• <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 ?

    基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘*

    2016-11-12 05:54:04王永程褚衍杰
    電訊技術(shù) 2016年1期
    關(guān)鍵詞:關(guān)聯(lián)用戶實驗

    王永程,褚衍杰

    基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘*

    王永程**,褚衍杰

    (盲信號處理重點實驗室,成都610041)

    為了從用戶地理空間分布數(shù)據(jù)中挖掘用戶間關(guān)聯(lián)關(guān)系,提出了一種基于譜聚類的關(guān)聯(lián)關(guān)系挖掘算法。首先定義了關(guān)聯(lián)度,用以衡量用戶之間空間分布的相似性,基于關(guān)聯(lián)度構(gòu)造相似矩陣,再利用譜聚類方法對用戶進行聚類分析,聚類結(jié)果表征了用戶的關(guān)聯(lián)關(guān)系。采用Silhouette指標和聚類準確率來衡量用戶關(guān)系挖掘質(zhì)量,同時與傳統(tǒng)的K-Means方法進行了比較,通過真實數(shù)據(jù)集實驗,結(jié)果表明該算法在實驗數(shù)據(jù)集上能達到90%以上的聚類準確率,證明方法有效、可行。

    用戶行為分析;用戶關(guān)系挖掘;譜聚類;關(guān)聯(lián)度;K-Means

    1 引 言

    用戶行為分析是近年來數(shù)據(jù)分析領(lǐng)域的熱點問題之一。發(fā)現(xiàn)用戶行為模式,通過分析用戶間行為模式的相似性來挖掘用戶的關(guān)聯(lián)關(guān)系,是重要的研究內(nèi)容之一。本文擬針對用戶在地理空間上的分布特征,通過定義用戶空間分布的相似性將用戶相關(guān)關(guān)聯(lián)在一起,發(fā)現(xiàn)“朋友圈”,即用戶關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)。

    目前研究用戶行為的諸多文獻中,基于用戶行為數(shù)據(jù)流挖掘用戶行為模式是主流的研究點之一[1-2]。文獻[1]針對受噪聲污染及不完備的行為事件流,利用信息熵理論估計周期性行為模式,算法在測試數(shù)據(jù)集上表現(xiàn)出了較好的魯棒性。在發(fā)現(xiàn)用戶行為模式的基礎(chǔ)上,對用戶行為進行預(yù)測也成為該領(lǐng)域的研究熱點[3-4]。文獻[3]的研究發(fā)現(xiàn),用戶在線上的行為活動之間具有較強的相關(guān)性,這導(dǎo)致用戶的后續(xù)行為能夠被預(yù)測,如果用戶行為發(fā)生的時間信息能夠被利用的話,預(yù)測的準確率將更高。無獨有偶,麻省理工學(xué)院一個名為“RealitY Mining”的項目組同樣發(fā)現(xiàn),不同類型的手機用戶在地理空間上的分布熵具有較大的差異,某些用戶,如教員,他們的空間分布熵很低,意味著他們在空間上分布行為容易被預(yù)測,而另一些用戶,如學(xué)生,則具有較高的信息熵及不確定較大,他們的行為不容易被預(yù)測。同樣,這樣的行為差異被該項目組用戶區(qū)分用戶性質(zhì),獲得了較高的準確率。

    上述研究主要關(guān)注用戶個體行為,如個體行為模式挖掘和預(yù)測以及利用個體行為模式的差異來區(qū)分不同性質(zhì)的用戶,與此不同,文獻[5-6]研究了不同用戶之間行為模式的相似性以及由此反映的更深層次的用戶之間的關(guān)聯(lián)關(guān)系。文獻[5]通過用戶在時空二維空間上的分布行為,挖掘任意兩個用戶之間的社交關(guān)系,同時提供了量化用戶之間關(guān)聯(lián)程度的概率推理框架,分析了不同的時空粒度下推理的精度問題。文獻[6]同樣致力于挖掘用戶之間的關(guān)聯(lián)關(guān)系,但需要的時空粒度更小,普適性不及文獻[5]。受文獻[5-6]啟發(fā),本文研究了手機用戶在地理空間上的分布行為,定義了用戶空間分布的相似性,與之不同的是,本文不僅給出了任意兩個用戶之間的關(guān)聯(lián)度,而且進一步挖掘了多個用戶形成的關(guān)系網(wǎng)絡(luò),最終輸出用戶的“朋友圈”,即具有組織屬性的用戶團體。

    圖聚類是發(fā)現(xiàn)用戶關(guān)聯(lián)關(guān)系的重要方法之一,本文采用譜聚類方法對用戶進行聚類分析,并利用聚類結(jié)果來表征用戶的關(guān)系網(wǎng)絡(luò),同時用戶關(guān)系挖掘的質(zhì)量可以用聚類質(zhì)量來度量。譜聚類作為圖聚類方法之一,在諸多領(lǐng)域得到了成功應(yīng)用,如醫(yī)學(xué)[7]、電力[8]等,與K-Means、EM等建立在凸分布基礎(chǔ)上的傳統(tǒng)聚類算法相比,譜聚類算法能在數(shù)據(jù)空間不是凸分布的情況下收斂于全局最優(yōu)。在構(gòu)建用戶相似矩陣的基礎(chǔ)上,應(yīng)用譜聚類算法能夠成功輸出用戶的關(guān)系網(wǎng)絡(luò)。

    2 基本概念

    2.1 關(guān)聯(lián)度、關(guān)聯(lián)圖及關(guān)聯(lián)矩陣

    本文研究在特定時間區(qū)間內(nèi)用戶的空間分布情況,這里的時間區(qū)間都是由離散的時刻構(gòu)成。

    定義1 用戶空間分布向量

    用戶在時間區(qū)間t=[α,b]內(nèi)的空間分布向量表示為

    式中:n表示用戶個數(shù);i為用戶索引;m為納入考慮范圍內(nèi)的地理位置個數(shù);如果用戶在時間區(qū)間t內(nèi)在地點k(1≤k≤m)處出現(xiàn),則lk=1,否則lk=0。

