• <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Hadoop二階段并行模糊c-Means聚類(lèi)算法

    2016-07-19 02:07:26胡吉朝黃紅艷
    關(guān)鍵詞:集上聚類(lèi)節(jié)點(diǎn)

    胡吉朝 黃紅艷

    (石家莊經(jīng)濟(jì)學(xué)院信息工程學(xué)院 河北 石家莊 050031)

    ?

    基于Hadoop二階段并行模糊c-Means聚類(lèi)算法

    胡吉朝黃紅艷

    (石家莊經(jīng)濟(jì)學(xué)院信息工程學(xué)院河北 石家莊 050031)

    摘要針對(duì)Mapreduce機(jī)制下算法通信時(shí)間占用比過(guò)高,實(shí)際應(yīng)用價(jià)值受限的情況,提出基于Hadoop二階段并行c-Means聚類(lèi)算法用來(lái)解決超大數(shù)據(jù)的分類(lèi)問(wèn)題。首先,改進(jìn)Mapreduce機(jī)制下的MPI通信管理方法,采用成員管理協(xié)議方式實(shí)現(xiàn)成員管理與Mapreduce降低操作的同步化;其次,實(shí)行典型個(gè)體組降低操作代替全局個(gè)體降低操作,并定義二階段緩沖算法;最后,通過(guò)第一階段的緩沖進(jìn)一步降低第二階段Mapreduce操作的數(shù)據(jù)量,盡可能降低大數(shù)據(jù)帶來(lái)的對(duì)算法負(fù)面影響。在此基礎(chǔ)上,利用人造大數(shù)據(jù)測(cè)試集和KDD CUP 99入侵測(cè)試集進(jìn)行仿真,實(shí)驗(yàn)結(jié)果表明,該算法既能保證聚類(lèi)精度要求又可有效加快算法運(yùn)行效率。

    關(guān)鍵詞二階段模糊c-Means大數(shù)據(jù)聚類(lèi)并行入侵檢測(cè)

    0引言

    如何從海量數(shù)據(jù)中排除干擾提取到有用數(shù)據(jù),是一項(xiàng)有意義的工作[1],而算法的運(yùn)行效率是影響算法實(shí)際應(yīng)用效果的關(guān)鍵因素[2,3]。聚類(lèi)算法作為一種典型的數(shù)據(jù)挖掘算法,對(duì)大數(shù)據(jù)并行聚類(lèi)算法的研究較多。文獻(xiàn)[4]設(shè)計(jì)并實(shí)現(xiàn)了Hadoop云計(jì)算平臺(tái)下基于Mapreduce模型的并行K-Means聚類(lèi)算法;文獻(xiàn)[5]利用常值系數(shù)加權(quán)實(shí)現(xiàn)混合K-center和K-median加速并行聚類(lèi)算法,并利用采樣來(lái)簡(jiǎn)化樣本,思路不錯(cuò)但單純的隨機(jī)樣本無(wú)法確保選中的數(shù)據(jù)充分代表整體數(shù)據(jù),精度不理想;文獻(xiàn)[6]研究了協(xié)同聚類(lèi)機(jī)制,并基于Hadoop平臺(tái)實(shí)現(xiàn)了大型分布數(shù)據(jù)的協(xié)同聚類(lèi);文獻(xiàn)[7]結(jié)合遺傳算法固有的并行特點(diǎn),基于Hadoop平臺(tái)設(shè)計(jì)了并行遺傳K-Means聚類(lèi)算法;文獻(xiàn)[8]的設(shè)計(jì)思想是以提高K-Means算法性能為目的,提高并行后K-Means算法聚類(lèi)效果和性能。并行化K-Means算法已有諸多研究成果,相比而言c-Means算法并行化研究較少。

    Hadoop平臺(tái)下的Mapreduce模型并行化算法加快了運(yùn)行效率,但數(shù)據(jù)量過(guò)大時(shí),Mapreduce模型采用的MPI通信模型存在較高的通信消耗。某種程度上抵消了并行所帶了的算法效率提升,對(duì)此提出一種成員管理協(xié)議來(lái)改進(jìn)MPI通信模型,并利用個(gè)體貢獻(xiàn)值確定進(jìn)行reduce操作的典型個(gè)體,以此改善文獻(xiàn)[5]隨機(jī)采樣的不具有代表性的弱點(diǎn)。本文的設(shè)計(jì)思想主要是通過(guò)上述方式并結(jié)合同步化管理協(xié)議實(shí)現(xiàn)c-Means算法的并行化設(shè)計(jì),提出基于Hadoop二階段并行模糊c-Means聚類(lèi)算法PGR-PFCM(Protocolgroup-reduceparallelfuzzyc-Meansclustingalgorithm)。

    1改進(jìn)Mapreduce模型

    1.1模型介紹

    Mapreduce模型是目前比較成熟的大數(shù)據(jù)分布式計(jì)算模型,同時(shí)也是大數(shù)據(jù)并行聚類(lèi)算法實(shí)現(xiàn)的主要執(zhí)行框架。Mapreduce名稱(chēng)來(lái)源于該框架的兩個(gè)主要操作:map和reduce操作。map操作類(lèi)似一種映射操作,是針對(duì)數(shù)據(jù)集所有成員的一種操作,map操作后返回結(jié)果列表。reduce操作針對(duì)map操作反饋的結(jié)果執(zhí)行并行化的算法。Mapreduce模型如圖1所示。

    圖1 Mapreduce模型

    在Mapreduce模型中問(wèn)題進(jìn)程被分解為相互獨(dú)立可以并列運(yùn)行的子進(jìn)程,便于充分發(fā)揮計(jì)算機(jī)集群的計(jì)算性能。map和reduce操作框架的構(gòu)建主要是根據(jù)數(shù)據(jù)中的key-value進(jìn)行設(shè)計(jì)和操作:

    Map:(k1,v1)→[(k2,v2)]

    (1)

    Reduce:(k2,[v2])→[(k3,v3)]

    (2)

    系統(tǒng)運(yùn)行時(shí)管理主機(jī)會(huì)根據(jù)輸入數(shù)據(jù)斷點(diǎn)情況實(shí)時(shí)調(diào)度參與并行計(jì)算的計(jì)算機(jī)數(shù)量,同時(shí)通過(guò)管理主機(jī)也可以實(shí)時(shí)處理計(jì)算機(jī)故障問(wèn)題。因此允許程序員在沒(méi)有操作經(jīng)驗(yàn)和硬件操作經(jīng)驗(yàn)的前提下較容易地使用大型分布式數(shù)據(jù)資源。

