• <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 ?

    分布式K-means聚類算法研究與實(shí)現(xiàn)

    2018-02-05 09:16:40斌,李蓉,周
    軟件 2018年1期
    關(guān)鍵詞:中心點(diǎn)數(shù)據(jù)挖掘分布式

    李 斌,李 蓉,周 蕾

    (國網(wǎng)寧夏電力公司信息通信公司,寧夏 銀川 750001)

    0 引言

    隨著互聯(lián)網(wǎng)數(shù)據(jù)量呈指數(shù)增長,傳統(tǒng)的數(shù)據(jù)挖掘算法已經(jīng)不能適應(yīng)海量數(shù)據(jù)。傳統(tǒng)的數(shù)據(jù)挖掘算法使用數(shù)據(jù)倉庫模型把所有數(shù)據(jù)匯總到中心節(jié)點(diǎn),并在匯總數(shù)據(jù)的基礎(chǔ)上運(yùn)行數(shù)據(jù)挖掘算法[1]。這種方式存在很多局限的,比如中心節(jié)點(diǎn)的性能瓶頸、數(shù)據(jù)隱私泄露等問題。為了緩解這些問題,分布式數(shù)據(jù)挖掘成為了熱點(diǎn)研究領(lǐng)域[2]。分布式數(shù)據(jù)挖掘方法是為了解決在合理時(shí)間內(nèi)無法在單機(jī)環(huán)境完成某些復(fù)雜問題而存在的[3]。分布式數(shù)據(jù)挖掘具有單機(jī)數(shù)據(jù)挖掘無法達(dá)到的優(yōu)點(diǎn):首先,有效地解決了數(shù)據(jù)增多帶來地存儲(chǔ)、計(jì)算方面壓力,其次,降低計(jì)算瓶頸,將復(fù)雜的計(jì)算工作改為局部實(shí)現(xiàn)再匯總的形式。

    現(xiàn)有主流的分布式數(shù)據(jù)挖掘技術(shù)的實(shí)現(xiàn)方法大體可以分為以下幾類:基于MPI的并行數(shù)據(jù)挖掘算法研究[4],是在消息傳遞接口MPI集群基礎(chǔ)上實(shí)現(xiàn)的分布式數(shù)據(jù)挖掘算法,以多線程調(diào)用的形式實(shí)現(xiàn)多機(jī)調(diào)用執(zhí)行,但無法有效地協(xié)調(diào)節(jié)點(diǎn)之間任務(wù)的調(diào)度以及節(jié)點(diǎn)的存儲(chǔ)和任務(wù)分配[5];基于 Agent主體的非集中式數(shù)據(jù)挖掘技術(shù),是以本節(jié)點(diǎn)的數(shù)據(jù)為基礎(chǔ)運(yùn)行數(shù)據(jù)讀寫任務(wù),對(duì)于本地?cái)?shù)據(jù)有一定的安全性保護(hù),但同時(shí)也引出了關(guān)鍵問題:局部結(jié)果的整合[6]。對(duì)這一問題的研究,專家設(shè)計(jì)并給出多種解決方案。典型的解決方案包括:PADMA(parallel data mining agents)、BODHI( Beseizing knowledge through distributed heterogeneous induction)、JAM(Java agents for meta-learning)等;基于網(wǎng)格的分布式數(shù)據(jù)挖掘方法[7],提供了可以用來計(jì)算和數(shù)據(jù)管理的基礎(chǔ)設(shè)施,為在分布式環(huán)境下運(yùn)行數(shù)據(jù)挖掘算法提供了必備的硬件條件,然而基于網(wǎng)格的數(shù)據(jù)挖掘方法的資源調(diào)度和作業(yè)分配是離不開人為干預(yù)的;基于云的分布式數(shù)據(jù)挖掘算法,側(cè)重于使用虛擬化技術(shù)為用戶提供個(gè)性化平臺(tái)、服務(wù)、資源等。近年來,基于云計(jì)算的數(shù)據(jù)挖掘算法是當(dāng)今分布式數(shù)據(jù)挖掘最為流行的發(fā)展方向,已經(jīng)投入使用的Hadoop平臺(tái)為分布式數(shù)據(jù)挖掘算法的實(shí)現(xiàn)奠定了堅(jiān)實(shí)基礎(chǔ)[8-9]。

    K-means算法是一種常用的數(shù)據(jù)挖掘算法,在數(shù)值聚類[10]、地圖聚類[11]、文本聚類[12]、圖像聚類[13-14]方面都有廣泛的應(yīng)用。但是串行K-means的時(shí)間復(fù)雜度比較高,處理能力存在局限性,此外,K-means算法固有的缺點(diǎn),即需要事先確定聚類個(gè)數(shù)K,且K的確定容易受主觀因素影響,會(huì)造成局部最優(yōu),導(dǎo)致聚類質(zhì)量的下降。本文利用分布式計(jì)算環(huán)境 Hadoop2.x中的 MapReduce編程模型對(duì)K-means進(jìn)行分布式研究和實(shí)現(xiàn),且利用Canopy算法對(duì)K-means進(jìn)行優(yōu)化,Canopy算法無需實(shí)現(xiàn)確定聚類個(gè)數(shù),而是通過計(jì)算對(duì)象間的相似度進(jìn)行劃分,可以解決K-means聚類個(gè)數(shù)主觀確定的缺點(diǎn)。