    定義2 關(guān)聯(lián)度

    兩個用戶Ui、Uj在給定時間區(qū)間t=[α,b]內(nèi)的關(guān)聯(lián)度定義為

    如果把n個用戶看做n個節(jié)點,關(guān)聯(lián)度看做兩個節(jié)點間邊的權(quán)重,則可以得到關(guān)聯(lián)圖和關(guān)聯(lián)矩陣的概念。

    定義3 關(guān)聯(lián)圖、關(guān)聯(lián)矩陣和聚類模型

    設(shè)n個用戶對應(yīng)的空間分布向量集合為Ut=,則

    (1)Ut的關(guān)聯(lián)圖定義為加權(quán)圖G(V,E),其中,頂點集V=Ut,邊集n};邊的權(quán)重為;

    (2)Ut的關(guān)聯(lián)矩陣定義為圖G在時間區(qū)間t內(nèi)的鄰接矩陣

    (3)Ut的聚類模型定義為Ψ=[C1,C2,…,Ck],其中k為聚簇數(shù),Ci(i=1,2,…,k)為滿足下列條件的簇:;?i≠j,Ci∩Ci=?。

    本文擬根據(jù)關(guān)聯(lián)度對用戶Ut進行劃分,從而得到其聚類模型,即用戶的關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)。

    2.2 譜聚類

    由2.1節(jié)可知,關(guān)聯(lián)矩陣Ω為對稱矩陣,定義每個節(jié)點的度為di=ci1+ci2+???+cin,且稱D=diag( d1,d2,…,dn)為度矩陣。

    譜聚類算法建立在圖論中的譜圖理論基礎(chǔ)上,其本質(zhì)是將聚類問題轉(zhuǎn)化為圖的最優(yōu)劃分問題,是一種點對聚類算法,利用LaPlacian矩陣的前k個最小特征值對應(yīng)的特征向量構(gòu)造新的特征向量空間Rk,在這個新的空間內(nèi)建起與原始數(shù)據(jù)的對應(yīng)關(guān)系,然后聚類成k個簇。LaPlacian矩陣有3種形式[9],分別為未規(guī)范化LaPlacian矩陣L=D-Ω,規(guī)范化且對稱的LaPlacian矩陣LsYm=D-1/2L D1/2以及規(guī)范化但不對稱的LaPlacian矩陣LrW=D-1L。實驗和統(tǒng)計分析結(jié)果表明,如果圖中各節(jié)點度分布比較均勻的話,3種類型的LaPlacian矩陣在聚類性能上無明顯區(qū)別,如果圖中節(jié)點度傾斜分布時,LrW性能最優(yōu),故本文算法采用LrW作為LaPlacian矩陣。

    3 基于譜聚類的關(guān)聯(lián)關(guān)系挖掘算法

    基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘算法輸入為n個用戶對應(yīng)的空間分布向量集合為Ut=、時間區(qū)間t=[α,b]以及聚簇數(shù)k,輸出聚類模型Ψ=[C1,C2,…,Ck]。主要步驟如下:

    (1)根據(jù)關(guān)聯(lián)度定義,z對任意一對用戶Ui,Uj,計算關(guān)聯(lián)度;

    (3)計算LaPlacian矩陣LrW=D-1L=I-D-1Ω,D=diag( d1,d2,…,dn);

    (4)計算LrW前k個最小特征值對應(yīng)的特征向量υ1,υ2,…,υk;

    (5)令Y=[υ1,υ2,…,υk]∈Rn×k,Y的行向量定義為γ1,γ2,…,γn,對應(yīng)于k維特征空間內(nèi)的n個點;

    (6)利用K-Means聚類算法對(γi)i=1,2,…,n進行聚類,得到k個簇{B1,B2,…,Bk};

    (7)返回Ψ=[C1,C2,…,Ck],其中Cj=,i=1,2,…,n,j=1,2,…,k。

    算法使用關(guān)聯(lián)度來衡量兩個用戶空間分布的相似性,并據(jù)此構(gòu)建關(guān)聯(lián)矩陣,關(guān)聯(lián)矩陣作為LaPla_ cian矩陣計算的輸入,通過選取LaPlacian矩陣的前k個最小特征值構(gòu)建特征空間。特征值及特征向量的計算為算法的主要時間消耗環(huán)節(jié)。在特征向量空間Rn×k中,這里利用K-Means聚類算法將n個數(shù)據(jù)點聚類為k個簇,Ci(i=1,2,…,k)表示具有相同組織屬性的用戶集合,輸入相同聚簇的用戶形成用戶關(guān)系網(wǎng)絡(luò)。值得注意的是,這里的聚類算法不限于K-Means算法,其他如層次聚類或密度聚類算法都可以作為候選算法。

    4 實驗分析

    4.1 數(shù)據(jù)集、聚類質(zhì)量衡量指標及實驗流程

    采用RealitY Mining項目組的數(shù)據(jù)收集思路,我們采集了100位手機用戶志愿者的行為數(shù)據(jù)集,該數(shù)據(jù)集主要包含用戶的ID(用戶的唯一標識)、呼叫時間、呼叫持續(xù)時間、基站位置(標識用戶地理位置)等信息,本文只抽取不同時刻用戶IP和基站位置來構(gòu)建用戶空間分布向量,作為算法的數(shù)據(jù)源。為了驗證用戶關(guān)聯(lián)關(guān)系挖掘的準確性,對所涉及用戶的組織屬性信息進行了人工標注,這里的組織屬性信息指用戶隸屬的部門,100個用戶分別為8個部門的員工,用戶之間存在關(guān)聯(lián)關(guān)系表示用戶同屬于一個部門,存在少量用戶同屬于兩個或兩個以上的部門。