    1.2典型個(gè)體操作方案

    圖2 數(shù)據(jù)降低策略

    文獻(xiàn)[10]提出這種基于組的典型個(gè)體降低策略可以通過(guò)定義在組上的MPI通信函數(shù)實(shí)現(xiàn)信息的交流。但是因?yàn)椴僮鬟^(guò)程標(biāo)識(shí)符列表會(huì)隨著迭代的進(jìn)行不斷變化,即進(jìn)行組降低的對(duì)象組合不斷改變,每次迭代都需要更改過(guò)程標(biāo)識(shí)符列表。這樣通過(guò)MPI通信函數(shù)方式會(huì)增加過(guò)多的通信開(kāi)銷(xiāo)。因?yàn)殡S著迭代的增加重心能夠更好地接近聚類(lèi)的中心,所以首先考慮只有一個(gè)重心并且只有一個(gè)過(guò)程子集的聚類(lèi)模式。同時(shí)為了解決MPI通信函數(shù)時(shí)間占用比過(guò)高的問(wèn)題,對(duì)傳統(tǒng)MPI通信模型設(shè)計(jì)了同步化的組成員管理協(xié)議來(lái)取代,并且這種基于組降低的操作可以并行相互獨(dú)立的在過(guò)程子集中同步進(jìn)行,適合于并行算法的嵌入。

    1.3同步化管理協(xié)議

    典型個(gè)體動(dòng)態(tài)分組成員管理協(xié)議(protocolgroup-reduce)通過(guò)將動(dòng)態(tài)組成員管理的控制信息封裝在操作信息中。將pID列表進(jìn)行廣播,并且隨著每個(gè)組降低操作進(jìn)行同步修改,無(wú)需增加算法的額外通信開(kāi)銷(xiāo)。protocolgroup-reduce操作步驟如下:

    Step4步驟s時(shí)進(jìn)程i,j進(jìn)行信息交換,包含遠(yuǎn)程和本地pID列表的合并,合并公式為L(zhǎng)i,s + 1=Li,s⊕Lj,s。

    Step5若進(jìn)程pi貢獻(xiàn)值gi低于閾值Tmin則將該進(jìn)程從pID列表中剔除。貢獻(xiàn)值[10]:

    (3)

    其中,Li為進(jìn)程pi到重心的歐氏距離。

    Step6外部的進(jìn)程pm可通過(guò)異步發(fā)送貢獻(xiàn)值到本地組與組長(zhǎng)接觸,包括pm對(duì)下一降低操作的貢獻(xiàn)度,以及添加該外部進(jìn)程pm的ID到本地組mID中。如果組長(zhǎng)接受進(jìn)程pm則發(fā)送pID列表給進(jìn)程pm。

    Step7輸出結(jié)果mID。

    2PGR-PFCM聚類(lèi)算法

    2.1模糊c-Means算法

    (4)

    滿足:

    (5)

    式(4)中‖·‖代表內(nèi)積范數(shù)。模糊c-Means算法利用下面兩式對(duì)vj及uji值進(jìn)行迭代從而實(shí)現(xiàn)最小化目標(biāo)函數(shù)J的目的:

    (6)

    (7)

    程序1PFCM算法偽代碼

    1: %模糊c-Means算法(PFCM)偽代碼

    2:FunctionP=PFCM();

    3:randomisemy_uOld[j][i]foreachx[i]

    4:do{

    5:maxErr=0;

    6:forj=1toc

    7:myUsum[j]=0;

    8:resetvectorsmy_v[j]to0;

    9:resetmy_u[j][i]to0;

    10:endfor;

    11:fori=myid*(n/P)+1to(myid+1)*(n/P)

    12:forj=1toc

    13:updatemyUsum[j];

    14:updatevectorsmy_v[j];

    15:endfor;

    16:endfor;

    17:forj=1toc

    18:Allreduce(myUsum[j],Usum[j],SUM);

    19:Allreduce(my_v[j],v[j],SUM);

    20:v[j] =v[j]/Usum[j];

    21:endfor;

    22:fori=myid*(n/P)+1to(myid+1)*(n/P)

    23:forj=1toc

    24:updatemy_u[j][i];

    25:maxErr=max{|my_u[j][i]-my_uOld[j][i]|};

    26:my_uOld[j][i] =my_u[j][i];

    27:endfor;

    28:endfor;

    29:Allreduce(maxErr,Err,MAX);

    30:}while(Err>=epsilon)

    2.2PGR-PFCM聚類(lèi)算法描述

    使用一種類(lèi)似于組合器(Combiner)的節(jié)點(diǎn)類(lèi)型,在算法迭代過(guò)程中Mapper操作和reduce操作串聯(lián)執(zhí)行,PGR-PFCM算法步驟如下:

    Step1輸入?yún)?shù)。中間緩沖聚類(lèi)數(shù)量Kt,聚類(lèi)數(shù)量K,數(shù)據(jù)段長(zhǎng)度L。

    Step2Mapper操作。執(zhí)行map(inValue,inKey,outValue,outKey)操作:

    (a) 在inValue中加載聚類(lèi)數(shù)據(jù),執(zhí)行map操作。

    (b) 在outValue數(shù)據(jù)中執(zhí)行PFCM(Kt)映射聚類(lèi)操作。

    (c) 按照聚類(lèi)結(jié)果重新格式化outValue值。

    (d) 輸出(outValue,outKey)。

    Step3Reducer操作。執(zhí)行同步化管理協(xié)議protocolgroup-reduce操作 (inValue,inKey,outValue,outKey)操作。

    (a) 在inValue中加載Mapper操作的聚類(lèi)中間結(jié)果,并執(zhí)行protocolgroup-reduce操作。

    (b) 在protocolgroup-reduce操作的聚類(lèi)中間結(jié)果上執(zhí)行PFCM(K)聚類(lèi)操作。

    (c) 輸出最終的聚類(lèi)結(jié)果。

    上述步驟中,參數(shù)Kt的取值直接決定了PGR-PFCM算法的運(yùn)行速度和聚類(lèi)質(zhì)量。PGR-PFCM算法的第一個(gè)階段通過(guò)定義一個(gè)中間緩沖聚類(lèi)數(shù)量Kt起到壓縮數(shù)據(jù)數(shù)量的作用。參數(shù)Kt的大小決定了PGR-PFCM算法第二階段輸入數(shù)據(jù)的大小,進(jìn)而影響算法的運(yùn)行速度和精度,Kt越大速度越慢精度越高,Kt越小速度越快精度越高。

