• <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 ?

    基于改進(jìn)的K-means聚類方法的多站數(shù)據(jù)關(guān)聯(lián)異常檢測

    2016-12-12 07:34:22邵開霞陳淡泊周曉峰
    微型電腦應(yīng)用 2016年11期
    關(guān)鍵詞:時序特征提取水文

    邵開霞,陳淡泊,周曉峰

    基于改進(jìn)的K-means聚類方法的多站數(shù)據(jù)關(guān)聯(lián)異常檢測

    邵開霞,陳淡泊,周曉峰

    在傳統(tǒng)的水文時序數(shù)據(jù)研究中,我們通常只關(guān)注單個測點(diǎn)的時序數(shù)據(jù),這不僅造成數(shù)據(jù)大量的冗余,還大大增加了工作的繁瑣度。本文針對時間序列數(shù)據(jù)聚類的統(tǒng)計特征和結(jié)構(gòu)特征,基于滑動窗口特征提取算法提出了改進(jìn)的K-means聚類方法,來探求水文時間序列數(shù)據(jù)是否在空間上存在某種關(guān)聯(lián),并在此基礎(chǔ)上對多水文站數(shù)據(jù)進(jìn)行關(guān)聯(lián)異常檢測。

    特征提?。籏-means聚類方法;異常檢測

    0 引言

    時間序列是一類重要的數(shù)據(jù)對象,在經(jīng)濟(jì)、氣象、醫(yī)療等領(lǐng)域都普遍存在,它們具有數(shù)據(jù)量大、維數(shù)高、更新速度快等特點(diǎn)。近年來許多學(xué)者在時間序列的挖掘方面做很多工作,相關(guān)的研究主要集中在時間序列分割、序列聚類和分類、相似查詢、模式發(fā)現(xiàn)等研究方向。所謂的時間序列就是一系列按照時間先后順序記錄的各個觀測值。相對正常時間序列數(shù)據(jù)而言,盡管異常數(shù)據(jù)數(shù)量很少,然而這并不代表異常數(shù)據(jù)不重要,相反,這些少數(shù)的異常數(shù)據(jù)卻可能隱藏著重要的信息。

    聚類分析是將樣本分配到不同類的過程,K-means方法是一種最經(jīng)典的聚類分析方法,應(yīng)用也是最為廣泛的聚類方法,該方法以各類樣本的質(zhì)心代表該類不斷迭代,只適用于數(shù)字屬性數(shù)據(jù)的聚類,對超球形和凸形數(shù)據(jù)有很好的聚類效果。由于傳統(tǒng)的K-means算法需要自己指定K值大小,存在著過分依賴經(jīng)驗(yàn)和遍歷嘗試的缺點(diǎn),本文引入了 AIC準(zhǔn)則(Akaike information criterion)對數(shù)據(jù)集進(jìn)行先驗(yàn)測試,得出可以知道K值設(shè)定的結(jié)果。

    1 特征提取

    本文引用基于滑動窗口的特征提取算法,它是一種詞匯重組方法,通過設(shè)定一定大小的滑動窗口。該方法的定義如下:給定時間長度為 n的時間序列其中點(diǎn)為時刻的實(shí)際觀測。此時,建立固定大小的滑窗模型對上述時間序列進(jìn)行處理:定義窗口寬度為m(m遠(yuǎn)小于n)。從第一個數(shù)據(jù)開始將序列依次放入滑窗中,通過滑窗的覆蓋來截取長度為 m的原序列數(shù)據(jù),每次向右滑動一個節(jié)點(diǎn)以拋棄最先進(jìn)入滑窗的數(shù)據(jù),同時加入最右數(shù)據(jù)以更新滑窗內(nèi)容,如此循環(huán)往復(fù)直到所有的數(shù)據(jù)都通過滑窗方法完成分割。

    本文通過實(shí)驗(yàn)選取合適的窗口寬度,并結(jié)合領(lǐng)域規(guī)范或行業(yè)標(biāo)準(zhǔn)所規(guī)定的置信度要求來計算檢測所需要的閾值。在此,我們假設(shè)滑動窗口分割后的子序列為:S1={(s1,t1),(s2,t2),(s3,t3),……,(sm,tm)}以此為例,首先對子序列的均值和方差兩大統(tǒng)計特征進(jìn)行介紹。因?yàn)殡m然水文數(shù)據(jù)是離散的,但是它在時間維度上存在一定的延續(xù)性。子序列的平均值計算如式(1):

    方差表示數(shù)據(jù)集的離散化程度。如果兩個子序列的波動程度差異很大,很顯然我們很難將它們聚類到一起。子序列的方差計算如式(2):

    斜率是子序列的結(jié)構(gòu)特征,是表征數(shù)據(jù)變化快慢的量,當(dāng)平緩的數(shù)據(jù)里突然出現(xiàn)急劇波動的子序列時,我們便有充分的理由相信有某種原因或機(jī)制導(dǎo)致了該異常的出現(xiàn)。所以以計算斜率的方法來表征子序列的特征是合理的。斜率的計算如式(3):

    2 算法改進(jìn)

    2.1 改進(jìn)的K-means聚類方法

    與傳統(tǒng)的靜態(tài)數(shù)據(jù)相比,時間序列數(shù)據(jù)擁有更為大量、更為復(fù)雜、維度更高等特性。而在水文時間序列數(shù)據(jù)中這些特性尤為突出。通常我們采用以下兩種方式來處理時間序列數(shù)據(jù)的聚類問題:一是通過改進(jìn)傳統(tǒng)得聚類算法,使之能夠有效應(yīng)對時序數(shù)據(jù)的復(fù)雜性;二是通加工處理時間序列數(shù)據(jù),使之成為相似于靜態(tài)數(shù)據(jù)的數(shù)據(jù)集。其實(shí)這兩者的本質(zhì)是相通的。