    1 K-means和Canopy聚類算法

    1.1 K-means聚類算法的基本思路

    K-Means在隨機(jī)選取K個(gè)簇中心點(diǎn)的基礎(chǔ)上,計(jì)算樣本中其他點(diǎn)與這K個(gè)簇中心點(diǎn)的距離,實(shí)現(xiàn)樣本點(diǎn)的分類,分到同一類的樣本點(diǎn)再更新簇中心點(diǎn)。由此不斷循環(huán)直到K個(gè)簇中心不變。K個(gè)簇中心點(diǎn)是k-Means算法中的輸入?yún)?shù),新的簇中心會(huì)根據(jù)當(dāng)前分類的簇按照歐拉公式來計(jì)算得到。k-Means算法的目的是讓每個(gè)簇內(nèi)的數(shù)據(jù)點(diǎn)盡量靠近本簇中心,遠(yuǎn)離其他簇中心。在迭代計(jì)算的時(shí)候,k-Means把每個(gè)數(shù)據(jù)點(diǎn)分配給距離最近的簇中心群,直至新計(jì)算出的簇中心點(diǎn)與上一步生成的簇中心點(diǎn)一致,停止迭代,輸出所屬類別。

    1.2 Canopy聚類算法的基本思路

    Canopy算法是一種快速的聚類算法,但在準(zhǔn)確度方面比較遜色,作為一種“粗”聚類,其流程可以概述為:

    ①對(duì)于數(shù)據(jù)集S,有閾值t1和t2,且t1>t2,②S中任選一點(diǎn)x,作為Canopy的候選點(diǎn),從數(shù)據(jù)集S中刪除點(diǎn)x,

    ③計(jì)算數(shù)據(jù)集中所有點(diǎn)到x的距離,

    ④距離小于t1的點(diǎn)歸為x,距離小于t2的點(diǎn)歸于x類并從數(shù)據(jù)集S中刪除,距離大于t1的點(diǎn),新建Canopy,從數(shù)據(jù)集S刪除,

    ⑤重復(fù)第二步到第五步直至數(shù)據(jù)集S為空或者滿足最大迭代次數(shù)要求。

    2 分布式K-means聚類算法設(shè)計(jì)

    2.1 分布式K-means聚類算法設(shè)計(jì)與實(shí)現(xiàn)

    分布式數(shù)據(jù)挖掘算法k-Means聚類算法的實(shí)現(xiàn)思想為:

    第一步,將數(shù)據(jù)分到不同的節(jié)點(diǎn)上,每個(gè)節(jié)點(diǎn)只對(duì)本地?cái)?shù)據(jù)進(jìn)行計(jì)算;

    第二步,根據(jù)全局變量計(jì)算本地?cái)?shù)據(jù)所屬的簇;

    第三步,根據(jù)各個(gè)數(shù)據(jù)點(diǎn)所屬的簇,計(jì)算出該簇的中心,若與全局簇中心點(diǎn)一致,則輸出分類結(jié)果;若不一致則用新計(jì)算出的簇中心來更新全局簇中心點(diǎn),則重復(fù)第二步,直至新計(jì)算出的簇中心點(diǎn)與全局簇中心點(diǎn)一致。

    可見,在分布式K-means聚類算法中,每次迭代的算法執(zhí)行相同的操作,因此,可通過MapReduce編程模型加以實(shí)現(xiàn),分別執(zhí)行相同的 Map操作和Reduce操作。分為3部分函數(shù):Map函數(shù)、Combine函數(shù)和Reduce函數(shù):

    Map函數(shù)對(duì)數(shù)據(jù)集分塊,并計(jì)算各個(gè)數(shù)據(jù)點(diǎn)到K個(gè)中心點(diǎn)的距離,重新標(biāo)記每個(gè)點(diǎn)的所屬類別。輸入為數(shù)據(jù)記錄文件,輸出為每個(gè)數(shù)據(jù)點(diǎn)的所屬類別:

    輸入:聚類文件split輸出:<所屬類別,數(shù)據(jù)點(diǎn)>獲取簇中心信息;計(jì)算本地文件中每一個(gè)數(shù)據(jù)點(diǎn)到簇中心的距離;得到data所屬的簇id:

    Combine函數(shù)根據(jù)Map函數(shù)的結(jié)果完成對(duì)本地文件中的簇中心的重新計(jì)算。輸入為<類別,數(shù)據(jù)記錄>,輸出為<類別,局部類中心>:

    輸入:輸出:根據(jù)cluster_id計(jì)算屬于該簇的數(shù)據(jù)點(diǎn)個(gè)數(shù)求得 value的平均值,記錄為

    Reduce函數(shù)是匯總所有節(jié)點(diǎn)的結(jié)果,根據(jù)類別id對(duì)重新計(jì)算新的簇中心:

    整體流程如如圖1所示。

    2.2 改進(jìn)的分布式K-means聚類算法設(shè)計(jì)與實(shí)現(xiàn)

    K-Means算法存在的不足主要有:聚類個(gè)數(shù)K根據(jù)經(jīng)驗(yàn)判斷,沒有理論依據(jù),對(duì)于初學(xué)者難以準(zhǔn)確判斷;初始簇中心選取是隨機(jī)的,會(huì)造成局部最優(yōu)解;離群點(diǎn)對(duì)聚類結(jié)果的干擾,造成聚類質(zhì)量的下降。基于這些不足的存在,加入Canopy算法進(jìn)行優(yōu)化,Canopy算法的輸出為 k-cluster,可以為k-Means算法確定K個(gè)聚類及其類中心點(diǎn)。Canopy算法執(zhí)行過程中,通過對(duì) Canopy的建立,可以刪除包含數(shù)據(jù)點(diǎn)數(shù)目較少的Canopy,這些點(diǎn)往往是離群點(diǎn)。