    3仿真結(jié)果與分析

    硬件條件:基于Hadoop框架對(duì)算法進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)硬件條件:節(jié)點(diǎn)數(shù):16(由16臺(tái)計(jì)算機(jī)組成),每臺(tái)計(jì)算機(jī)配置:Intel-Core2.0GHz,2GBRAM。

    3.1算法加速度和運(yùn)行時(shí)間

    下面我們通過(guò)實(shí)驗(yàn)方法研究PGR-PFCM算法的并行特性。對(duì)于給定的數(shù)據(jù)尺寸m×n,采用IBM數(shù)據(jù)生成器生成7組合成數(shù)據(jù)集[9],表1給出了這些人造測(cè)試數(shù)據(jù)集的具體信息。

    表1 數(shù)據(jù)集信息

    首先對(duì)比不同數(shù)據(jù)集大小、不同尺寸、以及不同節(jié)點(diǎn)數(shù)的算法加速比及每次迭代所需時(shí)間。從表1可以看出測(cè)試數(shù)據(jù)集的大小從64MB至2048MB不等,小數(shù)據(jù)集形如d2其數(shù)據(jù)集大小為64MB。這樣的數(shù)據(jù)集可以加載到單一機(jī)器中進(jìn)行處理時(shí)間消耗并不是很大,但是超大數(shù)據(jù)集如d30和d31,采用一臺(tái)機(jī)器進(jìn)行數(shù)據(jù)處理則處理能力無(wú)法滿足要求。實(shí)驗(yàn)采用算法加速度和每次迭代時(shí)間為主要指標(biāo),仿真結(jié)果如圖3所示。

    圖3 實(shí)驗(yàn)結(jié)果對(duì)比

    圖3(a)反映的是算法每步迭代所需要的時(shí)間,顯然該時(shí)間隨著數(shù)據(jù)量及節(jié)點(diǎn)數(shù)的變化而變化,數(shù)據(jù)量越大處理速度越慢,節(jié)點(diǎn)數(shù)越多計(jì)算速度越快,但是并非呈線性關(guān)系,而是隨著節(jié)點(diǎn)的增加速度提升的效果越來(lái)越差,最后趨于平衡。圖3(b)反映的是加速度與節(jié)點(diǎn)數(shù)的關(guān)系,圖中顯示的是隨著節(jié)點(diǎn)數(shù)的增加,加速度增大,算法的運(yùn)行時(shí)間縮短。圖3(c)反映的是加速度與數(shù)據(jù)集的關(guān)系,圖中看出節(jié)點(diǎn)數(shù)較小時(shí)算法的加速度隨數(shù)據(jù)維數(shù)的增加變化幅度不大,而節(jié)點(diǎn)數(shù)較多時(shí),加速度隨數(shù)據(jù)集大小的變化趨勢(shì)逐漸明顯,從側(cè)面說(shuō)明本文所提算法在多節(jié)點(diǎn)大數(shù)據(jù)集上運(yùn)行的優(yōu)勢(shì)。

    3.2KDD CUP 99應(yīng)用測(cè)試

    在對(duì)上述提出的并行聚類(lèi)算法進(jìn)行評(píng)價(jià)時(shí),這里借用入侵檢測(cè)的KDDCUP99數(shù)據(jù)庫(kù)[11,12]作為仿真對(duì)象。通過(guò)對(duì)該數(shù)據(jù)庫(kù)入侵?jǐn)?shù)據(jù)的聚類(lèi)檢測(cè)結(jié)果,來(lái)對(duì)比算法性能。KDDCUP99數(shù)據(jù)庫(kù)主要含有4種典型的網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù):DOS、Probe、U2R和U2L。上述四種類(lèi)型網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)信息如表2所示。

    表2 測(cè)試數(shù)據(jù)選取數(shù)量

    常用到的入侵檢測(cè)評(píng)價(jià)指標(biāo)主要是檢測(cè)率和錯(cuò)檢率[13]。所謂檢測(cè)率是指聚類(lèi)算法在入侵?jǐn)?shù)據(jù)庫(kù)中正確歸類(lèi)識(shí)別的入侵?jǐn)?shù)據(jù)個(gè)數(shù)與數(shù)據(jù)庫(kù)中入侵?jǐn)?shù)據(jù)總數(shù)的比值;錯(cuò)檢率是指正常數(shù)據(jù)被錯(cuò)誤歸類(lèi)的數(shù)量與正常數(shù)據(jù)總量的比值。檢測(cè)率和錯(cuò)檢率如下所示[14]:

    (8)

    (9)

    對(duì)于表2選取的KDDCUP99測(cè)試集,選取K-meansⅡ、FPCM[15]及PGR-PFCM三種算法進(jìn)行仿真對(duì)比,所有實(shí)驗(yàn)運(yùn)行30次求平均值。仿真結(jié)果如表3所示。

    表3 分類(lèi)結(jié)果對(duì)比(%)

    表3分類(lèi)結(jié)果對(duì)比分別給出K-meansⅡ、FPCM及PGR-PFCM三種算法,在KDDCUP99測(cè)試集上的聚類(lèi)識(shí)別檢測(cè)率和錯(cuò)檢率對(duì)比結(jié)果。由此可看出,在該測(cè)試數(shù)據(jù)庫(kù)的四種數(shù)據(jù)類(lèi)別聚類(lèi)識(shí)別中,PGR-PFCM算法在檢測(cè)率和錯(cuò)檢率兩項(xiàng)評(píng)價(jià)指標(biāo)上均要優(yōu)于K-meansⅡ和FPCM算法。而K-meansⅡ和FPCM兩種算法相比,K-meansⅡ算法在U2R和U2L兩種數(shù)據(jù)上的聚類(lèi)識(shí)別成功率要比FPCM算法高,而FPCM算法在U2L和DOS兩種數(shù)據(jù)上的聚類(lèi)識(shí)別成功率要比K-meansⅡ算法高。綜合指標(biāo)評(píng)價(jià)上,K-meansⅡ和FPCM兩種算法性能近似。因此,單純從聚類(lèi)識(shí)別算法角度,PGR-PFCM算法是可行的,聚類(lèi)性能要好于K-meansⅡ和FPCM算法。