    下面介紹本文采用的用戶關(guān)系挖掘質(zhì)量的衡量指標:Silhouette值[10]和聚類準確率。

    (1)Silhouette值

    節(jié)點i的Silhouette值定義為

    式中:α(i)表示節(jié)點到同簇中其他節(jié)點的平均距離;b(i)表示節(jié)點到其他簇中節(jié)點的平均距離。Silhouette值的取值范圍為[-1,1],s(i)越接近1,表示聚類效果越好,從而用戶關(guān)系挖掘質(zhì)量越高,反之,挖掘質(zhì)量越差。Silhouette值從聚類結(jié)果本身出發(fā),衡量聚類質(zhì)量,不依賴于人工標注信息,具備一定的參考價值。同時考慮到樣本中的人工標注信息,我們定義了聚類準確率。

    (2)聚類準確率

    聚類準確率定義為

    式中:Nc表示正確聚類的樣本數(shù)量;Nα表示所有的樣本數(shù)量。Nc的計算方法為針對聚類結(jié)果中的每一個聚簇i(1≤i≤k),根據(jù)標注信息,統(tǒng)計聚簇i中真實的聚簇數(shù)以及各聚簇對應(yīng)的樣本數(shù)量,樣本數(shù)量最多的簇所對應(yīng)的樣本為正確聚類的樣本??紤]到某些用戶可能擁有多個部門身份,即同屬于不同的聚簇,當(dāng)這些用戶被分類到真實所屬的聚簇中時,都將其視為被正確聚類。聚類準確率越高,表示用戶關(guān)系挖掘質(zhì)量越高,反之,挖掘質(zhì)量越差。

    圖1顯示了實驗分析流程,本實驗分別在不同聚簇數(shù)k(k=4,6,8)的情況下對實驗結(jié)果性能進行考察。仿真條件為因特爾酷睿雙核3.16 GHz處理器及4 GB內(nèi)存。

    圖1 基于譜聚類的用戶關(guān)聯(lián)關(guān)系實驗分析流程Fig.1 ExPeriment floW of user association mining based on sPecial clustering

    4.2 基于真實數(shù)據(jù)集的聚類質(zhì)量分析

    本節(jié)實驗的目的是在真實數(shù)據(jù)集上驗證基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘算法的性能,數(shù)據(jù)集分為兩部分,分別代表兩個時間段的樣本數(shù)據(jù),記為Ut1和Ut2,兩個時間區(qū)間的長度相同,時間跨度為兩個月。將分別考察兩個數(shù)據(jù)集在輸入不同的聚簇數(shù)k(k=4,6,8)的情況下,輸出的Silhouette值以及聚類準確率ρ的差異。圖2和表1分別為Silhouette值和聚類準確率實驗結(jié)果。

    圖2 基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘算法性能(Silhouette值)Fig.2 Performance of user association mining based on sPecial clustering(Silhouette value)

    圖2 (a)~(c)為時間區(qū)間t1內(nèi)不同聚簇數(shù)k對應(yīng)的Silhouette值,從圖2(a)、(b)可以看出,當(dāng)k<8時,有部分聚簇的Silhouette值接近于1,其他聚簇的Silhouette值小于1,且輪廓線不整齊,說明聚類質(zhì)量較差。圖2(c)顯示了k=8時的Silhouette值,可發(fā)現(xiàn)各聚簇的Silhouette值幾乎為1,且輪廓線非常整齊,聚類質(zhì)量很好,說明k=8為最優(yōu)聚簇數(shù),這與人工標注的“朋友圈”數(shù)相等,實驗結(jié)果符合預(yù)期。圖2(d)~(f)為時間區(qū)間t2內(nèi)不同聚簇數(shù)k對應(yīng)的Silhouette值,其中Silhouette值的變化情況與圖2(a)~(c)基本相同,且對于不同時間區(qū)間,聚簇數(shù)相同的Silhouette輪廓基本相同,從而說明了用戶的關(guān)系網(wǎng)絡(luò)在觀測時間內(nèi)基本穩(wěn)定。

    表1 本文算法與K-Means算法聚類準確率性能比較Tab.1 ComParison of Performance on clustering accuracY betWeen the ProPosed algorithm and K-Means method %

    與圖2對應(yīng),從表1可看出,本文算法的聚類準確率同樣在k=8時達到最高,為90%以上,顯示了基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘算法在實驗數(shù)據(jù)集上優(yōu)異的性能。

    4.3 與K-Means算法對比分析

    本節(jié)的實驗?zāi)康氖窃谡鎸崝?shù)據(jù)集上與傳統(tǒng)聚類方法K-Means算法進行性能比較,與4.2節(jié)相同,數(shù)據(jù)集同樣采用兩個時間區(qū)間的樣本數(shù)據(jù),且在不同的聚簇數(shù)k(k=4,6,8)的情況下,比較Silhouette值以及聚類準確率ρ。圖3為K-Means算法的Sil_ houette值實驗結(jié)果,K-Means算法的聚類準確率實驗結(jié)果見表1。

    圖3 K-Means算法性能(Silhouette值)Fig.3 Performance of K-Means(Silhouette value)

