• <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 ?

    基于異常檢測(cè)的K-means改進(jìn)算法研究

    2019-06-09 10:36薛晨杰林婷薇
    軟件導(dǎo)刊 2019年4期
    關(guān)鍵詞:異常檢測(cè)means算法聚類算法

    薛晨杰 林婷薇

    摘 要:K-means算法作為較為普遍的聚類算法,聚類效果受孤立點(diǎn)、噪聲點(diǎn)和初始聚類中心影響較大。結(jié)合Isolation Forest算法計(jì)算數(shù)據(jù)中每個(gè)樣本的異常度系數(shù),根據(jù)離群值過濾比例計(jì)算得到異常度系數(shù)閾值,對(duì)高度異常值加以隔離,并對(duì)隔離后的數(shù)據(jù)集使用平均插值法求得初始聚類中心。運(yùn)用改進(jìn)K-means算法對(duì)真實(shí)數(shù)據(jù)集進(jìn)行聚類分析,與此同時(shí),通過比較多個(gè)離群值過濾比例下的聚類結(jié)果,找到離群值過濾比例的最優(yōu)取值。仿真結(jié)果表明,相比于原始算法,新算法顯著提升了聚類準(zhǔn)確性,聚類效果更佳。

    關(guān)鍵詞:K-means算法;聚類算法;異常檢測(cè);異常度系數(shù);離群過濾比例

    DOI:10. 11907/rjdk. 182467

    中圖分類號(hào):TP312文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2019)004-0074-05

    0 引言

    隨著數(shù)據(jù)挖掘技術(shù)的迅速發(fā)展,日常生活產(chǎn)生的海量數(shù)據(jù)中隱含的信息及商業(yè)價(jià)值越來越多地被挖掘與展現(xiàn)出來。聚類分析是數(shù)據(jù)挖掘中的常用分析方法[1],其目的是將輸入的數(shù)據(jù)樣本通過聚類找到數(shù)據(jù)特征,然后根據(jù)樣本相似程度將數(shù)據(jù)集合分成若干個(gè)簇,使每一個(gè)簇中的數(shù)據(jù)點(diǎn)達(dá)到最大同質(zhì)化,而使不同簇之間的差異最大化。聚類算法研究歷史悠久,早在1975年Hartigan[2]即在其專著《Clustering Algorithms》中對(duì)聚類算法進(jìn)行了系統(tǒng)論述。研究者通過觀察聚類分析結(jié)果可以發(fā)現(xiàn)數(shù)據(jù)中隱藏的聯(lián)系與差異,從而將該數(shù)據(jù)分析結(jié)果作為新研究中的依據(jù)[3]。

    K-means[4]聚類算法是目前最基本且被廣泛應(yīng)用的聚類分析方法之一,是由MacQueen總結(jié)Cox[5]、Fisher[6]、Sebestyen[7]等研究成果而提出的一種經(jīng)典的以數(shù)據(jù)點(diǎn)到簇中心距離作為優(yōu)化目標(biāo)的函數(shù)聚類方法,但其仍然存在一些缺陷,比如受孤立點(diǎn)、噪聲點(diǎn)以及初始聚類中心影響較大等。因此,學(xué)者們對(duì)此進(jìn)行了大量研究。Metropolis等[8]提出的模擬物理學(xué)上固體退火過程的優(yōu)化算法,有著更好的聚類效果,但會(huì)增加算法復(fù)雜度;Dong 等[9]首先通過二分K-means算法將數(shù)據(jù)集分為 K 個(gè)大類,再利用模擬退火算法優(yōu)化聚類中心,從而提高了聚類準(zhǔn)確度;Bhuyan等[10]提出可用遺傳算法改進(jìn)聚類效果,隨后Jones等[11]、Babu等[12]也相繼提出應(yīng)用遺傳算法改進(jìn)K-means算法初始聚類中心的思路。以上改進(jìn)算法都是基于優(yōu)化算法,與此同時(shí)也有不少學(xué)者基于密度分布情況選擇聚類中心。Katsavounidis等[13]提出一種通過盡可能分散初始聚類中心的解決方法,從而有效避免了被選擇的聚類中心過于密集的情況;Khan等[14]提出的 CCIA 算法,利用數(shù)據(jù)點(diǎn)的均值、標(biāo)準(zhǔn)差、百分位數(shù)等統(tǒng)計(jì)信息提供數(shù)據(jù)點(diǎn)密度分布信息,從而得到初始聚類中心;牛琨等[15]提出基于密度指針的初始聚類中心選擇算法DP,根據(jù)密度差異確定密度指針方向,并計(jì)算出聚集因子,最后將具有較大局部聚集因子的重心作為初始聚類中心。

    本文結(jié)合Isolation Forest算法[16]計(jì)算數(shù)據(jù)異常度系數(shù)后對(duì)高度異常值加以隔離,并使用平均插值法求得初始聚類中心,以減少孤立點(diǎn)和噪聲點(diǎn)對(duì)算法聚類效果的影響,從而對(duì)算法加以改進(jìn)。最后選取若干個(gè)現(xiàn)實(shí)數(shù)據(jù)集對(duì)改進(jìn)前后的算法進(jìn)行實(shí)驗(yàn),并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析檢驗(yàn)。驗(yàn)證結(jié)果表明,改進(jìn)的K-means算法相較于原始算法具有更好的性能及聚類效果。