    為進(jìn)一步驗(yàn)證PGR-PFCM算法在KDDCUP99測(cè)試集上的普適性,選取ISVMID[16]和GANNID[17]兩種算法進(jìn)行對(duì)比。實(shí)驗(yàn)對(duì)象仍然基于KDDCUP99標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)庫(kù),相關(guān)參數(shù)如表2所示,仿真結(jié)果如圖4、圖5所示。

    圖4 三種算法的檢測(cè)率對(duì)比

    圖5 三種算法的錯(cuò)測(cè)率對(duì)比

    圖4分別給出PGR-PFCM、ISVMID和GANNID三種算法在KDDCUP99測(cè)試集上的入侵?jǐn)?shù)據(jù)檢測(cè)率對(duì)比情況??梢钥闯觯琍GR-PFCM算法在KDDCUP99測(cè)試集四種類(lèi)型數(shù)據(jù)上的檢測(cè)準(zhǔn)確率要比ISVMID和GANNID兩種算法要高。而ISVMID和GANNID兩種算法相比,在DOS和U2R兩種入侵類(lèi)型中,ISVMID要優(yōu)于GANNID算法,而在U2L和Probe兩種入侵類(lèi)型中,GANNID要優(yōu)于ISVMID算法。圖5給出PGR-PFCM、ISVMID和GANNID三種算法錯(cuò)檢率對(duì)比結(jié)果??梢钥闯?,PGR-PFCM算法在DOS、Probe、U2R和U2L四種數(shù)據(jù)上的錯(cuò)檢率要低于ISVMID和GANNID算法,其中在U2R、Probe和U2L三種入侵?jǐn)?shù)據(jù)中,ISVMID算法錯(cuò)檢率高于GANNID算法。通過(guò)對(duì)比分析可知,PGR-PFCM算法對(duì)入侵?jǐn)?shù)據(jù)檢測(cè)是高效的。

    4結(jié)語(yǔ)

    本文建立了基于Hadoop二階段并行模糊c-Means聚類(lèi)算法用來(lái)處理大數(shù)據(jù)聚類(lèi),并采用基于協(xié)議的組典型個(gè)體降低策略來(lái)改善Mapreduce的MPI通信模型的算法時(shí)間復(fù)雜度,以提高算法的整體運(yùn)行效率。通過(guò)有選擇的組降低算法能夠有效排除不良數(shù)據(jù)項(xiàng)的干擾,因而PGR-PFCM算法具有更高的運(yùn)行效率和聚類(lèi)成功率。在并行率和加速比方面,PGR-PFCM算法在大規(guī)模數(shù)據(jù)集上的并行率和加速比都優(yōu)于小型數(shù)據(jù)集上的表現(xiàn),說(shuō)明了PGR-PFCM算法能夠?qū)崟r(shí)根據(jù)數(shù)據(jù)量的大小對(duì)自身進(jìn)行調(diào)整。最后通過(guò)在KDDCUP99入侵?jǐn)?shù)據(jù)測(cè)試集上的對(duì)比仿真結(jié)果,表明PGR-PFCM算法同樣適用處理實(shí)際環(huán)境下的大數(shù)據(jù)聚類(lèi)問(wèn)題。

    參考文獻(xiàn)

    [1]DaiL,ChenT,XuHK.ResearchontestingTechniqueofbigdata[J].ApplicationResearchofComputers,2014,31(6):1606-1611.

    [2] 王珊,王會(huì)舉,覃雄派.架構(gòu)大數(shù)據(jù):挑戰(zhàn)、現(xiàn)狀與展望[J].計(jì)算機(jī)學(xué)報(bào),2011,34(10):1741-1752.

    [3]MeglerVM,MaierD.Whenbigdataleadstolostdata[C]//Procofthe5thInternationalConferenceonInformationandKnowledgeManagement.NewYork:ACMPress,2012:1-8.

    [4] 趙衛(wèi)中,馬慧芳,傅燕翔.基于云計(jì)算平臺(tái)Hadoop的并行K-means聚類(lèi)算法設(shè)計(jì)研究[J].計(jì)算機(jī)科學(xué),2011,38(10):166-169.

    [5]EneA,ImS,MoseleyB.FastclusteringusingMapRe-duce[C]//Procofthe17thACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining,California,USA:ACMPress,2011:681-689.

    [6]PapadimitriouS,SunJ.DisCo:DistributedCo-clusteringwithMap-Reduce:ACaseStudyTowardsPetabyte-ScaleEnd-to-EndMining[C]//Procofthe8thIEEEInterna-tionalConferenceonDataMining.Pisa,Italy:IEEEPress,2008:512-521.

    [7] 陸秋,程小輝.基于Mapreduce的決策樹(shù)算法并行化[J].計(jì)算機(jī)應(yīng)用,2012,32(9):2463-2465.

    [8]BahmaniB,MoseleyB,VattaniA.Scalablek-means++[J].ProceedingsoftheVLDBEndowment,2012,5(7):622-633.

    [9]MiaoYQ,ZhangJX,FengH.AFastAlgorithmforClusteringwithMapreduce[J].AdvancesinNeuralNet-works,2013,17(11):532-538.

    [10]DavidP,GiuseppeDF.EfficientGroupCommunicationforLarge-ScaleParallelClustering[J].IntelligentDistributedComputing,2013,446:155-164.

    [11]MengYX,LiWJ.Towardsadaptivecharacterfrequency-basedexclusivesignaturematchingschemeanditsapplicationsindistributedintrusiondetection[J].ComputerNetworks,2013,57(17):3630-3640.

    [12]HassanzadehA,XuZY,RaduS.PRIDE:PracticalIntrusionDetectioninResourceConstrainedWirelessMeshNetworks[J].InformationandCommunicationsSecurity,2013,23(3):213-228.

    [13]ShakshukiEM,SheltamiTR.EAACK—ASecureIntrusion-DetectionSystemforMANETs[J].IEEETransactionsonIndustrialElectronics,2013,60(3):1089-1098.

