• <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
    校园春色视频在线观看| 国产高清videossex| 色精品久久人妻99蜜桃| 午夜福利在线免费观看网站| 午夜福利在线免费观看网站| 性少妇av在线| 午夜福利影视在线免费观看| 自线自在国产av| 亚洲av美国av| 国产精品免费一区二区三区在线| 亚洲九九香蕉| 97超级碰碰碰精品色视频在线观看| 怎么达到女性高潮| 一区二区三区激情视频| 天堂动漫精品| 欧美成狂野欧美在线观看| 日韩欧美在线二视频| 国产伦一二天堂av在线观看| 男女午夜视频在线观看| 国产亚洲精品久久久久5区| 国产成人av教育| 91大片在线观看| 日韩免费高清中文字幕av| 嫩草影视91久久| 久久精品影院6| 黄片大片在线免费观看| 成人18禁高潮啪啪吃奶动态图| 日韩精品中文字幕看吧| 久热这里只有精品99| а√天堂www在线а√下载| 精品无人区乱码1区二区| 99精品在免费线老司机午夜| 韩国精品一区二区三区| 久久久水蜜桃国产精品网| 久久久久九九精品影院| 50天的宝宝边吃奶边哭怎么回事| 亚洲全国av大片| 啦啦啦 在线观看视频| 国产精品国产高清国产av| 国产野战对白在线观看| 男女之事视频高清在线观看| 大码成人一级视频| 热99国产精品久久久久久7| 国产野战对白在线观看| 日韩av在线大香蕉| 国产av一区在线观看免费| 老司机在亚洲福利影院| 精品人妻在线不人妻| 满18在线观看网站| 丰满人妻熟妇乱又伦精品不卡| a级毛片黄视频| 久久狼人影院| 高清毛片免费观看视频网站 | 一级毛片精品| 少妇粗大呻吟视频| 久久久精品欧美日韩精品| 黄色片一级片一级黄色片| 中文字幕av电影在线播放| 欧美一区二区精品小视频在线| 日韩欧美三级三区| 国产欧美日韩综合在线一区二区| 国产熟女xx| 男女午夜视频在线观看| 国产精品久久久久久人妻精品电影| 99久久综合精品五月天人人| 欧美不卡视频在线免费观看 | 国产黄a三级三级三级人| 国产成人欧美| 精品人妻1区二区| 国产黄a三级三级三级人| 国产精品久久久人人做人人爽| 啦啦啦 在线观看视频| 69av精品久久久久久| 国产极品粉嫩免费观看在线| 一级片'在线观看视频| 国产高清国产精品国产三级| 久久国产亚洲av麻豆专区| a级毛片黄视频| 日本免费一区二区三区高清不卡 | 日本黄色视频三级网站网址| 亚洲国产精品999在线| 国产精品二区激情视频| 久久精品国产亚洲av高清一级| 欧美色视频一区免费| 99久久综合精品五月天人人| 夜夜躁狠狠躁天天躁| 欧美日韩瑟瑟在线播放| 精品电影一区二区在线| 啦啦啦免费观看视频1| 成年人免费黄色播放视频| 国产成人精品在线电影| 中国美女看黄片| 两人在一起打扑克的视频| 国产精品一区二区在线不卡| 亚洲自偷自拍图片 自拍| 色哟哟哟哟哟哟| 国产精品久久久av美女十八| 欧美日本中文国产一区发布| 中文字幕另类日韩欧美亚洲嫩草| 香蕉国产在线看| 国产成人欧美在线观看| 日日夜夜操网爽| 国产精品1区2区在线观看.| 大型黄色视频在线免费观看| 婷婷六月久久综合丁香| 淫秽高清视频在线观看| 日韩大码丰满熟妇| 国产单亲对白刺激| 黄色a级毛片大全视频| 超碰成人久久| 亚洲国产欧美日韩在线播放| 亚洲自拍偷在线| 一二三四社区在线视频社区8| 国产亚洲精品久久久久5区| 欧美色视频一区免费| av网站在线播放免费| 怎么达到女性高潮| 色老头精品视频在线观看| 身体一侧抽搐| 日本欧美视频一区| 国产精品二区激情视频| 高清黄色对白视频在线免费看| 麻豆国产av国片精品| www国产在线视频色| 怎么达到女性高潮| 精品福利观看| www.