    圖3 (a)~(c)和圖3(d)~(f)分別為K-Means算法在時間區(qū)間t1和t2內(nèi)不同聚簇數(shù)k對應(yīng)的Silhouette值。隨著k值的變化,Silhouette值的變化趨勢與本文算法的變化趨勢基本相同。不同在于,與本文算法的實驗結(jié)果相比,對于相同數(shù)據(jù)集和相同k值,K-Means算法的Silhouette值輪廓線整齊度下降不少。結(jié)合表1兩種算法的聚類準確率性能結(jié)果來看,本文算法的聚類性能要優(yōu)于K-Means算法,提升幅度在10個百分點左右。上述實驗結(jié)果的原因在于當(dāng)樣本數(shù)據(jù)的維數(shù)升高時(本文數(shù)據(jù)集的維數(shù)為20),K-Means算法難以適應(yīng)數(shù)據(jù)空間非凸分布的情況,而譜聚類仍然能在此種情況下獲得全局最優(yōu)的效果。

    5 結(jié)束語

    本文利用手機用戶地理空間分布數(shù)據(jù)來挖掘用戶關(guān)聯(lián)關(guān)系,提出的基于譜聚類的關(guān)聯(lián)關(guān)系挖掘算法在實驗數(shù)據(jù)集上能夠取得90%以上的聚類準確率,與傳統(tǒng)K-Means方法相比,用戶關(guān)系挖掘性能更優(yōu)。實驗結(jié)果表明了利用用戶空間分布數(shù)據(jù)挖掘用戶關(guān)系的可行性,與已有文獻相比,本文提出的算法進一步挖掘了由用戶關(guān)聯(lián)關(guān)系形成的用戶社團。本文研究成果可應(yīng)用于電商用戶推薦、反恐維穩(wěn)等領(lǐng)域,具有較高的實用價值。同時,該算法針對多用戶多維數(shù)據(jù)集,在用戶聚類方面具有普適意義,特別是對于高維分布數(shù)據(jù)集,能夠在數(shù)據(jù)空間非凸分布的情況有效收斂于全局最優(yōu)。由于實驗數(shù)據(jù)集涉及的用戶規(guī)模有限,本文未考慮用戶規(guī)模增長對算法運行效率的影響,這將是下一步研究的內(nèi)容。

    [1] GUAN T,WANG K R,ZHANG S P.A robust PeriodicitY mining method from incomPlete and noisY observations based on relative entroPY[J].International Journal of Ma_ chine Learning and CYbernetics,2015,6(2):1-11.

    [2] GOEL A,MALLICK B.Customer Purchasing behavior using sequential Pattern mining technique[J].International Jour_ nal of ComPuter APPlications,2015,119(1):1-5.

    [3] SINATRA R,SZELL M.EntroPY and the PredictabilitY of online life[J].EntroPY,2014,16(1):543-556.

    [4] PHITHAKKITNUKOON S,HUSNA H,DANTU R.Be_ havioral entroPY of a cellular Phone user[M]//Social ComPuting,Behavioral Modeling,and Prediction.NeW York:SPringer,2008:160-167.

    [5] CRANDALL D J,BACKSTROM L,COSLEY D,et al.In_ ferring social ties from geograPhic coincidences[J].Pro_ ceedings of the National AcademY of Sciences,2010,107(52):22436-22441.

    [6] EAGLE N,PENTLAND A S,LAZER D.Inferring friend_ shiP netWork structure bY using mobile Phone data[J]. Proceedings of the National AcademY of Sciences,2009,106(36):15274-15278.

    [7] TARTARE G,HAMAD D,AZAHAF M,et al.SPectral clustering aPPlied for dYnamic contrast-enhanced MR a_ nalYsis of time-intensitY curves[J].ComPuterized Medi_ cal Imaging and GraPhics,2014,38(8):702-713.

    [8] SáNCHEZ-GARCíA R J,F(xiàn)ENNELLY M,NORRIS S,et al. Hierarchical sPectral clustering of PoWer grids[J].IEEE Transactions on PoWer SYstems,2014,29(5):2229-2237.

    [9] LUXBURG U.A tutorial on sPectral clustering[J].Sta_ tistics and ComPuting,2007,17(4):395-416.

    [10] AMORIM R C,HENNIG C.Recovering the number of clusters in data sets With noise features using feature res_ caling factors[J].Information Sciences,2015,324(12):126-145.

    王永程(1987—),男,山西介休人,2009年于清華大學(xué)獲學(xué)士學(xué)位,2012年于盲信號處理重點實驗室獲碩士學(xué)位,現(xiàn)為博士研究生,主要研究方向為數(shù)據(jù)挖掘、網(wǎng)絡(luò)測量;

    WANG Yongcheng Was born in Jiexiu,Shanxi Province,in 1987.He received the B.S. degree from Tsinghua UniversitY and the M.S. degree from KeY LaboratorY of Science and TechnologY on Blind Signal Processing in 2009 and 2012,resPectivelY.He is current_ lY Working toWard the Ph.D.degree.His research concerns data minning and netWork measurement.

    Email:407541127@qq.com

    褚衍杰(1982—),男,山東棗莊人,2005年于清華大學(xué)獲學(xué)士學(xué)位,2008年于盲信號處理重點實驗室獲碩士學(xué)位,現(xiàn)為博士研究生,主要研究方向為信息處理。

    CHU Yanjie Was born in Zaozhuang,Shandong Province,in 1982.He received the B.S.degree from Tsinghua UniversitY and the M.S.degree from KeY LaboratorY of Science and Tech_ nologY on Blind Signal Processing in 2005 and 2008,resPective_ lY.He is currentlY Working toWard the Ph.D.degree.His re_ search concerns information Processing.