    1 K-means聚類算法簡介

    K-means算法選擇期望的簇中心K,通過不斷迭代和重新計(jì)算聚類中心,以極小化整個(gè)簇內(nèi)方差,將得到緊湊且相互獨(dú)立的簇作為算法最終目標(biāo)。利用函數(shù)的求極值方法,調(diào)整迭代次數(shù)閾值獲得最佳聚類效果。

    原始K-means算法具體流程如下:

    (4)重復(fù)執(zhí)行步驟(2)-(4),直到聚類中心不再發(fā)生變化為止。

    K-means算法作為經(jīng)典聚類算法,有著高效簡潔的優(yōu)點(diǎn),但同時(shí)傳統(tǒng)K-means算法也存在較為明顯的缺陷[17]。筆者總結(jié)列出以下兩點(diǎn)較為普遍的缺陷:

    (1)孤立點(diǎn)和噪聲點(diǎn)對(duì)算法聚類效果影響較大。傳統(tǒng)K-means算法不適合應(yīng)用于樣本差異過大的簇,其對(duì)于孤立點(diǎn)和噪聲點(diǎn)數(shù)據(jù)十分敏感,即使是少量孤立數(shù)據(jù)都會(huì)對(duì)算法性能與結(jié)果造成很大影響,從而使平均值產(chǎn)生偏離。

    (2)初始聚類中心選取對(duì)聚類效果影響較大[18]。在K-means算法中需要先根據(jù)初始聚類中心確定初始簇的劃分,再對(duì)簇進(jìn)行優(yōu)化。算法聚類結(jié)果對(duì)初值選取的依賴性很強(qiáng),一旦初始聚類中心選擇不佳,可能無法得到最好的聚類結(jié)果。

    2 算法改進(jìn)

    針對(duì)K-means算法存在的問題,提出如下改進(jìn)方案:

    (1)在使用K-means算法進(jìn)行聚類之前,首先根據(jù)Isolation Forest異常檢測(cè)算法,得到每個(gè)數(shù)據(jù)樣本的異常度系數(shù),將異常度系數(shù)值大于閾值的所有樣本標(biāo)記為異常離群點(diǎn),然后對(duì)這些點(diǎn)進(jìn)行過濾,在進(jìn)行簇中心計(jì)算時(shí)不再使用這些異常數(shù)據(jù)點(diǎn)和離群數(shù)據(jù)點(diǎn)。

    (2)在初始化簇中心時(shí),不采用隨機(jī)初始化方法,而是首先統(tǒng)計(jì)出除異常值和離群值外的數(shù)據(jù)樣本在每個(gè)維度上的取值范圍,再根據(jù)需要計(jì)算類簇?cái)?shù),使用平均差值法得到初始聚類中心。

    2.1 Isolation Forest算法

    Isolation Forest算法采用二叉樹對(duì)數(shù)據(jù)進(jìn)行切分,數(shù)據(jù)點(diǎn)在二叉樹當(dāng)中所處的深度反應(yīng)了該數(shù)據(jù)在集合中的離散程度。該算法性能好、效率高,能有效處理多維數(shù)據(jù)及海量數(shù)據(jù)。算法流程可大致分為以下兩步:①構(gòu)建。抽取一批數(shù)據(jù)樣本,構(gòu)建多棵二叉樹并組合成森林;②計(jì)算。綜合每個(gè)二叉樹結(jié)果,計(jì)算集合中每個(gè)數(shù)據(jù)點(diǎn)異常值。

    (1)構(gòu)建:對(duì)給定的數(shù)據(jù)集D,隨機(jī)選擇一個(gè)屬性,并在該屬性最大值與最小值之間隨機(jī)選擇一個(gè)值,將數(shù)據(jù)集中小于該值的數(shù)據(jù)劃分到二叉樹左分支,大于等于該值的數(shù)據(jù)劃分到右分支。重復(fù)上述步驟直到數(shù)據(jù)集只有一條或多條相同記錄,或二叉樹達(dá)到限定高度,算法流程如下:

    算法1 生成樹

    輸入: 數(shù)據(jù)樣本集合[D],當(dāng)前樹高[h],限定高度[l]

    輸出: 生成的二叉樹

    1: 檢測(cè)樹高是否大于限定高度,D中是否只包含一條數(shù)據(jù)或全部數(shù)據(jù)相同

    2: 若是則輸出節(jié)點(diǎn)數(shù)

    3: 否則隨機(jī)選取包含于樣本集合D的數(shù)據(jù)屬性

    4: 隨機(jī)在該屬性最大值和最小值之間選取一個(gè)參數(shù)值

    5: 將樣本中小于該值的劃分到左分支

    6: 將樣本中大于該值的劃分到右分支

    7: [重復(fù)上述]步驟直到滿足步驟1條件為止

    8: 結(jié)束,返回二叉樹

    (2)計(jì)算:由于異常點(diǎn)對(duì)于數(shù)據(jù)集而言十分稀有,所以可以通過根節(jié)點(diǎn)和葉節(jié)點(diǎn)的路徑[h(x)]判斷一個(gè)數(shù)據(jù)點(diǎn)[x]是否為異常點(diǎn),采用公式(3)進(jìn)行計(jì)算。