自偷自拍.com| 一级片免费观看大全| a在线观看视频网站| 精品无人区乱码1区二区| 伦理电影免费视频| 又黄又粗又硬又大视频| 老司机靠b影院| 男女下面进入的视频免费午夜 | 自拍欧美九色日韩亚洲蝌蚪91| 丰满迷人的少妇在线观看| 国产精品久久久久成人av| 少妇粗大呻吟视频| 国产精品香港三级国产av潘金莲| 嫩草影院精品99| 成人手机av| www.精华液| 色播在线永久视频| 国产欧美日韩一区二区三区在线| 亚洲视频免费观看视频| 日韩欧美免费精品| 国产精品秋霞免费鲁丝片| 丰满迷人的少妇在线观看| 亚洲午夜精品一区,二区,三区| 国产深夜福利视频在线观看| 黄片小视频在线播放| 少妇裸体淫交视频免费看高清 | 色精品久久人妻99蜜桃| 日本撒尿小便嘘嘘汇集6| 精品久久久久久久久久免费视频 | 久久精品aⅴ一区二区三区四区| 天堂动漫精品| 中文字幕另类日韩欧美亚洲嫩草| 久久中文字幕一级| 久久精品国产亚洲av高清一级| 午夜亚洲福利在线播放| 一区在线观看完整版| 久久影院123| 好看av亚洲va欧美ⅴa在| 热re99久久精品国产66热6| 久久国产精品男人的天堂亚洲| 久久久国产精品麻豆| 亚洲欧美激情综合另类| 一区二区三区国产精品乱码| 欧美日韩亚洲高清精品| 岛国视频午夜一区免费看| 99国产精品一区二区蜜桃av| 波多野结衣一区麻豆| 熟女少妇亚洲综合色aaa.| 看免费av毛片| 亚洲精品一卡2卡三卡4卡5卡| 91成人精品电影| 久久久精品欧美日韩精品| 精品熟女少妇八av免费久了| 日本三级黄在线观看| 国产免费男女视频| 男人舔女人的私密视频| 一进一出好大好爽视频| 亚洲欧美一区二区三区黑人| 操出白浆在线播放| 成人影院久久| 国产精品久久久久成人av| 国产精品综合久久久久久久免费 | 亚洲精品中文字幕在线视频| 午夜a级毛片| 亚洲av第一区精品v没综合| 国产成人av教育| 窝窝影院91人妻| 国产成人欧美| 黄色视频不卡| 波多野结衣一区麻豆| 人妻丰满熟妇av一区二区三区| 动漫黄色视频在线观看| 国产精品免费一区二区三区在线| 久久精品91无色码中文字幕| 99久久综合精品五月天人人| 亚洲va日本ⅴa欧美va伊人久久| www.自偷自拍.com| 国产黄a三级三级三级人| 大香蕉久久成人网| 欧美一级毛片孕妇| 一本综合久久免费| 久久久久亚洲av毛片大全| 琪琪午夜伦伦电影理论片6080| 18禁黄网站禁片午夜丰满| 日日爽夜夜爽网站| 亚洲全国av大片| 国产一区二区在线av高清观看| 一级作爱视频免费观看| 搡老乐熟女国产| 亚洲精品成人av观看孕妇| 亚洲片人在线观看| 丝袜美腿诱惑在线| 又大又爽又粗| 99久久综合精品五月天人人| 无限看片的www在线观看| 亚洲精品在线观看二区| av有码第一页| 91国产中文字幕| 多毛熟女@视频| 又黄又爽又免费观看的视频| 无遮挡黄片免费观看| 亚洲性夜色夜夜综合| 日本vs欧美在线观看视频| 亚洲在线自拍视频| 国产视频一区二区在线看| 亚洲片人在线观看| 69av精品久久久久久| 熟女少妇亚洲综合色aaa.