    User Association Mining Based on Spectral Clustering

    WANG Yongcheng,CHU Yanjie
    (National KeY LaboratorY of Science and TechnologY on Blind Signal Processing,Chengdu 610041,China)

    For mining association relationshiP from user's geograPhical sPatial distribution data,a neW meth_ od based on sPectral clustering is ProPosed.FirstlY,the correlation degree is defined,Which is used to measure the similaritY of sPatial distribution of users,and then the similaritY matrix is constructed.Cluste_ ring analYsis is conducted bY using sPectral clustering method,and the relationshiP betWeen users is charac_ terized bY clustering results.The Silhouette index and clustering accuracY are used to measure the qualitY of user relationshiP mining,meanWhile the traditional K-Means method is comPared With the ProPosed algo_ rithm.ExPeriments on real data set shoW that the algorithm can achieve more than 90%of the clustering accuracY,indicating that the method is effective and feasible.

    user behavior analYsis;user association mining;sPectral clustering;correlation degree;K-Means

    TP393

    A

    1001-893X(2016)01-0032-06

    10.3969/j.issn.1001-893x.2016.01.006

    王永程,褚衍杰.基于譜聚類的用戶關(guān)聯(lián)關(guān)系挖掘[J].電訊技術(shù),2016,56(1):32-37.[WANG Yongcheng,CHU Yanjie.User associa_ tion mining based on sPectral clustering[J].Telecommunication Engineering,2016,56(1):32-37.]

    2015-10-22;

