• <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
    日韩免费高清中文字幕av| 色播在线永久视频| 亚洲五月天丁香| 黄色视频,在线免费观看| 欧美激情极品国产一区二区三区| 精品人妻1区二区| 中文字幕制服av| 欧美国产精品va在线观看不卡| 午夜日韩欧美国产| 50天的宝宝边吃奶边哭怎么回事| 欧洲精品卡2卡3卡4卡5卡区| 国产成人欧美在线观看 | 夜夜夜夜夜久久久久| 操出白浆在线播放| 黄色片一级片一级黄色片| 欧美日韩一级在线毛片| 国产精品成人在线| 大香蕉久久成人网| 亚洲av欧美aⅴ国产| 狠狠狠狠99中文字幕| 久久中文字幕一级| 中文字幕人妻丝袜制服| 日韩视频一区二区在线观看| 国产亚洲精品久久久久5区| 91av网站免费观看| 69av精品久久久久久| a级毛片在线看网站| 又大又爽又粗| 桃红色精品国产亚洲av| 久久精品亚洲av国产电影网| 这个男人来自地球电影免费观看| 一级,二级,三级黄色视频| av超薄肉色丝袜交足视频| 久久99一区二区三区| 国产男女超爽视频在线观看| 天天添夜夜摸| 久久人妻熟女aⅴ| 国产精品自产拍在线观看55亚洲 | 大片电影免费在线观看免费| 欧美一级毛片孕妇| 大片电影免费在线观看免费| 亚洲精品国产一区二区精华液| 国内久久婷婷六月综合欲色啪| 国产单亲对白刺激| 欧美成人免费av一区二区三区 | 精品国产乱子伦一区二区三区| 国产高清国产精品国产三级| 国产高清videossex| 黑人欧美特级aaaaaa片| 丰满迷人的少妇在线观看| 高清在线国产一区| 丰满人妻熟妇乱又伦精品不卡| 亚洲国产中文字幕在线视频| 99精国产麻豆久久婷婷| 岛国毛片在线播放| 人妻 亚洲 视频| 欧美黑人欧美精品刺激| 久久天堂一区二区三区四区| 少妇被粗大的猛进出69影院| 国产高清激情床上av| 99re在线观看精品视频| 人妻 亚洲 视频| 亚洲精品一二三| 日韩精品免费视频一区二区三区| 国产一区在线观看成人免费| 国产精品久久久人人做人人爽| 少妇被粗大的猛进出69影院| 中文字幕人妻丝袜一区二区| 大香蕉久久网| 精品免费久久久久久久清纯 | 黄色怎么调成土黄色| 久久国产亚洲av麻豆专区| 搡老熟女国产l中国老女人| 日韩免费高清中文字幕av| 激情在线观看视频在线高清 | 男女之事视频高清在线观看| 欧美激情高清一区二区三区| 91av网站免费观看| 亚洲aⅴ乱码一区二区在线播放 | 黄色 视频免费看| 老汉色∧v一级毛片| 国产99白浆流出| 日韩免费av在线播放| 免费少妇av软件| 美女高潮喷水抽搐中文字幕| 天天添夜夜摸| 99精国产麻豆久久婷婷| 高清黄色对白视频在线免费看| cao死你这个sao货| 男人的好看免费观看在线视频 | 国产一区在线观看成人免费| 日韩欧美一区视频在线观看| 人妻一区二区av| 国产一区二区三区在线臀色熟女 | 日韩熟女老妇一区二区性免费视频| 中文字幕人妻丝袜制服| 满18在线观看网站| 亚洲五月婷婷丁香| 老司机午夜十八禁免费视频| 大码成人一级视频| 亚洲欧洲精品一区二区精品久久久| 中出人妻视频一区二区| 精品久久久久久电影网| 超色免费av| 一边摸一边抽搐一进一小说 | 亚洲全国av大片| 国产成人系列免费观看| 99热只有精品国产| 欧美日韩亚洲综合一区二区三区_| 啪啪无遮挡十八禁网站| 久久香蕉激情| 中出人妻视频一区二区| 看免费av毛片| 欧美乱码精品一区二区三区| 王馨瑶露胸无遮挡在线观看| 超碰成人久久| 亚洲欧美激情在线| 久久精品国产a三级三级三级| 黄片小视频在线播放| 亚洲九九香蕉| 亚洲精品美女久久av网站| 久久午夜综合久久蜜桃| 成人18禁在线播放| 在线播放国产精品三级| 淫妇啪啪啪对白视频| 欧美人与性动交α欧美软件| 欧美亚洲日本最大视频资源| 久久国产乱子伦精品免费另类| 亚洲,欧美精品.