| 久久精品亚洲熟妇少妇任你| 亚洲成人免费av在线播放| 99精国产麻豆久久婷婷| e午夜精品久久久久久久| 精品久久久精品久久久| 91字幕亚洲| 亚洲精品中文字幕在线视频| 国产91精品成人一区二区三区| 欧美在线一区亚洲| 十分钟在线观看高清视频www| √禁漫天堂资源中文www| 韩国av一区二区三区四区| 好男人电影高清在线观看| 日本黄色日本黄色录像| 在线观看日韩欧美| 久久 成人 亚洲| 精品电影一区二区在线| 亚洲国产中文字幕在线视频| 91老司机精品| 在线观看www视频免费| 1024香蕉在线观看| 18禁裸乳无遮挡免费网站照片 | 制服诱惑二区| 别揉我奶头~嗯~啊~动态视频| 香蕉国产在线看| 桃红色精品国产亚洲av| 亚洲精品粉嫩美女一区| 日韩 欧美 亚洲 中文字幕| 一级a爱片免费观看的视频| 91成人精品电影| 久久精品aⅴ一区二区三区四区| 超色免费av| 亚洲欧美日韩高清在线视频| 悠悠久久av| 亚洲精品国产精品久久久不卡| 国产成人av教育| 无限看片的www在线观看| 巨乳人妻的诱惑在线观看| 日本a在线网址| 色尼玛亚洲综合影院| 亚洲欧美激情在线| 国产91精品成人一区二区三区| 青草久久国产| 免费在线观看日本一区| 久久人人97超碰香蕉20202| 亚洲av电影在线进入| 欧美丝袜亚洲另类 | 两个人免费观看高清视频| 18美女黄网站色大片免费观看| 国产日韩一区二区三区精品不卡| 麻豆久久精品国产亚洲av | 亚洲午夜理论影院| 免费看a级黄色片| 最近最新中文字幕大全免费视频| 亚洲国产中文字幕在线视频| 超碰97精品在线观看| 淫秽高清视频在线观看| 欧美一级毛片孕妇| 少妇 在线观看| 国产精品一区二区三区四区久久 | 精品少妇一区二区三区视频日本电影| 国产精品一区二区三区四区久久 | 中文亚洲av片在线观看爽| 中文字幕人妻丝袜一区二区| 欧美日韩一级在线毛片| 精品卡一卡二卡四卡免费| 国产xxxxx性猛交| 亚洲人成电影观看| 丁香六月欧美| 国产野战对白在线观看| 久久亚洲真实| 亚洲欧洲精品一区二区精品久久久| 在线观看66精品国产| 成年人免费黄色播放视频| 国产亚洲欧美98| 色老头精品视频在线观看| 国产精品二区激情视频| 国产精品秋霞免费鲁丝片| 美女国产高潮福利片在线看| 精品乱码久久久久久99久播| 中亚洲国语对白在线视频| 精品国产乱子伦一区二区三区| 亚洲av成人不卡在线观看播放网| 天天添夜夜摸| 夫妻午夜视频| 国产一区二区三区视频了| 大陆偷拍与自拍| 夫妻午夜视频| 亚洲全国av大片| 欧美在线一区亚洲| 国产精品一区二区免费欧美| 亚洲 国产 在线| 高清黄色对白视频在线免费看| 亚洲精品国产色婷婷电影| 欧美日韩黄片免| 视频区欧美日本亚洲| 女人精品久久久久毛片| 热99国产精品久久久久久7| 亚洲激情在线av| 精品无人区乱码1区二区| 欧美日韩精品网址| 老汉色av国产亚洲站长工具| 夜夜夜夜夜久久久久| 少妇 在线观看| 国产三级黄色录像| 亚洲成国产人片在线观看| 国产亚洲精品久久久久久毛片| 亚洲中文av在线| 大码成人一级视频| 一区二区三区激情视频| 丝袜美腿诱惑在线| 黑人猛操日本美女一级片| 每晚都被弄得嗷嗷叫到高潮| 久久人妻熟女aⅴ| 久久午夜综合久久蜜桃| 午夜激情av网站| 成年人免费黄色播放视频| 亚洲第一欧美日韩一区二区三区| 国产精品98久久久久久宅男小说| 女生性感内裤真人,穿戴方法视频| 久久久久国产一级毛片高清牌| 一级a爱视频在线免费观看| www.999成人在线观看| 99久久精品国产亚洲精品| 亚洲精品一卡2卡三卡4卡5卡| 国产成人精品在线电影| 亚洲精品国产一区二区精华液| 999久久久国产精品视频| 手机成人av网站| 国产一区二区三区综合在线观看| 久久久国产成人免费| 色播在线永久视频| 午夜a级毛片| 久99久视频精品免费| 亚洲自偷自拍图片 自拍| 一a级毛片在线观看| 国产欧美日韩一区二区精品| 国产成+人综合+亚洲专区| 80岁老熟妇乱子伦牲交| 国产av又大| 欧美性长视频在线观看| 99精品欧美一区二区三区四区| 热99re8久久精品国产| 超碰成人久久| 欧美午夜高清在线| 亚洲人成伊人成综合网2020| 日韩精品中文字幕看吧| 长腿黑丝高跟| 精品无人区乱码1区二区| 女同久久另类99精品国产91| 亚洲精品粉嫩美女一区| 熟女少妇亚洲综合色aaa.