• <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DBS CAN算法的異常數(shù)據(jù)處理

    2020-06-19 08:45:58黃靜官易楠
    軟件導(dǎo)刊 2020年4期
    關(guān)鍵詞:聚類算法智慧農(nóng)業(yè)

    黃靜 官易楠

    摘要:隨著智慧農(nóng)業(yè)的發(fā)展,農(nóng)業(yè)生產(chǎn)中海量數(shù)據(jù)不斷涌現(xiàn)。在海量數(shù)據(jù)中難免存在噪聲數(shù)據(jù),這些數(shù)據(jù)不僅難以提供有效價值,還會影響信息挖掘。針對該問題,采用基于密度的DBSCAN聚類算法進行異常數(shù)據(jù)處理。鑒于DBSCAN算法對參數(shù)敏感,結(jié)合數(shù)據(jù)集本身特性與統(tǒng)計學(xué)思想以繪制各點之間的距離升序曲線,預(yù)估出DBSCAN的Eps參數(shù)。仿真實驗結(jié)果表明,改進算法平均準(zhǔn)確率達(dá)到99.6%,較傳統(tǒng)算法提高了1.7個百分點,并且在10次檢測中,改進算法只有3個數(shù)據(jù)判定錯誤,證明該參數(shù)設(shè)置方法對異常數(shù)據(jù)處理準(zhǔn)確率更高,穩(wěn)定性也更好。

    關(guān)鍵詞:智慧農(nóng)業(yè);聚類算法;DBSCAN;異常數(shù)據(jù)

    DOI: 10. 11907/rjdk.191763

    開放科學(xué)(資源服務(wù))標(biāo)識碼(OSID):

    中圖分類號:TP39

    文獻標(biāo)識碼:A

    文章編號:1672-7800(2020)004-0219-05

    0 引言

    在現(xiàn)代農(nóng)業(yè)發(fā)展過程中,智慧農(nóng)業(yè)越來越受到重視,其突出表現(xiàn)是人們通過數(shù)據(jù)采集設(shè)備獲取農(nóng)作物生長信息,從而更實時精確地了解農(nóng)作物生長狀況,較好地擺脫了傳統(tǒng)僅依靠經(jīng)驗種植的不足[1]。但是在采集到的海量數(shù)據(jù)中,由于外界干擾或者設(shè)備異常等原因會存在噪聲數(shù)據(jù)。這些數(shù)據(jù)不僅不能反映農(nóng)作物真實情況,可能還會影響農(nóng)作物生長狀況分析,導(dǎo)致分析結(jié)果出現(xiàn)偏差甚至錯誤[2]。

    針對異常數(shù)據(jù)處理,依據(jù)異常數(shù)據(jù)在數(shù)據(jù)集中數(shù)量較少且離散分布的特點[3],在統(tǒng)計學(xué)中有標(biāo)準(zhǔn)差法和t一檢驗法等異常數(shù)據(jù)檢驗方法[4]。這些方法通過分析數(shù)據(jù)分布情況,判斷數(shù)據(jù)點在數(shù)據(jù)集中出現(xiàn)的概率,當(dāng)數(shù)據(jù)出現(xiàn)概率特別低時,判定該數(shù)據(jù)為異常數(shù)據(jù)。此類方法在一定程度上可識別出異常數(shù)據(jù),但不能較好地對數(shù)據(jù)進行處理[5]。

    數(shù)據(jù)挖掘中常用聚類工具可以對異常數(shù)據(jù)進行檢測和處理。通過對數(shù)據(jù)集進行聚類分析,將相似數(shù)據(jù)點歸為一個聚類簇,出現(xiàn)單個數(shù)據(jù)為一類或者極少數(shù)數(shù)據(jù)為一類的數(shù)據(jù)點可以判定為異常數(shù)據(jù)。聚類算法有許多種類,其中基于密度的聚類算法[6]可以通過聚類密度劃分聚類簇,分析聚類密度,密度較為密集的被認(rèn)定為一個簇,密度特別稀疏的可以被認(rèn)定為噪聲數(shù)據(jù)?;诿芏鹊脑肼晳?yīng)用空間聚類(Densitv-Based Spatial Clustering of Applicationswith Noise,DBSCAN)[7]是其中具有代表性的一種算法。DBSCAN算法在異常數(shù)據(jù)處理中得到了廣泛應(yīng)用。馬世欣等[8]利用DBSCAN算法能夠?qū)Ξ惓?shù)據(jù)進行篩選的特點,對局部背景像元中的雜亂點進行過濾,以降低異常數(shù)據(jù)點對協(xié)同探測算法結(jié)果的干擾;潘淵洋等[9]利用DBSCAN算法進行傳感器網(wǎng)絡(luò)測量數(shù)據(jù)的異常檢測,提出通過提取環(huán)境數(shù)據(jù)的特征集,根據(jù)特征集進行異常數(shù)據(jù)監(jiān)測,達(dá)到對測量數(shù)據(jù)實時監(jiān)測的效果。

    DBSCAN算法雖然能夠識別并處理異常數(shù)據(jù),但是由于算法對參數(shù)比較敏感,不同的參數(shù)對結(jié)果影響較大。針對此問題,宋金玉等[10]提出了Eps和MinPts兩個參數(shù)的配置方法,通過將數(shù)據(jù)集本身統(tǒng)計特性與圖表可視化展示相結(jié)合,為算法確定合適的參數(shù);夏魯寧等[11]通過對數(shù)據(jù)集進行統(tǒng)計分析自動確定Eps和MinPts參數(shù),從而避免了聚類過程的人工干預(yù),實現(xiàn)聚類過程的全自動化,提高算法的準(zhǔn)確率和穩(wěn)定性。