    針對傳統(tǒng)聚類算法存在的問題,本文提出了針對時間序列數(shù)據(jù)的改進(jìn)的K-means聚類算法。其主要是基于時間序列數(shù)據(jù)集的結(jié)構(gòu)特征相似性對比提出的。該方法的算法流程如圖1所示:

    圖1 改進(jìn)的K-means聚類算法流程圖

    本文通過提取數(shù)據(jù)集的統(tǒng)計特征結(jié)構(gòu)特征,進(jìn)一步對被滑動窗口分割后的子序列進(jìn)行降維處理。為了能將提取出的特征值構(gòu)造成三維的向量,我們將傳統(tǒng)的K-means聚類方法拓展到三維空間中來對時序數(shù)據(jù)進(jìn)行聚類。

    針對傳統(tǒng)的K-means方法需要自己指定k值的缺點(diǎn),本文還引入了AIC準(zhǔn)則對數(shù)據(jù)進(jìn)行檢驗(yàn)測試,得出k值的大小。AIC準(zhǔn)則是衡量統(tǒng)計模型擬合優(yōu)良性的一種標(biāo)準(zhǔn),它建立在熵的概念基礎(chǔ)上,可以權(quán)衡所估計模型的復(fù)雜度和此模型擬合數(shù)據(jù)的優(yōu)良性。其偽代碼如下:

    我們結(jié)合經(jīng)典K-means聚類算法,在獲得了被滑動窗口分割后的子序列進(jìn)行降維處理后的數(shù)據(jù)集后,形成了針對時序數(shù)據(jù)的改進(jìn)后的K-means聚類方法。本文得到的降維處理后的數(shù)據(jù)集,每個均為三維向量,在給定K值(K<n)的條件下,我們將原數(shù)據(jù)分成K類,即,然后求出子集中心的最小值如式(4):

    本文提出的改進(jìn)方法依然沿用基于劃分的主要思想,將特征提取降維的數(shù)據(jù)指定到k個相互排斥的子集中。與層次聚類不同,本文提出的方法更能夠適應(yīng)時間序列這種數(shù)據(jù)量比較大的數(shù)據(jù)集,而且其直接對實(shí)際觀測對象進(jìn)行操作,而不是對對象間距離集進(jìn)行操作。

    2.2 算法分析

    該算法的時間復(fù)雜度主要是方差、均值、斜率的運(yùn)算。除去為時序數(shù)據(jù)進(jìn)行降維準(zhǔn)備的先行算法,K-means算法本身操作的復(fù)雜度為O(nkt),n為數(shù)據(jù)集中對象的數(shù)量。k為通過 AIC準(zhǔn)則計算聚類的簇數(shù)的算法迭代次數(shù),最后通過回溯算法定位原時間序列數(shù)據(jù)的異常,較為容易操作。對于時間序列數(shù)據(jù)來說,可靠的降維方式能夠一定程度上保留其數(shù)據(jù)原來的復(fù)雜特征的同時降低計算的時空成本。

    3 基于特征提取的聚類異常檢測方法

    由于水文時序數(shù)據(jù)具有綿延性質(zhì)與隨機(jī)性質(zhì)兩大特性,使得水文數(shù)據(jù)的聚類簇結(jié)合相對而言較為緊密;現(xiàn)假設(shè)我們對兩個站點(diǎn)的水文時序數(shù)據(jù)進(jìn)行關(guān)聯(lián)異常檢測,給定時間序列數(shù)據(jù)如下:

    M站點(diǎn)水文時序數(shù)據(jù)集:

    為該站的n個數(shù)據(jù)簇。

    N站點(diǎn)水文時序數(shù)據(jù)集:

    M、N站點(diǎn)數(shù)據(jù)經(jīng)過改進(jìn)的K-means算法聚類后,得出其具體的簇分布,在此,我們?yōu)榉奖阌懻?,假設(shè)M站聚類結(jié)果為兩個個簇:N站的聚類結(jié)果為假設(shè)的分布位置于位置相似;與位置相似。當(dāng)聚類結(jié)果進(jìn)行展示時,根據(jù)中數(shù)據(jù)還原出相應(yīng)時間區(qū)間,并回溯該時間區(qū)間在簇中的位置,如果出現(xiàn)在簇中,我們能夠判斷其非異常。但是,我們并不能保證還原出的時間區(qū)間中的所有數(shù)據(jù)都恰好出現(xiàn)在簇中,所以我們有一定理由懷疑簇存在異常性。

    我們此時引入置信區(qū)間的概念:根據(jù)《水文巡測規(guī)范》,水文站數(shù)據(jù)監(jiān)測可靠度要求為 95%,如果該數(shù)據(jù)集中 95%的數(shù)據(jù)為正常數(shù)據(jù)時,則很顯然剩余5%的數(shù)據(jù)具有較為明顯的異常性。此時,如果簇數(shù)據(jù)回溯后在簇中的概率大于設(shè)定的置信度P,則我們通過判斷該簇中對象與中心對象的距離來確認(rèn)異常性,取前95%的數(shù)據(jù)為正常數(shù)據(jù),則其他簇中與簇中的數(shù)據(jù)認(rèn)定為異常;反之,我們則認(rèn)為仍有一定比例的正常數(shù)據(jù)在相近的聚類簇中。通過這樣的方法依次檢驗(yàn)兩站通過回溯后對兩站的異常檢測?;诳臻g關(guān)系上的異常檢測是相互的,所以基于M站數(shù)據(jù)對N站數(shù)據(jù)異常檢測的同時,我們也必不能忽略基于N站數(shù)據(jù)對M站數(shù)據(jù)進(jìn)行檢測的結(jié)果,進(jìn)行對比分析,得出全面合理的檢測結(jié)果。