    [14]ChiragM,DhirenP,BhaveshB.Asurveyofintrusiondetectiontechniquesincloud[J].JournalofNetworkandComputerApplications,2013,36(1):42-57.

    [15]TerenceK,KateS,SebastianL.ParallelFuzzyc-MeansClusteringforLargeDataSets[C]//8thInternationalEuro-ParConferencePaderborn,Germany:Springer,2002:27-30.

    [16] 譚愛(ài)平,陳浩,吳伯橋.基于SVM的網(wǎng)絡(luò)入侵檢測(cè)集成學(xué)習(xí)算法[J].計(jì)算機(jī)科學(xué),2014,41(2):196-200.

    [17] 陳鴻星.基于遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)入侵特征檢測(cè)[J].計(jì)算機(jī)工程與應(yīng)用,2014,50(14):78-81.

    HADOOP-BASED TWO-STAGE PARALLEL FUZZY C-MEANS CLUSTERING ALGORITHM

    Hu JichaoHuang Hongyan

    (School of Information Engineering,Shijiazhuang University of Economics,Shijiazhuang 050031,Hebei,China)

    AbstractAiming at the problem of too high occupancy of communication time and limited applying value of the algorithm under the mechanism of Mapreduce, we put forward a Hadoop-based two-stage parallel c-Means clustering algorithm to deal with the problem of extra-large data classification. First, we improved the MPI communication management method in Mapreduce mechanism, and used membership management protocol mode to realise the synchronisation of members management and Mapreduce reducing operation. Secondly, we implemented typical individuals group reducing operation instead of global individual reducing operation, and defined the two-stage buffer algorithm. Finally, through the buffer in first stage we further reduced the data amount of Mapreduce operation in second stage, and reduced the negative impact brought about by big data on the algorithm as much as possible. Based on this, we carried out the simulation by using artificial big data test set and KDD CUP 99 invasion test data.Experimental result showed that the algorithm could both guarantee the clustering precision requirement and speed up effectively the operation efficiency of algorithm.

    KeywordsTwo-stageFuzzy c-MeansBig dataClusteringParallelIntrusion detection

    收稿日期:2014-11-10。河北省科技廳科技攻關(guān)項(xiàng)目(132101 30)。胡吉朝,講師,主研領(lǐng)域:數(shù)據(jù)挖掘,智能計(jì)算。黃紅艷,講師。