    改進(jìn)的分布式 k-Means聚類算法是將 Canopy算法作為k-Means算法輸入,為k-Means算法確定k值、初始聚類點(diǎn)、離散點(diǎn),來提高 k-Means聚類算法的質(zhì)量。其算法流程是:對(duì)于數(shù)據(jù)集,首先進(jìn)行數(shù)據(jù)集劃分成若干子集,然后在每個(gè)子集內(nèi)計(jì)算

    中心點(diǎn)并按照距離重新進(jìn)行劃分,進(jìn)而確定簇?cái)?shù)以及初始簇心;之后利用K-means算法進(jìn)行迭代計(jì)算,收斂出聚類結(jié)果。如圖2所示。

    圖1 分布式k-Means算法流程圖Fig.1 The flow of distributed K-means algorithm

    利用 MapReduce模型,Canopy中心點(diǎn)生成的Map函數(shù)和Reduce函數(shù)設(shè)計(jì)如下:

    Map函數(shù)

    Reduce函數(shù)

    利用MapReduce模型,K-means的Map函數(shù)和Reduce函數(shù)設(shè)計(jì)如下:將得到的key-value對(duì)按照相同key進(jìn)行匯總,計(jì)算相同key下value的平均值,若與上一步簇中心一致則結(jié)束聚類,否則更新全局簇中心文件,繼續(xù)循環(huán)執(zhí)行。

    Map函數(shù)

    Reduce函數(shù)

    圖2 改進(jìn)的分布式K-means算法流程Fig.2 The flow of improved distributed K-means algorithm

    3 實(shí)驗(yàn)驗(yàn)證

    3.1 實(shí)驗(yàn)環(huán)境和數(shù)據(jù)集

    實(shí)驗(yàn)是在實(shí)驗(yàn)室搭建的Hadoop平臺(tái)上運(yùn)行的。平臺(tái)由四臺(tái)虛擬機(jī)構(gòu)成的虛擬化平臺(tái),使用XenServer的服務(wù)器虛擬化平臺(tái)來管理計(jì)算機(jī)。每臺(tái)機(jī)器的部署環(huán)境如表1所示。

    表1 系統(tǒng)部署環(huán)境Tab.1 System deployment environment

    實(shí)驗(yàn)采用的數(shù)據(jù)是阿里巴巴天池比賽中新浪微博互動(dòng)預(yù)測大賽的數(shù)據(jù)[15],該數(shù)據(jù)包括 2014年 7月至2014年12月期間的微博用戶轉(zhuǎn)發(fā)數(shù)、點(diǎn)贊數(shù)、評(píng)論數(shù)以及對(duì)應(yīng)的微博博文內(nèi)容。實(shí)驗(yàn)中構(gòu)造了40 M、80 M、160 M、320 M、400 M等5個(gè)不同大小的數(shù)據(jù)集。

    3.2 實(shí)驗(yàn)結(jié)果

    根據(jù)本文搭建的Hadoop平臺(tái),包括一個(gè)master,三個(gè)slave。首先,確定k-Means聚類算法的K個(gè)簇初始點(diǎn),將樣本數(shù)據(jù)分配給各slave節(jié)點(diǎn),將數(shù)據(jù)分塊,在每一個(gè)節(jié)點(diǎn)計(jì)算局部Canopy,各局部Canopy經(jīng) reduce函數(shù)匯總計(jì)算得到全局?jǐn)?shù)據(jù) Canopy。將Canopy文件在master上為各slave端發(fā)送,將其作為整體簇中心初始點(diǎn),同時(shí)這些初始簇中心創(chuàng)立全局文件并廣播給所有 slave節(jié)點(diǎn),全局文件包括cluster_id,cluster_center,data_number;slave根據(jù)接收到的全局文件,判斷本機(jī)數(shù)據(jù)所屬的簇類別即cluster_id,每一個(gè) slave將其數(shù)據(jù)按照形式保存,然后將在同一個(gè) slave上執(zhí)行 combiner操作,輸出形式;Reduce階段將經(jīng)過combiner操作的結(jié)果中系統(tǒng)的 key即相同類別數(shù)據(jù)進(jìn)行處理,得到 k個(gè)的結(jié)果,將這 k個(gè)作為新的整體簇中心初始點(diǎn),繼續(xù)重復(fù)以上步驟,直至Reduce的 k個(gè)結(jié)果與整體簇中心初始點(diǎn)一致,即全局簇中心穩(wěn)定時(shí)結(jié)束迭代。

    表2為改進(jìn)的分布式k-Means聚類和傳統(tǒng)k-Means聚類在40 M、80 M、160 M、320 M、400 M等5個(gè)不同大小的數(shù)據(jù)集的效率對(duì)比。

