• <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
    免费观看人在逋| 午夜福利在线观看吧| 日韩高清综合在线| www国产在线视频色| 黄片播放在线免费| 99国产精品一区二区三区| 午夜两性在线视频| avwww免费| 欧美日韩亚洲综合一区二区三区_| 一个人观看的视频www高清免费观看 | 中文字幕精品免费在线观看视频| 少妇粗大呻吟视频| 婷婷六月久久综合丁香| 电影成人av| 少妇的丰满在线观看| 亚洲精品久久午夜乱码| 免费在线观看日本一区| 很黄的视频免费| 99久久久亚洲精品蜜臀av| 久久精品亚洲熟妇少妇任你| 看片在线看免费视频| 精品久久蜜臀av无| 桃红色精品国产亚洲av| 一级片免费观看大全| 电影成人av| 高清av免费在线| 又黄又粗又硬又大视频| www.自偷自拍.com| 国产精品1区2区在线观看.| 性色av乱码一区二区三区2| 亚洲av成人av| 久久香蕉国产精品| 国产欧美日韩精品亚洲av| 91成年电影在线观看| 精品福利永久在线观看| 午夜福利,免费看| 看免费av毛片| 91老司机精品| 天堂影院成人在线观看| 亚洲欧洲精品一区二区精品久久久| 免费在线观看日本一区| 女人被躁到高潮嗷嗷叫费观| 亚洲精品国产精品久久久不卡| 午夜精品在线福利| 亚洲欧美日韩高清在线视频| 欧美日韩亚洲高清精品| 国产精品日韩av在线免费观看 | 成人国语在线视频| 高潮久久久久久久久久久不卡| 一级黄色大片毛片| 在线免费观看的www视频| 午夜福利在线观看吧| 久久伊人香网站| 9热在线视频观看99| 丁香欧美五月| 天堂中文最新版在线下载| 国产亚洲欧美98| 色播在线永久视频| 黑人巨大精品欧美一区二区蜜桃| 久久久精品欧美日韩精品| 精品一区二区三区四区五区乱码| 搡老熟女国产l中国老女人| 波多野结衣高清无吗| 国产欧美日韩精品亚洲av| 亚洲色图 男人天堂 中文字幕| 精品久久久久久久久久免费视频 | 精品免费久久久久久久清纯| 精品日产1卡2卡| 在线十欧美十亚洲十日本专区| 亚洲国产精品sss在线观看 | 亚洲av片天天在线观看| 国产高清视频在线播放一区| 天天添夜夜摸| 精品福利永久在线观看| 高清av免费在线| 久久精品亚洲熟妇少妇任你| 欧美日本亚洲视频在线播放| 丁香欧美五月| 久久狼人影院| 高潮久久久久久久久久久不卡| 又黄又粗又硬又大视频| 777久久人妻少妇嫩草av网站| 亚洲精品中文字幕在线视频| av欧美777| 91精品三级在线观看| 叶爱在线成人免费视频播放| 久久性视频一级片| 国产欧美日韩综合在线一区二区| 热99re8久久精品国产| 亚洲国产中文字幕在线视频| 成人精品一区二区免费| 欧美精品亚洲一区二区| 久久国产精品影院| 国产一区二区三区视频了| 日本免费一区二区三区高清不卡 | 丝袜在线中文字幕| 神马国产精品三级电影在线观看 | 在线播放国产精品三级| 在线观看66精品国产| 亚洲av美国av| 久久久国产成人免费| 啦啦啦在线免费观看视频4| 老熟妇仑乱视频hdxx| 久久香蕉国产精品| 国产亚洲欧美98| 757午夜福利合集在线观看| av在线播放免费不卡| 18美女黄网站色大片免费观看| 成人影院久久| 精品电影一区二区在线| videosex国产| 精品欧美一区二区三区在线| 热99国产精品久久久久久7| ponron亚洲| 国产不卡一卡二| 欧美激情高清一区二区三区| 免费在线观看亚洲国产| 真人做人爱边吃奶动态| 精品少妇一区二区三区视频日本电影| 国产三级在线视频| 