• <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K-means的多維聚類算法在客戶信息中的應用

    2020-12-24 08:01:42周繼成蔡冠宇高尚
    軟件 2020年7期
    關鍵詞:數據量聚類對象

    周繼成 蔡冠宇 高尚

    摘? 要: 從客戶信息多維考慮,結合K-means算法原有思想,通過多維聚合來實現(xiàn)對大量客戶信息的分類聚合,通過比較數據伸縮率及擴展率來比較了Hadoop上的性能。

    關鍵詞: 數據挖掘;K-means;BI;客戶信息;聚類算法

    中圖分類號: TP391.1 ???文獻標識碼: A??? DOI:10.3969/j.issn.1003-6970.2020.07.012

    本文著錄格式:周繼成,蔡冠宇,高尚. 基于K-means的多維聚類算法在客戶信息中的應用[J]. 軟件,2020,41(07):61-65

    Application of Multidimensional Clustering Algorithm Based onK-means in Customer Information

    ZHOU Ji-cheng1, CAI Guan-yu2, GAO Shang1*

    (1. School of Computer Science and Engineering, Jiangsu University of Science and Technology, Zhenjiang 212003, China;2. Zhenjiang Dantu District Science and Technology Bureau, Zhenjiang 212003, China)

    【Abstract】: From the customer information multi-dimensional considerations, combined with the original idea of K-means algorithm, through multidimensional aggregation to achieve a large number of customer information clas?sification, through the comparison of data expansion rate and expansion rate to compare the performance of Hadoop.

    【Key words】: Data mining; K-means; BI; Customer information; Clustering algorithm

    0? 引言

    在數據越來越重要的時代,如何快速有效的利用現(xiàn)有的大量數據,挖掘潛在的商業(yè)機會,為立足先機,成為企業(yè)規(guī)劃未來數據發(fā)展戰(zhàn)略的重中之重??蛻粜畔⑹瞧髽I(yè)最核心且最具有競爭力的,往往最能理解客戶需求,針對客戶來發(fā)展產品,則在市場上就能夠占得先機[1-7]。而要做到產品追隨客戶需求,則需要對市場的客戶分布、客戶群類做到很精確的判斷。在探討市場發(fā)展趨勢時,需要對市場的客戶群體進行分類聚合,此時就需要數據挖掘的聚類算法對海量的客戶歷史數據進行處理。在商務智能中,聚類分析算法可以對企業(yè)大量的客戶信息進行分類,相同類組中的客戶在屬性特征上就會有高度的相似性,這樣有利于針對不同類群的客戶開發(fā)

    針對性的客戶產品。但是由于客戶屬性特征往往都是高達數十個,同時數據量也是數據聚類處理的一個難點,現(xiàn)有的聚類算法在處理多維及大批量數據時,在準確度及時間、空間復雜度上遇到了瓶頸[8-9]。針對這一問題研究的思路是將并行處理技術及多維聚類分析與現(xiàn)有的比較常用的聚類分析算法K-means相結合,探究更加高效的聚類分析方法,提高客戶信息分析的準確度。

    1? 客戶數據的預處理

    這里以某地產行業(yè)客戶信息作為例子。該地產公司的客戶信息數據來源ERP系統(tǒng)和移動端的APP系統(tǒng),細分為線索登記、來訪及跟進信息、交易階段相關信息、入伙登記信息、APP會員推廣和推薦信息等。在這一階段需要將所有系統(tǒng)的有關客戶信息抽取到對應的目標表中,主要分為客戶身份信息和客戶事件。地產客戶信息結構其執(zhí)行的過程如下圖1所示,設計的客戶數據結構如表1。

    2 ?基于Hadoop的多維聚類算法K-means設計

    針對客戶信息屬性多維的特點,以及結合Hadoop的MapReduce算法的設計,以常規(guī)的K-means算法為基礎,對其進行多維化的擴展。常規(guī)的串行K-means算法包含以下幾個步驟[10-11]。

    (1)從數據對象中有針對性的選擇k個客戶對象作為初始化聚類中心。

    (2)設定最小距離的初步臨界值,通過計算每個數據對象與聚類中心的距離,進行初步的分類劃分。

    (3)根據劃分后分聚類中心,重新計算每個聚類的均值,這個均值是可以重新按照第二步驟進行變化的。

    (4)計算每一次劃分后是否滿足函數收斂,如果滿足,則算法終止運行,如果條件不滿足,則繼續(xù)2、3步驟。

    從上述算法步驟可以看出,K-means算法的主要計算工作是根據設定的最小距離,計算每一個數據對象距離聚類中心的距離,從來能夠將數據對象按照不同的簇類進行劃分。每一次迭代都是執(zhí)行在前一次劃分的基礎之上在初始化聚類中心,從而能夠在每次迭代之后對數據對象更細一步的劃分。