    從表2可以看出,分布式k-Means聚類算法由于其算法的迭代運(yùn)算很多,在新計(jì)算出來的簇中心與原來全局變量簇中心不一致的情況下,需要重復(fù)迭代運(yùn)算。因此,在執(zhí)行小文件的分布式 k-Means聚類算法時(shí)無法體現(xiàn)其性能上的優(yōu)越性。而一旦數(shù)據(jù)集規(guī)模加大,在單機(jī)執(zhí)行大文件k-Means算法時(shí),很容易造成電腦崩潰,而分布式k-Means算法卻可以通過多臺(tái)主機(jī)同時(shí)運(yùn)行來進(jìn)行聚類運(yùn)算,體現(xiàn)出分布式的性能優(yōu)勢。

    表2 效率對(duì)比Tab.2 Efficiency comparison

    4 總結(jié)

    本文利用MapReduce模型研究與實(shí)現(xiàn)了分布式K-means聚類算法。分別在單機(jī)環(huán)境和分布式環(huán)境進(jìn)行了效率對(duì)比,可以得出結(jié)論:分布式數(shù)據(jù)挖掘算法在小數(shù)據(jù)量時(shí)無法顯示優(yōu)越性,而對(duì)大文件進(jìn)行處理時(shí),其優(yōu)越性明顯。具體原因是:當(dāng)有小文件需要處理的時(shí)候,每次map只會(huì)處理少量的數(shù)據(jù),但是會(huì)存在大量的Map任務(wù),對(duì)Hadoop平臺(tái)的運(yùn)行是不利的。但在應(yīng)對(duì)大數(shù)據(jù)量時(shí),分布式K-means算法就會(huì)體現(xiàn)出巨大的優(yōu)勢。

    此外,數(shù)據(jù)挖掘算法的實(shí)現(xiàn)是離不開迭代運(yùn)算的,迭代運(yùn)算中文件的頻繁存取為 Hadoop帶來很大的壓力,這時(shí)基于內(nèi)存的 spark可以更好的緩解這一問題,但是 spark對(duì)于機(jī)器內(nèi)存要求較高??v觀行業(yè)背景,實(shí)時(shí)計(jì)算的需求越來越迫切,支持實(shí)時(shí)計(jì)算的storm和基于內(nèi)存的分布式計(jì)算環(huán)境spark將成為今后研究的重要方向。

    [1] M M Sufyan Beg& C P Ravikumar. Application of Parallel and Distributed Data Mining in e-Commerce[J]. Iete Technical Review, 2015, 17(4): 189-195.

    [2] Kargupta H, Park B.Dary H, et al Collective data mining.a new perspective toward distributed data analysis[M]. Advances in Distributed and Parallel Knowledge Discovery.[S.1.]: AAAI/MIT Press.1999: 133-184.

    [3] Ninama H. DISTRIBUTED DATA MINING USING MESSAGE PASSING INTERFACE [J]. Review of Research, 2013.

    [4] 呂婉琪, 鐘誠, 唐印滸, 等. Hadoop分布式架構(gòu)下大數(shù)據(jù)集的并行挖掘[J]. 計(jì)算機(jī)技術(shù)與發(fā)展, 2014(01): 22-25.

    [5] Stankovski V, Swain M, Kravtsov V, et al. Grid-enabling data mining applications with DataMiningGrid: An architectural perspective[J]. Future Generation Computer Systems, 2008,24(4): 259–279.

    [6] 余永紅, 向曉軍, 高陽, 等. 面向云服務(wù)的數(shù)據(jù)挖掘引擎的研究[J]. 計(jì)算機(jī)科學(xué)與探索, 2012, 06(1): 46-57.

    [7] Mario C, Hiram G P, Alessia S. Data mining and life sciences applications on the grid[J]. Wiley Interdisciplinary Reviews Data Mining & Knowledge Discovery, 2013, 3(3):216-238.

    [8] 王書夢(mèng), 吳曉松. 大數(shù)據(jù)環(huán)境下基于MapReduce 的網(wǎng)絡(luò)輿情熱點(diǎn)發(fā)現(xiàn)[J]. 軟件, 2015, 36(7): 108-113.

    [9] 李冠辰. 一個(gè)基于hadoop 的并行社交網(wǎng)絡(luò)挖掘系統(tǒng)[J].軟件, 2013, 34(12): 127-131.

    [10] 杜淑穎. 基于大型數(shù)據(jù)集的聚類算法研究[J]. 軟件, 2016,37(01): 132-135.

    [11] 楊婷婷, 王雪梅. 基于百度地圖的改進(jìn)的K-means 算法研究[J]. 軟件, 2016, 37(01): 76-80.

    [12] 陳磊磊. 不同距離測度的K-Means 文本聚類研究[J]. 軟件,2015, 36(1): 56-61.

    [13] 陳慧, 龍飛, 段智云. 一種基于小波零樹編碼和K-mean聚類的圖像壓縮的實(shí)現(xiàn)[J]. 軟件, 2016, 37(02): 33-34.

    [14] 鄭金志, 鄭金敏, 汪玉琳. 基于優(yōu)化初始聚類中心的改進(jìn)WFCM 圖像分割算法[J]. 軟件, 2015, 36(4): 136-142.

    [15] https://tianchi.aliyun.com/competition/raceOssFileDownload.do?spm=5176.100068.555.1.tPkxq4&file=weibo_predict_dat a(new).zip&raceId=5.http://www.cnblogs.com/ywl925/archi ve/2013/08/16/3262209.html.