    從異常度系數(shù)公式中可以發(fā)現(xiàn),數(shù)據(jù)點(diǎn)在每棵樹中的平均路徑越短,公式值越接近1,則表示數(shù)據(jù)是異常點(diǎn)的可能性高;反之,數(shù)據(jù)在每棵樹中平均路徑越長,公式值越接近0,表示數(shù)據(jù)是正常點(diǎn)的可能性較高。如果大部分樣本系數(shù)都趨近于0.5,說明整個(gè)數(shù)據(jù)集沒有明顯異常值。

    2.2 改進(jìn)K-means算法

    通過使用上述Isolation Forest算法得到每個(gè)樣本異度系數(shù)之后,選取所需的類簇?cái)?shù)[k]和離群值過濾比例[r]。離群值過濾比例是指過濾數(shù)據(jù)個(gè)數(shù)占總數(shù)據(jù)樣本個(gè)數(shù)的百分比,即使用改進(jìn)K-means算法需要過濾多少比例的離群點(diǎn)后再進(jìn)行聚類,默認(rèn)為0.1。由于需要聚類的數(shù)據(jù)樣本集合中的數(shù)據(jù)個(gè)數(shù)通常有限,因此直接將離群過濾比例值基于樣本個(gè)數(shù)進(jìn)行隔離,通常會(huì)造成隔離數(shù)據(jù)量過大而產(chǎn)生不必要的誤差。針對(duì)該問題,筆者根據(jù)異常度系數(shù)[θ]和離群過濾比例r,擬定異常度系數(shù)閾值公式:[t=θmax-(θmax-][θmin)×r],即對(duì)異常度系數(shù)[θ]大于t的數(shù)據(jù)加以隔離,以避免由于隔離數(shù)據(jù)數(shù)目過大造成的誤差。

    聚類算法結(jié)果對(duì)初值選取的依賴性很強(qiáng)[19],因此選取優(yōu)質(zhì)的初始聚類中心是改進(jìn)算法的重要一步。本文通過統(tǒng)計(jì)樣本在各維度上的取值范圍,結(jié)合平均插值法思想進(jìn)行初始聚類中心選取,即盡可能將初值均勻選取在數(shù)據(jù)集合內(nèi)部,減少邊界值對(duì)初始聚類中心選取的影響。對(duì)于取值范圍為[i,j]的屬性T,根據(jù)所需類簇?cái)?shù)k,應(yīng)用公式(5)計(jì)算初始聚類中心。

    獲得高質(zhì)量的初值之后,將過濾的異常樣本歸入剩余樣本集合中,進(jìn)行多次迭代,直至函數(shù)收斂,改進(jìn)算法如下:

    3 實(shí)驗(yàn)仿真

    本節(jié)通過對(duì)多個(gè)真實(shí)數(shù)據(jù)集分別使用原始K-means算法及改進(jìn)后的K-means算法進(jìn)行聚類,獲得兩種聚類算法得到的結(jié)果并加以對(duì)比,再根據(jù)多種聚類效果評(píng)估算法對(duì)結(jié)果進(jìn)行評(píng)估,直觀展示改進(jìn)聚類算法的聚類效果。

    3.1 數(shù)據(jù)準(zhǔn)備及預(yù)處理

    實(shí)驗(yàn)選擇8個(gè)真實(shí)數(shù)據(jù)集進(jìn)行聚類,分別為動(dòng)物數(shù)據(jù)集、紅酒數(shù)據(jù)集、森林類型數(shù)據(jù)集、鳶尾花數(shù)據(jù)集、小麥種子數(shù)據(jù)集、脊柱數(shù)據(jù)集、ILDP(印度肝臟患者)數(shù)據(jù)集和病樹數(shù)據(jù)集,具體如表1所示。

    聚類算法目標(biāo)是實(shí)現(xiàn)簇內(nèi)相似度最高且簇之間相似度最低[20],這是一個(gè)集群質(zhì)量內(nèi)部標(biāo)準(zhǔn),但是良好的內(nèi)部標(biāo)準(zhǔn)并不一定在應(yīng)用中轉(zhuǎn)化效果最好,因此需要對(duì)聚類結(jié)果的應(yīng)用效果進(jìn)行直接評(píng)估。本次實(shí)驗(yàn)準(zhǔn)備采用如下幾種評(píng)估聚類質(zhì)量算法:

    (1)purity是一種簡單、透明的評(píng)價(jià)方法,每個(gè)簇都被分配給最頻繁出現(xiàn)的類,然后通過計(jì)算正確數(shù)目測(cè)量準(zhǔn)確性,如式(6)所示。