| 老熟妇仑乱视频hdxx| 国内毛片毛片毛片毛片毛片| 多毛熟女@视频| 国产欧美日韩一区二区三区在线| 日本a在线网址| 久久人人爽av亚洲精品天堂| 亚洲精品在线观看二区| 亚洲av第一区精品v没综合| 91老司机精品| 国产成人系列免费观看| 欧美色视频一区免费| 欧美日韩瑟瑟在线播放| 亚洲男人天堂网一区| 日本vs欧美在线观看视频| 亚洲三区欧美一区| 久久中文字幕人妻熟女| 欧洲精品卡2卡3卡4卡5卡区| www.自偷自拍.com| 一边摸一边抽搐一进一小说| 窝窝影院91人妻| 婷婷六月久久综合丁香| 日本撒尿小便嘘嘘汇集6| 天堂俺去俺来也www色官网| 欧美成人性av电影在线观看| av国产精品久久久久影院| 国产不卡一卡二| 美女 人体艺术 gogo| 一区二区三区激情视频| 国产伦人伦偷精品视频| 看免费av毛片| 男人舔女人下体高潮全视频| 午夜精品久久久久久毛片777| 欧美不卡视频在线免费观看 | 视频区欧美日本亚洲| 欧洲精品卡2卡3卡4卡5卡区| 黑人巨大精品欧美一区二区蜜桃| 十八禁人妻一区二区| 老司机深夜福利视频在线观看| 天堂√8在线中文| 成熟少妇高潮喷水视频| 自线自在国产av| 欧美乱妇无乱码| 中文字幕精品免费在线观看视频| 国产主播在线观看一区二区| 免费在线观看亚洲国产| 成人特级黄色片久久久久久久| 日本免费a在线| xxxhd国产人妻xxx| 国产又爽黄色视频| av福利片在线| 国产视频一区二区在线看| 国产亚洲精品久久久久5区| 淫妇啪啪啪对白视频| 一区福利在线观看| 十分钟在线观看高清视频www| 不卡一级毛片| 电影成人av| 欧美 亚洲 国产 日韩一| 亚洲精品国产精品久久久不卡| 久久久久精品国产欧美久久久| 无遮挡黄片免费观看| 黄色片一级片一级黄色片| 丰满饥渴人妻一区二区三| av网站免费在线观看视频| 99久久99久久久精品蜜桃| 国产成年人精品一区二区 | 久久久国产欧美日韩av| 精品熟女少妇八av免费久了| 女人被躁到高潮嗷嗷叫费观| 国产欧美日韩一区二区三| 欧美一级毛片孕妇| 久久久久亚洲av毛片大全| 中文欧美无线码| 一级黄色大片毛片| 18禁美女被吸乳视频| 美女福利国产在线| 久久精品国产清高在天天线| www.精华液| 亚洲国产精品sss在线观看 | 国产精品 欧美亚洲| 亚洲欧美日韩无卡精品| 久久九九热精品免费| 美女国产高潮福利片在线看| 久久中文字幕一级| 成人精品一区二区免费| 免费在线观看完整版高清| 黑人猛操日本美女一级片| 成人三级黄色视频| 免费不卡黄色视频| 老熟妇仑乱视频hdxx| 两性夫妻黄色片| 一二三四在线观看免费中文在| 国产有黄有色有爽视频| 在线观看免费高清a一片| 深夜精品福利| svipshipincom国产片| 在线视频色国产色| 三级毛片av免费| 日韩中文字幕欧美一区二区| 母亲3免费完整高清在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 美女国产高潮福利片在线看| 免费高清在线观看日韩| 