    4 實(shí)驗(yàn)

    4.1 實(shí)驗(yàn)環(huán)境

    實(shí)驗(yàn)的環(huán)境配置如表1所示:

    表1 實(shí)驗(yàn)環(huán)境配置表

    4.2 數(shù)據(jù)預(yù)處理

    數(shù)據(jù)規(guī)范化,指將一個低一級范式的關(guān)系模式,通過分解轉(zhuǎn)換為若干個高一級范式的關(guān)系模式的集合的過程,通常我們有Max-Min歸一化和均值規(guī)范化兩種最常用的方法,考慮到均值規(guī)范化后的數(shù)值仍處于散亂狀態(tài)無法聚集在固定的區(qū)間內(nèi),為后續(xù)實(shí)驗(yàn)帶來不便,本文使用Max-Min歸一化如式(5):

    4.3 實(shí)驗(yàn)過程

    該實(shí)驗(yàn)使用某市地域相近,人工水利設(shè)施極少的M站和 N站兩水文監(jiān)測站的記錄數(shù)據(jù),適合進(jìn)行關(guān)聯(lián)分析。時間從2010年5月11號到2016年1月11號,兩站分別共計五萬余條數(shù)據(jù),采集系統(tǒng)每小時獲取一次數(shù)據(jù),期間并無遺漏如圖2、圖3所示:

    圖2 M站水位數(shù)據(jù)

    圖3 N站水位數(shù)據(jù)

    根據(jù)圖2、圖3比較,我們發(fā)現(xiàn)兩站的數(shù)據(jù)變化及其相似,但我們并不能確定兩者存在的關(guān)聯(lián)關(guān)系,

    因此,我們將對其進(jìn)行進(jìn)一步分析,判斷該兩站水文時序數(shù)據(jù)間是否存在某種關(guān)系。

    通過對兩站數(shù)據(jù)的線性相關(guān)性檢驗(yàn),我們得到兩站數(shù)據(jù)的相關(guān)性為0.898,說明兩組數(shù)據(jù)并無絕對的線性相關(guān)性。首先,我們隊(duì)原時序數(shù)據(jù)進(jìn)行Max-Min歸一化處理,得到兩站規(guī)范化后的數(shù)據(jù)集。再對兩站進(jìn)行 AIC準(zhǔn)則檢驗(yàn),通過計算驗(yàn)證,M站和N站的最佳K值均為4,對應(yīng)分別為接下來,我們使用改進(jìn)后的K-means聚類方法對兩站數(shù)據(jù)進(jìn)行聚類分析,并以圖像呈現(xiàn),M站數(shù)據(jù)聚類圖如圖4所示:

    圖4 M站數(shù)據(jù)聚類圖

    N站數(shù)據(jù)聚類圖如圖5所示:

    圖5 N站數(shù)據(jù)聚類圖

    通過觀察,我們不難發(fā)現(xiàn)兩站數(shù)據(jù)分布極其相似,但兩者的均值、方差、斜率的分布具體細(xì)節(jié)還是有很大區(qū)別,在

    此,我們考慮兩者是否存在可探究的弱關(guān)聯(lián)關(guān)系具體數(shù)據(jù)如 表1、表2所示:

    表1 M站數(shù)據(jù)特征提取數(shù)值表

    表2 N站數(shù)據(jù)特征提取數(shù)值表

    進(jìn)行聚類的數(shù)據(jù)經(jīng)過了特征提取,經(jīng)過了歸一化處理,我們難以帶著時間維度進(jìn)行精確的分析。這時候我們采用跟蹤數(shù)據(jù)的方式。降維以前的一個滑動窗口大小的子序列,我們用降維以后的一個數(shù)據(jù)點(diǎn)代表。通過還原,我們能夠很容易的得到在具體的時間點(diǎn)上降維以后的數(shù)據(jù)聚類的情況,同時對兩站數(shù)據(jù)的聚類情況進(jìn)行跟蹤處理,并加以分析。

    將M站數(shù)據(jù)集的聚類分為四個簇,橫坐標(biāo)是斜率的大小,縱坐標(biāo)為均值、方差的加權(quán)平均。很容易能看出四個簇的均值、方差和斜率的變化率都依次增大。當(dāng)M站聚類數(shù)據(jù)在第一簇時,該簇數(shù)據(jù)為[0.003,0.71;0.003,0.73;……;0.004;0.74](因數(shù)據(jù)量龐大,在此僅展示少量數(shù)據(jù))。據(jù)此,易追溯其原來降維前的時序子序列數(shù)據(jù)[7.23;7.23;7.24;……;7.26]、[7.23;7.24;7.24;……;7.26]……[8.46;8.46;8.46;……;8.72]。故而,我們可以追溯到子序列所對應(yīng)的時間,以觀察同時間段內(nèi),N站的數(shù)據(jù)經(jīng)過降維聚類以后對應(yīng)的數(shù)據(jù)簇如圖6所示:

    圖6 簇回溯可能性分析

    根據(jù)此方法,我們可以知道當(dāng)M站數(shù)據(jù)簇聚集在簇1、2、3、4時,N站數(shù)據(jù)在各個簇的情況如表3所示:

    表3 M、N站數(shù)據(jù)分布情況表

    根據(jù)《水文巡測規(guī)范》,該水文站數(shù)據(jù)監(jiān)測可靠度要求為95%,進(jìn)一步進(jìn)行異常檢測,在以上基礎(chǔ)上,我們對聚類結(jié)果進(jìn)行進(jìn)一步異常檢測。