    以上方法都能夠在一定程度上實現(xiàn)對異常數(shù)據(jù)的檢測和處理,但是大多數(shù)方法檢測出異常數(shù)據(jù)后都是將數(shù)據(jù)直接刪除,這樣會造成信息丟失。因此,在處理異常數(shù)據(jù)時,將噪聲數(shù)據(jù)與其距離較近的聚類簇中心值進行替換[12]。本文依據(jù)以往研究成果,提出將DBSCAN算法與統(tǒng)計學(xué)思想相結(jié)合,通過對數(shù)據(jù)集中對象的距離值進行統(tǒng)計分析,預(yù)估出Eps參數(shù)。由于傳感器采集數(shù)據(jù)變化較為平緩,在以往研究中MinPts的值一般較為固定,因而MinPts采用經(jīng)驗進行確定。本文采用統(tǒng)計思想與經(jīng)驗判斷相結(jié)合的參數(shù)設(shè)置方式,在提高異常數(shù)據(jù)檢測準(zhǔn)確率的同時,還減少了計算量和時間,同時采用聚類簇中心值替換噪聲數(shù)據(jù)的異常數(shù)據(jù)處理方式,一定程度上保留了數(shù)據(jù)信息。

    1 DNSCAN算法

    1.1 算法原理

    DBSCAN算法是一種通過數(shù)據(jù)對象密度進行查找相似屬性的聚類算法[13]。該算法不需要提前確定聚類簇的數(shù)量,不僅能夠?qū)θ我鈹?shù)據(jù)進行聚類,還能識別數(shù)據(jù)中的噪聲點,因而可以用來對異常數(shù)據(jù)進行處理[14]。其中DB-SCAN算法關(guān)鍵定義如下:

    (7)簇。所有密度相連的點組成的集合。

    在一個數(shù)據(jù)集中,并不是所有數(shù)據(jù)對象都是核心對象,還有邊緣對象和噪聲對象。邊緣對象表示數(shù)據(jù)對象不是核心對象,但是存在于某個核心對象的8-鄰域中;噪聲對象表示該數(shù)據(jù)對象不是核心對象,也不存在于任何核心對象的ε-鄰域中。

    1.2 算法流程

    通過以上定義可知,DBSCAN算法的核心在于參數(shù)Eps和MinPts,通過這兩個參數(shù)確定每個點的鄰域和核心對象,繼而通過核心對象尋找密度可達(dá)點,從而實現(xiàn)數(shù)據(jù)對象聚類。

    DBSCAN算法流程如下:

    Stepl:輸入的數(shù)據(jù)集D={x1,x2,…,xn},ε為半徑參數(shù),MinPts為最小對象參數(shù),將數(shù)據(jù)集D中所有對象標(biāo)記為未讀。

    Step2:從數(shù)據(jù)集D中取包含任意個數(shù)據(jù)對象p的數(shù)據(jù)集Di,其中Di∈D,i=1,2,3-,并將Di標(biāo)記為已讀。

    Step3:通過ε和MinPts參數(shù)對p進行判斷,如果p為核心對象,找出p的所有密度可達(dá)數(shù)據(jù)對象,并標(biāo)記為已讀。若p不是核心對象,且沒有哪個對象對p密度可達(dá),將p標(biāo)記為噪聲數(shù)據(jù)。

    Step4:在滿足Di∩ Di=1.∈⑦的條件下,重復(fù)Step2和Step3,直至所有數(shù)據(jù)都標(biāo)記為已讀。

    Step5:將其中一個核心對象作為種子,將該對象的所有密度可達(dá)點都?xì)w為一類,形成一個較大范圍的數(shù)據(jù)對象集合,也稱為聚類簇。

    Step6:不斷循環(huán)Step5直至所有核心對象都遍歷完,剩下沒有歸為一類的數(shù)據(jù)便為噪聲點。

    DBSCAN算法流程如圖1所示。

    DBSCAN算法有眾多優(yōu)點,比如:算法可以聚類任意形狀的集群,能夠較好地發(fā)現(xiàn)噪聲點[15]。但是DBSCAN參數(shù)Eps不同,對聚類效果會產(chǎn)生很大影響[16],當(dāng)Eps選擇過小時,會使得很多點被定義為噪聲點,影響數(shù)據(jù)信息;當(dāng)Eps選取過大時,會把幾個聚類簇合在一起,并且有許多噪聲點將無法很好地被識別出來[17]。針對DBSCAN中另一個參數(shù)MinPts,由于農(nóng)業(yè)數(shù)據(jù)變化較為平緩,因而通常在算法執(zhí)行過程中該值較為固定,可以依據(jù)經(jīng)驗進行判定[18]。

    2 DBSCAN算法改進

    針對DBSCAN中參數(shù)Eps值對結(jié)果影響較大的問題,對數(shù)據(jù)集中各點之間的距離進行計算,得出各點之間的距離值。由于噪聲點具有數(shù)量少且離散分布的特點,利用統(tǒng)計學(xué)思想,尋找一個Eps值,能夠?qū)⒋罅空7植嫉臄?shù)據(jù)和少部分離群分布的數(shù)據(jù)分割出來[19-20],較好地提高算法異常數(shù)據(jù)尋找準(zhǔn)確率。

    按照式(2)取參數(shù)p=2的歐式距離公式,計算每個點之間的距離用并用d(i,j)表示,并將所有d(i,j)構(gòu)造成一個Dist n×n矩陣,表示如式(3)所示。

    Distn×n=(d(i ,j)|1≤i≤n,1

    (3)