    猜你喜歡
    中心點(diǎn)數(shù)據(jù)挖掘分布式
    探討人工智能與數(shù)據(jù)挖掘發(fā)展趨勢
    Scratch 3.9更新了什么?
    如何設(shè)置造型中心點(diǎn)?
    電腦報(bào)(2019年4期)2019-09-10 07:22:44
    分布式光伏熱錢洶涌
    能源(2017年10期)2017-12-20 05:54:07
    分布式光伏:爆發(fā)還是徘徊
    能源(2017年5期)2017-07-06 09:25:54
    基于并行計(jì)算的大數(shù)據(jù)挖掘在電網(wǎng)中的應(yīng)用
    電力與能源(2017年6期)2017-05-14 06:19:37
    漢字藝術(shù)結(jié)構(gòu)解析(二)中心點(diǎn)處筆畫應(yīng)緊奏
    一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用
    基于DDS的分布式三維協(xié)同仿真研究
    尋找視覺中心點(diǎn)
    大眾攝影(2015年9期)2015-09-06 17:05:41
    夜夜爽天天搞| 欧美色视频一区免费| 成人亚洲精品av一区二区| 久久精品国产亚洲av天美| 亚洲人成网站在线播| 赤兔流量卡办理| 天堂中文最新版在线下载 | 99久久精品一区二区三区| 日韩国内少妇激情av| 亚洲欧美精品自产自拍| 黄片wwwwww| 成人漫画全彩无遮挡| 国产精品久久久久久精品电影小说 | 国产一区二区激情短视频| 亚洲精品国产av成人精品| 欧美3d第一页| 精品少妇黑人巨大在线播放 | a级毛片a级免费在线| 午夜免费激情av| 直男gayav资源| 天天一区二区日本电影三级| 久久精品久久久久久噜噜老黄 | 久久精品国产99精品国产亚洲性色| 国产午夜精品一二区理论片| 大型黄色视频在线免费观看| 最近视频中文字幕2019在线8| 久久久国产成人免费| 久久精品国产鲁丝片午夜精品| 黄色配什么色好看| 日韩中字成人| 亚洲五月天丁香| 午夜精品国产一区二区电影 | 国产一区二区在线av高清观看| 亚洲精品国产av成人精品| 成年免费大片在线观看| 国产午夜精品论理片| 国产精品久久久久久亚洲av鲁大| 成人漫画全彩无遮挡| 韩国av在线不卡| 亚洲人成网站在线观看播放| ponron亚洲| 中文精品一卡2卡3卡4更新| 能在线免费看毛片的网站| 国产乱人偷精品视频| h日本视频在线播放| 少妇丰满av| 狠狠狠狠99中文字幕| 一级av片app| 国产激情偷乱视频一区二区| 波多野结衣高清无吗| 男女边吃奶边做爰视频| 国产精品一二三区在线看| 免费观看精品视频网站| 亚洲av中文av极速乱| 亚洲精品国产成人久久av| 可以在线观看的亚洲视频| 黄色欧美视频在线观看| 男女啪啪激烈高潮av片| 深爱激情五月婷婷| 日本撒尿小便嘘嘘汇集6| kizo精华| 免费观看a级毛片全部| 亚洲av一区综合| 欧美3d第一页| av福利片在线观看| 国产精品人妻久久久影院| 亚洲最大成人手机在线| 99精品在免费线老司机午夜| 国产av在哪里看| 国产精品女同一区二区软件| 干丝袜人妻中文字幕| 91狼人影院| 国产三级在线视频| 日日摸夜夜添夜夜爱| 亚洲av不卡在线观看| 人妻制服诱惑在线中文字幕| 菩萨蛮人人尽说江南好唐韦庄 | 最近2019中文字幕mv第一页| 特级一级黄色大片| 国产精品av视频在线免费观看| 91久久精品国产一区二区成人| 老司机福利观看| 黄色一级大片看看| 美女黄网站色视频| 精品一区二区三区视频在线| 中文资源天堂在线| 最新中文字幕久久久久| 国内精品宾馆在线| 国产精品人妻久久久久久| 亚洲av中文av极速乱| 一级二级三级毛片免费看| 啦啦啦啦在线视频资源| 国产老妇女一区| 丰满人妻一区二区三区视频av| 亚洲精品国产av成人精品| 国产成人精品一,二区 | 蜜桃亚洲精品一区二区三区| 欧美区成人在线视频| 日韩欧美三级三区| 久久久久性生活片| 亚洲色图av天堂| 九九久久精品国产亚洲av麻豆| 在线观看午夜福利视频| 成人美女网站在线观看视频| av天堂在线播放| 久久久精品大字幕| 国产精品99久久久久久久久| 精品99又大又爽又粗少妇毛片| av在线播放精品| av女优亚洲男人天堂| 性欧美人与动物交配| 国产成人精品一,二区 | 国产精品日韩av在线免费观看| 老司机影院成人| 真实男女啪啪啪动态图| 日韩成人伦理影院| 日韩,欧美,国产一区二区三区 | 美女脱内裤让男人舔精品视频 | 久久午夜福利片| 青春草国产在线视频 | 91久久精品电影网| 免费av毛片视频| 久久韩国三级中文字幕| 日韩一区二区三区影片| 国产在视频线在精品| 久久鲁丝午夜福利片| 国产精品久久久久久亚洲av鲁大| 国产精品无大码| av在线观看视频网站免费| www.av在线官网国产| av在线蜜桃| 亚洲成人精品中文字幕电影| 九色成人免费人妻av| 午夜免费激情av| 亚洲欧美精品综合久久99| 国产精品麻豆人妻色哟哟久久 | 日本免费a在线| 成人av在线播放网站| 国内久久婷婷六月综合欲色啪| 成人永久免费在线观看视频| 两个人的视频大全免费| 久久久成人免费电影| 深爱激情五月婷婷| 国产精品久久久久久精品电影小说 | 97热精品久久久久久| 99热这里只有是精品50| 国产三级在线视频| 毛片女人毛片| 看片在线看免费视频| 自拍偷自拍亚洲精品老妇| 日本av手机在线免费观看| 亚洲人成网站在线播| 久久精品91蜜桃| 久久久精品94久久精品| 91在线精品国自产拍蜜月| 欧美3d第一页| 国产精品1区2区在线观看.| 国产精品国产三级国产av玫瑰| 在线免费十八禁| 亚洲无线观看免费| 日韩欧美三级三区| 性欧美人与动物交配| 亚洲经典国产精华液单| 亚洲无线在线观看| 国产久久久一区二区三区| 三级经典国产精品| 3wmmmm亚洲av在线观看| 麻豆成人av视频| 国产免费一级a男人的天堂| 男的添女的下面高潮视频| 亚洲欧美日韩无卡精品| 国产成人91sexporn| 我要搜黄色片| 亚洲av熟女| 午夜激情欧美在线| 久久精品国产亚洲av天美| 看片在线看免费视频| 久久精品国产亚洲av涩爱 | 亚洲国产欧美在线一区| 日韩av在线大香蕉| a级毛色黄片| 可以在线观看毛片的网站| 亚洲人成网站在线播放欧美日韩| 黄片wwwwww| 亚洲av一区综合| 人妻少妇偷人精品九色| 十八禁国产超污无遮挡网站| 一个人看的www免费观看视频| 日本色播在线视频| 久久综合国产亚洲精品| 99热精品在线国产| 久久国产乱子免费精品| 国产成人aa在线观看| 天天一区二区日本电影三级| 丰满乱子伦码专区| 丝袜喷水一区| 国产不卡一卡二| 久久久久网色| av福利片在线观看| 一夜夜www| 国产精品麻豆人妻色哟哟久久 | av在线蜜桃| 日韩成人av中文字幕在线观看| 国产大屁股一区二区在线视频| 男人舔奶头视频| 天天躁日日操中文字幕| 久久久久免费精品人妻一区二区| 欧美精品国产亚洲| 精品久久久久久成人av| 亚洲精品自拍成人| 给我免费播放毛片高清在线观看| 亚洲国产精品合色在线| 中文字幕熟女人妻在线| 联通29元200g的流量卡| 久久久成人免费电影| 久久精品国产亚洲网站| 在线观看66精品国产| 亚洲18禁久久av| 又爽又黄无遮挡网站| 欧美最新免费一区二区三区| 九色成人免费人妻av| 午夜精品国产一区二区电影 | 亚洲va在线va天堂va国产| 午夜视频国产福利| 久久精品国产清高在天天线| 久久99热6这里只有精品| 国产精品国产高清国产av| 亚洲国产欧美人成| 十八禁国产超污无遮挡网站| 草草在线视频免费看| 热99re8久久精品国产| 国产黄片美女视频| 国产黄色小视频在线观看| h日本视频在线播放| 国产精品一区www在线观看| 国产伦理片在线播放av一区 | 给我免费播放毛片高清在线观看| 在线播放国产精品三级| 边亲边吃奶的免费视频| 一个人看视频在线观看www免费| 人妻系列 视频| 两性午夜刺激爽爽歪歪视频在线观看| 日韩一区二区三区影片| 国产又黄又爽又无遮挡在线| 欧美区成人在线视频| 亚洲av.av天堂| 亚洲国产精品成人综合色| 国产单亲对白刺激| 人妻制服诱惑在线中文字幕| 国产精品日韩av在线免费观看| 亚洲成人中文字幕在线播放| 色噜噜av男人的天堂激情| or卡值多少钱| 夜夜夜夜夜久久久久| 成人高潮视频无遮挡免费网站| 久久精品久久久久久噜噜老黄 | 麻豆国产97在线/欧美| 欧美色视频一区免费| 又爽又黄a免费视频| 免费观看在线日韩| 亚洲内射少妇av| 99热全是精品| 免费看光身美女| 精品一区二区免费观看| 国产淫片久久久久久久久| 97超碰精品成人国产| 91av网一区二区| 中国美女看黄片| 亚洲人成网站高清观看| 国产爱豆传媒在线观看| 青青草视频在线视频观看| 欧美极品一区二区三区四区| 国产毛片a区久久久久| 国产成人91sexporn| 亚洲人与动物交配视频| 黄色欧美视频在线观看| 欧美精品一区二区大全| 九色成人免费人妻av| 色视频www国产| 白带黄色成豆腐渣| 精品一区二区免费观看| 日韩亚洲欧美综合| 国产精品不卡视频一区二区| 婷婷色综合大香蕉| 少妇猛男粗大的猛烈进出视频 | 91狼人影院| 国产精品av视频在线免费观看| 