    首先基于M站數(shù)據(jù),對N站數(shù)據(jù)進(jìn)行異常檢測,根據(jù)表3數(shù)據(jù)可知,當(dāng)置信度P為95%時,簇1中的數(shù)據(jù)為非異常數(shù)據(jù),且仍存在5.38%的數(shù)據(jù)分布在其他簇中。此時,根據(jù)改進(jìn)的K-means聚類方法衡量數(shù)據(jù)的相似度,以距離作為衡量標(biāo)準(zhǔn),我們可以認(rèn)為距離簇1的中心點(diǎn)距離最近的5.38%的數(shù)據(jù)為非異常數(shù)據(jù),其他為異常數(shù)據(jù)。在所有非異常數(shù)據(jù)確認(rèn)的基礎(chǔ)上,在M站簇1里被還原出的時間區(qū)間里,則將剩余數(shù)據(jù)判定為異常數(shù)據(jù),如圖7所示:

    圖7 N站聚類異常分析圖

    然后回溯其原時間區(qū)間所對應(yīng)的子序列的位置,并標(biāo)定為異常即紅色部分,如圖8所示:

    圖8 N站時序異常圖

    圖8N站時序異常圖通過以上方法,我們很容易得出基于M站對N站的異常檢測的其他三簇的結(jié)果,在此就不上圖說明。通過四個簇的結(jié)果發(fā)現(xiàn),當(dāng)對各個簇分別進(jìn)行聚類異常檢測時,我們能夠得到四個簇各自對應(yīng)的異常檢測結(jié)果,雖然其中有少數(shù)異常是重復(fù)出現(xiàn)的,但相當(dāng)一部分的異常是獨(dú)自出現(xiàn)的。我們將四簇異常結(jié)果疊加,很容易得到基于M站和N站基礎(chǔ)上,對N站進(jìn)行檢測的綜合聚類異常分析圖和,我們繼續(xù)將各類情況綜合疊加,就能夠得到基于M站與N站關(guān)聯(lián)關(guān)系的基礎(chǔ)上進(jìn)行異常檢測的N站的聚類異常分析結(jié)果與之對應(yīng)的N站水文時序數(shù)據(jù)異常檢測圖,如圖9、圖10所示:

    圖9 N站聚類異常分析綜合圖

    圖10 N站時序數(shù)據(jù)異常檢測綜合圖

    同時,我們通過這樣的方法,進(jìn)一步基于N站的數(shù)據(jù)對M站的數(shù)據(jù)進(jìn)行異常檢測,為簡化篇幅,這里我們給出其檢測的最后結(jié)果如圖11、圖12所示:

    圖11 M站綜合聚類分析異常圖

    圖12 M站時序數(shù)據(jù)異常檢測綜合圖

    根據(jù)以上實(shí)驗(yàn)結(jié)果,我們可知兩水文站數(shù)據(jù)之間雖然不存在直接的線性關(guān)聯(lián)關(guān)系,但還是存在著很大意義上的弱相關(guān)性。

    5 總結(jié)

    本文基于滑動窗口特征提取方法提出了改進(jìn) K-means算法,與傳統(tǒng)的聚類算法相比,本文提出的改進(jìn)型K-means算法在一定程度上保留了水文時序數(shù)據(jù)集的統(tǒng)計特征和結(jié)構(gòu)特征。本文還基于水文時間序列數(shù)據(jù)的空間關(guān)聯(lián)性,在特征提取的基礎(chǔ)上繼而進(jìn)行聚類操作。首先利用滑動窗口分割時序數(shù)據(jù)并獲取相應(yīng)的子序列集合,緊接提取其均值、方差、斜率等特征,并組合成特征向量。在此基礎(chǔ)上進(jìn)一步利用經(jīng)典的K-means方法對特征向量操作聚類,形成了完整的針對水文時間序列數(shù)據(jù)的聚類方法,并在此基礎(chǔ)上通過對聚類結(jié)果的分析完成基于多站水文數(shù)據(jù)關(guān)聯(lián)關(guān)系的異常檢測工作。

    [1] 李深洛. 基于特征的時間序列聚類[D].桂林:廣西師范大學(xué),2014.

    [2] 宋辭,裴韜. 基于特征的時間序列聚類方法研究進(jìn)展[J].地理科學(xué)進(jìn)展,2012,10:1307-1317.

    [3] 孫友強(qiáng). 時間序列數(shù)據(jù)挖掘中的維數(shù)約簡與預(yù)測方法研究[D].合肥:中國科學(xué)技術(shù)大學(xué),2014.

    [4] 翁小清,沈鈞毅.基于滑動窗口的多變量時間序列異常數(shù)據(jù)的挖掘[J].計算機(jī)工程,2007, 33(12): 102-104.

    [5] 余宇峰,朱躍龍,萬定生,關(guān)興中.基于滑動窗口預(yù)測的水文時間序列異常檢測[J].計算機(jī)應(yīng)用,2014,08:

    2217-2220.

    [6] 杜洪波.時間序列相似性查詢及異常檢測算法的研究[D].沈陽:沈陽工業(yè)大學(xué),2008.

    [7] 曲吉林. 時間序列挖掘中索引與查詢技術(shù)的研究[D].天津大學(xué),2006.

    [8] 趙利紅.水文時間序列周期分析方法的研究[D].南京: 河海大學(xué)碩士, 2007.

    [9] 中華人民共和國水利部. SL195-2015, 中華人民共和國水利行業(yè)標(biāo)準(zhǔn)[M]. 北京: 中國水利水電出版社,

    2016:4.3.8.