午夜福利免费观看在线| 一进一出抽搐动态| 可以在线观看毛片的网站| 亚洲成人免费电影在线观看| 男女做爰动态图高潮gif福利片 | 日韩欧美一区视频在线观看| 日本黄色日本黄色录像| videosex国产| 久久精品91无色码中文字幕| 午夜精品在线福利| 在线av久久热| 日日摸夜夜添夜夜添小说| 国产深夜福利视频在线观看| 免费女性裸体啪啪无遮挡网站| 日本vs欧美在线观看视频| 97超级碰碰碰精品色视频在线观看| 午夜a级毛片| 精品乱码久久久久久99久播| 亚洲成人久久性| 精品一品国产午夜福利视频| 后天国语完整版免费观看| 丁香六月欧美| 国产真人三级小视频在线观看| 最近最新免费中文字幕在线| 免费一级毛片在线播放高清视频 | 欧美黑人欧美精品刺激| av片东京热男人的天堂| 日韩精品中文字幕看吧| www.999成人在线观看| bbb黄色大片| 老司机亚洲免费影院| 午夜福利一区二区在线看| 嫁个100分男人电影在线观看| 欧美最黄视频在线播放免费 | 一级作爱视频免费观看| 日韩免费高清中文字幕av| 久热这里只有精品99| 成人手机av| 精品高清国产在线一区| 天天影视国产精品| 中文欧美无线码| 中文字幕高清在线视频| 久热这里只有精品99| 国产熟女午夜一区二区三区| 国产成+人综合+亚洲专区| 免费av毛片视频| 69av精品久久久久久| 一区在线观看完整版| 久久国产精品人妻蜜桃| 午夜免费成人在线视频| 国产黄色免费在线视频| 久久国产亚洲av麻豆专区| 天天影视国产精品| 国产精华一区二区三区| 国产亚洲精品一区二区www| 午夜福利一区二区在线看| 精品熟女少妇八av免费久了| 亚洲午夜精品一区,二区,三区| 国产又色又爽无遮挡免费看| 18禁黄网站禁片午夜丰满| 色老头精品视频在线观看| 国产成年人精品一区二区 | 男女下面进入的视频免费午夜 | 男女床上黄色一级片免费看| 色综合欧美亚洲国产小说| 黄网站色视频无遮挡免费观看| 美女扒开内裤让男人捅视频| 久久久久久久久中文| 久久国产乱子伦精品免费另类| 满18在线观看网站| 可以在线观看毛片的网站| 国产又爽黄色视频| 免费在线观看黄色视频的| 又黄又粗又硬又大视频| 国产午夜精品久久久久久| 国产国语露脸激情在线看| 黑人欧美特级aaaaaa片| 极品人妻少妇av视频| 久久九九热精品免费| 欧美最黄视频在线播放免费 | 99国产精品免费福利视频| 中文欧美无线码| 国产激情欧美一区二区| 欧美亚洲日本最大视频资源| 亚洲精品粉嫩美女一区| 国产极品粉嫩免费观看在线| 日日摸夜夜添夜夜添小说| 波多野结衣高清无吗| 免费高清在线观看日韩| 国产精品秋霞免费鲁丝片| 亚洲av片天天在线观看| 久久久久亚洲av毛片大全| 国产黄a三级三级三级人| 亚洲国产精品一区二区三区在线| 热99re8久久精品国产| 一级毛片高清免费大全| 女性被躁到高潮视频| 日韩免费av在线播放| 欧美黄色片欧美黄色片| 最近最新中文字幕大全免费视频| 婷婷丁香在线五月| 欧美国产精品va在线观看不卡| 国产xxxxx性猛交| 国产主播在线观看一区二区| 少妇被粗大的猛进出69影院| 国产亚洲精品久久久久5区| 日本wwww免费看| 精品高清国产在线一区| 午夜免费成人在线视频| 91成年电影在线观看| 成年人黄色毛片网站| 黑人猛操日本美女一级片| 一本大道久久a久久精品| 日本五十路高清| 免费高清视频大片| tocl精华| 日日夜夜操网爽| 国产一区在线观看成人免费| 久9热在线精品视频| 色老头精品视频在线观看| 亚洲精品国产精品久久久不卡| 黑人猛操日本美女一级片| 