| 天堂中文最新版在线下载| 欧美成狂野欧美在线观看| 狂野欧美激情性xxxx| xxx96com| 在线十欧美十亚洲十日本专区| 久久久精品区二区三区| 精品亚洲成a人片在线观看| 99re6热这里在线精品视频| 日韩熟女老妇一区二区性免费视频| 亚洲黑人精品在线| 国产精品成人在线| 欧美丝袜亚洲另类 | 高清视频免费观看一区二区| 大陆偷拍与自拍| a级毛片在线看网站| 欧美色视频一区免费| 久9热在线精品视频| 国产成人欧美在线观看 | 日本欧美视频一区| 久久中文看片网| 国产有黄有色有爽视频| 国产精华一区二区三区| 精品久久蜜臀av无| 亚洲情色 制服丝袜| 久久精品亚洲熟妇少妇任你| 国产99白浆流出| 亚洲精品久久成人aⅴ小说| 国产成人精品在线电影| 亚洲五月天丁香| 国产成人欧美在线观看 | 老汉色av国产亚洲站长工具| 国产成人精品久久二区二区91| 很黄的视频免费| 人妻丰满熟妇av一区二区三区 | 搡老岳熟女国产| 久久香蕉国产精品| 天天操日日干夜夜撸| 日韩一卡2卡3卡4卡2021年| 精品一区二区三区av网在线观看| 国产精品免费视频内射| 极品少妇高潮喷水抽搐| 在线天堂中文资源库| 国产成人精品无人区| 精品国产一区二区久久| 久久影院123| av电影中文网址| 少妇粗大呻吟视频| 国产淫语在线视频| 一个人免费在线观看的高清视频| 午夜精品在线福利| 国产精品免费大片| 亚洲色图综合在线观看| 亚洲成人免费电影在线观看| 欧美 亚洲 国产 日韩一| 一区福利在线观看| 两人在一起打扑克的视频| 女人爽到高潮嗷嗷叫在线视频| 男女床上黄色一级片免费看| 黄片播放在线免费| 99国产精品99久久久久| 激情视频va一区二区三区| 日韩精品免费视频一区二区三区| 久久中文字幕人妻熟女| 国产精品偷伦视频观看了| 成人18禁在线播放| 久久久久国产精品人妻aⅴ院 | 中文字幕人妻熟女乱码| 伦理电影免费视频| 又黄又粗又硬又大视频| 乱人伦中国视频| 女性生殖器流出的白浆| 男人的好看免费观看在线视频 | 丝袜美腿诱惑在线| 欧美日韩视频精品一区| 国产精品欧美亚洲77777| 国产激情欧美一区二区| 侵犯人妻中文字幕一二三四区| 国产亚洲精品第一综合不卡| 深夜精品福利| 中亚洲国语对白在线视频| 精品久久蜜臀av无| 午夜91福利影院| 黑人操中国人逼视频| 欧美性长视频在线观看| 亚洲国产欧美日韩在线播放| 国产精品久久久人人做人人爽| 欧美日韩乱码在线| 久久久精品国产亚洲av高清涩受| av国产精品久久久久影院| 亚洲五月色婷婷综合| 午夜影院日韩av| 一个人免费在线观看的高清视频| 成人手机av| 国产亚洲欧美精品永久| 精品国产国语对白av| 建设人人有责人人尽责人人享有的| 久久亚洲精品不卡| 最近最新中文字幕大全免费视频| 欧美丝袜亚洲另类 | 久久精品国产99精品国产亚洲性色 | 国产精品成人在线| 成人18禁在线播放| 亚洲欧美精品综合一区二区三区| 国产一区有黄有色的免费视频| 99国产综合亚洲精品| 三级毛片av免费| 真人做人爱边吃奶动态| 久久久久久久国产电影| 女性生殖器流出的白浆| 久99久视频精品免费| 精品国内亚洲2022精品成人 | 99re在线观看精品视频| 亚洲av日韩精品久久久久久密| 18禁黄网站禁片午夜丰满| av国产精品久久久久影院| 女人被躁到高潮嗷嗷叫费观| 亚洲成人国产一区在线观看| 