    矩陣Dist n×n中,每一行表示某個點到所有其它點的距離。將Dist n×n矩陣每一行中的值按升序進行排列,排列之后矩陣第i列表示距離每個點第i近的點。每一行矩陣表示每個點到其它點的距離由小到大排列,由此可通過數(shù)值統(tǒng)計方法得出每一行數(shù)據(jù)的距離升序曲線如圖2所示,通過判斷圖中陡峭點位置,確定參數(shù)Eps最優(yōu)值范圍。其中,數(shù)據(jù)集采用之后實驗使用的含噪聲原始數(shù)據(jù)。

    圖2是由7條按距離升序排列繪制的圖形,且最下面的那條曲線為距離參考點最近的距離升序圖,最上面的那條曲線為距離參考點最遠(yuǎn)的距離升序圖。由圖2可知,圖像在前中期比較均勻,趨勢也較平緩,當(dāng)圖形到達(dá)接近距離為0.35-0.45時,在圖中箭頭標(biāo)注的位置出現(xiàn)較為密集的陡峭點,因此可以預(yù)計DBSCAN的最優(yōu)Eps參數(shù)在0.35-0.45。依據(jù)經(jīng)驗MinPts的值選取6,通過觀察圖2可以發(fā)現(xiàn)從下往上第6條曲線的陡峭點接近0.4,可以將最優(yōu)的Eps設(shè)置為0.4。

    其原理為:針對異常數(shù)據(jù)量少并且分散的特點,當(dāng)曲線比較平緩時,說明此時在該距離范圍內(nèi),數(shù)據(jù)量的數(shù)量仍然較多。當(dāng)出現(xiàn)陡峭點時,之后距離范圍內(nèi)所含的數(shù)據(jù)量較少。因此,可以利用該陡峭點對應(yīng)的距離大小較好地區(qū)分出異常數(shù)據(jù),且將極大減少正常數(shù)據(jù)誤判幾率[21]。

    3 實驗驗證

    3.1 實驗設(shè)計

    為了驗證設(shè)置參數(shù)的有效性,選取縉云縣某處茶園空氣溫度傳感器在某一時間段采集到的140組茶園空氣溫度數(shù)據(jù),并向其中隨機添加25組離散點,以此數(shù)據(jù)作為實驗數(shù)據(jù)。由于傳感器采集數(shù)據(jù)屬于一維數(shù)據(jù),進行聚類時效果不好,在聚類之前首先將一維數(shù)據(jù)轉(zhuǎn)化為二維??梢詫⑾噜彽膬蓚€值一個歸為X坐標(biāo)值,另一個歸為Y坐標(biāo)值,即將數(shù)據(jù)變?yōu)槎S。比如數(shù)據(jù)D={ d1,d2,d3,…,dn}轉(zhuǎn)化為D={ (d1,d2),(d3,d4),…,(dn-1,dn)},140組一維數(shù)據(jù)可以轉(zhuǎn)化為70組二維數(shù)據(jù)。對數(shù)據(jù)使用DBSCAN算法進行處理,尋找核心對象及其密度可達(dá)的每個對象點作為一個類。另外一些密度不夠且不為任何核心對象點的密度可達(dá)的點,被判定為噪聲,將由距離較近聚類中所有核心對象均值替代。通過統(tǒng)計分析可知,Eps參數(shù)最優(yōu)值為0.4,再取Eps參數(shù)分別為0.35、0.38、0.4、0.45,MinPts參數(shù)為6進行實驗分析,通過識別出的異常點個數(shù)、誤判的異常點個數(shù)和去除異常數(shù)據(jù)后數(shù)據(jù)變化情況判斷異常數(shù)據(jù)處理效果。

    3.2 實驗結(jié)果與分析

    分別將Eps參數(shù)設(shè)定為0.45,0.4,0.38,0.35,MinPts設(shè)定為6,采用DBSCAN進行聚類,得到聚類簇,并求出各聚類簇中心點的值,將各噪聲點采用距離最近簇的中心值進行替代,得出去除噪聲數(shù)據(jù)的濾波效果圖,通過Matlab進行仿真實驗,實驗結(jié)果如圖3所示(彩圖掃描OSID碼可見,下文同)。

    圖3-圖6為取不同Eps參數(shù)的聚類效果和濾波效果。其中,聚類效果圖中黑色圓圈為算法識別出的噪聲數(shù)據(jù),其余顏色為聚類簇;濾波效果圖中粉紅色為原始實驗數(shù)據(jù),藍(lán)色為濾波后的數(shù)據(jù)。

    通過以上實驗可知,各參數(shù)識別出的噪聲點情況如表1所示。

    由表1可知,當(dāng)Eps參數(shù)設(shè)為0.4時,將噪聲點全部識別出來,且與0.4較為接近的參數(shù)0.38,其準(zhǔn)確率達(dá)到98.57%,比距離0.4較遠(yuǎn)的參數(shù)0.35和0.45準(zhǔn)確率高,證明采用此方法進行參數(shù)預(yù)估效果可行。且從實驗結(jié)果中的濾波效果看,通過采用聚類簇中心值代替噪聲點數(shù)據(jù)的方式,較好地降低了數(shù)據(jù)偏離程度,從而可以減少異常數(shù)據(jù)對于結(jié)果分析的影響。