    (2)Rand Index假設(shè)數(shù)據(jù)集合中存在N個(gè)樣本,則有[N(N-1)2]個(gè)集合對(duì),并將同一類樣本分配到同一個(gè)簇和不同簇分別定義為TP和FN,將不同類樣本分配到同一個(gè)簇和不同簇分別定義為FP和TN。Rand Index計(jì)算公式如式(7)所示。

    Rand Index存在的缺陷是對(duì)假陽性和假陰性給出了相同權(quán)重,分離相似樣本有時(shí)比在同一個(gè)簇中放置成對(duì)的不同樣本效果更差。對(duì)此可以使用F測(cè)量方法通過選擇一個(gè)值對(duì)假陰性結(jié)果進(jìn)行更強(qiáng)的懲罰,從而加大召回權(quán)重,以提高評(píng)估準(zhǔn)確性。F測(cè)量方法如式(8)-式(10)所示,其中Presicion和Recall數(shù)值分別由P和R表示。

    3.2 實(shí)驗(yàn)及結(jié)果分析

    本文首先采用動(dòng)物園數(shù)據(jù)集,該數(shù)據(jù)集包含動(dòng)物園中生活的101種動(dòng)物,并根據(jù)動(dòng)物們具有的如水陸生、胎卵生、哺乳類還是兩棲類、是否有毒等17個(gè)特征屬性,將全部動(dòng)物集分為7個(gè)大類。

    處理完數(shù)據(jù)集之后,利用改進(jìn)前后的兩種算法分別對(duì)數(shù)據(jù)集進(jìn)行聚類,設(shè)置離群值過濾比例[r]為0.1,獲得的聚類結(jié)果如圖1、圖2所示。

    觀察圖1、圖2可以發(fā)現(xiàn),原始K-menas算法雖然對(duì)數(shù)據(jù)集進(jìn)行了聚類,但總體仍十分雜亂。運(yùn)用改進(jìn)算法進(jìn)行聚類后,絕大部分相同屬性的樣本被歸到同一類簇中,而不同屬性樣本被分開在不同簇中,分類效果較原始結(jié)果有明顯提升。

    僅通過觀察圖得出結(jié)論并不十分可靠,所以采用上文提到的聚類算法評(píng)價(jià)指標(biāo)對(duì)結(jié)果進(jìn)行評(píng)估。分別使用原始K-means算法和改進(jìn)K-means算法聚類后的結(jié)果進(jìn)行多項(xiàng)指標(biāo)評(píng)估,得到如表2所示評(píng)價(jià)結(jié)果,其中Pro-Kmeans算法為改進(jìn)后的K-means算法。

    將實(shí)驗(yàn)數(shù)據(jù)繪制成折線圖,如圖3所示。

    比較上述聚類算法評(píng)價(jià)結(jié)果可以發(fā)現(xiàn),改進(jìn)K-means算法較原始算法對(duì)數(shù)據(jù)集有著更好的聚類效果,算法性能更佳。為驗(yàn)證算法的改進(jìn)效果,對(duì)剩余的被選數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),得到實(shí)驗(yàn)結(jié)果如表3所示。

    為使改進(jìn)算法的結(jié)果更具有說服力,將改進(jìn)算法中的離群值過濾比例[r]在[0.1,0.5]范圍內(nèi)選取多個(gè)不同數(shù)值,根據(jù)不同離群值過濾比例再次對(duì)算法聚類效果進(jìn)行實(shí)驗(yàn),獲得結(jié)果如表4所示。

    將4個(gè)數(shù)據(jù)集在不同離群值過濾比例下的F值繪制成折線圖,與對(duì)應(yīng)的原始K-means進(jìn)行對(duì)比,如圖4所示。