    常見的劃分方法有兩種,一種是k-均值;另一種是k-中心點,后一種比前一種魯棒性更優(yōu),但是其復雜度相對更高,尤其是大批量的數據。所以從數據量大和客戶信息屬性較多的狀況,采用多維K-means聚類,并為每一個屬性聚類加權重,權重按照客戶屬性的重要性賦值。k-means算法的迭代是通過Map函數及Reduce函數來實現(xiàn)的。

    并行處理技術現(xiàn)在最常見的應用是Hadoop架構體系,其是一個成本比較低,開發(fā)難度較小,并行處理大規(guī)模數據性能較好的云計算平臺,特點是可靠性較高、成本相對較低、效率高等[12]。Hadoop平臺框架最核心的兩個部分:為大量的數據提供存儲的HDFS(分布式文件系統(tǒng));為大數據提供計算模型的MapReduce。Hadoop平臺最大的特點集群化體現(xiàn)在它的HDFS集群。集群中會有一個主節(jié)點(Namenode)作為集群管理中心,多個從節(jié)點作為數據節(jié)點。每個節(jié)點都可以是一臺普通的PC機。MapReduce是一種編程模型,用于大批量數據的并行計算。其主要思想有兩個部分,Map(映射)、Reduce(歸約)。Map端的主要作用如下。

    (1)當數據Input后,會根據分節(jié)點的個數來安排數據分片的大小,每一個數據分片對應一個map,Map的輸出結果暫且放在內存緩沖區(qū)中。這些數據會根據自定義的Map函數生成新的(key,value)鍵值對。不同類型的類鍵值對也是不同的。

    (2)Shuffle是在Reduce端之前,用于確保輸入是Map已經處理排好序的。

    (3)Reduce端:會對從Map端傳送過來的鍵值對做遞歸歸約,輸入參數是(key,{list value}),通過自定義的Reduce函數處理后,生成新的(key,value)鍵值對。

    Map函數默認的鍵值對(Key,value)。為了便于計算,可以將客戶信息數據按照屬性導成文本形式。這里的key即當前文本的數據相對于起始點的位移,value則是對應的位移字符串。文本遍歷后,通過value值計算對象與各個中心點的距離,從而找到距離最短的中心簇類。其設計的Map函數如下。

    Map((key,value),(key,value))

    {

    初始時解析value值得到初始值firstvalue;

    距離中心聚類的最短距離定義為minvalue,初始化時為最大值;

    Dex變量作為key;

    K定義為初始聚類中心的個數;

    For m=0 to k-1

    Do{

    Dis=firstvalue;定義每一個對象與第m個聚類中心的距離;

    If dis

    {

    minValue=dis;

    index=i;

    }

    }

    Key=index;每一次map函數執(zhí)行之后將index賦值給key;

    Value=dis;將dis作為value的值;

    輸出(key,value)

    }

    Reduce函數的輸入來源Map之后的分類合并,即(key,V);這里的key是合并后聚類的下標,V是同一聚類的對象值即Map函數得到的value;通過對同一聚類的各個對象value值得相加除以同一聚類的對象個數,即為新的聚類中心的值。偽代碼如下。

    Reduce((key,V),(key,value))

    {

    SUM[];初始化數組作為每一個聚類對象坐標的累加值。

    NUM=0;初始化變量NUM,作為同聚類的對象個數;

    While(V.hasNext())//hasNext()用于判斷是否有下一個同聚類對象;

    {

    V.next(num);從next()函數中解析同聚類各位位移及對象個數;

    NUM+=num;

    }

    數組SUM[]的每一個值與NUM相除,得到各個聚簇中心新的坐標值;

    即key變?yōu)閗ey;

    Value的值即各個對象對應的坐標值;

    返回(key,value)

    }

    重復Map函數及Reduce,直到達到收斂條件。

    3 ?Hadoop環(huán)境下對客戶信息的處理

    3.1 ?Hadoop環(huán)境和數據來源介紹

    本論文探究的是運用K-means實現(xiàn)對地產客戶信息的聚類分析,基于數據量及探究的主題,部署的Hadoop環(huán)境基于五臺PC機,其中一臺為服務器虛機,內存為32G。其他四臺為PC機和筆記本,配置PC機為雙核8G內存,筆記本為12G內存。Hadoop是V2.7.0版本。機器是通過千兆以太網及交換機建立的局域網進行連接互通。

    數據來源于某地產客戶,其需求是基于現(xiàn)有的客戶信息、來訪登記信息、客戶買房信息等挖掘客戶潛在的客戶需求,通過對客戶不同屬性之間的關系的分析,調整市場分布。