    為了避免實驗的偶然性,隨機選取茶園10個時間段的140組空氣溫度數(shù)據(jù)進行測試,并向每組數(shù)據(jù)中隨機加入25個噪聲點。按照以上方法進行仿真實驗,在10次檢測中,有3個數(shù)據(jù)判斷錯誤,準(zhǔn)確率達(dá)到99.6%。按照傳統(tǒng)方法,由于不能確定哪個Eps參數(shù)較優(yōu),通常選取之前某個Eps作為固定值,此處選取0.4作為10次固定的Eps值,在10次檢測中,有15個數(shù)據(jù)判斷錯誤,準(zhǔn)確率為97.9%??梢钥闯?,改進算法提升了異常數(shù)據(jù)識別準(zhǔn)確率與穩(wěn)定性。

    4 結(jié)語

    本文為解決農(nóng)業(yè)傳感器采集數(shù)據(jù)中異常數(shù)據(jù)處理問題,采用基于密度的DNSCAB算法進行異常數(shù)據(jù)檢測與處理。針對DBSCAN算法參數(shù)敏感的特點,采用統(tǒng)計學(xué)中的圖表對數(shù)據(jù)集中各點相互距離進行統(tǒng)計分析,預(yù)估出參數(shù)Eps的值。實驗驗證表明,該方法獲取的參數(shù)識別異常數(shù)據(jù)準(zhǔn)確率較高。同時,針對直接將噪聲數(shù)據(jù)刪除導(dǎo)致信息丟失的問題,采用聚類簇中心點對噪聲數(shù)據(jù)進行替代,通過此方法可以減少離散點偏移。

    目前,雖然采用該方法對數(shù)據(jù)集中各點相互距離值統(tǒng)計分析可確定參數(shù)的一個范圍,但參數(shù)值的具體取值仍需人為估計,導(dǎo)致參數(shù)并不是十分精確,需作進一步研究。

    參考文獻:

    [1]劉亞東.物聯(lián)網(wǎng)與智慧農(nóng)業(yè)[J].農(nóng)業(yè)工程,2012,2(1):1-7.

    [2] 張永峰.對數(shù)據(jù)采集器等受雷擊情況的分析及對策[J].電子科技,2004(7):58-60.

    [3]劉云,袁浩恒,數(shù)據(jù)挖掘中并行離散化數(shù)據(jù)準(zhǔn)備優(yōu)化[J].四川大學(xué)學(xué)報(自然科學(xué)版),2018,55(5):103-109.

    [4] 康團結(jié).多傳感器數(shù)據(jù)處理的列車環(huán)境監(jiān)測系統(tǒng)[D].成都:西南交通大學(xué),2018.

    [5]毛李帆,姚建剛,金永順,等.中長期負(fù)荷預(yù)測的異常數(shù)據(jù)辨識與缺失數(shù)據(jù)處理[J].電網(wǎng)技術(shù),2010,34,(7):148-153.

    [6] 孫吉貴,劉杰,趙連宇.聚類算法研究[J].軟件學(xué)報,2008(1):48-61.

    [7]ESTER M. KRIECEL H P,XU X.A density-based algorithm for dis-covering clusters a density-based algorithm for discovering clusters inlarge spatial datahases with noise [Cl. International Conference onKnowledge Discovery& Data Mining, 1996.

    [8]馬世欣,劉春桐,李洪才,等.基于空譜聯(lián)合聚類的改進核協(xié)同高光譜異常檢測[J].光子學(xué)報,2019,48(1):0110003.

    [9]潘淵洋,李光輝,徐勇軍.基于DBSCAN的環(huán)境傳感器網(wǎng)絡(luò)異常數(shù)據(jù)檢測方法[J].計算機應(yīng)用與軟件,2012( 11):69-72.

    [10] 宋金玉,郭一平,王斌.DBSCAN聚類算法的參數(shù)配置方法研究[J].計算機技術(shù)與發(fā)展,2019(5):1-8.

    [11] 夏魯寧,荊繼武.SA-DBSCAN:-種自適應(yīng)基于密度聚類算法[J].中國科學(xué)院大學(xué)學(xué)報,2009,26(4):530-538.

    [12] 朱振國,馮應(yīng)柱.基于數(shù)據(jù)場的類簇中心選取及其聚類[J].計算機工程與應(yīng)用,2018.54(8):131-136.

    [13] 針對非均勻密度環(huán)境的DBSCAN自適應(yīng)聚類算法的研究[D].重慶:重慶大學(xué),2015.

    [14] 多密度聚類算法研究[D].無錫:江南大學(xué),2018.

    [15]吳偉民,黃煥坤.基于差分隱私保護的DP-DBScan聚類算法研究[J].計算機工程與科學(xué),2015,37(4):830-834.

    [16]SHAH G H.An improved DBSCAN.a density based clustering algo-rithm with parameter selection for high dimensional data sets [C].Nirma University International Conference on Engineering, 2013.

    [17]SUN X, ZHENCH,HUI LI,et aI.Bad data identification for leakagereactance parameters of transformer based on improved DBSCAN Al-gorithm [Jl. Automation of Electric Power Systems, 2017, 41(9):96-101。

    [18] 石鴻雁,馬曉娟.改進的DBSCAN聚類和LAOF兩階段混合數(shù)據(jù)離群點檢測方法[J].小型微型計算機系統(tǒng),2018,39(1):74-77.

    [19] 侯雄文.淺析DBSCAN算法中參數(shù)設(shè)置問題的研究[J].科教導(dǎo)刊(電子版),2017( 30):266-266.

    [20]王兆豐,單甘霖,一種基于k-均值的DBSCAN算法參數(shù)動態(tài)選擇方法[J].計算機工程與應(yīng)用,2017,53(3):80-86.

    [21] 曹科研.不確定數(shù)據(jù)的聚類分析與異常點檢測算法[D].沈陽:東北大學(xué),2014.