    2015-12-29 Received date:2015-10-22;Revised date:2015-12-29

    **通信作者:407541127@qq.com Corresponding author:407541127@qq.com

    猜你喜歡
    關(guān)聯(lián)用戶實驗
    記一次有趣的實驗
    “苦”的關(guān)聯(lián)
    做個怪怪長實驗
    奇趣搭配
    智趣
    讀者(2017年5期)2017-02-15 18:04:18
    關(guān)注用戶
    商用汽車(2016年11期)2016-12-19 01:20:16
    NO與NO2相互轉(zhuǎn)化實驗的改進
    實踐十號上的19項實驗
    太空探索(2016年5期)2016-07-12 15:17:55
    關(guān)注用戶
    商用汽車(2016年6期)2016-06-29 09:18:54
    關(guān)注用戶
    商用汽車(2016年4期)2016-05-09 01:23:12
    伦理电影免费视频| 国产免费av片在线观看野外av| 亚洲精品美女久久av网站| 啪啪无遮挡十八禁网站| 在线av久久热| 啦啦啦在线免费观看视频4| 国产亚洲av高清不卡| 国产xxxxx性猛交| 90打野战视频偷拍视频| 99香蕉大伊视频| 国产在线精品亚洲第一网站| 日本黄色视频三级网站网址 | 午夜福利在线免费观看网站| 人人妻人人澡人人看| 怎么达到女性高潮| 亚洲国产成人一精品久久久| 国产亚洲欧美在线一区二区| 国产国语露脸激情在线看| 黄色怎么调成土黄色| 麻豆乱淫一区二区| 99国产精品免费福利视频| 欧美精品一区二区大全| 国产男女内射视频| 色老头精品视频在线观看| 在线观看人妻少妇| 免费观看人在逋| 99久久国产精品久久久| 亚洲国产欧美在线一区| 99热网站在线观看| 搡老岳熟女国产| 国产野战对白在线观看| 欧美激情高清一区二区三区| 婷婷丁香在线五月| 国产老妇伦熟女老妇高清| 一个人免费看片子| 国产有黄有色有爽视频| 国产亚洲欧美精品永久| 成年人午夜在线观看视频| 免费黄频网站在线观看国产| 大型av网站在线播放| 亚洲国产欧美在线一区| 亚洲五月色婷婷综合| 人妻 亚洲 视频| 精品福利永久在线观看| 大片电影免费在线观看免费| 国产老妇伦熟女老妇高清| 美女午夜性视频免费| 天堂中文最新版在线下载| 国产单亲对白刺激| 我要看黄色一级片免费的| 老熟女久久久| 亚洲人成77777在线视频| 一区二区av电影网| 久久精品国产综合久久久| 国产深夜福利视频在线观看| 久久国产精品大桥未久av| 国产麻豆69| 精品卡一卡二卡四卡免费| 大型黄色视频在线免费观看| 久久中文字幕人妻熟女| 大码成人一级视频| 欧美精品啪啪一区二区三区| 在线永久观看黄色视频| 视频在线观看一区二区三区| 亚洲欧美日韩高清在线视频 | 欧美日韩成人在线一区二区| 亚洲色图综合在线观看| 日韩制服丝袜自拍偷拍| 久久人妻熟女aⅴ| 久久久久视频综合| 变态另类成人亚洲欧美熟女 | 国产1区2区3区精品| 久久久久久人人人人人| 极品教师在线免费播放| 国产单亲对白刺激| 少妇 在线观看| 亚洲视频免费观看视频| 国产av又大| 久久青草综合色| 999久久久精品免费观看国产| 一本一本久久a久久精品综合妖精| 精品国产国语对白av| 精品亚洲成a人片在线观看| 日韩欧美免费精品| 男女高潮啪啪啪动态图| 老汉色∧v一级毛片| 黄色视频不卡| 三级毛片av免费| 欧美日韩国产mv在线观看视频| 十八禁高潮呻吟视频| 香蕉丝袜av| 亚洲国产欧美在线一区| 一级黄色大片毛片| 亚洲中文av在线| 精品一区二区三区四区五区乱码| 高清欧美精品videossex| 精品国产一区二区三区四区第35| 丝袜人妻中文字幕| 黄色毛片三级朝国网站| 日本欧美视频一区| 久久久久国内视频| 日日摸夜夜添夜夜添小说| 天堂俺去俺来也www色官网| 亚洲男人天堂网一区| 国产熟女午夜一区二区三区| 色播在线永久视频| 精品一品国产午夜福利视频| 久9热在线精品视频| 国产成人精品久久二区二区免费| 国产不卡一卡二| 亚洲国产欧美一区二区综合| 久久99热这里只频精品6学生| 中文字幕制服av| 亚洲人成77777在线视频| 首页视频小说图片口味搜索| 国产精品免费视频内射| 亚洲av日韩精品久久久久久密| 精品久久久久久电影网| 欧美日韩精品网址| 国产三级黄色录像| 国产激情久久老熟女| 国产亚洲av高清不卡| 男女床上黄色一级片免费看| 日本wwww免费看| 老司机深夜福利视频在线观看| 精品视频人人做人人爽| 99香蕉大伊视频| 女人爽到高潮嗷嗷叫在线视频| 欧美av亚洲av综合av国产av| 最新的欧美精品一区二区| av一本久久久久| 精品少妇内射三级| 国产真人三级小视频在线观看| 久久精品人人爽人人爽视色| bbb黄色大片| 无限看片的www在线观看| avwww免费| 黄片大片在线免费观看| 91精品国产国语对白视频| 亚洲精品在线观看二区| 黄色视频不卡| 国产免费福利视频在线观看| 久久久欧美国产精品| 久久精品人人爽人人爽视色| 两性夫妻黄色片| 国产精品 欧美亚洲| 亚洲午夜精品一区,二区,三区| 日韩欧美一区视频在线观看| 99riav亚洲国产免费| 久久人妻av系列| 亚洲熟女毛片儿| 另类亚洲欧美激情| 日韩大码丰满熟妇| 国产高清国产精品国产三级| 国产亚洲欧美精品永久| 香蕉久久夜色| 国产深夜福利视频在线观看| 中文字幕人妻丝袜制服| 首页视频小说图片口味搜索| 一本久久精品| 久久婷婷成人综合色麻豆| 亚洲第一青青草原| 国产成人精品久久二区二区91| 国产成人av教育| 亚洲伊人久久精品综合| 桃花免费在线播放| 国产精品一区二区免费欧美| 成年人午夜在线观看视频| 免费看a级黄色片| 精品国产一区二区三区久久久樱花| 69精品国产乱码久久久| av天堂久久9| 欧美日韩av久久| 午夜福利一区二区在线看| 欧美精品人与动牲交sv欧美| 人妻久久中文字幕网| 久久国产亚洲av麻豆专区| 人人妻,人人澡人人爽秒播| 亚洲精品中文字幕一二三四区 | 女人爽到高潮嗷嗷叫在线视频| 黄网站色视频无遮挡免费观看| 国产高清激情床上av| 丝袜人妻中文字幕| 