    由于客戶信息屬性是多維的,所以在這里主要研究一些帶有決策性的屬性進行研究。包括以下幾個屬性:性別、年齡、省份、城市、所屬行業(yè)、教育程度、婚姻狀況、購房用途、工作區(qū)域、居住區(qū)域、收入水平、家庭狀況、職業(yè)、興趣愛好、需求面積、意向樓層、意向單價、線索來源(媒體廣告等)等。

    3.2 ?評價指標

    指標性能往往基于數據量及平臺性能發(fā)生變化的,所以在實驗環(huán)境中通過控制數據量的變化及平臺來探討處理機制的性能,將擴展率、加速比和數據伸縮率作為評價指標,同時潛在的客戶信息關聯(lián)也作為評價條件。

    3.3 ?聚類結果分析

    3.3.1 ?K-means算法性能分析

    從數據量級來看,千萬級的數據量運行時間比例要比百萬級的數據在同等節(jié)點數的效率更高,對于Hadoop來說,節(jié)點數的變化導致的運行時間及準確率的變化更能體現(xiàn)其集群化并行運算的優(yōu)勢。

    圖2是K-means算法在Hadoop平臺并行運算的加速比,從圖中可以看到,加速比隨著節(jié)點的增加是逐漸增大,Hadoop并行運算提高了K-means聚類分析的效率,但從圖中也可以看出,從2個節(jié)點到3個節(jié)點的時候加速比的增大比例是最大的,影響加速比提高的另一個原因是隨著節(jié)點的增多,節(jié)點之間的通訊開銷也是逐漸增大。所以在部署Hadoop集群環(huán)境時,節(jié)點之間的通訊方式和設備也是需要重點考慮的。同時在圖中可以看出百萬級的數據量在同等Hadoop環(huán)境下,其加速比要比千萬級數據量要低一些。

    從圖3可以看出隨著Hadoop平臺節(jié)點數的增加,K-means算法的擴展率逐漸的降低,這主要是由于Hadoop節(jié)點數的增加,導致節(jié)點之間的通訊代價增大。但是通過兩條折線比較,一條是五百萬級別的數據量,另一條是一千萬級別的數據量,隨著數據量的翻倍,擴展率反而有一定得提高,所以在遇到數據量比較大的情況時,Hadoop平臺在做聚類分析時對算法的性能會有一定得提高。

    3.3.2? 客戶信息挖掘分析

    首先針對部分客戶數據的三個比較重要的屬性:性別、收入水平、購房意愿做分析。其中收入水平有一般、中等、較高三個等級;購房意愿有較低、一般、強烈三個等級??梢钥闯龃笾驴梢苑譃槿悾活愂歉呤杖氲囊庠笍娏业哪行匀巳?一類是中等收入的購房意愿一般的女性人群;還有一類是收入較低購房意愿較低的男性人群。

    針對客戶信息分析結果進行統(tǒng)計,由于該地產公司的主要業(yè)務集中在江蘇蘇南及上海等地,所以統(tǒng)計的客戶信息也主要集中在這些地方。從圖4到圖10可以看出客戶主要幾個屬性所占的比例,結合表3可以看出地產客戶群的類別受年齡及地域影響比較大,客戶群中又以25-40之間的男性居多,而且需求大多數是為了結婚使用。同時收入水平也是影響購房意愿的重要一個屬性。其中中等收入水平的在南京無錫蘇州等二三線城市的購房意愿更為強烈。所以針對地產市場,可以增大住宅區(qū)的建設,推廣人群以25到40歲的人群為主。

    4 ?結論

    通過對Hadoop平臺及K-means聚類算法的研究,實現(xiàn)了在Hadoop平臺上使用K-means對地產客戶信息的聚類分析,通過比較運行時間、K-means算法的擴展率以及Hadoop下K-means算法并行運算的加速比,可以發(fā)現(xiàn)大批量數據(至少千萬級的數據)在多節(jié)點的集群Hadoop平臺中效率更高,準確率也更好。同時K-means多維屬性聚類算法更適合于屬性眾多的客戶信息數據的分析。

    參考文獻

    1. Gustavo E A, Batista P A, Monard M C. An Analysis of Four Missing Data Treatment Methods for Supervised Learning[J]. Applied Artificial Intelligence, 2003, 17(5/6): 519-533.

    2. Mohameds, Abdelkriml, Alibh, et al. A segmentation method to handwritten word recognition[J]. Neural Network World, 2007, 17(3): 225-236.

    3. Xiang S, Nie F, Zhang C S. Learing a Mahalanobis distance metric for data clustering a classification[J]. Pattern Recognition, 2008.