    (責(zé)任編輯:孫娟)

    作者簡介:黃靜(1965-),女,博士,浙江理工大學(xué)信息學(xué)院教授、碩士生導(dǎo)師,研究方向為嵌入式系統(tǒng)、專用測試設(shè)備、電子功能材料計算設(shè)計及獨立分析軟件設(shè)計;官易楠(1993-),男,浙江理工大學(xué)信息學(xué)院碩士研究生,研究方向為農(nóng)業(yè)數(shù)據(jù)挖掘與計算機應(yīng)用,本文通訊作者:黃靜。

    猜你喜歡
    聚類算法智慧農(nóng)業(yè)
    數(shù)據(jù)挖掘算法性能優(yōu)化的研究與應(yīng)用
    K—Means聚類算法在MapReduce框架下的實現(xiàn)
    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
    北斗衛(wèi)星對智慧農(nóng)業(yè)的作用與應(yīng)用探討
    延邊地區(qū)“互聯(lián)網(wǎng)+農(nóng)業(yè)”發(fā)展研究
    基于改進的K_means算法在圖像分割中的應(yīng)用
    大規(guī)模風(fēng)電場集中接入對電力系統(tǒng)小干擾穩(wěn)定的影響分析
    科技視界(2016年8期)2016-04-05 18:39:39
    金華市智慧農(nóng)業(yè)發(fā)展現(xiàn)狀、存在問題與對策
    基于物聯(lián)網(wǎng)技術(shù)的智慧農(nóng)業(yè)實施方案分析
    智能手機在智慧農(nóng)業(yè)中的應(yīng)用研究
    久久久久国产网址| 少妇丰满av| 一个人看视频在线观看www免费| 免费大片黄手机在线观看| av天堂中文字幕网| 22中文网久久字幕| 亚洲国产av新网站| 久久午夜综合久久蜜桃| 亚洲av电影在线观看一区二区三区| 国产免费视频播放在线视频| 能在线免费看毛片的网站| 日日爽夜夜爽网站| 成人18禁高潮啪啪吃奶动态图 | 亚洲激情五月婷婷啪啪| av在线观看视频网站免费| 一级毛片黄色毛片免费观看视频| 亚洲,欧美,日韩| 蜜桃在线观看..| 天天操日日干夜夜撸| 成人二区视频| 夫妻午夜视频| 久久婷婷青草| 亚洲不卡免费看| 久久久久久久大尺度免费视频| 亚洲av综合色区一区| 国产免费一区二区三区四区乱码| 在线观看美女被高潮喷水网站| 亚洲欧洲精品一区二区精品久久久 | 在线天堂最新版资源| 老司机亚洲免费影院| 丰满迷人的少妇在线观看| 国产av国产精品国产| 欧美 亚洲 国产 日韩一| 建设人人有责人人尽责人人享有的| 国产精品久久久久成人av| videossex国产| 18禁在线无遮挡免费观看视频| 亚洲精品国产成人久久av| 亚洲av成人精品一二三区| 边亲边吃奶的免费视频| 久久99一区二区三区| 欧美激情极品国产一区二区三区 | 韩国高清视频一区二区三区| 日韩免费高清中文字幕av| 偷拍熟女少妇极品色| av又黄又爽大尺度在线免费看| 免费播放大片免费观看视频在线观看| 久久久精品94久久精品| 99九九线精品视频在线观看视频| 国精品久久久久久国模美| 六月丁香七月| 最近手机中文字幕大全| 麻豆成人午夜福利视频| 久久久久精品性色| 91精品伊人久久大香线蕉| 亚洲国产精品成人久久小说| 中文在线观看免费www的网站| 丁香六月天网| 少妇人妻精品综合一区二区| 欧美3d第一页| 国产精品一二三区在线看| 日韩一区二区三区影片| 婷婷色av中文字幕| 免费看av在线观看网站| 久久99热6这里只有精品| 国产亚洲av片在线观看秒播厂| 热re99久久精品国产66热6| 日韩电影二区| 伦理电影大哥的女人| 欧美最新免费一区二区三区| 永久免费av网站大全| 黄片无遮挡物在线观看| 少妇被粗大猛烈的视频| 人人妻人人澡人人看| 在线看a的网站| 在线观看一区二区三区激情| www.av在线官网国产| 能在线免费看毛片的网站| 最近最新中文字幕免费大全7| 九色成人免费人妻av| 午夜久久久在线观看| 国产高清国产精品国产三级| 亚洲,一卡二卡三卡| 老司机亚洲免费影院| 色视频www国产| 嘟嘟电影网在线观看| 精品亚洲成国产av| 国产精品一区www在线观看| 国产免费又黄又爽又色| av国产久精品久网站免费入址| 国产男人的电影天堂91| xxx大片免费视频| 成人亚洲欧美一区二区av| 中文资源天堂在线| 婷婷色av中文字幕| 久久这里有精品视频免费| 插逼视频在线观看| 狂野欧美激情性xxxx在线观看| 亚洲精品第二区| 成人午夜精彩视频在线观看| 日本av免费视频播放| 一区二区三区四区激情视频| 一个人免费看片子| 只有这里有精品99| 嫩草影院新地址| 精品99又大又爽又粗少妇毛片| 色94色欧美一区二区| www.