日韩欧美精品免费久久| 久久久久久久亚洲中文字幕| 亚洲国产高清在线一区二区三| 色综合站精品国产| 国产精品野战在线观看| 99在线人妻在线中文字幕| 久久精品国产亚洲av天美| 国产一区二区三区av在线 | av国产免费在线观看| 热99re8久久精品国产| 国内精品美女久久久久久| 卡戴珊不雅视频在线播放| 亚洲精华国产精华液的使用体验 | 特级一级黄色大片| 青青草视频在线视频观看| 成人午夜精彩视频在线观看| АⅤ资源中文在线天堂| 免费观看精品视频网站| 国产成人精品婷婷| 青春草视频在线免费观看| 最新中文字幕久久久久| 亚洲久久久久久中文字幕| 村上凉子中文字幕在线| 亚洲一区高清亚洲精品| 自拍偷自拍亚洲精品老妇| 一进一出抽搐动态| 欧美一区二区精品小视频在线| 97热精品久久久久久| 国产毛片a区久久久久| 我要搜黄色片| 免费看光身美女| 欧美一区二区亚洲| 欧美日本视频| 我要看日韩黄色一级片| 中文资源天堂在线| 超碰av人人做人人爽久久| 赤兔流量卡办理| 亚洲内射少妇av| 亚洲在线自拍视频| 长腿黑丝高跟| 欧美最黄视频在线播放免费| 国产国拍精品亚洲av在线观看| 国产亚洲av片在线观看秒播厂 | av福利片在线观看| 亚洲精品影视一区二区三区av| 伊人久久精品亚洲午夜| 亚洲av熟女| 久久精品国产亚洲av涩爱 | 欧美区成人在线视频| 欧美zozozo另类| 欧美人与善性xxx| a级毛片a级免费在线| 成人一区二区视频在线观看| 床上黄色一级片| 中文字幕久久专区| 久久人人爽人人爽人人片va| 男女那种视频在线观看| 97超视频在线观看视频| 日本在线视频免费播放| 日韩制服骚丝袜av| 又爽又黄a免费视频| 国产精品av视频在线免费观看| 亚洲av电影不卡..在线观看| 亚洲美女视频黄频| 国产久久久一区二区三区| 亚洲美女视频黄频| 国产在视频线在精品| 国产蜜桃级精品一区二区三区| 免费黄网站久久成人精品| 色噜噜av男人的天堂激情| 国产精品蜜桃在线观看 | 男人和女人高潮做爰伦理| 高清午夜精品一区二区三区 | 久久热精品热| 国产麻豆成人av免费视频| 1000部很黄的大片| 给我免费播放毛片高清在线观看| 亚洲第一区二区三区不卡| 国模一区二区三区四区视频| 亚洲电影在线观看av| 男插女下体视频免费在线播放| 亚洲色图av天堂| 国产精品久久久久久av不卡| 99视频精品全部免费 在线| 嫩草影院入口| 九九在线视频观看精品| 久久久久九九精品影院| 午夜福利在线观看免费完整高清在 | 成人午夜精彩视频在线观看| 最近视频中文字幕2019在线8| 在线国产一区二区在线| 我要看日韩黄色一级片| 在线播放无遮挡| 听说在线观看完整版免费高清| 午夜视频国产福利| 免费大片18禁| 色综合色国产| 中国美女看黄片| 在线天堂最新版资源| 国产亚洲精品久久久com| 亚洲中文字幕一区二区三区有码在线看| 男人和女人高潮做爰伦理| 12—13女人毛片做爰片一| 在现免费观看毛片| 日韩一本色道免费dvd| 51国产日韩欧美| 91午夜精品亚洲一区二区三区| 在线免费观看不下载黄p国产| av天堂在线播放| 干丝袜人妻中文字幕| 精华霜和精华液先用哪个| 午夜精品国产一区二区电影 | 国产亚洲欧美98| 日产精品乱码卡一卡2卡三| 色视频www国产| 哪个播放器可以免费观看大片| 中文字幕制服av| 久久这里只有精品中国| 国产亚洲av片在线观看秒播厂 | 色哟哟哟哟哟哟| 人妻少妇偷人精品九色| 日本与韩国留学比较| 欧美3d第一页| 草草在线视频免费看| 级片在线观看| 久久精品影院6| 小蜜桃在线观看免费完整版高清| 综合色丁香网| 变态另类成人亚洲欧美熟女| 男插女下体视频免费在线播放| 国产免费一级a男人的天堂| 最近2019中文字幕mv第一页| 久久人人精品亚洲av| 成人二区视频| 久久久成人免费电影| 国产高清三级在线| a级毛片免费高清观看在线播放| 国产精品人妻久久久久久| 国内精品久久久久精免费| 热99在线观看视频| 国产又黄又爽又无遮挡在线| 成年女人永久免费观看视频| 国产伦一二天堂av在线观看| 两个人视频免费观看高清| 变态另类成人亚洲欧美熟女| 国产片特级美女逼逼视频| 亚洲激情五月婷婷啪啪| 国产精品蜜桃在线观看 | 免费看av在线观看网站| 亚洲美女视频黄频| 99热这里只有是精品50| 噜噜噜噜噜久久久久久91| 日韩成人伦理影院| 国产成人a∨麻豆精品| 日本黄色视频三级网站网址| 国产成人aa在线观看| 人人妻人人澡欧美一区二区| 一卡2卡三卡四卡精品乱码亚洲| 日日撸夜夜添| 看片在线看免费视频| 少妇裸体淫交视频免费看高清| 久久久久国产网址| 男插女下体视频免费在线播放| 