国产在线精品亚洲第一网站| 国产欧美日韩一区二区三区在线| 亚洲精品国产精品久久久不卡| 视频区图区小说| 亚洲国产欧美在线一区| 久久久久网色| 天天躁狠狠躁夜夜躁狠狠躁| 男女之事视频高清在线观看| 91麻豆av在线| www日本在线高清视频| 麻豆乱淫一区二区| 少妇被粗大的猛进出69影院| 国产黄色免费在线视频| 精品第一国产精品| 欧美+亚洲+日韩+国产| 午夜福利在线免费观看网站| 自拍欧美九色日韩亚洲蝌蚪91| 欧美日韩av久久| 午夜福利,免费看| 别揉我奶头~嗯~啊~动态视频| 日日夜夜操网爽| 久久精品国产a三级三级三级| 色94色欧美一区二区| av有码第一页| 日韩一卡2卡3卡4卡2021年| 老司机深夜福利视频在线观看| 男女无遮挡免费网站观看| 日韩欧美免费精品| 国产片内射在线| 午夜两性在线视频| 国产欧美亚洲国产| 黄色片一级片一级黄色片| 999久久久国产精品视频| 一个人免费看片子| 80岁老熟妇乱子伦牲交| 亚洲一区二区三区欧美精品| 日本av手机在线免费观看| 精品国产超薄肉色丝袜足j| 国产三级黄色录像| 久久久久久亚洲精品国产蜜桃av| 高清欧美精品videossex| 日本欧美视频一区| 男女下面插进去视频免费观看| 国产激情久久老熟女| 国精品久久久久久国模美| 少妇粗大呻吟视频| 大香蕉久久网| 免费不卡黄色视频| av不卡在线播放| 午夜福利一区二区在线看| 69av精品久久久久久 | www.自偷自拍.com| 日韩欧美免费精品| 亚洲综合色网址| av免费在线观看网站| 宅男免费午夜| 免费观看a级毛片全部| 丝袜美足系列| 欧美av亚洲av综合av国产av| 精品福利永久在线观看| 制服人妻中文乱码| 亚洲色图 男人天堂 中文字幕| 国产日韩欧美在线精品| 99香蕉大伊视频| 欧美精品亚洲一区二区| 国产免费现黄频在线看| 两个人看的免费小视频| 80岁老熟妇乱子伦牲交| 自拍欧美九色日韩亚洲蝌蚪91| 午夜精品国产一区二区电影| 日韩大码丰满熟妇| 亚洲专区字幕在线| 女人久久www免费人成看片| 大片电影免费在线观看免费| 日韩成人在线观看一区二区三区| 女警被强在线播放| 999精品在线视频| 亚洲av欧美aⅴ国产| 9191精品国产免费久久| 精品乱码久久久久久99久播| 亚洲第一欧美日韩一区二区三区 | 美女高潮到喷水免费观看| 国产精品 欧美亚洲| 男女午夜视频在线观看| 亚洲国产av影院在线观看| 精品一区二区三区视频在线观看免费 | 成人影院久久| 欧美黑人精品巨大| 2018国产大陆天天弄谢| 在线观看一区二区三区激情| 午夜老司机福利片| 999久久久国产精品视频| a在线观看视频网站| 99国产精品一区二区三区| 欧美激情极品国产一区二区三区| 正在播放国产对白刺激| 一区二区日韩欧美中文字幕| av网站在线播放免费| 午夜免费成人在线视频| 热99re8久久精品国产| 在线观看www视频免费| 欧美精品一区二区大全| 超碰成人久久| 国产伦人伦偷精品视频| 一区二区三区乱码不卡18| 99国产精品免费福利视频| 男女高潮啪啪啪动态图| 两个人免费观看高清视频| 国产单亲对白刺激| 久久久国产欧美日韩av| 国产成人免费观看mmmm| 97在线人人人人妻| 欧美人与性动交α欧美精品济南到| 久热爱精品视频在线9| 91av网站免费观看| 成人永久免费在线观看视频 | 欧美 亚洲 国产 日韩一| 亚洲中文av在线| 国产在线精品亚洲第一网站| 亚洲,欧美精品.| 老司机福利观看| 国产男靠女视频免费网站| 99香蕉大伊视频| 日本黄色视频三级网站网址 | 男女高潮啪啪啪动态图| 精品人妻在线不人妻| 亚洲精品乱久久久久久| 国产日韩欧美亚洲二区| 两人在一起打扑克的视频| 日韩免费av在线播放| 国产黄频视频在线观看| 建设人人有责人人尽责人人享有的| 国产福利在线免费观看视频| 欧美激情久久久久久爽电影 | 少妇 在线观看| 最近最新中文字幕大全免费视频| 两性午夜刺激爽爽歪歪视频在线观看 | 老熟女久久久| 国产一区二区在线观看av| 在线亚洲精品国产二区图片欧美| 欧美日韩视频精品一区| 欧美日韩黄片免| a在线观看视频网站| 国产精品98久久久久久宅男小说| 久久免费观看电影| 国产精品久久久久久精品电影小说| 肉色欧美久久久久久久蜜桃| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲精品国产区一区二| 宅男免费午夜| 亚洲一卡2卡3卡4卡5卡精品中文| 久久人人爽av亚洲精品天堂| 少妇 在线观看| 久久精品熟女亚洲av麻豆精品| 18禁美女被吸乳视频| 国产亚洲欧美精品永久| 777久久人妻少妇嫩草av网站| 在线永久观看黄色视频| 超色免费av| 99精品在免费线老司机午夜| 黑人巨大精品欧美一区二区蜜桃| 99国产综合亚洲精品| 亚洲第一欧美日韩一区二区三区 | 国产高清激情床上av| 久9热在线精品视频| 丰满饥渴人妻一区二区三| 国产精品 国内视频| 激情在线观看视频在线高清 | av网站在线播放免费| 欧美精品高潮呻吟av久久| 两人在一起打扑克的视频| 乱人伦中国视频| 国产精品美女特级片免费视频播放器 | 麻豆av在线久日| 曰老女人黄片| 中国美女看黄片| 国产精品99久久99久久久不卡| 交换朋友夫妻互换小说| 在线观看66精品国产| 中亚洲国语对白在线视频| 五月天丁香电影| 亚洲国产精品一区二区三区在线| 亚洲色图av天堂| 大型av网站在线播放| 女性被躁到高潮视频| 51午夜福利影视在线观看| 一本综合久久免费| 黄频高清免费视频| 成年人午夜在线观看视频| 大型av网站在线播放| 成年人午夜在线观看视频| 国产成人精品无人区| 日韩免费高清中文字幕av| 俄罗斯特黄特色一大片| 中文字幕精品免费在线观看视频| 99国产精品一区二区蜜桃av | 一区二区日韩欧美中文字幕| 成人影院久久| 天堂动漫精品| 美女福利国产在线| 国产男女超爽视频在线观看| 中文字幕精品免费在线观看视频| 大型av网站在线播放| 9热在线视频观看99| 69av精品久久久久久 | 中文字幕人妻熟女乱码| 亚洲 国产 在线| 国产成人av教育| 精品亚洲乱码少妇综合久久| 成人国语在线视频| avwww免费| 丰满人妻熟妇乱又伦精品不卡| 他把我摸到了高潮在线观看 | 天天添夜夜摸| 老司机亚洲免费影院| 亚洲七黄色美女视频| 