线播放| 午夜久久久在线观看| 免费黄网站久久成人精品| 久久99一区二区三区| 91在线精品国自产拍蜜月| 国产成人精品一,二区| 亚洲精品日韩av片在线观看| a 毛片基地| 亚洲经典国产精华液单| 视频中文字幕在线观看| 午夜视频国产福利| 777米奇影视久久| 如何舔出高潮| 国产黄频视频在线观看| 最近2019中文字幕mv第一页| 国产精品久久久久久久电影| 在线观看免费高清a一片| 80岁老熟妇乱子伦牲交| av又黄又爽大尺度在线免费看| 热re99久久精品国产66热6| 日本-黄色视频高清免费观看| 国产综合精华液| 大又大粗又爽又黄少妇毛片口| 3wmmmm亚洲av在线观看| 三级国产精品片| 一级毛片黄色毛片免费观看视频| 久久6这里有精品| 另类亚洲欧美激情| 国产男人的电影天堂91| 国产在线一区二区三区精| 这个男人来自地球电影免费观看 | 精品人妻一区二区三区麻豆| 成人黄色视频免费在线看| 欧美日韩av久久| 三级经典国产精品| av在线播放精品| 国产在线男女| 久久久国产一区二区| 老熟女久久久| 一区在线观看完整版| 国产精品一区www在线观看| 黄色日韩在线| 久久国产亚洲av麻豆专区| 日韩在线高清观看一区二区三区| 午夜久久久在线观看| 极品少妇高潮喷水抽搐| 国产精品秋霞免费鲁丝片| 国产视频内射| freevideosex欧美| 国产黄色视频一区二区在线观看| 午夜福利网站1000一区二区三区| 一本大道久久a久久精品| 国产在线免费精品| 天美传媒精品一区二区| 久久av网站| 日韩av免费高清视频| 新久久久久国产一级毛片| 日本午夜av视频| 午夜激情福利司机影院| 高清黄色对白视频在线免费看 | 三级国产精品欧美在线观看| 亚洲精品国产av成人精品| 国产一区二区三区综合在线观看 | 18禁裸乳无遮挡动漫免费视频| 欧美成人精品欧美一级黄| 男女边摸边吃奶| 我要看黄色一级片免费的| 人妻制服诱惑在线中文字幕| 免费大片18禁| 蜜桃在线观看..| 久久久国产一区二区| 中文在线观看免费www的网站| 精品国产乱码久久久久久小说| a级毛色黄片| 伊人亚洲综合成人网| 免费观看的影片在线观看| 女性生殖器流出的白浆| 啦啦啦视频在线资源免费观看| 中文资源天堂在线| 青春草亚洲视频在线观看| 成年女人在线观看亚洲视频| 中文精品一卡2卡3卡4更新| av黄色大香蕉| 七月丁香在线播放| 乱码一卡2卡4卡精品| 日韩精品有码人妻一区| 久久久久久人妻| 久久国产乱子免费精品| 欧美3d第一页| 国产一区二区三区av在线| 少妇 在线观看| 成年美女黄网站色视频大全免费 | 精品人妻一区二区三区麻豆| 少妇人妻久久综合中文| 老熟女久久久| 少妇人妻久久综合中文| 十八禁高潮呻吟视频 | 欧美一级a爱片免费观看看| 国产伦精品一区二区三区视频9| 亚洲av综合色区一区| 午夜日本视频在线| 精品人妻熟女av久视频| 亚洲av欧美aⅴ国产| 日本欧美国产在线视频| 大话2 男鬼变身卡| 中文乱码字字幕精品一区二区三区| 一级毛片黄色毛片免费观看视频| 夜夜骑夜夜射夜夜干| 黄色日韩在线| 最后的刺客免费高清国语| 少妇高潮的动态图| 黄色毛片三级朝国网站 | 插阴视频在线观看视频| 日本免费在线观看一区| 我要看黄色一级片免费的| 99视频精品全部免费 在线| 亚洲高清免费不卡视频| 色94色欧美一区二区| 久久 成人 亚洲| 国产在线视频一区二区| 啦啦啦视频在线资源免费观看| 国产探花极品一区二区| 精品少妇久久久久久888优播| 亚洲无线观看免费| 色视频在线一区二区三区| 久久av网站| 中国国产av一级| 蜜桃在线观看..