色视频.com| 亚洲欧美清纯卡通| 超碰97精品在线观看| 国产爽快片一区二区三区| 国产乱人偷精品视频| 汤姆久久久久久久影院中文字幕| 国产白丝娇喘喷水9色精品| 国产永久视频网站| 国产一区二区在线观看av| 狂野欧美激情性xxxx在线观看| 丰满乱子伦码专区| 国产成人精品久久久久久| 精华霜和精华液先用哪个| 九色成人免费人妻av| 日日摸夜夜添夜夜爱| 老司机亚洲免费影院| 免费黄频网站在线观看国产| 久久久久久久久久成人| 波野结衣二区三区在线| 国产黄频视频在线观看| 日本vs欧美在线观看视频 | 亚洲av综合色区一区| 亚洲国产精品国产精品| 九草在线视频观看| 如日韩欧美国产精品一区二区三区 | 亚洲精品一区蜜桃| 亚洲人成网站在线观看播放| 欧美人与善性xxx| 插逼视频在线观看| 久久99蜜桃精品久久| 成人国产av品久久久| 内地一区二区视频在线| 欧美+日韩+精品| 午夜福利,免费看| 国产免费一级a男人的天堂| 成人无遮挡网站| 美女福利国产在线| 少妇人妻精品综合一区二区| 高清毛片免费看| 国产成人午夜福利电影在线观看| 日本黄大片高清| 精华霜和精华液先用哪个| 一本色道久久久久久精品综合| 国产精品久久久久久av不卡| 久久99热6这里只有精品| 成人美女网站在线观看视频| 国产伦在线观看视频一区| 国产永久视频网站| 女人精品久久久久毛片| 啦啦啦中文免费视频观看日本| 人妻系列 视频| 老女人水多毛片| 国产成人午夜福利电影在线观看| 国产男女超爽视频在线观看| 日日啪夜夜撸| 色哟哟·www| 黄色视频在线播放观看不卡| 三上悠亚av全集在线观看 | 久久精品国产自在天天线| 中国国产av一级| 大香蕉97超碰在线| 蜜桃久久精品国产亚洲av| 久久精品国产亚洲av涩爱| 中文欧美无线码| 亚洲国产欧美在线一区| 国产视频首页在线观看| 乱系列少妇在线播放| 纯流量卡能插随身wifi吗| 午夜福利,免费看| 国产成人精品无人区| 99热网站在线观看| 久久99热这里只频精品6学生| 久久99热6这里只有精品| 中文资源天堂在线| 只有这里有精品99| 黑人猛操日本美女一级片| 老司机影院成人| 人妻 亚洲 视频| 国产精品国产三级专区第一集| a级毛片免费高清观看在线播放| 99热全是精品| 国产精品99久久久久久久久| 国产成人精品久久久久久| 日韩中文字幕视频在线看片| 王馨瑶露胸无遮挡在线观看| 欧美 日韩 精品 国产| 少妇的逼水好多| 男女免费视频国产| 大片电影免费在线观看免费| 夜夜骑夜夜射夜夜干| 如何舔出高潮| 欧美高清成人免费视频www| 精品国产露脸久久av麻豆| 亚洲真实伦在线观看| 久久影院123| 亚洲人与动物交配视频| 国产一区有黄有色的免费视频| 欧美激情极品国产一区二区三区 | 狠狠精品人妻久久久久久综合| 国产色婷婷99| 黄色一级大片看看| 国产精品国产三级专区第一集| 最近最新中文字幕免费大全7| 精品久久久精品久久久| 亚洲精品国产av蜜桃| 亚洲无线观看免费| 22中文网久久字幕| 有码 亚洲区| 亚洲四区av| 亚洲av成人精品一区久久| 欧美日本中文国产一区发布| 五月伊人婷婷丁香| 卡戴珊不雅视频在线播放| 亚洲欧美日韩另类电影网站| 夜夜爽夜夜爽视频| 三级经典国产精品| 女人精品久久久久毛片| 婷婷色综合www| 涩涩av久久男人的天堂| 国产精品久久久久久久电影| 亚洲国产精品一区二区三区在线| 极品人妻少妇av视频| 国产成人a∨麻豆精品| 丰满饥渴人妻一区二区三| 成人综合一区亚洲| 欧美日韩一区二区视频在线观看视频在线| 日韩精品有码人妻一区| 免费观看性生交大片5| 色视频www国产| 亚洲久久久国产精品| 亚洲精品自拍成人| 黑人猛操日本美女一级片| 日韩欧美精品免费久久| 精品亚洲成国产av| 色网站视频免费| 精华霜和精华液先用哪个| 久久午夜综合久久蜜桃| 国产精品99久久99久久久不卡 | 噜噜噜噜噜久久久久久91| 18禁动态无遮挡网站| 亚洲电影在线观看av| 天美传媒精品一区二区| 日本91视频免费播放| 欧美精品一区二区大全| 最新的欧美精品一区二区| 国产成人一区二区在线| 日本黄大片高清| 噜噜噜噜噜久久久久久91| 欧美日韩亚洲高清精品| 老司机影院毛片| 精品午夜福利在线看| 日韩 亚洲 欧美在线| 国产精品久久久久久久久免| 国产日韩欧美在线精品| 插逼视频在线观看| 视频区图区小说| 哪个播放器可以免费观看大片| 亚洲av免费高清在线观看| 伦理电影大哥的女人| av天堂久久9| 成人美女网站在线观看视频| 亚洲国产精品专区欧美| 纯流量卡能插随身wifi吗| 婷婷色麻豆天堂久久| 在现免费观看毛片| 欧美区成人在线视频| 91在线精品国自产拍蜜月| 少妇的逼水好多| 爱豆传媒免费全集在线观看| 乱人伦中国视频| 