曰老女人黄片| 在线永久观看黄色视频| 黑人欧美特级aaaaaa片| 国产午夜精品久久久久久| 99国产精品99久久久久| 免费观看人在逋| 女性被躁到高潮视频| 久久亚洲真实| 久久久久久免费高清国产稀缺| 欧美成狂野欧美在线观看| 999久久久精品免费观看国产| 69精品国产乱码久久久| 97在线人人人人妻| 人妻久久中文字幕网| 久热这里只有精品99| 伦理电影免费视频| 十八禁网站网址无遮挡| 精品国产国语对白av| 狠狠婷婷综合久久久久久88av| 欧美国产精品va在线观看不卡| 国产成人精品无人区| 一级a爱视频在线免费观看| 啪啪无遮挡十八禁网站| 久久久精品区二区三区| 操出白浆在线播放| 自线自在国产av| 国产区一区二久久| 亚洲第一av免费看| 黑人猛操日本美女一级片| 久久中文看片网| 精品国内亚洲2022精品成人 | 国产精品 国内视频| 亚洲熟女毛片儿| 男人操女人黄网站| 亚洲 国产 在线| 日韩大片免费观看网站| 亚洲第一av免费看| 成人18禁在线播放| 深夜精品福利| 99国产精品99久久久久| 久久人妻福利社区极品人妻图片| 不卡av一区二区三区| 交换朋友夫妻互换小说| 日韩一区二区三区影片| 如日韩欧美国产精品一区二区三区| 久久久久久久国产电影| 操美女的视频在线观看| 精品国产一区二区三区四区第35| 久久久精品94久久精品| 亚洲,欧美精品.| 一级毛片精品| 国内毛片毛片毛片毛片毛片| 国产精品久久久久久精品电影小说| 最新的欧美精品一区二区| 少妇粗大呻吟视频| 免费不卡黄色视频| 国产又色又爽无遮挡免费看| 99九九在线精品视频| 天天添夜夜摸| 老熟妇乱子伦视频在线观看| 免费看十八禁软件| 18禁观看日本| 午夜激情久久久久久久| 男女床上黄色一级片免费看| 亚洲欧美一区二区三区久久| 欧美精品人与动牲交sv欧美| 热re99久久精品国产66热6| 99热国产这里只有精品6| 亚洲美女黄片视频| 国产片内射在线| 国产欧美亚洲国产| 热99国产精品久久久久久7| 最近最新免费中文字幕在线| 欧美 日韩 精品 国产| av片东京热男人的天堂| 午夜福利一区二区在线看| 一级毛片女人18水好多| 久久中文字幕一级| 在线观看免费视频日本深夜| 欧美日韩福利视频一区二区| 国产xxxxx性猛交| 久久人妻av系列| 90打野战视频偷拍视频| 亚洲色图av天堂| 久9热在线精品视频| 午夜福利视频在线观看免费| 丰满人妻熟妇乱又伦精品不卡| 成年人免费黄色播放视频| 午夜福利影视在线免费观看| 99riav亚洲国产免费| 自线自在国产av| 2018国产大陆天天弄谢| 在线天堂中文资源库| 欧美 亚洲 国产 日韩一| 十八禁人妻一区二区| 大型黄色视频在线免费观看| 亚洲精品国产一区二区精华液| 中文字幕人妻丝袜一区二区| 一区二区三区乱码不卡18| 久久精品91无色码中文字幕| 老熟妇仑乱视频hdxx| 91麻豆av在线| 久久久久精品人妻al黑| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲精品一二三| 亚洲成人手机| 麻豆av在线久日| 91字幕亚洲| 国产精品免费大片| 美女高潮到喷水免费观看| 一本久久精品| 亚洲精品中文字幕一二三四区 | 久久精品国产亚洲av高清一级| 午夜免费鲁丝| 91精品三级在线观看| 久久国产精品人妻蜜桃| 欧美老熟妇乱子伦牲交| 亚洲国产欧美网| 久久天躁狠狠躁夜夜2o2o| 国产欧美日韩一区二区三区在线| 熟女少妇亚洲综合色aaa.| 亚洲精品美女久久av网站| 在线十欧美十亚洲十日本专区| 成人手机av| 色在线成人网| 黄色a级毛片大全视频| 国产伦人伦偷精品视频| 欧美日韩黄片免| 久久精品国产99精品国产亚洲性色 | 久久久久国内视频| 精品亚洲乱码少妇综合久久| 搡老乐熟女国产| 亚洲性夜色夜夜综合| 亚洲欧美日韩另类电影网站| 99久久精品国产亚洲精品| 国产一卡二卡三卡精品| av电影中文网址| 久久性视频一级片| 精品亚洲乱码少妇综合久久| 国产精品一区二区在线不卡| 黑丝袜美女国产一区| 精品少妇一区二区三区视频日本电影| 日韩一卡2卡3卡4卡2021年| 亚洲视频免费观看视频| 国产亚洲精品一区二区www | 91大片在线观看| 大陆偷拍与自拍| 日韩一区二区三区影片| 一本—道久久a久久精品蜜桃钙片| 18禁国产床啪视频网站| 午夜福利影视在线免费观看| 欧美成狂野欧美在线观看| 日本欧美视频一区| 国精品久久久久久国模美| 亚洲av欧美aⅴ国产| 自线自在国产av| 亚洲精品国产色婷婷电影| 大陆偷拍与自拍| 精品国产亚洲在线| 精品午夜福利视频在线观看一区 | 成人18禁高潮啪啪吃奶动态图| 香蕉丝袜av| 欧美亚洲日本最大视频资源| 亚洲精品国产一区二区精华液| 国产亚洲欧美在线一区二区| 麻豆成人av在线观看| 桃花免费在线播放| 亚洲精品美女久久久久99蜜臀| 欧美精品啪啪一区二区三区| 日本一区二区免费在线视频| 久久天堂一区二区三区四区| 一本大道久久a久久精品| 亚洲色图 男人天堂 中文字幕| 午夜福利欧美成人| 免费一级毛片在线播放高清视频 | 黑人巨大精品欧美一区二区蜜桃| 国产高清国产精品国产三级| 免费女性裸体啪啪无遮挡网站| 悠悠久久av| 一级毛片电影观看| 国产一区二区三区在线臀色熟女 | 国产精品98久久久久久宅男小说| 日本撒尿小便嘘嘘汇集6| 欧美黑人欧美精品刺激| 757午夜福利合集在线观看| 日韩有码中文字幕| 久久国产精品男人的天堂亚洲| 久久 成人 亚洲| 免费看十八禁软件| 亚洲欧美色中文字幕在线| 丁香六月欧美| 99riav亚洲国产免费| 国产日韩欧美在线精品| 午夜福利视频精品| 一边摸一边抽搐一进一小说 | 99国产精品一区二区蜜桃av | 免费观看人在逋| 欧美日韩亚洲高清精品| www.熟女人妻精品国产| 99国产综合亚洲精品| 超碰97精品在线观看| 高清av免费在线| 黑丝袜美女国产一区| 蜜桃国产av成人99| svipshipincom国产片| 黄色视频,在线免费观看| 亚洲精品国产区一区二| svipshipincom国产片| 狠狠婷婷综合久久久久久88av| 两人在一起打扑克的视频| 欧美日本中文国产一区发布| 在线 av 中文字幕| 精品久久久久久电影网| 精品人妻熟女毛片av久久网站| 一二三四在线观看免费中文在| 国产单亲对白刺激|