无人区码免费观看不卡| 欧美不卡视频在线免费观看 | 午夜精品在线福利| 亚洲精品一卡2卡三卡4卡5卡| 天堂中文最新版在线下载| 香蕉久久夜色| 黑丝袜美女国产一区| 亚洲欧美日韩高清在线视频| 国产91精品成人一区二区三区| 黄色 视频免费看| 18禁观看日本| 日日干狠狠操夜夜爽| 欧美乱色亚洲激情| 亚洲九九香蕉| 国产熟女xx| 国内毛片毛片毛片毛片毛片| 99国产精品99久久久久| 人人妻人人爽人人添夜夜欢视频| 成人影院久久| 午夜福利一区二区在线看| 亚洲第一欧美日韩一区二区三区| 最好的美女福利视频网| 免费不卡黄色视频| 97碰自拍视频| 日本wwww免费看| 亚洲五月色婷婷综合| 午夜福利免费观看在线| 丁香六月欧美| 免费在线观看完整版高清| 操美女的视频在线观看| 国产精品综合久久久久久久免费 | 丰满的人妻完整版| 国内久久婷婷六月综合欲色啪| 黄色女人牲交| 国产精品久久电影中文字幕| 亚洲国产看品久久| 一级片'在线观看视频| 国产不卡一卡二| 美女扒开内裤让男人捅视频| 精品国产一区二区三区四区第35| 亚洲第一欧美日韩一区二区三区| 久久久国产欧美日韩av| 国产成人欧美在线观看| 亚洲国产精品999在线| 中出人妻视频一区二区| 亚洲国产毛片av蜜桃av| 操美女的视频在线观看| 国产av在哪里看| 操美女的视频在线观看| 午夜影院日韩av| 国产亚洲欧美98| 亚洲自拍偷在线| 老司机午夜福利在线观看视频| 波多野结衣av一区二区av| 大码成人一级视频| 午夜福利欧美成人| 欧洲精品卡2卡3卡4卡5卡区| 两个人免费观看高清视频| 久久久久精品国产欧美久久久| 两个人免费观看高清视频| 夫妻午夜视频| 两个人免费观看高清视频| 亚洲国产中文字幕在线视频| 另类亚洲欧美激情| av网站在线播放免费| 欧美黑人精品巨大| 欧美日韩亚洲国产一区二区在线观看| 一区福利在线观看| 高清在线国产一区| 欧美黄色片欧美黄色片| 日韩大尺度精品在线看网址 | 19禁男女啪啪无遮挡网站| 欧美最黄视频在线播放免费 | 99香蕉大伊视频| 18禁观看日本| 无人区码免费观看不卡| 国产深夜福利视频在线观看| 亚洲欧美激情综合另类| 亚洲欧美日韩无卡精品| 欧美一级毛片孕妇| 国产高清激情床上av| 国产精品一区二区在线不卡| 国产精品二区激情视频| 国产激情欧美一区二区| 久久香蕉国产精品| 色播在线永久视频| 日本免费a在线| 曰老女人黄片| 国产精品久久视频播放| 在线观看www视频免费| 99在线视频只有这里精品首页| 亚洲成人久久性| 国产成人一区二区三区免费视频网站| 神马国产精品三级电影在线观看 | 欧美中文日本在线观看视频| 国产又色又爽无遮挡免费看| 日本三级黄在线观看| 欧美老熟妇乱子伦牲交| 免费在线观看日本一区| 国产精品自产拍在线观看55亚洲| 欧美人与性动交α欧美软件| 麻豆av在线久日| 每晚都被弄得嗷嗷叫到高潮| 很黄的视频免费| 精品久久久久久,| 成人亚洲精品av一区二区 | 美女扒开内裤让男人捅视频| 亚洲视频免费观看视频| 高潮久久久久久久久久久不卡| 亚洲av电影在线进入| 欧美性长视频在线观看| 中国美女看黄片| 国产高清视频在线播放一区| 性少妇av在线| 在线观看一区二区三区| 丰满迷人的少妇在线观看| 美女高潮到喷水免费观看| 久久精品亚洲精品国产色婷小说| 69av精品久久久久久| 侵犯人妻中文字幕一二三四区| cao死你这个sao货| 国产视频一区二区在线看| 亚洲人成电影观看| 精品电影一区二区在线| 亚洲第一欧美日韩一区二区三区| 1024香蕉在线观看|