蜜臀久久99精品久久宅男| 婷婷色综合www| av有码第一页| 高清不卡的av网站| 欧美人与善性xxx| 国国产精品蜜臀av免费| 成人美女网站在线观看视频| 免费不卡的大黄色大毛片视频在线观看| 91精品国产九色| 日韩av不卡免费在线播放| 最近手机中文字幕大全| 精品国产一区二区三区久久久樱花| 亚洲色图综合在线观看| 亚洲,欧美,日韩| a级毛片免费高清观看在线播放| 久久久久久久亚洲中文字幕| 97超视频在线观看视频| 丝袜喷水一区| 最近最新中文字幕免费大全7| 狠狠精品人妻久久久久久综合| 在线观看免费日韩欧美大片 | 成年人午夜在线观看视频| 人人妻人人澡人人爽人人夜夜| 一级二级三级毛片免费看| 亚洲丝袜综合中文字幕| 免费久久久久久久精品成人欧美视频 | 成人国产av品久久久| 日日摸夜夜添夜夜添av毛片| 免费av中文字幕在线| 在线观看一区二区三区激情| 桃花免费在线播放| av线在线观看网站| 少妇人妻 视频| 超碰97精品在线观看| 午夜日本视频在线| 成年人午夜在线观看视频| 老司机影院毛片| 国产成人免费无遮挡视频| 欧美激情国产日韩精品一区| 午夜免费鲁丝| 国产探花极品一区二区| 天堂8中文在线网| 亚洲欧美成人精品一区二区| 久久久久人妻精品一区果冻| 午夜免费男女啪啪视频观看| 精品久久国产蜜桃| 国产淫语在线视频| 日韩大片免费观看网站| 新久久久久国产一级毛片| 精品国产乱码久久久久久小说| 国产精品国产三级国产专区5o| 天天操日日干夜夜撸| 热99国产精品久久久久久7| 最近中文字幕2019免费版| 国产免费视频播放在线视频| 少妇高潮的动态图| 亚洲欧美日韩卡通动漫| 国产欧美亚洲国产| 免费观看性生交大片5| 午夜福利,免费看| 午夜久久久在线观看| 国产免费又黄又爽又色| 日韩av免费高清视频| 久久久久久久亚洲中文字幕| 亚洲av福利一区| 91成人精品电影| 日本vs欧美在线观看视频 | 免费久久久久久久精品成人欧美视频 | 久久久精品94久久精品| 18+在线观看网站| 成人特级av手机在线观看| av专区在线播放| 精品久久久久久久久av| 少妇被粗大的猛进出69影院 | av在线观看视频网站免费| 99热6这里只有精品| 男女啪啪激烈高潮av片| 麻豆乱淫一区二区| 欧美精品一区二区免费开放| 国产精品蜜桃在线观看| 亚洲欧洲国产日韩| av在线app专区| 国产成人91sexporn| 亚洲国产精品国产精品| 亚洲av男天堂| 亚洲第一av免费看| 国产成人精品婷婷| 黄色欧美视频在线观看| 夫妻午夜视频| 熟女av电影| 国产精品一区二区在线不卡| 欧美人与善性xxx| 综合色丁香网| 国产精品.久久久| 久久国产亚洲av麻豆专区| 少妇高潮的动态图| 能在线免费看毛片的网站| 精品国产一区二区三区久久久樱花| 王馨瑶露胸无遮挡在线观看| 免费观看av网站的网址| 99久久精品国产国产毛片| 亚洲电影在线观看av| 我要看黄色一级片免费的| 人体艺术视频欧美日本| 老司机影院成人| 国产女主播在线喷水免费视频网站| 男人爽女人下面视频在线观看| 亚洲欧美精品自产自拍| 日韩 亚洲 欧美在线| 亚洲精品亚洲一区二区| 婷婷色av中文字幕| 免费播放大片免费观看视频在线观看| 极品少妇高潮喷水抽搐| 国产男人的电影天堂91| 欧美变态另类bdsm刘玥| 国产精品女同一区二区软件| 国产一区二区三区综合在线观看 | 在线观看国产h片| 亚洲国产精品999| 视频中文字幕在线观看| 欧美+日韩+精品| 啦啦啦中文免费视频观看日本| 岛国毛片在线播放| 国语对白做爰xxxⅹ性视频网站| 日本免费在线观看一区| 亚洲精品日本国产第一区| 久久久久久久久久久久大奶| 日本黄色片子视频| 日韩伦理黄色片| 久久久久久久久久久丰满| 我的女老师完整版在线观看| 久久婷婷青草| 久久影院123| 亚洲在久久综合| 久久 成人 亚洲| h日本视频在线播放| 18禁在线无遮挡免费观看视频| 九九在线视频观看精品| 下体分泌物呈黄色| 日本与韩国留学比较| 国产精品久久久久久久久免| 日本vs欧美在线观看视频 | 在线观看国产h片| 亚洲在久久综合| 免费观看无遮挡的男女| 黄色日韩在线| 99久久精品国产国产毛片| 91久久精品电影网| 麻豆乱淫一区二区| 69精品国产乱码久久久| 日本黄色片子视频| 亚洲av中文av极速乱| 欧美精品亚洲一区二区| 亚洲精品视频女| 国产精品嫩草影院av在线观看| 大香蕉久久网| av国产久精品久网站免费入址| 九九在线视频观看精品| 国产精品99久久99久久久不卡 | 午夜免费鲁丝| 老司机影院毛片| 国产精品熟女久久久久浪| a级毛片在线看网站| 久久久精品免费免费高清| 国产日韩一区二区三区精品不卡 | 欧美日韩一区二区视频在线观看视频在线| 乱系列少妇在线播放| av在线观看视频网站免费| 