久久久久久久久久久久大奶| 国产麻豆69| 高潮久久久久久久久久久不卡| 午夜两性在线视频| 日韩欧美三级三区| 99国产精品一区二区蜜桃av | 久久久久久久国产电影| 日本黄色日本黄色录像| 免费看十八禁软件| 国产高清videossex| 亚洲欧美精品综合一区二区三区| 一区二区日韩欧美中文字幕| 少妇裸体淫交视频免费看高清 | 激情在线观看视频在线高清 | 99久久综合精品五月天人人| 亚洲国产欧美网| 好男人电影高清在线观看| 欧美激情极品国产一区二区三区| av福利片在线| 国产在线精品亚洲第一网站| 不卡一级毛片| 成年动漫av网址| 亚洲精华国产精华精| 黄色丝袜av网址大全| 曰老女人黄片| 国产又色又爽无遮挡免费看| 亚洲精品中文字幕一二三四区| 在线av久久热| 午夜福利影视在线免费观看| 黄色 视频免费看| 99国产精品免费福利视频| 后天国语完整版免费观看| 黄色a级毛片大全视频| 精品一区二区三区视频在线观看免费 | 欧美一级毛片孕妇| 两性午夜刺激爽爽歪歪视频在线观看 | 日韩欧美三级三区| 欧美日韩成人在线一区二区| 午夜成年电影在线免费观看| 女性被躁到高潮视频| 天天躁狠狠躁夜夜躁狠狠躁| 免费观看人在逋| 女人精品久久久久毛片| 高清欧美精品videossex| 国产又爽黄色视频| 国产成人精品无人区| 国产精品欧美亚洲77777| 黄网站色视频无遮挡免费观看| 亚洲成av片中文字幕在线观看| 免费在线观看黄色视频的| 在线观看免费高清a一片| 欧美+亚洲+日韩+国产| 国产精品一区二区在线观看99| 在线观看日韩欧美| 看黄色毛片网站| 亚洲国产精品sss在线观看 | 成年动漫av网址| 交换朋友夫妻互换小说| 亚洲精品国产色婷婷电影| 精品国产超薄肉色丝袜足j| 老汉色av国产亚洲站长工具| 久久这里只有精品19| 老司机深夜福利视频在线观看| 久久狼人影院| 又大又爽又粗| 国精品久久久久久国模美| 午夜免费成人在线视频| 国内毛片毛片毛片毛片毛片| 色综合欧美亚洲国产小说| 久热爱精品视频在线9| 精品人妻熟女毛片av久久网站| 国产熟女午夜一区二区三区| 王馨瑶露胸无遮挡在线观看| 国产精品香港三级国产av潘金莲| 免费看十八禁软件| 中文字幕人妻熟女乱码| 日日摸夜夜添夜夜添小说| 天天影视国产精品| 在线观看午夜福利视频| 免费观看精品视频网站| 成人国产一区最新在线观看| 国产亚洲精品久久久久5区| 黄色丝袜av网址大全| 91字幕亚洲| 天堂中文最新版在线下载| 最新美女视频免费是黄的| 亚洲专区国产一区二区| 亚洲熟妇中文字幕五十中出 | 国产麻豆69| 99国产精品一区二区三区| 久久天堂一区二区三区四区| 在线观看免费午夜福利视频| 亚洲自偷自拍图片 自拍| 午夜福利一区二区在线看| 国产欧美日韩一区二区精品| 欧美日韩国产mv在线观看视频| 国产一区在线观看成人免费| 嫁个100分男人电影在线观看| 黑人欧美特级aaaaaa片| 久久久久久久国产电影| 国产成人精品久久二区二区91| 成人18禁高潮啪啪吃奶动态图| 成人国产一区最新在线观看| 久久精品国产亚洲av高清一级| 中文字幕最新亚洲高清| 国产精品综合久久久久久久免费 | xxx96com| 亚洲 国产 在线| 久久久久久久精品吃奶| 亚洲精品国产色婷婷电影| 午夜视频精品福利| 叶爱在线成人免费视频播放| 日韩欧美在线二视频 | 又大又爽又粗| 亚洲午夜理论影院| 两个人免费观看高清视频| av福利片在线| 亚洲国产精品合色在线| 亚洲,欧美精品.