    4. Yuan S T, Sun J. Ontology-based structured cosine similarity in document summarization: with applications to mobile audio-based knowledge management[J]. System, Man, and Cybernetics, Part B: Cybernetics, IEEE Transaction od, 2005, 35(5): 1028-1040.

    5. Tuomo Korenius, Jorma Laurikkala, Martti Juhola. On principal component analysis, cosine and Euclidean measures in information retrieval. Information Sciences, No. 177, 2007, pp. 4893-4905.

    6. Jun Ye. Cosine similarity measures for intuitionistic fuzzy sets and their applications. Mathematical and Computer Mo?d?eling, 2011, 53: 91-97.

    7. Nikolova E, Jecheva V. Some similarity coefficients and app?lication of data mining techniques to the anomaly-bases IDS [J]. Telecommunication Systems, 2012, 50(2): 127-135.

    8. Gan G., J. Wu, A convergence theorem for the fuzzy subspace clustering (FSC) algorithm, Pattern Recognition, 2008, 41(6): 1939-194.

    9. 牛新征, 佘堃. 面向大規(guī)模數據的快速并行聚類劃分算法研究[J]. 計算機科學, 2012, 39(1): 134-137, 151.DOI:10. 3969/j.issn.1002-137X.2012.01.030.

    10. 柳靜, 郭紅山. 云計算中K-means聚類中心優(yōu)化求解方法[J]. 科技通報, 2015, 31(10): 100-102.

    11. 江小平, 李成華, 向文, 等. K-means聚類算法的MapReduce并行化實現(xiàn)[J]. 華中科技大學學報(自然科學版), 2011, 39(z1): 120-124.

    12. 曾令英. 云計算中MapReduce并行計算平臺的研究[D]. 哈爾濱工業(yè)大學, 2013.