    Multistation Data Correlation Anomaly Detection Based on Improved K- means Clustering Method

    Shao Kaixia, Chen Danbo, Zhou Xiaofeng
    (Department of Data Minging,Hohai University, Nanjing 21100, China)

    In the study of traditional hydrological time-series data, it usually only focuses on a single point of time-series data. This not only causes a large number of redundant data, but also greatly increases the complicated degree of work. In this paper, according to the statistical characteristics and structure features of time-series data clustering, K-means clustering method which is based on feature extraction algorithm of sliding window is put forward to explore whether there is a correlation between hydrological time series data in the space, and anomaly detect the multiple hydrologic data on the basis of it.

    Feature extraction; K-means clustering method; Anomaly detection

    TP311

    A

    1007-757X(2016)11-0074-05

    2016.07.29)

    邵開霞(1992-),女,河海大學(xué),碩士研究生,研究方向:數(shù)據(jù)挖掘,南京 211100

    陳淡泊(1991-),男,河海大學(xué),碩士研究生,研究方向:數(shù)據(jù)挖掘,南京 211100

    周曉峰(1965-),男,河海大學(xué),教授,研究方向:數(shù)據(jù)挖掘,南京 211100

    猜你喜歡
    時序特征提取水文
    2022年《中國水文年報》發(fā)布
    基于時序Sentinel-2數(shù)據(jù)的馬鈴薯遙感識別研究
    基于Sentinel-2時序NDVI的麥冬識別研究
    水文
    水文水資源管理
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    水文
    Bagging RCSP腦電特征提取算法
    一種毫米波放大器時序直流電源的設(shè)計
    電子制作(2016年15期)2017-01-15 13:39:08
    基于MED和循環(huán)域解調(diào)的多故障特征提取
    国精品久久久久久国模美| 婷婷色麻豆天堂久久| 国产成人aa在线观看| 18在线观看网站| 国产在线一区二区三区精| 大香蕉97超碰在线| 熟女电影av网| 春色校园在线视频观看| 免费播放大片免费观看视频在线观看| 国产黄色免费在线视频| 人妻一区二区av| 一级黄片播放器| 日日撸夜夜添| 超碰97精品在线观看| 精品一区在线观看国产| 黄片无遮挡物在线观看| 女性生殖器流出的白浆| 欧美日韩av久久| 五月玫瑰六月丁香| 欧美精品一区二区大全| 人人妻人人爽人人添夜夜欢视频| 亚洲成人一二三区av| 一级毛片我不卡| 丰满迷人的少妇在线观看| av片东京热男人的天堂| 免费看光身美女| 国产高清三级在线| 天堂俺去俺来也www色官网| 啦啦啦视频在线资源免费观看| 欧美精品一区二区免费开放| 欧美日韩综合久久久久久| 国产在线视频一区二区| kizo精华| 乱人伦中国视频| 大片免费播放器 马上看| 亚洲伊人久久精品综合| 中文字幕另类日韩欧美亚洲嫩草| 久久国产精品男人的天堂亚洲 | 我的女老师完整版在线观看| 一级毛片黄色毛片免费观看视频| 极品少妇高潮喷水抽搐| 三上悠亚av全集在线观看| 国产成人精品婷婷| 欧美精品一区二区大全| 自线自在国产av| 国产精品熟女久久久久浪| 久久ye,这里只有精品| 黄片无遮挡物在线观看| 亚洲第一区二区三区不卡| 免费看光身美女| 久久久精品区二区三区| 欧美精品国产亚洲| 夫妻性生交免费视频一级片| 巨乳人妻的诱惑在线观看| 久久热在线av| 日韩精品有码人妻一区| 久久人妻熟女aⅴ| 妹子高潮喷水视频| 亚洲综合色网址| 日韩伦理黄色片| 男女边摸边吃奶| 国产精品一区二区在线观看99| av视频免费观看在线观看| 色吧在线观看| 在线精品无人区一区二区三| 免费少妇av软件| 精品99又大又爽又粗少妇毛片| 日韩制服丝袜自拍偷拍| 国产精品久久久久久久久免| 国精品久久久久久国模美| 激情五月婷婷亚洲| 日韩中文字幕视频在线看片| 免费在线观看黄色视频的| 最新的欧美精品一区二区| 在线天堂最新版资源| 精品少妇黑人巨大在线播放| 少妇精品久久久久久久| 亚洲精品456在线播放app| 高清欧美精品videossex| 黄片播放在线免费| 亚洲综合色网址| 亚洲国产av新网站| 视频区图区小说| 超色免费av| av.