| 国产精品亚洲av一区麻豆| 黑人巨大精品欧美一区二区mp4| 露出奶头的视频| 免费不卡黄色视频| 老司机在亚洲福利影院| 日韩欧美三级三区| 两人在一起打扑克的视频| 在线观看免费视频日本深夜| 99国产精品免费福利视频| 久久久久国产一级毛片高清牌| 黑人巨大精品欧美一区二区mp4| 久久久国产精品麻豆| 国产精品免费大片| 国产精品亚洲一级av第二区| 久久久久久久午夜电影 | e午夜精品久久久久久久| 91精品国产国语对白视频| 亚洲国产看品久久| 亚洲色图 男人天堂 中文字幕| 美女福利国产在线| 午夜福利乱码中文字幕| 香蕉国产在线看| 无限看片的www在线观看| 99热只有精品国产| 99热网站在线观看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲精品美女久久久久99蜜臀| 亚洲一区高清亚洲精品| 国产亚洲av高清不卡| 一个人免费在线观看的高清视频| 欧美国产精品一级二级三级| 18禁观看日本| 人成视频在线观看免费观看| 国产成人免费无遮挡视频| 午夜福利欧美成人| 别揉我奶头~嗯~啊~动态视频| 超碰成人久久| a级片在线免费高清观看视频| 久久这里只有精品19| 精品少妇一区二区三区视频日本电影| 国产欧美亚洲国产| 欧美成人免费av一区二区三区 | 日韩精品免费视频一区二区三区| 中文字幕人妻熟女乱码| 97人妻天天添夜夜摸| 国产精品九九99| 在线播放国产精品三级| 十八禁高潮呻吟视频| 嫁个100分男人电影在线观看| 精品久久久精品久久久| www.999成人在线观看| 久久久国产一区二区| 女人被躁到高潮嗷嗷叫费观| 亚洲国产精品一区二区三区在线| 亚洲avbb在线观看| 亚洲精品中文字幕在线视频| 欧美激情高清一区二区三区| 精品一区二区三区av网在线观看| 啦啦啦免费观看视频1| 国产欧美日韩综合在线一区二区| 老司机在亚洲福利影院| 91成年电影在线观看| 成人18禁在线播放| 婷婷精品国产亚洲av在线 | 手机成人av网站| 国产午夜精品久久久久久| 欧美国产精品一级二级三级| 日韩制服丝袜自拍偷拍| 老熟妇仑乱视频hdxx| 久久热在线av| 久久精品熟女亚洲av麻豆精品| 99热国产这里只有精品6| 中文亚洲av片在线观看爽 | 国精品久久久久久国模美| 久久精品国产亚洲av香蕉五月 | 午夜免费成人在线视频| 在线观看免费日韩欧美大片| 欧美激情久久久久久爽电影 | 99国产精品免费福利视频| 国产精品欧美亚洲77777| 女人高潮潮喷娇喘18禁视频| 久久精品亚洲av国产电影网| 成年人午夜在线观看视频| 久久精品人人爽人人爽视色| 久久人妻av系列| 美女午夜性视频免费| 99热国产这里只有精品6| 国产精品一区二区精品视频观看| 美女高潮到喷水免费观看| 国产片内射在线| 色在线成人网| 欧美人与性动交α欧美精品济南到| 国产乱人伦免费视频| 欧美日韩乱码在线| 国产精品电影一区二区三区 | 黑人猛操日本美女一级片| av中文乱码字幕在线| 久久久国产成人免费| 亚洲中文字幕日韩| 久久中文字幕人妻熟女| 啦啦啦视频在线资源免费观看| 亚洲av美国av| 欧美黄色淫秽网站| 成人国产一区最新在线观看| 两性夫妻黄色片| 国产精品1区2区在线观看. | 亚洲一区高清亚洲精品| 999久久久国产精品视频| 免费人成视频x8x8入口观看| 天天躁日日躁夜夜躁夜夜| www.999成人在线观看| 亚洲欧洲精品一区二区精品久久久| tube8黄色片| 久久这里只有精品19| 建设人人有责人人尽责人人享有的| 亚洲av欧美aⅴ国产| 香蕉久久夜色| 女性生殖器流出的白浆| 夜夜躁狠狠躁天天躁| 另类亚洲欧美激情| 亚洲第一欧美日韩一区二区三区| 人人妻,人人澡人人爽秒播| 欧美日韩福利视频一区二区| 成人特级黄色片久久久久久久| 