欧美精品一区二区大全| 久久精品久久久久久久性| 色噜噜av男人的天堂激情| 乱码一卡2卡4卡精品| 国产精品一区二区三区四区久久| a级一级毛片免费在线观看| 超碰av人人做人人爽久久| 久久久久久久久久久免费av| 一本一本综合久久| 久久99蜜桃精品久久| 人妻久久中文字幕网| 日日撸夜夜添| 赤兔流量卡办理| 国产黄色小视频在线观看| 变态另类成人亚洲欧美熟女| 能在线免费观看的黄片| 18禁黄网站禁片免费观看直播| 精品久久久久久久久久久久久| 中文精品一卡2卡3卡4更新| 久久99蜜桃精品久久| 中文字幕精品亚洲无线码一区| av天堂在线播放| 校园春色视频在线观看| 亚洲av成人av| 内射极品少妇av片p| 天天躁日日操中文字幕| 男的添女的下面高潮视频| 性欧美人与动物交配| 色综合亚洲欧美另类图片| 欧美潮喷喷水| 一夜夜www| 在线天堂最新版资源| 51国产日韩欧美| 日韩中字成人| 又黄又爽又刺激的免费视频.| 男女边吃奶边做爰视频| 欧美激情久久久久久爽电影| 国产亚洲av嫩草精品影院| 大型黄色视频在线免费观看| 欧美另类亚洲清纯唯美| 国产高清视频在线观看网站| 国产伦一二天堂av在线观看| 欧美在线一区亚洲| 99久久九九国产精品国产免费| 日日摸夜夜添夜夜爱| 少妇高潮的动态图| 欧美在线一区亚洲| 婷婷亚洲欧美| 亚洲国产精品成人综合色| 伦理电影大哥的女人| 亚洲av熟女| 亚洲国产精品合色在线| 欧美zozozo另类| 国产精品一区二区三区四区免费观看| 成人午夜高清在线视频| 看免费成人av毛片| 亚洲aⅴ乱码一区二区在线播放| 看十八女毛片水多多多| 日韩av在线大香蕉| 亚洲色图av天堂| 亚洲高清免费不卡视频| 日本成人三级电影网站| 美女内射精品一级片tv| 少妇高潮的动态图| 久久韩国三级中文字幕| 国产黄片美女视频| 欧美xxxx黑人xx丫x性爽| 波野结衣二区三区在线| 亚洲婷婷狠狠爱综合网| 在线天堂最新版资源| 1024手机看黄色片| 国产精品综合久久久久久久免费| 亚洲欧美中文字幕日韩二区| 男的添女的下面高潮视频| 欧美xxxx性猛交bbbb| 亚洲精品自拍成人| 青春草国产在线视频 | 最近中文字幕高清免费大全6| 少妇熟女aⅴ在线视频| 丝袜美腿在线中文| 免费av不卡在线播放| 午夜老司机福利剧场| av福利片在线观看| 国产成人影院久久av| 久久精品91蜜桃| 三级毛片av免费| 男女做爰动态图高潮gif福利片| 看片在线看免费视频| 欧美成人a在线观看| 亚洲精品乱码久久久久久按摩| 日本三级黄在线观看| 国产一区二区亚洲精品在线观看| 网址你懂的国产日韩在线| 精品人妻熟女av久视频| 草草在线视频免费看| 久久久久久久久中文| 毛片一级片免费看久久久久| 日本免费一区二区三区高清不卡| 成人亚洲精品av一区二区| 有码 亚洲区| 三级经典国产精品| 少妇人妻精品综合一区二区 | 国产69精品久久久久777片| 日韩欧美三级三区| 不卡视频在线观看欧美| 99在线视频只有这里精品首页| 看非洲黑人一级黄片| 国产伦精品一区二区三区四那| 性插视频无遮挡在线免费观看| 22中文网久久字幕| 亚洲第一电影网av| 嫩草影院精品99| 人体艺术视频欧美日本| 成人鲁丝片一二三区免费| 中文精品一卡2卡3卡4更新| 岛国毛片在线播放| 三级毛片av免费| av免费在线看不卡| 国产探花极品一区二区| 简卡轻食公司| 精品一区二区免费观看| av在线亚洲专区| 给我免费播放毛片高清在线观看| www日本黄色视频网| a级一级毛片免费在线观看| 一区二区三区免费毛片| 黄片无遮挡物在线观看| 精品国内亚洲2022精品成人| 免费搜索国产男女视频| 日本五十路高清| 十八禁国产超污无遮挡网站| 国产高清有码在线观看视频| 久久热精品热| 老师上课跳d突然被开到最大视频| 听说在线观看完整版免费高清| 国产极品精品免费视频能看的| 久久草成人影院| 亚洲精品粉嫩美女一区| 一个人看的www免费观看视频| 麻豆精品久久久久久蜜桃| 国产高清视频在线观看网站| 白带黄色成豆腐渣| 日本撒尿小便嘘嘘汇集6| 亚洲18禁久久av| 国产黄片美女视频| 日本黄色片子视频| 哪里可以看免费的av片| 变态另类成人亚洲欧美熟女| 国产单亲对白刺激| 97在线视频观看| 日韩国内少妇激情av| 18禁裸乳无遮挡免费网站照片| 久久热精品热| 中文在线观看免费www的网站| 国产黄片视频在线免费观看| 你懂的网址亚洲精品在线观看 | 又黄又爽又刺激的免费视频.| 欧美zozozo另类| 国产av在哪里看| 青春草视频在线免费观看| 中国美女看黄片| 美女大奶头视频| 国产在线男女| 久久九九热精品免费| 热99在线观看视频|