    猜你喜歡
    數據量聚類對象
    神秘來電
    睿士(2023年2期)2023-03-02 02:01:09
    基于大數據量的初至層析成像算法優(yōu)化
    計算Lyapunov指數的模糊C均值聚類小數據量法
    高刷新率不容易顯示器需求與接口標準帶寬
    寬帶信號采集與大數據量傳輸系統(tǒng)設計與研究
    電子制作(2019年13期)2020-01-14 03:15:18
    攻略對象的心思好難猜
    意林(2018年3期)2018-03-02 15:17:24
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    基于熵的快速掃描法的FNEA初始對象的生成方法
    區(qū)間對象族的可鎮(zhèn)定性分析
    基于改進的遺傳算法的模糊聚類算法
    久久国产精品人妻蜜桃| 日本 欧美在线| aaaaa片日本免费| 久久久精品大字幕| 国产午夜福利久久久久久| 97人妻精品一区二区三区麻豆| videosex国产| bbb黄色大片| 中文字幕最新亚洲高清| 黑人巨大精品欧美一区二区mp4| 搡老岳熟女国产| videosex国产| 最新在线观看一区二区三区| 麻豆一二三区av精品| 999精品在线视频| 国产av一区二区精品久久| 久久精品国产亚洲av高清一级| 在线看三级毛片| 国产1区2区3区精品| 女同久久另类99精品国产91| 在线免费观看的www视频| 色精品久久人妻99蜜桃| 精品久久久久久久久久久久久| 岛国在线观看网站| 久久这里只有精品中国| 色播亚洲综合网| 国产v大片淫在线免费观看| 在线国产一区二区在线| 久久久国产欧美日韩av| 久久精品国产亚洲av高清一级| 国产精品亚洲av一区麻豆| 99久久99久久久精品蜜桃| 午夜福利高清视频| 亚洲av电影在线进入| 99久久国产精品久久久| 欧美日韩国产亚洲二区| 啦啦啦免费观看视频1| 我要搜黄色片| 欧美另类亚洲清纯唯美| 久久国产精品影院| 免费在线观看完整版高清| 高清毛片免费观看视频网站| 91老司机精品| 男人舔女人的私密视频| 国产精品日韩av在线免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 中文字幕高清在线视频| 亚洲 国产 在线| 久久久久久国产a免费观看| 亚洲一卡2卡3卡4卡5卡精品中文| 亚洲午夜理论影院| av天堂在线播放| 国产三级黄色录像| 国产成人一区二区三区免费视频网站| 国产午夜精品论理片| 99国产极品粉嫩在线观看| 中文字幕熟女人妻在线| 桃色一区二区三区在线观看| 国产亚洲精品一区二区www| 午夜福利在线在线| 大型av网站在线播放| 欧美成人免费av一区二区三区| 熟妇人妻久久中文字幕3abv| 日韩 欧美 亚洲 中文字幕| av视频在线观看入口| 老司机福利观看| 岛国在线观看网站| 婷婷精品国产亚洲av在线| 全区人妻精品视频| www.精华液| 国产成人啪精品午夜网站| 最近最新中文字幕大全电影3| 又黄又粗又硬又大视频| 精品国产超薄肉色丝袜足j| 日韩欧美国产一区二区入口| 久久这里只有精品中国| 午夜福利免费观看在线| 午夜福利在线观看吧| 久久久精品国产亚洲av高清涩受| 久久伊人香网站| 国产亚洲精品一区二区www| 亚洲一区二区三区色噜噜| 搡老岳熟女国产| 琪琪午夜伦伦电影理论片6080| 啪啪无遮挡十八禁网站| 非洲黑人性xxxx精品又粗又长| 天堂影院成人在线观看| 无限看片的www在线观看| 成人av一区二区三区在线看| 一级a爱片免费观看的视频| 亚洲精品美女久久久久99蜜臀| 国产一区二区在线av高清观看| a级毛片a级免费在线| 最近最新中文字幕大全免费视频| 亚洲成人久久爱视频| 最新美女视频免费是黄的| 国产精品亚洲美女久久久| 免费在线观看影片大全网站| 午夜影院日韩av| 久久这里只有精品中国| 久久久久精品国产欧美久久久| 欧美高清成人免费视频www| 国产亚洲av高清不卡| 在线视频色国产色| 99精品欧美一区二区三区四区| 亚洲欧美一区二区三区黑人| 精品熟女少妇八av免费久了| 丰满人妻熟妇乱又伦精品不卡| 亚洲av片天天在线观看| 国产午夜福利久久久久久| 免费看a级黄色片| 国产精品免费一区二区三区在线| 国内毛片毛片毛片毛片毛片| 男插女下体视频免费在线播放| 久久伊人香网站| 欧美激情久久久久久爽电影| 亚洲av美国av| 非洲黑人性xxxx精品又粗又长| 又黄又粗又硬又大视频| 国产高清激情床上av| a在线观看视频网站| 国产99久久九九免费精品| 大型黄色视频在线免费观看| 亚洲av熟女| 中文字幕最新亚洲高清| 精品人妻1区二区| 性色av乱码一区二区三区2| 亚洲国产中文字幕在线视频| 