母亲3免费完整高清在线观看| 亚洲专区字幕在线| 老司机影院毛片| 亚洲av成人一区二区三| 久久精品国产99精品国产亚洲性色 | 男男h啪啪无遮挡| 伊人久久大香线蕉亚洲五| 女同久久另类99精品国产91| 亚洲精品久久午夜乱码| 欧美日韩精品网址| 日韩欧美一区二区三区在线观看 | 欧美成人免费av一区二区三区 | 亚洲av成人不卡在线观看播放网| 久久久国产精品麻豆| 老司机午夜福利在线观看视频| 精品国产超薄肉色丝袜足j| 欧美激情高清一区二区三区| 国产高清国产精品国产三级| 亚洲成人免费av在线播放| 久久久久国内视频| 午夜福利影视在线免费观看| 国产三级黄色录像| 久久ye,这里只有精品| 久久国产精品男人的天堂亚洲| 精品无人区乱码1区二区| 动漫黄色视频在线观看| 久久亚洲真实| av不卡在线播放| 国产av精品麻豆| 久久国产亚洲av麻豆专区| 久久天堂一区二区三区四区| 91老司机精品| 午夜福利在线免费观看网站| 老熟妇乱子伦视频在线观看| 青草久久国产| 新久久久久国产一级毛片| √禁漫天堂资源中文www| 亚洲久久久国产精品| 91九色精品人成在线观看| a级毛片在线看网站| 悠悠久久av| 18禁裸乳无遮挡动漫免费视频| 丰满的人妻完整版| 真人做人爱边吃奶动态| 69av精品久久久久久| 不卡一级毛片| 在线av久久热| 欧美老熟妇乱子伦牲交| 精品卡一卡二卡四卡免费| 啪啪无遮挡十八禁网站| 久久久久久人人人人人| 777米奇影视久久| 亚洲av美国av| 超碰成人久久| 久久九九热精品免费| videos熟女内射| 黄色丝袜av网址大全| 国产精品.久久久| 女性被躁到高潮视频| 香蕉国产在线看| 午夜福利视频在线观看免费| av一本久久久久| 视频区欧美日本亚洲| 亚洲午夜精品一区,二区,三区| 色婷婷av一区二区三区视频| 亚洲专区中文字幕在线| 亚洲人成伊人成综合网2020| 亚洲第一av免费看| 高潮久久久久久久久久久不卡| 天天添夜夜摸| 国产视频一区二区在线看| 无人区码免费观看不卡| 久久精品国产亚洲av香蕉五月 | 久久精品国产亚洲av高清一级| 激情视频va一区二区三区| e午夜精品久久久久久久| 国产不卡av网站在线观看| 99久久99久久久精品蜜桃| 久久天躁狠狠躁夜夜2o2o| 婷婷精品国产亚洲av在线 | 国产精品九九99| 成年人午夜在线观看视频| 麻豆国产av国片精品| 无遮挡黄片免费观看| 久久人人爽av亚洲精品天堂| 欧美日韩乱码在线| 超碰97精品在线观看| 亚洲综合色网址| 在线天堂中文资源库| 激情在线观看视频在线高清 | 国产真人三级小视频在线观看| xxxhd国产人妻xxx| 亚洲国产精品一区二区三区在线| 丝袜在线中文字幕| 中出人妻视频一区二区| 老汉色av国产亚洲站长工具| 女性被躁到高潮视频| 人人妻人人澡人人看| 久久久精品免费免费高清| 成人精品一区二区免费| 1024视频免费在线观看| 亚洲伊人色综图| 欧美大码av| 日韩欧美免费精品| 国产一区二区三区视频了| 99久久综合精品五月天人人| 午夜免费观看网址| 在线观看舔阴道视频| 男人的好看免费观看在线视频 | 亚洲aⅴ乱码一区二区在线播放 | 精品久久久久久久毛片微露脸| 一二三四在线观看免费中文在| 免费不卡黄色视频| 亚洲av美国av| 亚洲午夜精品一区,二区,三区| 久久久精品国产亚洲av高清涩受| 精品国产美女av久久久久小说| 亚洲午夜理论影院| 在线观看免费日韩欧美大片| 搡老岳熟女国产| 男男h啪啪无遮挡| 欧美最黄视频在线播放免费 | 成人黄色视频免费在线看| 午夜福利欧美成人| 国产成人免费无遮挡视频| 麻豆av在线久日|