在线天堂| 人人妻人人爽人人添夜夜欢视频| 精品国产一区二区三区四区第35| 一边摸一边做爽爽视频免费| 久久久久久久精品精品| 日韩伦理黄色片| 伊人亚洲综合成人网| 黑丝袜美女国产一区| 国产一区二区激情短视频 | 成人手机av| 美女主播在线视频| 成人黄色视频免费在线看| 最新中文字幕久久久久| 国产国语露脸激情在线看| 亚洲伊人久久精品综合| 美女国产视频在线观看| 色婷婷av一区二区三区视频| 亚洲国产精品专区欧美| 超色免费av| 交换朋友夫妻互换小说| 91午夜精品亚洲一区二区三区| 这个男人来自地球电影免费观看 | 国产亚洲欧美精品永久| 国产免费一级a男人的天堂| 精品人妻熟女毛片av久久网站| 午夜视频国产福利| 香蕉精品网在线| 欧美亚洲日本最大视频资源| 久久久久国产精品人妻一区二区| 日韩成人av中文字幕在线观看| 伦理电影免费视频| 最新中文字幕久久久久| 精品一区二区三区四区五区乱码 | 午夜视频国产福利| 国产深夜福利视频在线观看| 国产毛片在线视频| 久久久国产一区二区| 亚洲中文av在线| 色5月婷婷丁香| 亚洲精品日本国产第一区| 少妇猛男粗大的猛烈进出视频| 国产麻豆69| 久久精品人人爽人人爽视色| 国产1区2区3区精品| 制服诱惑二区| 天天操日日干夜夜撸| 少妇高潮的动态图| 国产日韩欧美在线精品| 中文字幕制服av| 欧美xxxx性猛交bbbb| 午夜福利影视在线免费观看| 搡老乐熟女国产| 最近最新中文字幕免费大全7| 在线观看免费日韩欧美大片| 久久韩国三级中文字幕| 在线观看一区二区三区激情| 久久免费观看电影| 免费观看性生交大片5| 欧美日韩亚洲高清精品| 亚洲第一区二区三区不卡| 国产成人精品婷婷| 春色校园在线视频观看| 亚洲高清免费不卡视频| 一级毛片 在线播放| 亚洲精品中文字幕在线视频| 秋霞在线观看毛片| 九九爱精品视频在线观看| 亚洲五月色婷婷综合| 美女国产高潮福利片在线看| 9热在线视频观看99| 99热这里只有是精品在线观看| 亚洲精品一区蜜桃| 午夜免费观看性视频| 欧美激情极品国产一区二区三区 | 韩国av在线不卡| 亚洲av综合色区一区| 天天躁夜夜躁狠狠躁躁| 亚洲国产看品久久| 日韩一区二区视频免费看| 十八禁网站网址无遮挡| 精品国产一区二区三区久久久樱花| 在线天堂最新版资源| 免费女性裸体啪啪无遮挡网站| 久久久久久久久久人人人人人人| 精品国产一区二区三区久久久樱花| 捣出白浆h1v1| 国产一区二区激情短视频 | 亚洲第一av免费看| 久久久久国产精品人妻一区二区| 亚洲av免费高清在线观看| 精品少妇内射三级| 亚洲婷婷狠狠爱综合网| 精品久久久精品久久久| 亚洲国产最新在线播放| 啦啦啦中文免费视频观看日本| 多毛熟女@视频| 人人妻人人添人人爽欧美一区卜| 丁香六月天网| 亚洲av中文av极速乱| 欧美日韩视频高清一区二区三区二| 女的被弄到高潮叫床怎么办| 男女下面插进去视频免费观看 | 岛国毛片在线播放| 2018国产大陆天天弄谢| 蜜桃国产av成人99| 亚洲av日韩在线播放| 欧美精品av麻豆av| 亚洲少妇的诱惑av| 一区二区三区精品91| 国产成人免费无遮挡视频| 国产日韩欧美在线精品| 99热国产这里只有精品6| 免费日韩欧美在线观看| 欧美日本中文国产一区发布| 一边亲一边摸免费视频| 自线自在国产av| 日本黄大片高清| 精品第一国产精品| 成人综合一区亚洲| 日韩制服骚丝袜av| 国产精品一二三区在线看| 国产免费现黄频在线看| 黑人猛操日本美女一级片| 如何舔出高潮| 天天躁夜夜躁狠狠久久av| 91在线精品国自产拍蜜月| 在线观看一区二区三区激情| 免费播放大片免费观看视频在线观看| 大香蕉97超碰在线| 国产在线免费精品| 亚洲成人一二三区av| 国产男女超爽视频在线观看| 欧美精品av麻豆av| 久久国产精品男人的天堂亚洲 | av在线app专区| 日韩一本色道免费dvd| 多毛熟女@视频| 亚洲内射少妇av| 亚洲久久久国产精品| 99re6热这里在线精品视频| 久久这里有精品视频免费| 亚洲欧美一区二区三区黑人 | 1024视频免费在线观看| 成人国语在线视频| 一二三四中文在线观看免费高清| 蜜桃国产av成人99| 成年女人在线观看亚洲视频| 国产白丝娇喘喷水9色精品| 亚洲精品久久久久久婷婷小说| 中文精品一卡2卡3卡4更新| 午夜91福利影院| 欧美3d第一页| 18禁国产床啪视频网站| 边亲边吃奶的免费视频| 国产麻豆69| 人人妻人人添人人爽欧美一区卜| 亚洲国产精品成人久久小说| av国产久精品久网站免费入址| 久久青草综合色| 日日摸夜夜添夜夜爱| 最近手机中文字幕大全| 美女视频免费永久观看网站| 99热6这里只有精品| 