我的老师免费观看完整版| 90打野战视频偷拍视频| svipshipincom国产片| 亚洲 欧美 日韩 在线 免费| 亚洲av日韩精品久久久久久密| 免费在线观看亚洲国产| 在线观看66精品国产| 波多野结衣高清作品| 免费在线观看亚洲国产| 日韩精品中文字幕看吧| 黄片小视频在线播放| 亚洲人成电影免费在线| 亚洲欧美日韩东京热| 在线永久观看黄色视频| 午夜老司机福利片| 不卡av一区二区三区| 久久精品国产亚洲av香蕉五月| 日本一二三区视频观看| 欧美乱色亚洲激情| 日本精品一区二区三区蜜桃| 非洲黑人性xxxx精品又粗又长| 99国产精品一区二区三区| 在线永久观看黄色视频| 日本撒尿小便嘘嘘汇集6| 欧美精品啪啪一区二区三区| 波多野结衣高清作品| 欧美色欧美亚洲另类二区| 成人国产综合亚洲| www.999成人在线观看| 美女 人体艺术 gogo| 欧美性长视频在线观看| АⅤ资源中文在线天堂| 老司机午夜福利在线观看视频| 在线a可以看的网站| 亚洲av成人av| 午夜福利成人在线免费观看| 国产爱豆传媒在线观看 | 99热6这里只有精品| 欧美绝顶高潮抽搐喷水| 波多野结衣高清作品| 成年免费大片在线观看| 在线观看www视频免费| 一个人免费在线观看的高清视频| 天堂影院成人在线观看| 亚洲欧美日韩无卡精品| 1024手机看黄色片| 久久久久国产精品人妻aⅴ院| 久久精品国产清高在天天线| 亚洲成a人片在线一区二区| 一二三四在线观看免费中文在| 日韩三级视频一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 此物有八面人人有两片| 男插女下体视频免费在线播放| 日韩欧美在线乱码| 国产精品免费一区二区三区在线| 亚洲人成电影免费在线| 中文字幕久久专区| 日韩欧美 国产精品| 国产精品av视频在线免费观看| 麻豆国产97在线/欧美 | 国产亚洲欧美98| 亚洲 欧美一区二区三区| 在线观看www视频免费| 91麻豆精品激情在线观看国产| 欧美日韩乱码在线| 久久久精品国产亚洲av高清涩受| 91麻豆av在线| netflix在线观看网站| 日本免费一区二区三区高清不卡| 波多野结衣高清作品| 午夜精品在线福利| 久久久精品大字幕| 在线a可以看的网站| 巨乳人妻的诱惑在线观看| 久久精品综合一区二区三区| 又大又爽又粗| 校园春色视频在线观看| 搞女人的毛片| 久久人人精品亚洲av| 久久中文字幕人妻熟女| 国产日本99.免费观看| 欧美高清成人免费视频www| 波多野结衣高清无吗| 淫秽高清视频在线观看| 中文字幕精品亚洲无线码一区| 精品高清国产在线一区| 国产精品综合久久久久久久免费| 亚洲av成人av| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜精品一区二区三区免费看| 少妇粗大呻吟视频| 性色av乱码一区二区三区2| 亚洲av成人精品一区久久| 无遮挡黄片免费观看| 91国产中文字幕| 国产伦在线观看视频一区| 国产私拍福利视频在线观看| 欧美成人免费av一区二区三区| 国产高清视频在线播放一区| 一本久久中文字幕| 国产精品一区二区三区四区免费观看 | 日本一区二区免费在线视频| 午夜两性在线视频| 久久亚洲真实| 欧美日本视频| 免费在线观看完整版高清| 老鸭窝网址在线观看| 亚洲在线自拍视频| 他把我摸到了高潮在线观看| 午夜福利成人在线免费观看| 色在线成人网| x7x7x7水蜜桃| 午夜福利高清视频| 国产av又大| 国内精品一区二区在线观看| 久久人妻福利社区极品人妻图片| 天堂av国产一区二区熟女人妻 | 两人在一起打扑克的视频| 亚洲国产高清在线一区二区三| 18禁美女被吸乳视频| 国产激情欧美一区二区| 18禁国产床啪视频网站| www.精华液| 女人高潮潮喷娇喘18禁视频| 国产成人aa在线观看| 黄色成人免费大全| 久久久久久久精品吃奶| 无限看片的www在线观看| 哪里可以看免费的av片| 日韩欧美国产在线观看| 国内揄拍国产精品人妻在线| 国产成人欧美在线观看| 日本五十路高清| 亚洲欧美日韩高清专用| 熟女电影av网| 日本 欧美在线| 女人爽到高潮嗷嗷叫在线视频| 亚洲av成人av| 国产精品永久免费网站| 一a级毛片在线观看| 久久这里只有精品19| 久久精品91蜜桃| 欧美成人性av电影在线观看| 好看av亚洲va欧美ⅴa在| 十八禁网站免费在线| 日本在线视频免费播放| 久久精品夜夜夜夜夜久久蜜豆 | 午夜福利高清视频| 99在线视频只有这里精品首页| av福利片在线观看| 亚洲国产精品成人综合色| 中文字幕高清在线视频| 久久久久久国产a免费观看| 观看免费一级毛片| 18禁国产床啪视频网站| 级片在线观看| 国产又色又爽无遮挡免费看| 久久久久国产一级毛片高清牌| www.