亚洲精品在线观看二区| 麻豆国产av国片精品| 久久久久国产精品人妻aⅴ院| 国产三级黄色录像| 久久久国产成人精品二区 | xxxhd国产人妻xxx| 国产精品免费视频内射| 日本欧美视频一区| 久久人妻熟女aⅴ| 欧美另类亚洲清纯唯美| 嫩草影视91久久| 麻豆av在线久日| 又黄又粗又硬又大视频| 国产一区二区三区在线臀色熟女 | 久久久国产精品麻豆| 色尼玛亚洲综合影院| 午夜影院日韩av| 国产熟女午夜一区二区三区| 在线观看www视频免费| 69av精品久久久久久| 色播在线永久视频| 亚洲熟妇熟女久久| 国产av一区在线观看免费| 成人特级黄色片久久久久久久| 亚洲第一av免费看| 侵犯人妻中文字幕一二三四区| 美女午夜性视频免费| 丝袜美腿诱惑在线| 天天躁狠狠躁夜夜躁狠狠躁| а√天堂www在线а√下载| 亚洲欧美精品综合久久99| 美女国产高潮福利片在线看| 美女大奶头视频| 亚洲欧美日韩另类电影网站| 亚洲精品在线观看二区| 国产伦人伦偷精品视频| 校园春色视频在线观看| 在线十欧美十亚洲十日本专区| 美国免费a级毛片| 午夜福利,免费看| 自拍欧美九色日韩亚洲蝌蚪91| 久久久久久免费高清国产稀缺| 久久久久久大精品| 国产成人欧美在线观看| 欧美精品啪啪一区二区三区| 88av欧美| 国产精品久久久久久人妻精品电影| 人妻久久中文字幕网| 老司机亚洲免费影院| 免费少妇av软件| av网站免费在线观看视频| 国产成人一区二区三区免费视频网站| 在线国产一区二区在线| 亚洲国产精品999在线| 男女之事视频高清在线观看| 黄色片一级片一级黄色片| 香蕉久久夜色| av在线播放免费不卡| 国产成人精品久久二区二区91| 精品无人区乱码1区二区| 最近最新中文字幕大全电影3 | 91成年电影在线观看| 国产色视频综合| 中出人妻视频一区二区| 正在播放国产对白刺激| 国产精品99久久99久久久不卡| 国产精品国产av在线观看| 老鸭窝网址在线观看| 正在播放国产对白刺激| 国产成+人综合+亚洲专区| 精品国产一区二区三区四区第35| 欧美日韩乱码在线| 欧美日韩一级在线毛片| av电影中文网址| 亚洲自拍偷在线| 99riav亚洲国产免费| 一级片'在线观看视频| 在线观看66精品国产| 日韩精品免费视频一区二区三区| 交换朋友夫妻互换小说| 成年女人毛片免费观看观看9| 欧美日韩国产mv在线观看视频| 国产又爽黄色视频| 色综合站精品国产| 国产国语露脸激情在线看| 免费日韩欧美在线观看| 亚洲男人天堂网一区| 国产精品成人在线| 淫妇啪啪啪对白视频| 亚洲欧美激情在线| 国产主播在线观看一区二区| 大型av网站在线播放| 国产成人av教育| 美国免费a级毛片| 无遮挡黄片免费观看| 国产黄色免费在线视频| 亚洲 欧美一区二区三区| 国产精品久久久av美女十八| 中国美女看黄片| 中文字幕av电影在线播放| 在线观看一区二区三区激情| 久久精品亚洲av国产电影网| 久久精品亚洲精品国产色婷小说| 午夜福利,免费看| 日本一区二区免费在线视频| 久久久久久久久免费视频了| 亚洲美女黄片视频| 老鸭窝网址在线观看| 人人妻人人添人人爽欧美一区卜| 亚洲伊人色综图| 久久精品亚洲av国产电影网| 99精品在免费线老司机午夜| 亚洲少妇的诱惑av| 日韩欧美免费精品| 操美女的视频在线观看| 国产亚洲精品综合一区在线观看 | 色精品久久人妻99蜜桃| 国产精品久久电影中文字幕| 黑人巨大精品欧美一区二区蜜桃| 亚洲熟妇中文字幕五十中出 | 麻豆成人av在线观看| 在线视频色国产色| 一级片免费观看大全| 咕卡用的链子| 久久久久久久午夜电影 | 长腿黑丝高跟| 久久久精品国产亚洲av高清涩受| 黄色成人免费大全| 十八禁网站免费在线| bbb黄色大片| av免费在线观看网站| 十八禁网站免费在线| 精品日产1卡2卡| 在线观看www视频免费| 日韩欧美免费精品| 国产av一区在线观看免费| www.