| 日韩强制内射视频| 国产成人一区二区在线| 日韩成人av中文字幕在线观看| 久久av网站| 18禁在线播放成人免费| 99国产精品免费福利视频| 久久人人爽av亚洲精品天堂| 欧美人与善性xxx| 免费大片18禁| 久久鲁丝午夜福利片| av国产精品久久久久影院| 不卡视频在线观看欧美| 免费观看无遮挡的男女| av天堂中文字幕网| 国产在视频线精品| 国产成人精品久久久久久| 国产亚洲精品久久久com| 欧美日韩一区二区视频在线观看视频在线| 中文字幕精品免费在线观看视频 | 久久鲁丝午夜福利片| 久久青草综合色| 久久鲁丝午夜福利片| av在线播放精品| 九草在线视频观看| 国产免费一区二区三区四区乱码| 插逼视频在线观看| 在线 av 中文字幕| 男女边摸边吃奶| 国产中年淑女户外野战色| a级毛片在线看网站| 最近的中文字幕免费完整| 日韩一本色道免费dvd| 97精品久久久久久久久久精品| 亚洲一区二区三区欧美精品| 日本黄色片子视频| 日本色播在线视频| 黑人巨大精品欧美一区二区蜜桃 | 国产午夜精品久久久久久一区二区三区| 麻豆乱淫一区二区| 国产精品国产三级专区第一集| 久久人人爽人人片av| 在线观看免费日韩欧美大片 | 久久久久久久久久成人| 久久ye,这里只有精品| 涩涩av久久男人的天堂| 亚洲精品自拍成人| 人妻人人澡人人爽人人| 国产伦理片在线播放av一区| 亚洲欧洲国产日韩| 99热全是精品| 寂寞人妻少妇视频99o| 亚洲,一卡二卡三卡| h视频一区二区三区| 女人精品久久久久毛片| 免费看av在线观看网站| 亚洲精品aⅴ在线观看| 大片免费播放器 马上看| 午夜福利,免费看| 一本色道久久久久久精品综合| 特大巨黑吊av在线直播| 国产女主播在线喷水免费视频网站| 高清不卡的av网站| 亚洲欧美成人精品一区二区| 日韩三级伦理在线观看| 久久久久久人妻| 欧美亚洲 丝袜 人妻 在线| 五月天丁香电影| 国产男女超爽视频在线观看| 亚洲欧洲日产国产| 免费少妇av软件| 爱豆传媒免费全集在线观看| 亚洲精品国产av蜜桃| 亚洲一区二区三区欧美精品| 国产精品熟女久久久久浪| 欧美区成人在线视频| 嫩草影院新地址| 中国美白少妇内射xxxbb| 99热网站在线观看| 香蕉精品网在线| 男女边摸边吃奶| 欧美 亚洲 国产 日韩一| 日韩熟女老妇一区二区性免费视频| 特大巨黑吊av在线直播| 国产熟女午夜一区二区三区 | 久久影院123| 久久久久久久久久久丰满| 久久久亚洲精品成人影院| 99九九在线精品视频 | 久久精品熟女亚洲av麻豆精品| 免费高清在线观看视频在线观看| 精品国产国语对白av| 男女无遮挡免费网站观看| 精品久久久久久电影网| 另类精品久久| 日韩人妻高清精品专区| 老司机影院成人| 熟女电影av网| 日韩欧美精品免费久久| 欧美最新免费一区二区三区| 免费观看无遮挡的男女| 亚洲,欧美,日韩| 国产日韩一区二区三区精品不卡 | 人妻人人澡人人爽人人| 亚洲无线观看免费| 大片电影免费在线观看免费| 自线自在国产av| 亚洲欧美精品专区久久| 97精品久久久久久久久久精品| 亚洲欧美精品自产自拍| 最近中文字幕高清免费大全6| 国产伦理片在线播放av一区| 精品久久久久久久久av| videos熟女内射| 99久久精品热视频| 欧美丝袜亚洲另类| av.