自偷自拍.com| 在线观看免费午夜福利视频| 少妇粗大呻吟视频| 亚洲五月婷婷丁香| 亚洲成人免费电影在线观看| 18美女黄网站色大片免费观看| 国产免费男女视频| 香蕉丝袜av| 成人精品一区二区免费| av有码第一页| 日日爽夜夜爽网站| 丰满人妻一区二区三区视频av | 一级片免费观看大全| 91九色精品人成在线观看| 黄色视频不卡| 欧美最黄视频在线播放免费| 男女床上黄色一级片免费看| 两个人看的免费小视频| 18禁国产床啪视频网站| 久久人妻av系列| 亚洲精品久久成人aⅴ小说| 国产成人欧美在线观看| 男女午夜视频在线观看| 夜夜夜夜夜久久久久| 男人舔女人的私密视频| 99久久国产精品久久久| 好男人电影高清在线观看| 真人一进一出gif抽搐免费| 小说图片视频综合网站| 中国美女看黄片| 国产精品国产高清国产av| 免费观看人在逋| 9191精品国产免费久久| 一个人免费在线观看的高清视频| 99久久99久久久精品蜜桃| 麻豆国产97在线/欧美 | 美女高潮喷水抽搐中文字幕| 日本一本二区三区精品| 黄片小视频在线播放| www.熟女人妻精品国产| 丰满的人妻完整版| 在线播放国产精品三级| 18禁国产床啪视频网站| 久久久久久久久免费视频了| 亚洲熟妇中文字幕五十中出| 一级毛片女人18水好多| 久久久水蜜桃国产精品网| 最新美女视频免费是黄的| 国产精品久久久人人做人人爽| 欧美极品一区二区三区四区| 一区福利在线观看| 国产久久久一区二区三区| 一a级毛片在线观看| 精品欧美一区二区三区在线| 国产一区在线观看成人免费| 美女扒开内裤让男人捅视频| 两个人免费观看高清视频| 一卡2卡三卡四卡精品乱码亚洲| 美女大奶头视频| 欧美中文日本在线观看视频| 亚洲国产精品999在线| 97超级碰碰碰精品色视频在线观看| 999久久久国产精品视频| 亚洲欧美日韩高清专用| 亚洲中文字幕一区二区三区有码在线看 | 久久九九热精品免费| 一边摸一边做爽爽视频免费| 日韩高清综合在线| 欧美三级亚洲精品| 最近在线观看免费完整版| 一二三四在线观看免费中文在| 免费搜索国产男女视频| 三级男女做爰猛烈吃奶摸视频| 欧美黑人巨大hd| 欧美精品亚洲一区二区| 国产成人影院久久av| 亚洲人成网站在线播放欧美日韩| 俺也久久电影网| 国产亚洲精品久久久久久毛片| 欧美成人一区二区免费高清观看 | 午夜免费观看网址| 观看免费一级毛片| 亚洲精品美女久久av网站| 午夜精品一区二区三区免费看| 亚洲精品色激情综合| 精品第一国产精品| 深夜精品福利| 日日摸夜夜添夜夜添小说| 日韩三级视频一区二区三区| 午夜日韩欧美国产| 欧美性猛交黑人性爽| 亚洲中文日韩欧美视频| 精品国产乱码久久久久久男人| 国产成+人综合+亚洲专区| 我要搜黄色片| 白带黄色成豆腐渣| 日韩大码丰满熟妇| 亚洲精品中文字幕在线视频| 在线观看日韩欧美| 国产精品影院久久| 成年女人毛片免费观看观看9| 美女免费视频网站| 亚洲精品国产一区二区精华液| 一a级毛片在线观看| 蜜桃久久精品国产亚洲av| 黄色女人牲交| 久久久久久久久免费视频了| 麻豆国产97在线/欧美 | 亚洲精品国产精品久久久不卡| 啦啦啦韩国在线观看视频| 变态另类丝袜制服| 日韩欧美在线乱码| 日本a在线网址| 国内精品一区二区在线观看| 1024视频免费在线观看| 老汉色∧v一级毛片| 麻豆国产av国片精品| 大型黄色视频在线免费观看| 欧美丝袜亚洲另类 | 香蕉丝袜av| 不卡av一区二区三区| 欧美zozozo另类| 一二三四在线观看免费中文在| 国产成人影院久久av| 国产99白浆流出| 欧美日韩一级在线毛片| 国产精品影院久久| 亚洲欧美精品综合久久99| 在线观看一区二区三区| 九色国产91popny在线| 亚洲国产欧洲综合997久久,| 人人妻人人看人人澡| 天天添夜夜摸| 欧美绝顶高潮抽搐喷水| 色精品久久人妻99蜜桃| 三级国产精品欧美在线观看 | 国产探花在线观看一区二区| a级毛片a级免费在线| 成人永久免费在线观看视频| 亚洲黑人精品在线| 国产亚洲精品久久久久久毛片| tocl精华| 此物有八面人人有两片| 婷婷丁香在线五月| 美女黄网站色视频| 免费一级毛片在线播放高清视频| 少妇裸体淫交视频免费看高清 | 欧美性猛交黑人性爽| 国产亚洲精品一区二区www| 欧美成人性av电影在线观看| 亚洲熟女毛片儿| 国产真实乱freesex| 久久欧美精品欧美久久欧美| 91麻豆av在线| 亚洲,欧美精品.