    猜你喜歡
    異常檢測(cè)means算法聚類算法
    基于K?均值與AGNES聚類算法的校園網(wǎng)行為分析系統(tǒng)研究
    成年人黄色毛片网站| 国产成人福利小说| 久久伊人香网站| 日本免费a在线| 久久这里只有精品中国| 香蕉久久夜色| 人妻久久中文字幕网| 免费观看人在逋| 国产高清视频在线播放一区| 亚洲欧美日韩东京热| 天堂影院成人在线观看| 两性夫妻黄色片| 黄色视频,在线免费观看| 岛国视频午夜一区免费看| 国内精品一区二区在线观看| 亚洲人成伊人成综合网2020| 国产av不卡久久| 成人亚洲精品av一区二区| 一本精品99久久精品77| 麻豆国产97在线/欧美| 久久久久免费精品人妻一区二区| 色尼玛亚洲综合影院| 狂野欧美白嫩少妇大欣赏| 亚洲欧美日韩卡通动漫| 老汉色av国产亚洲站长工具| 日韩欧美精品v在线| 三级男女做爰猛烈吃奶摸视频| 亚洲av成人一区二区三| 国产av一区在线观看免费| www国产在线视频色| 可以在线观看的亚洲视频| 亚洲欧美一区二区三区黑人| 99精品欧美一区二区三区四区| 日韩成人在线观看一区二区三区| 网址你懂的国产日韩在线| 久久久久国产一级毛片高清牌| cao死你这个sao货| 男人舔女人下体高潮全视频| 全区人妻精品视频| 国产探花在线观看一区二区| 亚洲人与动物交配视频| 久久久久九九精品影院| 综合色av麻豆| 最新中文字幕久久久久 | 欧美精品啪啪一区二区三区| 99国产精品一区二区三区| 国产男靠女视频免费网站| 国产一区二区三区在线臀色熟女| 99精品久久久久人妻精品| 精品一区二区三区av网在线观看| 一区二区三区激情视频| 男女床上黄色一级片免费看| 欧美日韩福利视频一区二区| 久久精品国产综合久久久| 午夜福利在线观看免费完整高清在 | 女生性感内裤真人,穿戴方法视频| 一本一本综合久久| 9191精品国产免费久久| 欧美av亚洲av综合av国产av| 一个人免费在线观看电影 | 男女做爰动态图高潮gif福利片| 久久香蕉国产精品| 无人区码免费观看不卡| 天堂av国产一区二区熟女人妻| 日本黄色视频三级网站网址| 亚洲av免费在线观看| 男人的好看免费观看在线视频| 久久午夜综合久久蜜桃| 亚洲成人久久性| 亚洲精品粉嫩美女一区| 两人在一起打扑克的视频| 亚洲成av人片在线播放无| 亚洲av成人不卡在线观看播放网| 亚洲狠狠婷婷综合久久图片| 久久精品国产99精品国产亚洲性色| 国产亚洲精品一区二区www| 神马国产精品三级电影在线观看| 一个人免费在线观看电影 | 欧美黑人欧美精品刺激| 亚洲人成电影免费在线| 亚洲一区二区三区不卡视频| 亚洲片人在线观看| 给我免费播放毛片高清在线观看| 国产伦精品一区二区三区四那| ponron亚洲| 国产精品九九99| 别揉我奶头~嗯~啊~动态视频| 精品国内亚洲2022精品成人| 欧美三级亚洲精品| 男女床上黄色一级片免费看| 在线观看日韩欧美| 国产精品亚洲美女久久久| 一区二区三区高清视频在线| 叶爱在线成人免费视频播放| 91麻豆av在线| 麻豆成人av在线观看| 国产91精品成人一区二区三区| 桃红色精品国产亚洲av| 中文字幕高清在线视频| 中文字幕人成人乱码亚洲影| 美女cb高潮喷水在线观看 | 日韩欧美免费精品| 欧美国产日韩亚洲一区| 国产精品99久久99久久久不卡| 久久精品国产亚洲av香蕉五月| 一边摸一边抽搐一进一小说| 一级毛片女人18水好多| 神马国产精品三级电影在线观看| a级毛片a级免费在线| 老司机午夜十八禁免费视频| 在线十欧美十亚洲十日本专区| 村上凉子中文字幕在线| 两个人视频免费观看高清| 亚洲第一电影网av| 国产爱豆传媒在线观看| 日韩欧美免费精品| 日本一本二区三区精品| 久久久久亚洲av毛片大全| 亚洲九九香蕉| 99在线视频只有这里精品首页| 国产欧美日韩精品一区二区| 美女午夜性视频免费| 夜夜爽天天搞| 国产高清三级在线| 村上凉子中文字幕在线| 禁无遮挡网站| 脱女人内裤的视频| 亚洲国产看品久久| 男人和女人高潮做爰伦理| 成人欧美大片| av中文乱码字幕在线| 国产精品女同一区二区软件 | 中文字幕人成人乱码亚洲影| 99riav亚洲国产免费| 人妻丰满熟妇av一区二区三区| ponron亚洲| 91av网站免费观看| 欧洲精品卡2卡3卡4卡5卡区| 日本免费一区二区三区高清不卡| 亚洲av熟女| 国产精品永久免费网站| 色哟哟哟哟哟哟| 久久精品综合一区二区三区| 99热这里只有精品一区 | 亚洲国产精品成人综合色| 99久久成人亚洲精品观看| 99视频精品全部免费 在线 | av天堂中文字幕网| 亚洲无线在线观看| 欧美国产日韩亚洲一区| 精品电影一区二区在线| 国产精品久久久久久人妻精品电影| 伦理电影免费视频| 999久久久国产精品视频| 亚洲九九香蕉| 精品国产乱子伦一区二区三区| 日韩精品青青久久久久久| 91av网站免费观看| 怎么达到女性高潮| 精品国产三级普通话版| 很黄的视频免费| 少妇熟女aⅴ在线视频| 国产欧美日韩一区二区三| 麻豆国产av国片精品| 国产午夜精品论理片| 黄色女人牲交| 成人性生交大片免费视频hd| 国产精品1区2区在线观看.