人妻少妇偷人精品九色| 大片免费播放器 马上看| av国产久精品久网站免费入址| 啦啦啦啦在线视频资源| 人妻 亚洲 视频| 国产在线免费精品| 日本午夜av视频| 观看美女的网站| 国产精品嫩草影院av在线观看| 成年av动漫网址| 日韩熟女老妇一区二区性免费视频| 亚洲精品,欧美精品| 日韩av免费高清视频| 黄色怎么调成土黄色| 久久国内精品自在自线图片| 在线观看人妻少妇| 欧美日韩综合久久久久久| 啦啦啦在线观看免费高清www| 亚洲精品第二区| av有码第一页| 国产国拍精品亚洲av在线观看| 亚洲欧美日韩另类电影网站| 久久av网站| 久久精品国产自在天天线| 在线 av 中文字幕| 亚洲精品美女久久av网站| 欧美bdsm另类| 黄色怎么调成土黄色| 啦啦啦啦在线视频资源| 国产探花极品一区二区| 久久精品久久久久久噜噜老黄| 在线观看美女被高潮喷水网站| 亚洲av综合色区一区| 亚洲,欧美,日韩| 黄片无遮挡物在线观看| 免费观看性生交大片5| 久久精品国产亚洲av天美| 亚洲精品美女久久av网站| 视频在线观看一区二区三区| 激情五月婷婷亚洲| 亚洲国产精品成人久久小说| 国产淫语在线视频| 日韩一本色道免费dvd| 国产精品三级大全| 亚洲欧美一区二区三区国产| 亚洲精品456在线播放app| 欧美日本中文国产一区发布| 午夜av观看不卡| 久久影院123| 免费看av在线观看网站| 亚洲性久久影院| 日韩中字成人| 国语对白做爰xxxⅹ性视频网站| 亚洲国产看品久久| 日韩中文字幕视频在线看片| 国产亚洲精品第一综合不卡 | 亚洲精品成人av观看孕妇| 欧美日韩一区二区视频在线观看视频在线| 亚洲欧美日韩卡通动漫| 不卡视频在线观看欧美| 两个人看的免费小视频| 97超碰精品成人国产| 亚洲综合色网址| 久久久国产欧美日韩av| 国产成人免费观看mmmm| 国产在线一区二区三区精| 亚洲天堂av无毛| 国产 精品1| 制服丝袜香蕉在线| 在线 av 中文字幕| 人成视频在线观看免费观看| 在现免费观看毛片| 午夜福利网站1000一区二区三区| 国内精品宾馆在线| 肉色欧美久久久久久久蜜桃| 亚洲四区av| 国产熟女欧美一区二区| 久久精品国产综合久久久 | 成人无遮挡网站| 日本黄色日本黄色录像| 国产精品女同一区二区软件| 中国美白少妇内射xxxbb| 一级a做视频免费观看| 巨乳人妻的诱惑在线观看| 成人国语在线视频| 在线观看一区二区三区激情| 自拍欧美九色日韩亚洲蝌蚪91| 精品亚洲成国产av| 七月丁香在线播放| 又黄又爽又刺激的免费视频.| 美女国产视频在线观看| 丝袜喷水一区| 爱豆传媒免费全集在线观看| 久久国产精品男人的天堂亚洲 | kizo精华| 久久综合国产亚洲精品| 国产毛片在线视频| 久久99热这里只频精品6学生| 午夜视频国产福利| 男女国产视频网站| 国产伦理片在线播放av一区| 亚洲国产精品一区三区| 久久av网站| 国产日韩一区二区三区精品不卡| a级片在线免费高清观看视频| 97在线视频观看| 日韩欧美一区视频在线观看| 亚洲一级一片aⅴ在线观看| 妹子高潮喷水视频| 两性夫妻黄色片 | 最近最新中文字幕大全免费视频 | 丝袜人妻中文字幕| 少妇熟女欧美另类| 久久99精品国语久久久| 激情视频va一区二区三区| 国产精品偷伦视频观看了| 99热这里只有是精品在线观看| 亚洲精品久久久久久婷婷小说| 少妇人妻精品综合一区二区| freevideosex欧美| 黄色视频在线播放观看不卡| freevideosex欧美| 婷婷色av中文字幕| 婷婷色综合大香蕉| 久久精品国产a三级三级三级| 国产极品粉嫩免费观看在线| 性色av一级| 久久久久久久久久久久大奶| 久久 成人 亚洲| 国产日韩欧美在线精品| 亚洲国产精品一区二区三区在线| 国国产精品蜜臀av免费| 飞空精品影院首页| 你懂的网址亚洲精品在线观看| 91在线精品国自产拍蜜月| 久热这里只有精品99| 99热网站在线观看| 韩国高清视频一区二区三区| 在线看a的网站| 人人妻人人添人人爽欧美一区卜| 精品国产一区二区三区四区第35| 久久久久精品久久久久真实原创| 久久精品夜色国产| 熟女电影av网| 久久韩国三级中文字幕| 人妻 亚洲 视频| 草草在线视频免费看| 日韩 亚洲 欧美在线| www.av在线官网国产| 日韩av免费高清视频| 黄色 视频免费看| 欧美日韩综合久久久久久| 亚洲国产精品一区三区| 少妇精品久久久久久久| 丝袜人妻中文字幕| 一区二区三区四区激情视频| 考比视频在线观看| 视频区图区小说| 亚洲精品日本国产第一区| 伦精品一区二区三区| 国产男人的电影天堂91| 久热久热在线精品观看| 中文字幕另类日韩欧美亚洲嫩草| 久久人人爽人人爽人人片va| 在线亚洲精品国产二区图片欧美| 精品国产一区二区三区久久久樱花| 久久久久人妻精品一区果冻| 乱人伦中国视频| av网站免费在线观看视频| 老司机亚洲免费影院| 欧美精品人与动牲交sv欧美| 麻豆乱淫一区二区| 欧美bdsm另类| 久久久国产欧美日韩av| 多毛熟女@视频| 熟女av电影| 久久综合国产亚洲精品| 国产白丝娇喘喷水9色精品| 最后的刺客免费高清国语| 国产免费福利视频在线观看| 久久人人爽人人片av| 亚洲精品乱码久久久久久按摩| 