    中圖分類(lèi)號(hào)TP312

    文獻(xiàn)標(biāo)識(shí)碼A

    DOI:10.3969/j.issn.1000-386x.2016.06.067

    猜你喜歡
    集上聚類(lèi)節(jié)點(diǎn)
    CM節(jié)點(diǎn)控制在船舶上的應(yīng)用
    Analysis of the characteristics of electronic equipment usage distance for common users
    基于AutoCAD的門(mén)窗節(jié)點(diǎn)圖快速構(gòu)建
    Cookie-Cutter集上的Gibbs測(cè)度
    鏈完備偏序集上廣義向量均衡問(wèn)題解映射的保序性
    基于DBSACN聚類(lèi)算法的XML文檔聚類(lèi)
    復(fù)扇形指標(biāo)集上的分布混沌
    基于改進(jìn)的遺傳算法的模糊聚類(lèi)算法
    抓住人才培養(yǎng)的關(guān)鍵節(jié)點(diǎn)
    一種層次初始的聚類(lèi)個(gè)數(shù)自適應(yīng)的聚類(lèi)方法研究
    亚洲欧美激情综合另类| 亚洲激情在线av| 国产精品九九99| 日本 欧美在线| 成年免费大片在线观看| 91在线观看av| 男人舔奶头视频| 国产蜜桃级精品一区二区三区| 亚洲美女黄片视频| 亚洲人成77777在线视频| 啪啪无遮挡十八禁网站| 1024手机看黄色片| 性欧美人与动物交配| av福利片在线| 国模一区二区三区四区视频 | 俄罗斯特黄特色一大片| 91av网站免费观看| 亚洲国产精品成人综合色| 狠狠狠狠99中文字幕| 极品教师在线免费播放| 制服丝袜大香蕉在线| 亚洲七黄色美女视频| 男女之事视频高清在线观看| 国产成人精品无人区| 日韩av在线大香蕉| 18禁裸乳无遮挡免费网站照片| 成年人黄色毛片网站| 久9热在线精品视频| 狂野欧美白嫩少妇大欣赏| 首页视频小说图片口味搜索| 亚洲欧美日韩高清在线视频| 国产一级毛片七仙女欲春2| 久久精品夜夜夜夜夜久久蜜豆 | 国产人伦9x9x在线观看| 在线十欧美十亚洲十日本专区| 午夜两性在线视频| 久久久久久大精品| 欧美黑人欧美精品刺激| 欧美日韩中文字幕国产精品一区二区三区| 亚洲精品粉嫩美女一区| 最近最新中文字幕大全免费视频| 国产亚洲精品久久久久5区| 一二三四社区在线视频社区8| 国产91精品成人一区二区三区| 亚洲熟妇中文字幕五十中出| 久久久水蜜桃国产精品网| 中文字幕熟女人妻在线| а√天堂www在线а√下载| 最近最新免费中文字幕在线| 一本久久中文字幕| 别揉我奶头~嗯~啊~动态视频| 成年免费大片在线观看| 国产精品 欧美亚洲| 午夜精品一区二区三区免费看| 中文字幕高清在线视频| 久久久久国产精品人妻aⅴ院| 亚洲国产高清在线一区二区三| 亚洲av五月六月丁香网| 亚洲第一欧美日韩一区二区三区| 亚洲avbb在线观看| 亚洲中文日韩欧美视频| 亚洲欧美精品综合一区二区三区| 亚洲精品中文字幕在线视频| 国产又色又爽无遮挡免费看| 国产91精品成人一区二区三区| 国产三级黄色录像| 国产精品自产拍在线观看55亚洲| 嫩草影院精品99| 精品久久久久久久末码| 久久久精品国产亚洲av高清涩受| 亚洲国产精品久久男人天堂| 黑人欧美特级aaaaaa片| 看免费av毛片| 亚洲av片天天在线观看| 国产精品一区二区三区四区免费观看 | 男人的好看免费观看在线视频 | 麻豆久久精品国产亚洲av| 久久欧美精品欧美久久欧美| 日韩精品免费视频一区二区三区| www.999成人在线观看| 亚洲九九香蕉| 亚洲成av人片免费观看| 午夜精品久久久久久毛片777| 精品久久久久久久久久免费视频| 日本免费一区二区三区高清不卡| 亚洲性夜色夜夜综合| 热99re8久久精品国产| 可以在线观看毛片的网站| 国产一级毛片七仙女欲春2| 国产精品一区二区三区四区久久| 18禁黄网站禁片午夜丰满| 啦啦啦韩国在线观看视频| 国产又色又爽无遮挡免费看| 黄频高清免费视频| 久久精品国产99精品国产亚洲性色| 久久精品国产综合久久久| 午夜免费成人在线视频| 狠狠狠狠99中文字幕| 欧美成人免费av一区二区三区| 亚洲自偷自拍图片 自拍| 在线视频色国产色| 免费看美女性在线毛片视频| 国产精品亚洲av一区麻豆| 国产伦在线观看视频一区| av天堂在线播放| 91成年电影在线观看| 日本一区二区免费在线视频| 亚洲va日本ⅴa欧美va伊人久久| 亚洲自拍偷在线| 久久中文字幕一级| 校园春色视频在线观看| 国产午夜福利久久久久久| 欧美黑人欧美精品刺激| 国内精品久久久久久久电影| 天天一区二区日本电影三级| 午夜a级毛片| 亚洲国产精品成人综合色| 欧洲精品卡2卡3卡4卡5卡区| 麻豆久久精品国产亚洲av| 国产黄a三级三级三级人| 免费在线观看黄色视频的| 窝窝影院91人妻| 日韩免费av在线播放| 国产精品爽爽va在线观看网站| 午夜老司机福利片| 欧美 亚洲 国产 日韩一| 亚洲自拍偷在线| 最近最新中文字幕大全免费视频| 日韩欧美国产在线观看| 精品电影一区二区在线| 精品免费久久久久久久清纯| 久久午夜综合久久蜜桃| 久久久久久免费高清国产稀缺| 老汉色av国产亚洲站长工具| av片东京热男人的天堂| 色老头精品视频在线观看| 两个人免费观看高清视频| 一边摸一边抽搐一进一小说| 久久久久久久久中文| 成人国产一区最新在线观看| 俄罗斯特黄特色一大片| 欧美大码av| 悠悠久久av| 露出奶头的视频| 国产亚洲欧美98| 亚洲一区中文字幕在线| 波多野结衣高清作品| 日本一区二区免费在线视频| 久久精品亚洲精品国产色婷小说| 久久中文看片网| 成年人黄色毛片网站| 亚洲av中文字字幕乱码综合| av天堂在线播放| 51午夜福利影视在线观看| 特大巨黑吊av在线直播| 国语自产精品视频在线第100页| 亚洲成人国产一区在线观看| 欧美色欧美亚洲另类二区| 搞女人的毛片| 国产精品av视频在线免费观看| 日本一二三区视频观看| 女人爽到高潮嗷嗷叫在线视频| 国产一区在线观看成人免费| 99在线视频只有这里精品首页| 波多野结衣巨乳人妻| 免费看a级黄色片| cao死你这个sao货| 一级毛片精品| 在线观看一区二区三区| 欧美日韩一级在线毛片| 国产熟女xx| 色在线成人网| 欧美黑人巨大hd| 