| 天堂动漫精品| 桃色一区二区三区在线观看| 夜夜看夜夜爽夜夜摸| 一个人免费在线观看的高清视频| 国产久久久一区二区三区| 国产一区二区三区视频了| 综合色av麻豆| 亚洲人成网站高清观看| 午夜福利18| 91在线精品国自产拍蜜月 | 黄色日韩在线| 国产成人福利小说| 精品99又大又爽又粗少妇毛片 | 夜夜夜夜夜久久久久| 白带黄色成豆腐渣| 女生性感内裤真人,穿戴方法视频| 欧美一级毛片孕妇| 伊人久久大香线蕉亚洲五| 51午夜福利影视在线观看| 级片在线观看| 18禁黄网站禁片免费观看直播| 亚洲精品久久国产高清桃花| 欧美乱码精品一区二区三区| 国内揄拍国产精品人妻在线| 女警被强在线播放| 成人高潮视频无遮挡免费网站| 丰满人妻一区二区三区视频av | 久久伊人香网站| 日本免费一区二区三区高清不卡| 日韩高清综合在线| 超碰成人久久| 久久中文看片网| 热99re8久久精品国产| 欧美乱色亚洲激情| 五月玫瑰六月丁香| 亚洲欧美精品综合久久99| av福利片在线观看| 国内毛片毛片毛片毛片毛片| 日韩大尺度精品在线看网址| 在线永久观看黄色视频| 首页视频小说图片口味搜索| 1000部很黄的大片| 69av精品久久久久久| 久久久久久久久免费视频了| 少妇丰满av| 国产欧美日韩一区二区精品| 欧美绝顶高潮抽搐喷水| 国产一区二区激情短视频| 精品午夜福利视频在线观看一区| 亚洲 国产 在线| 色播亚洲综合网| 欧美最黄视频在线播放免费| 国产私拍福利视频在线观看| 很黄的视频免费| 国产视频一区二区在线看| 极品教师在线免费播放| 脱女人内裤的视频| 亚洲,欧美精品.| 久久精品国产99精品国产亚洲性色| 亚洲一区二区三区色噜噜| а√天堂www在线а√下载| 怎么达到女性高潮| 免费电影在线观看免费观看| 精品午夜福利视频在线观看一区| 日本五十路高清| 一边摸一边抽搐一进一小说| 亚洲无线观看免费| 琪琪午夜伦伦电影理论片6080| 99热这里只有精品一区 | tocl精华| 精品不卡国产一区二区三区| 91在线精品国自产拍蜜月 | 成人国产一区最新在线观看| 丝袜人妻中文字幕| 亚洲欧美日韩东京热| 麻豆国产97在线/欧美| 欧洲精品卡2卡3卡4卡5卡区| 亚洲自拍偷在线| 一本一本综合久久| 老司机在亚洲福利影院| 51午夜福利影视在线观看| 美女被艹到高潮喷水动态| 热99在线观看视频| 特大巨黑吊av在线直播| 欧美又色又爽又黄视频| 最近在线观看免费完整版| 久久久久国产精品人妻aⅴ院| 琪琪午夜伦伦电影理论片6080| 亚洲欧洲精品一区二区精品久久久| 午夜影院日韩av| 精品一区二区三区视频在线 | 亚洲美女视频黄频| 国产单亲对白刺激| 亚洲av成人不卡在线观看播放网| 别揉我奶头~嗯~啊~动态视频| 亚洲精品一卡2卡三卡4卡5卡| 午夜福利免费观看在线| 国产av麻豆久久久久久久| 亚洲美女视频黄频| 欧美极品一区二区三区四区| 神马国产精品三级电影在线观看| 成人性生交大片免费视频hd| 日本黄色视频三级网站网址| www.www免费av| 亚洲va日本ⅴa欧美va伊人久久| 国产欧美日韩精品亚洲av| 亚洲第一电影网av| 久久精品aⅴ一区二区三区四区| e午夜精品久久久久久久| 亚洲一区二区三区色噜噜| 国产精品 国内视频| 欧美乱码精品一区二区三区| 亚洲av电影在线进入| 久久国产精品人妻蜜桃| 九九久久精品国产亚洲av麻豆 | 一进一出抽搐gif免费好疼| 日本 欧美在线| 搡老熟女国产l中国老女人| 亚洲18禁久久av| 熟女少妇亚洲综合色aaa.