国产精品蜜桃在线观看| 色吧在线观看| 亚洲美女搞黄在线观看| 国产午夜精品久久久久久一区二区三区| 人妻少妇偷人精品九色| 成人亚洲精品一区在线观看| 伊人久久国产一区二区| 国产av精品麻豆| 久久韩国三级中文字幕| 夜夜看夜夜爽夜夜摸| 欧美精品亚洲一区二区| 亚洲精品日韩av片在线观看| 精品亚洲乱码少妇综合久久| xxx大片免费视频| 欧美高清成人免费视频www| 最近中文字幕高清免费大全6| 久久久国产精品麻豆| 欧美 亚洲 国产 日韩一| 男女边摸边吃奶| 丝袜在线中文字幕| 国产精品国产三级国产av玫瑰| 国产伦精品一区二区三区四那| 亚洲综合精品二区| videossex国产| 国产一区二区在线观看av| 国产毛片在线视频| 免费播放大片免费观看视频在线观看| 亚洲高清免费不卡视频| 免费黄网站久久成人精品| 日韩欧美 国产精品| 大片电影免费在线观看免费| 丰满少妇做爰视频| 在线播放无遮挡| 亚洲一级一片aⅴ在线观看| 一级黄片播放器| 国产av精品麻豆| 久久久久人妻精品一区果冻| 国产日韩欧美亚洲二区| 91aial.com中文字幕在线观看| 午夜91福利影院| 国产在线男女| 精品国产一区二区久久| a 毛片基地| 三级经典国产精品| √禁漫天堂资源中文www| 精品亚洲乱码少妇综合久久| 22中文网久久字幕| 日日摸夜夜添夜夜爱| av黄色大香蕉| 交换朋友夫妻互换小说| 免费大片18禁| 成年av动漫网址| 日韩人妻高清精品专区| 黄色怎么调成土黄色| av视频免费观看在线观看| 春色校园在线视频观看| 久久精品熟女亚洲av麻豆精品| 你懂的网址亚洲精品在线观看| 久久人人爽人人爽人人片va| 又爽又黄a免费视频| 亚洲av国产av综合av卡| 亚洲高清免费不卡视频| 九草在线视频观看| 国产亚洲午夜精品一区二区久久| 极品少妇高潮喷水抽搐| 免费播放大片免费观看视频在线观看| 国产精品伦人一区二区| 永久免费av网站大全| 18禁在线无遮挡免费观看视频| 乱码一卡2卡4卡精品| 欧美亚洲 丝袜 人妻 在线| 亚洲综合精品二区| 女性生殖器流出的白浆| 18禁在线播放成人免费| h视频一区二区三区| 久久久久久伊人网av| 国产美女午夜福利| 欧美xxⅹ黑人| 午夜老司机福利剧场| 十八禁网站网址无遮挡 | 久久久久久久大尺度免费视频| 欧美精品人与动牲交sv欧美| 一本久久精品| 女性生殖器流出的白浆| 久久青草综合色| 在线播放无遮挡| 97在线视频观看| 中文字幕久久专区| 最近最新中文字幕免费大全7| 亚洲精品国产av蜜桃| 深夜a级毛片| 一级黄片播放器| 男女免费视频国产| 精品一区二区三区视频在线| 国产真实伦视频高清在线观看| 中文字幕人妻熟人妻熟丝袜美| 日韩强制内射视频| 大香蕉久久网| 曰老女人黄片| 看非洲黑人一级黄片| 久久狼人影院| 黄色毛片三级朝国网站 | 国产亚洲一区二区精品| 少妇人妻久久综合中文| 午夜免费男女啪啪视频观看| 精品国产国语对白av| 一级,二级,三级黄色视频| av不卡在线播放| 99国产精品免费福利视频| 少妇人妻一区二区三区视频| 搡女人真爽免费视频火全软件| 国产片特级美女逼逼视频| 国产黄片美女视频| 美女xxoo啪啪120秒动态图| av线在线观看网站| 精品久久久久久久久亚洲| 妹子高潮喷水视频| 亚洲精品日韩在线中文字幕| 日韩亚洲欧美综合| 熟女电影av网| 日韩欧美精品免费久久| 国产精品.久久久| 黄色毛片三级朝国网站 | 五月玫瑰六月丁香| 免费少妇av软件| 又粗又硬又长又爽又黄的视频| 成人美女网站在线观看视频| 免费不卡的大黄色大毛片视频在线观看| 亚洲精品国产av蜜桃| 免费播放大片免费观看视频在线观看| 久久久久久久国产电影| 欧美精品一区二区免费开放| 色视频www国产| 只有这里有精品99| 久久精品久久久久久久性| 自拍偷自拍亚洲精品老妇| a级毛色黄片| 亚洲激情五月婷婷啪啪| 下体分泌物呈黄色| 午夜福利网站1000一区二区三区| 夜夜骑夜夜射夜夜干| 美女脱内裤让男人舔精品视频| av国产久精品久网站免费入址| 久久精品国产亚洲网站| 欧美精品一区二区大全| 最近的中文字幕免费完整| 街头女战士在线观看网站| 麻豆成人午夜福利视频| 伊人亚洲综合成人网| 亚洲精品国产av成人精品| 人体艺术视频欧美日本| 99久久精品国产国产毛片| 99精国产麻豆久久婷婷| 春色校园在线视频观看| 亚洲av欧美aⅴ国产| a 毛片基地| 中文天堂在线官网| 亚洲精品国产av成人精品| 国产精品一区二区在线观看99| 毛片一级片免费看久久久久| av有码第一页| 能在线免费看毛片的网站| 国产熟女欧美一区二区| 亚洲av免费高清在线观看| 午夜福利网站1000一区二区三区| 一本一本综合久久| 制服丝袜香蕉在线| 亚洲国产精品成人久久小说| 国产永久视频网站| 亚洲欧美一区二区三区国产|