高潮久久久久久久久久久不卡| 又粗又爽又猛毛片免费看| 听说在线观看完整版免费高清| 狂野欧美激情性xxxx| 国产精品99久久99久久久不卡| 亚洲成人国产一区在线观看| 国产精品亚洲av一区麻豆| 777久久人妻少妇嫩草av网站| 亚洲18禁久久av| 很黄的视频免费| 亚洲va日本ⅴa欧美va伊人久久| 他把我摸到了高潮在线观看| 日本撒尿小便嘘嘘汇集6| 白带黄色成豆腐渣| videosex国产| 最新美女视频免费是黄的| 18禁观看日本| 亚洲精华国产精华精| 高潮久久久久久久久久久不卡| 午夜免费成人在线视频| 给我免费播放毛片高清在线观看| 一本大道久久a久久精品| 少妇被粗大的猛进出69影院| 午夜精品久久久久久毛片777| 国产精品亚洲美女久久久| 久久精品夜夜夜夜夜久久蜜豆 | 成人国产综合亚洲| 九九热线精品视视频播放| 欧美日韩亚洲国产一区二区在线观看| 成人av一区二区三区在线看| 国产精品 国内视频| 免费在线观看日本一区| 日韩成人在线观看一区二区三区| 久久九九热精品免费| 男男h啪啪无遮挡| 一级a爱片免费观看的视频| 国产精品久久视频播放| 一级毛片高清免费大全| 精品国产美女av久久久久小说| 精品熟女少妇八av免费久了| 一二三四在线观看免费中文在| 亚洲精品美女久久久久99蜜臀| 又爽又黄无遮挡网站| 熟女电影av网| 黄频高清免费视频| 免费在线观看日本一区| 在线永久观看黄色视频| 久久精品国产99精品国产亚洲性色| 亚洲熟女毛片儿| 亚洲狠狠婷婷综合久久图片| 国产人伦9x9x在线观看| 婷婷精品国产亚洲av在线| 色精品久久人妻99蜜桃| 国产1区2区3区精品| 国产在线观看jvid| bbb黄色大片| 在线十欧美十亚洲十日本专区| 亚洲av美国av| 午夜成年电影在线免费观看| 人人妻人人澡欧美一区二区| 两性夫妻黄色片| 在线观看舔阴道视频| 国产欧美日韩一区二区三| 中文字幕精品亚洲无线码一区| 曰老女人黄片| svipshipincom国产片| 一区二区三区激情视频| 岛国在线免费视频观看| 男男h啪啪无遮挡| 久久99热这里只有精品18| 午夜激情福利司机影院| 国产一级毛片七仙女欲春2| 黄频高清免费视频| 99国产精品99久久久久| 丰满人妻一区二区三区视频av | 国产高清视频在线观看网站| 亚洲国产中文字幕在线视频| 久久欧美精品欧美久久欧美| 国产欧美日韩一区二区精品| 精品少妇一区二区三区视频日本电影| 一个人免费在线观看的高清视频| 久久国产精品人妻蜜桃| 欧美黑人精品巨大| 又爽又黄无遮挡网站| 不卡一级毛片| 久久久久国内视频| 99国产精品一区二区三区| 宅男免费午夜| 精品久久久久久成人av| 18禁裸乳无遮挡免费网站照片| 可以在线观看毛片的网站| avwww免费| 热99re8久久精品国产| 久热爱精品视频在线9| 成在线人永久免费视频| 日日爽夜夜爽网站| 深夜精品福利| 久久伊人香网站| 午夜福利在线在线| 1024手机看黄色片| 夜夜看夜夜爽夜夜摸| 极品教师在线免费播放| 真人做人爱边吃奶动态| 久久精品夜夜夜夜夜久久蜜豆 | 精品一区二区三区视频在线观看免费| 国产精品 国内视频| 中文资源天堂在线| videosex国产| 欧美最黄视频在线播放免费| 美女黄网站色视频| 日本三级黄在线观看| 久久欧美精品欧美久久欧美| 在线观看日韩欧美| 身体一侧抽搐| 在线观看午夜福利视频| 精品福利观看| 51午夜福利影视在线观看| 久久 成人 亚洲| 午夜免费观看网址| 国产精品久久电影中文字幕| 亚洲成人中文字幕在线播放| 亚洲人成电影免费在线| 亚洲精品中文字幕在线视频| 午夜免费激情av| www日本在线高清视频| 亚洲国产欧美人成| 国内精品久久久久精免费| 久久精品aⅴ一区二区三区四区| 97超级碰碰碰精品色视频在线观看| 亚洲中文字幕一区二区三区有码在线看 | 69av精品久久久久久| 成人精品一区二区免费| 亚洲精品国产精品久久久不卡| 国产人伦9x9x在线观看| 男女做爰动态图高潮gif福利片| 夜夜夜夜夜久久久久| 国产午夜福利久久久久久| 日韩av在线大香蕉| 亚洲国产精品合色在线| 日本a在线网址| 国产亚洲精品综合一区在线观看 | 中文字幕高清在线视频| 麻豆国产97在线/欧美 | av欧美777| 亚洲欧美激情综合另类| 此物有八面人人有两片| 久99久视频精品免费| 一区二区三区激情视频| 丝袜人妻中文字幕| 婷婷精品国产亚洲av| 性色av乱码一区二区三区2| 精品久久久久久久人妻蜜臀av| 精品国产美女av久久久久小说| 欧美一级毛片孕妇| 欧美av亚洲av综合av国产av| 欧美色欧美亚洲另类二区| 久久久久久人人人人人| tocl精华| 三级国产精品欧美在线观看 | 欧美中文综合在线视频| 在线观看一区二区三区| 色av中文字幕| 99re在线观看精品视频| 午夜福利成人在线免费观看| 亚洲精品在线观看二区| 午夜激情福利司机影院| 97碰自拍视频| 精品一区二区三区四区五区乱码| 欧美一区二区精品小视频在线| 禁无遮挡网站| 成人特级黄色片久久久久久久| av视频在线观看入口| 窝窝影院91人妻| 99精品欧美一区二区三区四区| 国产精品永久免费网站| 国产精品久久久久久精品电影| 亚洲av电影不卡..在线观看| 色在线成人网| 少妇的丰满在线观看| 又粗又爽又猛毛片免费看| 久9热在线精品视频| 日本黄色视频三级网站网址| 日韩大码丰满熟妇| 亚洲中文字幕日韩| 亚洲成av人片免费观看| 亚洲一区二区三区色噜噜| 一本久久中文字幕| 在线观看www视频免费| 欧美性猛交黑人性爽| 欧美极品一区二区三区四区| 一级毛片高清免费大全| 真人做人爱边吃奶动态| 成人三级黄色视频| 国产精品久久视频播放| 日本一本二区三区精品| 嫩草影视91久久| 麻豆av在线久日| 99精品在免费线老司机午夜| 神马国产精品三级电影在线观看 | 法律面前人人平等表现在哪些方面| 在线观看66精品国产| 国产真人三级小视频在线观看| 人成视频在线观看免费观看| 中文字幕最新亚洲高清| 每晚都被弄得嗷嗷叫到高潮| 久久久久久国产a免费观看| xxxwww97欧美| 国产成+人综合+亚洲专区| 久久人人精品亚洲av| 亚洲aⅴ乱码一区二区在线播放 | 日韩欧美国产一区二区入口| 91av网站免费观看| 国产人伦9x9x在线观看| 亚洲 欧美 日韩 在线 免费| 听说在线观看完整版免费高清| 国产成人欧美在线观看| 午夜两性在线视频| or卡值多少钱| 