| 日韩欧美国产一区二区入口| 狂野欧美白嫩少妇大欣赏| 精品国产超薄肉色丝袜足j| 亚洲欧美日韩卡通动漫| 在线十欧美十亚洲十日本专区| 亚洲av电影在线进入| 脱女人内裤的视频| 长腿黑丝高跟| 久久国产精品人妻蜜桃| 久久精品国产清高在天天线| 国产高清videossex| 99re在线观看精品视频| www国产在线视频色| 神马国产精品三级电影在线观看| 1024手机看黄色片| 国产午夜福利久久久久久| 色播亚洲综合网| 亚洲自偷自拍图片 自拍| 欧美日韩中文字幕国产精品一区二区三区| 久久香蕉精品热| 久久久精品欧美日韩精品| 国内精品久久久久精免费| 亚洲欧美日韩无卡精品| 国产单亲对白刺激| 亚洲国产精品sss在线观看| 可以在线观看的亚洲视频| 国产极品精品免费视频能看的| 久久天躁狠狠躁夜夜2o2o| 欧美精品啪啪一区二区三区| 两个人视频免费观看高清| 亚洲国产欧美网| 宅男免费午夜| 国产精品永久免费网站| 国产主播在线观看一区二区| 日韩欧美在线二视频| 精华霜和精华液先用哪个| x7x7x7水蜜桃| 日韩欧美国产一区二区入口| 国内精品久久久久久久电影| 嫩草影视91久久| 在线观看免费午夜福利视频| 1000部很黄的大片| 性色avwww在线观看| 国产精品1区2区在线观看.| 69av精品久久久久久| 两性午夜刺激爽爽歪歪视频在线观看| 免费看美女性在线毛片视频| 香蕉久久夜色| 一夜夜www| 欧美乱色亚洲激情| 亚洲精品中文字幕一二三四区| 欧美日韩国产亚洲二区| 国产精品精品国产色婷婷| 看黄色毛片网站| 免费观看精品视频网站| 国产高清视频在线观看网站| 国产探花在线观看一区二区| 国产一区二区在线av高清观看| 亚洲第一电影网av| 色吧在线观看| xxx96com| 99精品欧美一区二区三区四区| 国产综合懂色| 男人舔女人下体高潮全视频| 日本三级黄在线观看| 18禁黄网站禁片免费观看直播| 国产精品亚洲av一区麻豆| 久久久久亚洲av毛片大全| 中文字幕精品亚洲无线码一区| 两个人的视频大全免费| 在线观看日韩欧美| 波多野结衣高清无吗| 在线观看免费午夜福利视频| 亚洲av成人不卡在线观看播放网| 两人在一起打扑克的视频| 免费看a级黄色片| xxxwww97欧美| 国产成人系列免费观看| 美女扒开内裤让男人捅视频| 男女做爰动态图高潮gif福利片| 欧美中文综合在线视频| 久久99热这里只有精品18| 日本在线视频免费播放| 国产精品免费一区二区三区在线| 国产高清三级在线| 哪里可以看免费的av片| 国产1区2区3区精品| 亚洲熟妇熟女久久| 色综合婷婷激情| 久久久久久国产a免费观看| 看片在线看免费视频| 色综合站精品国产| 好看av亚洲va欧美ⅴa在| 免费看美女性在线毛片视频| 亚洲国产精品合色在线| 麻豆av在线久日| 熟女电影av网| 桃红色精品国产亚洲av| 成人av一区二区三区在线看| 女警被强在线播放| 亚洲乱码一区二区免费版| 97超级碰碰碰精品色视频在线观看| 人人妻人人澡欧美一区二区| 国产精品亚洲av一区麻豆| 日本五十路高清| 国产成人一区二区三区免费视频网站| 午夜影院日韩av| 免费看日本二区| 国产精品久久久av美女十八| 校园春色视频在线观看| 欧美午夜高清在线| 精品久久久久久久久久免费视频| 亚洲精品美女久久av网站| 国产伦精品一区二区三区四那| 琪琪午夜伦伦电影理论片6080| 亚洲中文日韩欧美视频| 丰满人妻一区二区三区视频av | 亚洲成av人片在线播放无| 一个人免费在线观看的高清视频| 免费在线观看视频国产中文字幕亚洲| 国产成人精品无人区| 国产精品98久久久久久宅男小说| 久久性视频一级片| 亚洲 国产 在线| 亚洲成a人片在线一区二区| 少妇人妻一区二区三区视频| 久久伊人香网站| 精品国产美女av久久久久小说| 国产精品永久免费网站| 精品乱码久久久久久99久播| 啦啦啦韩国在线观看视频| 女生性感内裤真人,穿戴方法视频| 国产伦精品一区二区三区四那| 久久久久久久午夜电影| 熟妇人妻久久中文字幕3abv| 日韩av在线大香蕉| 国产精品亚洲一级av第二区| 后天国语完整版免费观看| 国产高清视频在线播放一区| 夜夜夜夜夜久久久久| 啦啦啦免费观看视频1| 校园春色视频在线观看| 亚洲av美国av| 日韩欧美在线乱码| 99re在线观看精品视频| 日本黄色片子视频| 中文字幕人成人乱码亚洲影| 国产 一区 欧美 日韩| 亚洲18禁久久av| 真人做人爱边吃奶动态| 51午夜福利影视在线观看| 亚洲精品一卡2卡三卡4卡5卡| 桃红色精品国产亚洲av| 嫩草影视91久久| 国产成人欧美在线观看| 久久亚洲精品不卡| 国产 一区 欧美 日韩| 国产黄a三级三级三级人| 在线观看舔阴道视频| 亚洲欧美日韩卡通动漫| 久久精品91蜜桃| 免费观看的影片在线观看| 国内精品美女久久久久久| 亚洲成人久久爱视频| 日韩精品青青久久久久久| 国内精品久久久久久久电影| 五月伊人婷婷丁香| 国产v大片淫在线免费观看| 久久欧美精品欧美久久欧美| 99久久国产精品久久久| 在线视频色国产色| 亚洲第一欧美日韩一区二区三区| 亚洲精品一区av在线观看| 国产精品美女特级片免费视频播放器 | 最近最新免费中文字幕在线| 久久精品91蜜桃| 日韩有码中文字幕| 欧美av亚洲av综合av国产av| www.