自偷自拍.com| 18禁裸乳无遮挡免费网站照片 | 精品欧美一区二区三区在线| 国产主播在线观看一区二区| av天堂久久9| 午夜免费观看网址| 久久久久久久久免费视频了| 久久香蕉国产精品| 看黄色毛片网站| 黄色视频,在线免费观看| 国产亚洲精品一区二区www| 国产亚洲精品久久久久5区| 两性午夜刺激爽爽歪歪视频在线观看 | 两个人看的免费小视频| 久久中文看片网| 亚洲在线自拍视频| 美女高潮到喷水免费观看| 热re99久久国产66热| 久久久国产精品麻豆| 亚洲欧美一区二区三区久久| 免费高清视频大片| 男女高潮啪啪啪动态图| 曰老女人黄片| 亚洲人成网站在线播放欧美日韩| 欧美激情极品国产一区二区三区| 免费久久久久久久精品成人欧美视频| 久久久久国产一级毛片高清牌| www日本在线高清视频| 欧美黑人欧美精品刺激| 99久久综合精品五月天人人| 午夜精品国产一区二区电影| 51午夜福利影视在线观看| 一区二区三区国产精品乱码| 午夜福利免费观看在线| 欧美国产精品va在线观看不卡| 交换朋友夫妻互换小说| 日本黄色视频三级网站网址| 国产精品美女特级片免费视频播放器 | 日本黄色视频三级网站网址| 日韩有码中文字幕| 亚洲少妇的诱惑av| 美女扒开内裤让男人捅视频| 99热只有精品国产| 日日摸夜夜添夜夜添小说| 精品久久久久久久毛片微露脸| 成人永久免费在线观看视频| 中亚洲国语对白在线视频| 国产精品亚洲一级av第二区| tocl精华| 新久久久久国产一级毛片| 少妇的丰满在线观看| 一区福利在线观看| 淫妇啪啪啪对白视频| 国产精品日韩av在线免费观看 | 丁香欧美五月| 级片在线观看| 国产一区二区激情短视频| 韩国av一区二区三区四区| 久久99一区二区三区| 又紧又爽又黄一区二区| 制服诱惑二区| 新久久久久国产一级毛片| 老司机福利观看| 亚洲视频免费观看视频| 免费在线观看日本一区| 香蕉丝袜av| 精品福利观看| 日本撒尿小便嘘嘘汇集6| 欧美亚洲日本最大视频资源| 热99re8久久精品国产| 亚洲国产毛片av蜜桃av| 国产av一区在线观看免费| 岛国视频午夜一区免费看| 99国产精品99久久久久| 亚洲av熟女| 亚洲熟女毛片儿| av福利片在线| 久久国产乱子伦精品免费另类| 法律面前人人平等表现在哪些方面| 久久天堂一区二区三区四区| 真人做人爱边吃奶动态| 最近最新中文字幕大全免费视频| 黑人巨大精品欧美一区二区mp4| 久久久国产成人免费| 最好的美女福利视频网| 男女高潮啪啪啪动态图| 五月开心婷婷网| 成人永久免费在线观看视频| 亚洲五月天丁香| 国产无遮挡羞羞视频在线观看| bbb黄色大片| 一级a爱片免费观看的视频| 成人影院久久| 午夜福利免费观看在线| 欧美日韩av久久| 男人操女人黄网站| 涩涩av久久男人的天堂| 正在播放国产对白刺激| 久久久久久大精品| 国产乱人伦免费视频| 男人操女人黄网站| 久久人人精品亚洲av| 国产激情久久老熟女| 99精品欧美一区二区三区四区| 99久久99久久久精品蜜桃| 国产精品久久久久久人妻精品电影| 一区二区三区激情视频| 97超级碰碰碰精品色视频在线观看| 亚洲片人在线观看| 窝窝影院91人妻| 亚洲欧美一区二区三区黑人| 中文亚洲av片在线观看爽| 亚洲人成电影免费在线| 