欧美另类亚洲清纯唯美| 欧美一区二区精品小视频在线| 欧美zozozo另类| 怎么达到女性高潮| 精品日产1卡2卡| 动漫黄色视频在线观看| 少妇裸体淫交视频免费看高清 | 三级男女做爰猛烈吃奶摸视频| 中文字幕熟女人妻在线| 欧美大码av| 国产在线观看jvid| 一级作爱视频免费观看| 欧美日韩精品网址| 国产亚洲欧美在线一区二区| 亚洲国产精品久久男人天堂| 国产精品久久久久久亚洲av鲁大| 亚洲aⅴ乱码一区二区在线播放 | 亚洲精品美女久久av网站| 国产精品一区二区免费欧美| 亚洲av成人av| 一级毛片精品| 国产精品av久久久久免费| 国产熟女xx| 制服丝袜大香蕉在线| 欧美性长视频在线观看| 一级片免费观看大全| 精品福利观看| 亚洲五月婷婷丁香| 日本黄大片高清| 一本一本综合久久| 欧美+亚洲+日韩+国产| 国内精品久久久久久久电影| 在线视频色国产色| 日韩欧美在线二视频| 婷婷六月久久综合丁香| 亚洲人成网站高清观看| 女生性感内裤真人,穿戴方法视频| 久久 成人 亚洲| 精品久久久久久久毛片微露脸| netflix在线观看网站| 久久中文字幕人妻熟女| 欧美性长视频在线观看| 国产精品久久视频播放| 色哟哟哟哟哟哟| 高清毛片免费观看视频网站| 国产一区二区三区视频了| 成人av在线播放网站| 亚洲av成人不卡在线观看播放网| 欧美丝袜亚洲另类 | 亚洲熟妇熟女久久| 黑人操中国人逼视频| 久久人妻福利社区极品人妻图片| 少妇熟女aⅴ在线视频| 久久亚洲真实| 亚洲熟女毛片儿| 1024手机看黄色片| 精品人妻1区二区| 亚洲真实伦在线观看| 亚洲一区中文字幕在线| 亚洲熟妇中文字幕五十中出| 亚洲avbb在线观看| 97碰自拍视频| 两性夫妻黄色片| 三级男女做爰猛烈吃奶摸视频| 日本免费a在线| 日日爽夜夜爽网站| 黄片小视频在线播放| 精品欧美一区二区三区在线| 此物有八面人人有两片| 香蕉国产在线看| 精品福利观看| 性色av乱码一区二区三区2| 中文字幕av在线有码专区| 99热只有精品国产| 美女扒开内裤让男人捅视频| 亚洲真实伦在线观看| 可以在线观看的亚洲视频| 精品一区二区三区视频在线观看免费| 中亚洲国语对白在线视频| 亚洲第一欧美日韩一区二区三区| 这个男人来自地球电影免费观看| 久久久久国产精品人妻aⅴ院| 久久久久久久午夜电影| 亚洲人成网站高清观看| 欧美在线黄色| 欧美中文日本在线观看视频| 午夜免费成人在线视频| 日本撒尿小便嘘嘘汇集6| 人人妻,人人澡人人爽秒播| 亚洲欧美激情综合另类| 人人妻,人人澡人人爽秒播| 美女 人体艺术 gogo| ponron亚洲| 欧美日韩一级在线毛片| 久久婷婷成人综合色麻豆| 亚洲精品中文字幕一二三四区| 在线国产一区二区在线| 国产欧美日韩精品亚洲av| 级片在线观看| 国内少妇人妻偷人精品xxx网站 | 亚洲精品国产精品久久久不卡| 久久人妻av系列| 国产高清激情床上av| 特大巨黑吊av在线直播| 精品久久久久久,| 狂野欧美激情性xxxx| 无遮挡黄片免费观看| xxxwww97欧美| 人人妻,人人澡人人爽秒播| 三级毛片av免费| 男人舔女人的私密视频| 国产真实乱freesex| 动漫黄色视频在线观看| 亚洲五月婷婷丁香| 国产精品久久久久久久电影 | 人人妻,人人澡人人爽秒播| 99久久国产精品久久久| 亚洲全国av大片| 一级作爱视频免费观看| 亚洲电影在线观看av| 国产亚洲av嫩草精品影院| 日韩免费av在线播放| 中出人妻视频一区二区| 88av欧美| 国产成+人综合+亚洲专区| 欧美成人一区二区免费高清观看 | 国产一区二区在线av高清观看| 真人做人爱边吃奶动态| 亚洲国产精品成人综合色| 999精品在线视频| 亚洲一区高清亚洲精品| 国产精品,欧美在线| 成人精品一区二区免费| 夜夜爽天天搞| 每晚都被弄得嗷嗷叫到高潮| 中出人妻视频一区二区| 亚洲18禁久久av| 国产精品亚洲美女久久久| 这个男人来自地球电影免费观看| 男人舔奶头视频| 国产激情久久老熟女| 黄色视频不卡| 欧美日韩瑟瑟在线播放| 欧美色视频一区免费| 亚洲国产精品sss在线观看| 成人三级做爰电影| 久久精品夜夜夜夜夜久久蜜豆 | av视频在线观看入口| 国内精品一区二区在线观看| 日韩欧美免费精品| 成人高潮视频无遮挡免费网站| 欧美日韩乱码在线| 亚洲国产欧美网| videosex国产| 亚洲 欧美一区二区三区| 亚洲熟妇中文字幕五十中出| 国产精品一区二区免费欧美| 国产精品免费一区二区三区在线| 国产精品久久久人人做人人爽| 欧美另类亚洲清纯唯美| 久久亚洲精品不卡| 在线播放国产精品三级| 精品国产美女av久久久久小说| 欧美大码av| 亚洲18禁久久av| 一级毛片精品| 欧美性猛交黑人性爽| 欧美乱码精品一区二区三区| 国产精品av久久久久免费| 两性午夜刺激爽爽歪歪视频在线观看 | 99riav亚洲国产免费| 精品一区二区三区视频在线观看免费| 久久午夜亚洲精品久久| 欧美一区二区精品小视频在线| 久99久视频精品免费| 婷婷精品国产亚洲av在线| 成年免费大片在线观看| 无遮挡黄片免费观看| 欧美成人免费av一区二区三区| 长腿黑丝高跟| 亚洲最大成人中文| 99在线视频只有这里精品首页| 国产不卡一卡二| 天堂av国产一区二区熟女人妻 | 亚洲成av人片在线播放无| 午夜福利在线观看吧| av中文乱码字幕在线| 久久国产精品人妻蜜桃| 黄频高清免费视频| 12—13女人毛片做爰片一| 熟女少妇亚洲综合色aaa.| 欧美一区二区国产精品久久精品 | 俄罗斯特黄特色一大片| 动漫黄色视频在线观看| 欧美成人免费av一区二区三区| 老汉色av国产亚洲站长工具| 日本熟妇午夜| 麻豆成人午夜福利视频| 久久精品夜夜夜夜夜久久蜜豆 | 久久久久久久久久黄片| 99国产精品一区二区三区| 午夜精品久久久久久毛片777| 国产高清激情床上av| 久久精品国产综合久久久| 香蕉国产在线看| av中文乱码字幕在线| 国产在线精品亚洲第一网站| 狠狠狠狠99中文字幕| 大型黄色视频在线免费观看| 国产高清videossex| 欧美日韩乱码在线| 久久久久久人人人人人| 亚洲第一电影网av| 亚洲九九香蕉| 成人av一区二区三区在线看| 日本在线视频免费播放| 久久中文字幕人妻熟女| 国产午夜福利久久久久久| 成人亚洲精品av一区二区| 麻豆国产97在线/欧美 | 一个人免费在线观看电影 | 日韩三级视频一区二区三区| 黄色成人免费大全| 国产精品亚洲av一区麻豆|