熟女人妻精品国产| 天堂动漫精品| 91九色精品人成在线观看| 国产黄色小视频在线观看| 手机成人av网站| 欧美xxxx黑人xx丫x性爽| 亚洲一区二区三区色噜噜| 无人区码免费观看不卡| 巨乳人妻的诱惑在线观看| 国产精品 欧美亚洲| 中文字幕人妻丝袜一区二区| 久久精品国产综合久久久| 国产成人精品无人区| 亚洲人成网站在线播放欧美日韩| 精品一区二区三区视频在线 | 精品国产乱码久久久久久男人| 亚洲av五月六月丁香网| 亚洲五月婷婷丁香| 此物有八面人人有两片| 老司机午夜福利在线观看视频| 国产精品久久久人人做人人爽| 怎么达到女性高潮| 精品国产乱码久久久久久男人| 国产黄片美女视频| 精品一区二区三区视频在线 | 欧美日韩乱码在线| 女同久久另类99精品国产91| 国产成人aa在线观看| 午夜福利18| 成人18禁在线播放| 国产三级黄色录像| 欧美绝顶高潮抽搐喷水| 亚洲精品久久国产高清桃花| 91字幕亚洲| 精品日产1卡2卡| 香蕉av资源在线| 看片在线看免费视频| 日本a在线网址| 在线a可以看的网站| 青草久久国产| 神马国产精品三级电影在线观看| 精品久久久久久成人av| 深夜精品福利| 9191精品国产免费久久| a级毛片在线看网站| 不卡一级毛片| 国产精品亚洲av一区麻豆| 在线永久观看黄色视频| 国产1区2区3区精品| 欧美成人性av电影在线观看| 夜夜看夜夜爽夜夜摸| 精品一区二区三区四区五区乱码| 热99在线观看视频| 国产欧美日韩精品一区二区| av视频在线观看入口| 国产精品久久久久久久电影 | 欧美高清成人免费视频www| 狠狠狠狠99中文字幕| 精品国产超薄肉色丝袜足j| 在线看三级毛片| 国产伦精品一区二区三区视频9 | 无限看片的www在线观看| 这个男人来自地球电影免费观看| 此物有八面人人有两片| 久久伊人香网站| 亚洲中文av在线| 亚洲va日本ⅴa欧美va伊人久久| 男人的好看免费观看在线视频| 精品福利观看| 成人av在线播放网站| 少妇丰满av| 国产av麻豆久久久久久久| cao死你这个sao货| 久久久久久人人人人人| 欧美极品一区二区三区四区| 哪里可以看免费的av片| 欧美精品啪啪一区二区三区| 后天国语完整版免费观看| 欧美av亚洲av综合av国产av| 久久久久久久久免费视频了| 欧美日韩乱码在线| 999久久久精品免费观看国产| 最新在线观看一区二区三区| 午夜免费观看网址| 韩国av一区二区三区四区| 亚洲精品久久国产高清桃花| 神马国产精品三级电影在线观看| svipshipincom国产片| 久久精品综合一区二区三区| h日本视频在线播放| 18禁黄网站禁片午夜丰满| 久久精品夜夜夜夜夜久久蜜豆| 日韩大尺度精品在线看网址| 两个人视频免费观看高清| 免费在线观看影片大全网站| 成熟少妇高潮喷水视频| 亚洲精品粉嫩美女一区| 精品福利观看| 非洲黑人性xxxx精品又粗又长| 久久99热这里只有精品18| 色综合婷婷激情| 久久久久国内视频| 男女午夜视频在线观看| 日韩欧美国产在线观看| 国产精品女同一区二区软件 | 国产亚洲欧美98| 一进一出好大好爽视频| 中文资源天堂在线| 日本一二三区视频观看| 午夜影院日韩av| 亚洲在线自拍视频| 狠狠狠狠99中文字幕| 一区二区三区高清视频在线| 亚洲国产中文字幕在线视频| 久久香蕉国产精品| 一二三四在线观看免费中文在| 国产成人av教育| 免费电影在线观看免费观看| 天天一区二区日本电影三级| 亚洲成人久久爱视频| 国产免费av片在线观看野外av| 亚洲av成人一区二区三| 亚洲成av人片免费观看| 最新中文字幕久久久久 | 老汉色av国产亚洲站长工具| 老熟妇乱子伦视频在线观看| 在线看三级毛片| 亚洲精品美女久久久久99蜜臀| 日韩精品中文字幕看吧| 亚洲人成伊人成综合网2020| 五月玫瑰六月丁香| 老司机在亚洲福利影院| 夜夜夜夜夜久久久久| 99在线人妻在线中文字幕| 久久国产精品影院| 成年女人毛片免费观看观看9| 久久久久久国产a免费观看| 亚洲人成网站在线播放欧美日韩| 欧美一级毛片孕妇| 综合色av麻豆| 国产精品亚洲一级av第二区| 女人被狂操c到高潮| 欧美黄色片欧美黄色片| 欧美精品啪啪一区二区三区| 非洲黑人性xxxx精品又粗又长| 亚洲av免费在线观看| 欧美激情久久久久久爽电影| 国产麻豆成人av免费视频| 亚洲av免费在线观看|