| 日日爽夜夜爽网站| 午夜亚洲福利在线播放| 精品少妇一区二区三区视频日本电影| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜福利18| 国产成人啪精品午夜网站| 精品乱码久久久久久99久播| 欧美黑人巨大hd| 一本综合久久免费| 淫秽高清视频在线观看| 精品一区二区三区四区五区乱码| 男女视频在线观看网站免费 | 99在线人妻在线中文字幕| 国产精品电影一区二区三区| 亚洲国产欧洲综合997久久,| xxx96com| 深夜精品福利| 91老司机精品| 黄片小视频在线播放| 欧美大码av| 午夜免费观看网址| 丰满人妻熟妇乱又伦精品不卡| 男女做爰动态图高潮gif福利片| svipshipincom国产片| 91麻豆精品激情在线观看国产| 天堂影院成人在线观看| 丰满人妻一区二区三区视频av | 国产欧美日韩一区二区三| 日本在线视频免费播放| 99re在线观看精品视频| 亚洲第一欧美日韩一区二区三区| 亚洲全国av大片| tocl精华| 精品一区二区三区视频在线观看免费| 夜夜爽天天搞| 两性午夜刺激爽爽歪歪视频在线观看 | 制服诱惑二区| 欧美精品亚洲一区二区| 久久亚洲真实| 超碰成人久久| 精品国产乱码久久久久久男人| 日日摸夜夜添夜夜添小说| 在线免费观看的www视频| 久久国产精品人妻蜜桃| 免费av毛片视频| 国产又黄又爽又无遮挡在线| 国产精品免费一区二区三区在线| 夜夜躁狠狠躁天天躁| 波多野结衣高清作品| 国产99久久九九免费精品| 视频区欧美日本亚洲| 国产亚洲精品综合一区在线观看 | 亚洲 欧美一区二区三区| 一二三四社区在线视频社区8| 中文字幕久久专区| 国产精品av视频在线免费观看| 色综合欧美亚洲国产小说| 人人妻人人澡欧美一区二区| 99久久国产精品久久久| 亚洲精品在线美女| 国产成人影院久久av| 黄色成人免费大全| 亚洲一码二码三码区别大吗| www日本在线高清视频| 丝袜美腿诱惑在线| 99精品在免费线老司机午夜| 亚洲熟妇中文字幕五十中出| 久久热在线av| 国产av一区二区精品久久| 亚洲国产精品久久男人天堂| 一a级毛片在线观看| 亚洲男人的天堂狠狠| 日韩精品免费视频一区二区三区| 免费看日本二区| www日本黄色视频网| 色av中文字幕| 午夜福利欧美成人| 亚洲国产中文字幕在线视频| 久久精品aⅴ一区二区三区四区| www.精华液| 亚洲激情在线av| 最新美女视频免费是黄的| 在线免费观看的www视频| 久久久久精品国产欧美久久久| 少妇被粗大的猛进出69影院| 国产精品久久电影中文字幕| 国产一区在线观看成人免费| 欧美成人免费av一区二区三区| 啦啦啦免费观看视频1| 熟女少妇亚洲综合色aaa.| 亚洲国产看品久久| 亚洲avbb在线观看| 久久亚洲精品不卡| 色尼玛亚洲综合影院| 免费av毛片视频| 午夜久久久久精精品| 亚洲男人天堂网一区| 精品国产乱子伦一区二区三区| 九色成人免费人妻av| 国产激情偷乱视频一区二区| videosex国产| 搡老熟女国产l中国老女人| 国产亚洲精品久久久久5区| 特级一级黄色大片| 精品免费久久久久久久清纯| 亚洲va日本ⅴa欧美va伊人久久| 久久久久久久精品吃奶| 一二三四在线观看免费中文在| 这个男人来自地球电影免费观看| 三级男女做爰猛烈吃奶摸视频| 免费看十八禁软件| 精品国产超薄肉色丝袜足j| 香蕉国产在线看| 成人av一区二区三区在线看| 后天国语完整版免费观看| 精品国产亚洲在线| 欧美乱妇无乱码| 亚洲成人久久性| 最近在线观看免费完整版| 精品电影一区二区在线| 久久这里只有精品19| 国产野战对白在线观看| 99久久综合精品五月天人人| 午夜a级毛片| 制服人妻中文乱码| 男女床上黄色一级片免费看| 天堂av国产一区二区熟女人妻 | 欧美丝袜亚洲另类 | 老汉色∧v一级毛片| 无人区码免费观看不卡| 久久久国产欧美日韩av| 午夜成年电影在线免费观看| 久久久久久久久久黄片| 精品久久久久久久人妻蜜臀av| 亚洲狠狠婷婷综合久久图片| 日韩中文字幕欧美一区二区| 精品欧美一区二区三区在线| 久久香蕉国产精品| 精品不卡国产一区二区三区| 欧美中文日本在线观看视频| 麻豆国产97在线/欧美 | 大型av网站在线播放| 亚洲 国产 在线| 久久午夜综合久久蜜桃| 亚洲欧美一区二区三区黑人| 天天躁夜夜躁狠狠躁躁| 91大片在线观看| 欧美成人性av电影在线观看| 最近最新免费中文字幕在线| 此物有八面人人有两片| 欧美久久黑人一区二区| 亚洲欧美一区二区三区黑人| 91字幕亚洲| 观看免费一级毛片| 国产成人精品无人区| 亚洲av成人不卡在线观看播放网| 久久人妻av系列| av视频在线观看入口| 日韩欧美国产一区二区入口| 亚洲av成人精品一区久久| 人成视频在线观看免费观看| 国产av在哪里看| 免费观看精品视频网站| 国产精品 国内视频| 久久久国产欧美日韩av| 亚洲精品av麻豆狂野| 在线观看午夜福利视频| 一级a爱片免费观看的视频| 一级毛片高清免费大全| 男插女下体视频免费在线播放| 国产又色又爽无遮挡免费看| 91在线观看av| 欧美人与性动交α欧美精品济南到|