国产又色又爽无遮挡免费看| 久久青草综合色| 天堂中文最新版在线下载| 一区二区三区激情视频| 亚洲免费av在线视频| 久久天堂一区二区三区四区| 亚洲av成人一区二区三| av网站免费在线观看视频| 每晚都被弄得嗷嗷叫到高潮| 中出人妻视频一区二区| 日本精品一区二区三区蜜桃| 搡老熟女国产l中国老女人| 中国美女看黄片| 伊人久久大香线蕉亚洲五| 欧美另类亚洲清纯唯美| 日本黄色日本黄色录像| 欧美激情久久久久久爽电影 | 黄色毛片三级朝国网站| 欧美成人性av电影在线观看| 老司机靠b影院| 亚洲一区高清亚洲精品| 精品国产美女av久久久久小说| 美女福利国产在线| 国产av精品麻豆| 女人爽到高潮嗷嗷叫在线视频| 久久亚洲精品不卡| 免费搜索国产男女视频| 高清欧美精品videossex| 久久久久久久午夜电影 | 国产在线观看jvid| 99久久综合精品五月天人人| 久久国产乱子伦精品免费另类| 欧美黄色淫秽网站| 男女午夜视频在线观看| 女人被狂操c到高潮| 天天影视国产精品| xxxhd国产人妻xxx| 男女下面插进去视频免费观看| 热re99久久精品国产66热6| 成人国语在线视频| 天堂动漫精品| 欧美日韩瑟瑟在线播放| 亚洲人成电影免费在线| 国产主播在线观看一区二区| 看黄色毛片网站| 麻豆av在线久日| 婷婷精品国产亚洲av在线| 成人影院久久| 日韩欧美免费精品| 999精品在线视频| 国产成人欧美在线观看| 亚洲熟妇中文字幕五十中出 | 国产av又大| 国产又爽黄色视频| 亚洲精品av麻豆狂野| 免费搜索国产男女视频| 日韩精品青青久久久久久| svipshipincom国产片| 精品久久久久久久毛片微露脸| 在线观看免费视频日本深夜| 国产97色在线日韩免费| 天堂动漫精品| 国产精品国产高清国产av| 99热国产这里只有精品6| 精品人妻在线不人妻| 91精品国产国语对白视频| 一级,二级,三级黄色视频| 91字幕亚洲| 级片在线观看| 91av网站免费观看| 免费在线观看影片大全网站| 国产成人啪精品午夜网站| 欧美激情极品国产一区二区三区| 国产精品1区2区在线观看.| 性少妇av在线| 日本精品一区二区三区蜜桃| 国产精品国产高清国产av| 18禁黄网站禁片午夜丰满| 他把我摸到了高潮在线观看| 久久精品亚洲精品国产色婷小说| 欧美色视频一区免费| 国产又色又爽无遮挡免费看| 国产成人精品久久二区二区免费| 免费看十八禁软件| 久久国产乱子伦精品免费另类| 怎么达到女性高潮| 电影成人av| 新久久久久国产一级毛片| 我的亚洲天堂| 一级片免费观看大全| 国产男靠女视频免费网站| 人人妻人人添人人爽欧美一区卜| 交换朋友夫妻互换小说| 午夜免费成人在线视频| 高潮久久久久久久久久久不卡| 精品福利永久在线观看| 国产av在哪里看| 久久人人爽av亚洲精品天堂| 亚洲av第一区精品v没综合| 国产欧美日韩一区二区三区在线| 亚洲精品国产色婷婷电影| 国产精品av久久久久免费| 免费在线观看影片大全网站| 色尼玛亚洲综合影院| 亚洲九九香蕉| 一进一出抽搐gif免费好疼 | 久久久久久久午夜电影 | 两人在一起打扑克的视频| 亚洲精品美女久久久久99蜜臀| 免费日韩欧美在线观看| 国产精品秋霞免费鲁丝片| 深夜精品福利| 水蜜桃什么品种好| 国产精品亚洲av一区麻豆| 天堂√8在线中文| 欧美精品亚洲一区二区| 国产精品亚洲av一区麻豆| 五月开心婷婷网| 亚洲 欧美 日韩 在线 免费| 午夜久久久在线观看| 久久久水蜜桃国产精品网| 欧美日韩国产mv在线观看视频| 欧美在线一区亚洲| 999精品在线视频|