亚洲综合精品二区| 久久久欧美国产精品| 少妇人妻久久综合中文| 亚洲五月色婷婷综合| 黄色一级大片看看| 亚洲精品国产色婷婷电影| 欧美精品高潮呻吟av久久| 国产 一区精品| 亚洲国产精品成人久久小说| 欧美日韩一区二区视频在线观看视频在线| 免费观看无遮挡的男女| 赤兔流量卡办理| 国产麻豆69| 国产成人欧美| 一区二区三区精品91| 一二三四在线观看免费中文在 | 18禁裸乳无遮挡动漫免费视频| 一级片免费观看大全| 免费av中文字幕在线| 涩涩av久久男人的天堂| 五月伊人婷婷丁香| 少妇熟女欧美另类| 日本免费在线观看一区| av卡一久久| 亚洲性久久影院| 欧美另类一区| 欧美97在线视频| 亚洲综合色惰| 国产一级毛片在线| 少妇的丰满在线观看| 麻豆精品久久久久久蜜桃| 中文字幕人妻丝袜制服| 亚洲精品久久午夜乱码| 亚洲人成网站在线观看播放| 大片电影免费在线观看免费| 97在线人人人人妻| 久久精品久久久久久噜噜老黄| 热re99久久精品国产66热6| 亚洲精品aⅴ在线观看| 亚洲精品日本国产第一区| 香蕉丝袜av| 国产成人a∨麻豆精品| 亚洲精品美女久久久久99蜜臀 | 久久国产亚洲av麻豆专区| 亚洲,欧美,日韩| 欧美少妇被猛烈插入视频| 狠狠精品人妻久久久久久综合| 2022亚洲国产成人精品| 亚洲精品日本国产第一区| 色网站视频免费| 丝袜美足系列| 欧美人与善性xxx| 欧美少妇被猛烈插入视频| 精品视频人人做人人爽| 亚洲av.av天堂| 欧美丝袜亚洲另类| 精品人妻偷拍中文字幕| 高清欧美精品videossex| 国产一区二区激情短视频 | 亚洲美女视频黄频| 国产欧美日韩一区二区三区在线| 两性夫妻黄色片 | 大香蕉久久网| 一本久久精品| 2021少妇久久久久久久久久久| 捣出白浆h1v1| 国产综合精华液| 另类亚洲欧美激情| av一本久久久久| 成人午夜精彩视频在线观看| 2018国产大陆天天弄谢| 国产又爽黄色视频| 一本色道久久久久久精品综合| 男女午夜视频在线观看 | 熟妇人妻不卡中文字幕| 国产 一区精品| 成人二区视频| 亚洲av国产av综合av卡| 久久人人爽人人片av| 亚洲av国产av综合av卡| 少妇 在线观看| 亚洲一区二区三区欧美精品| 欧美国产精品va在线观看不卡| 亚洲av欧美aⅴ国产| 激情视频va一区二区三区| 日日撸夜夜添| 国产伦理片在线播放av一区| 一本久久精品| 中文欧美无线码| 久久久a久久爽久久v久久| 国产片内射在线| 少妇高潮的动态图| 97人妻天天添夜夜摸| 街头女战士在线观看网站| 在线观看人妻少妇| 久久综合国产亚洲精品| 成年美女黄网站色视频大全免费| 成人二区视频| 啦啦啦在线观看免费高清www| 亚洲精品美女久久久久99蜜臀 | 国产精品偷伦视频观看了| 精品亚洲成a人片在线观看| 国产高清国产精品国产三级| 90打野战视频偷拍视频| 97人妻天天添夜夜摸| 人人妻人人澡人人看| 两个人免费观看高清视频| 中文字幕av电影在线播放| 日本黄大片高清| 香蕉精品网在线| 久久人人爽人人爽人人片va| 岛国毛片在线播放| 亚洲国产色片| 欧美日韩精品成人综合77777| 亚洲欧美色中文字幕在线| 美女xxoo啪啪120秒动态图| 亚洲成人av在线免费| 三级国产精品片| 国产成人91sexporn| 久久亚洲国产成人精品v| 午夜福利影视在线免费观看| 香蕉国产在线看| 久久国产精品男人的天堂亚洲 | 寂寞人妻少妇视频99o| 另类精品久久| 国产精品人妻久久久影院| 亚洲精品美女久久av网站| 久久久久精品性色| 日本wwww免费看| 少妇的逼水好多| 热re99久久国产66热| 婷婷色麻豆天堂久久| 国产乱人偷精品视频| 亚洲欧洲精品一区二区精品久久久 | 我的女老师完整版在线观看| 人人妻人人爽人人添夜夜欢视频| 在现免费观看毛片| 视频区图区小说| 蜜桃在线观看..| 精品久久久精品久久久| 制服诱惑二区| 精品一品国产午夜福利视频| 久久午夜福利片| av播播在线观看一区| 国产免费又黄又爽又色| 91精品国产国语对白视频| 亚洲精品日韩在线中文字幕| 精品人妻一区二区三区麻豆| 视频中文字幕在线观看| 人成视频在线观看免费观看| 乱人伦中国视频| 青青草视频在线视频观看| 永久网站在线| 女的被弄到高潮叫床怎么办| 男女国产视频网站| 中文字幕人妻丝袜制服| 中文字幕亚洲精品专区| 多毛熟女@视频| 99视频精品全部免费 在线| 激情视频va一区二区三区| 久久人人爽人人爽人人片va| 成人亚洲精品一区在线观看| 丰满饥渴人妻一区二区三| av又黄又爽大尺度在线免费看| 精品酒店卫生间| 少妇 在线观看| 久久久久视频综合| 久久鲁丝午夜福利片| 亚洲欧美日韩另类电影网站| 精品一区二区免费观看| 国产伦理片在线播放av一区| 男人爽女人下面视频在线观看| 日本色播在线视频| 午夜福利乱码中文字幕| 国产免费一区二区三区四区乱码| 亚洲美女黄色视频免费看| 精品国产一区二区三区四区第35| 18禁在线无遮挡免费观看视频| 91aial.com中文字幕在线观看| 精品一品国产午夜福利视频| 亚洲婷婷狠狠爱综合网| 制服诱惑二区| 亚洲人成网站在线观看播放| 欧美 亚洲 国产 日韩一| 亚洲欧洲国产日韩| 久久亚洲国产成人精品v|