在线天堂| 黄色毛片三级朝国网站 | av天堂久久9| 一级毛片aaaaaa免费看小| 爱豆传媒免费全集在线观看| 精品亚洲乱码少妇综合久久| 婷婷色综合大香蕉| 国产精品一二三区在线看| 91午夜精品亚洲一区二区三区| 丝袜脚勾引网站| 日本-黄色视频高清免费观看| 最后的刺客免费高清国语| 国产黄片美女视频| 国产高清有码在线观看视频| 高清视频免费观看一区二区| 日韩强制内射视频| 久久毛片免费看一区二区三区| 97在线视频观看| 精品一区二区三卡| 免费不卡的大黄色大毛片视频在线观看| 十八禁高潮呻吟视频 | 亚洲精品一区蜜桃| 亚洲美女视频黄频| 自线自在国产av| 人人妻人人澡人人看| av线在线观看网站| 99热网站在线观看| 人人妻人人看人人澡| 国产免费视频播放在线视频| 高清午夜精品一区二区三区| 三级国产精品片| 极品人妻少妇av视频| 久久精品熟女亚洲av麻豆精品| 人人妻人人添人人爽欧美一区卜| 免费观看av网站的网址| 色视频www国产| 亚洲国产精品专区欧美| 人人妻人人看人人澡| 美女福利国产在线| 欧美精品人与动牲交sv欧美| 亚洲精品国产av蜜桃| 欧美精品国产亚洲| 欧美人与善性xxx| 国产在视频线精品| 国产黄频视频在线观看| 91成人精品电影| 成人18禁高潮啪啪吃奶动态图 | 成人毛片60女人毛片免费| 国产精品伦人一区二区| 国产欧美另类精品又又久久亚洲欧美| 18+在线观看网站| 王馨瑶露胸无遮挡在线观看| 亚洲一区二区三区欧美精品| 亚洲精品乱码久久久v下载方式| 色哟哟·www| 国产在线免费精品| 乱系列少妇在线播放| av福利片在线| 午夜免费观看性视频| 在线观看免费高清a一片| 男的添女的下面高潮视频| 中文字幕亚洲精品专区| 精品久久久久久久久av| 成人免费观看视频高清| 狂野欧美白嫩少妇大欣赏| 精品国产一区二区久久| 久久毛片免费看一区二区三区| 国产精品久久久久久av不卡| 男女边摸边吃奶| 久久久久久久久久久丰满| 伦理电影免费视频| 色网站视频免费| 99热这里只有是精品在线观看| 99久久中文字幕三级久久日本| 国产伦理片在线播放av一区| 免费观看的影片在线观看| 少妇人妻一区二区三区视频| 黄色欧美视频在线观看| 日日爽夜夜爽网站| 久久免费观看电影| 十八禁高潮呻吟视频 | 久久国产精品大桥未久av | 精品国产一区二区久久| 人人妻人人看人人澡| 一区二区三区乱码不卡18| av在线观看视频网站免费| 久久久a久久爽久久v久久| 日韩成人av中文字幕在线观看| 日本黄大片高清| 纯流量卡能插随身wifi吗| 国产亚洲午夜精品一区二区久久| 秋霞在线观看毛片| 亚洲av男天堂| 欧美激情国产日韩精品一区| 女性被躁到高潮视频| 久久精品久久久久久噜噜老黄| 成人午夜精彩视频在线观看| 热re99久久国产66热| 亚洲精品久久久久久婷婷小说| av黄色大香蕉| 少妇裸体淫交视频免费看高清| 亚洲av日韩在线播放| 国产爽快片一区二区三区| 亚洲国产欧美在线一区| 五月开心婷婷网| 国产黄色视频一区二区在线观看| 美女国产视频在线观看| 亚洲久久久国产精品| 久久久久网色| 人人妻人人澡人人看| 亚洲精品一二三| 国产亚洲精品久久久com| av福利片在线| 人人妻人人看人人澡| 中文字幕精品免费在线观看视频 | 亚洲一区二区三区欧美精品| 中文在线观看免费www的网站| 视频中文字幕在线观看| av网站免费在线观看视频| 日日啪夜夜爽| 亚洲精品久久午夜乱码| 男女免费视频国产| 免费黄网站久久成人精品| 亚洲av电影在线观看一区二区三区| 制服丝袜香蕉在线| 久久久久久久国产电影| av天堂久久9| 男女免费视频国产| 老熟女久久久| 观看美女的网站| 男的添女的下面高潮视频| av在线app专区| 啦啦啦中文免费视频观看日本| 男女边摸边吃奶| 国产一区有黄有色的免费视频|