• <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 ?

    基于深度學(xué)習(xí)的區(qū)塊鏈數(shù)據(jù)分片峰值聚類算法

    2021-12-07 03:38:10張皓
    關(guān)鍵詞:挖掘數(shù)據(jù)區(qū)塊鏈

    張皓

    摘 要: 為了提高物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)挖掘能力,需要進(jìn)行數(shù)據(jù)優(yōu)化聚類處理,提出基于深度學(xué)習(xí)的區(qū)塊鏈數(shù)據(jù)分片峰值聚類算法。采用異構(gòu)有向圖分析方法進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)設(shè)計(jì),結(jié)合特征空間重組技術(shù)進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)結(jié)構(gòu)重組,提取物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的關(guān)聯(lián)信息特征量,采用語義相關(guān)性融合的方法進(jìn)行區(qū)塊鏈數(shù)據(jù)特征提取和自適應(yīng)調(diào)度,對(duì)提取的物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)特征量進(jìn)行模糊聚類處理,采用模糊C均值聚類方法進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的網(wǎng)格分片峰值聚類和屬性分類識(shí)別,采用深度學(xué)習(xí)方法進(jìn)行數(shù)據(jù)聚類過程中的分片峰值融合和聚類分析,實(shí)現(xiàn)區(qū)塊鏈數(shù)據(jù)分片峰值聚類。仿真結(jié)果表明,采用該方法進(jìn)行區(qū)塊鏈數(shù)據(jù)分片峰值聚類的收斂性較好,誤分率較低,自適應(yīng)學(xué)習(xí)能力較強(qiáng)。

    關(guān)鍵詞: 深度學(xué)習(xí); 區(qū)塊鏈; 數(shù)據(jù); 挖掘; 聚類

    文章編號(hào): 2095-2163(2021)07-0020-05中圖分類號(hào):TP391文獻(xiàn)標(biāo)志碼: A

    Block chain data sliced peak clustering algorithm based on deep learning

    ZHANG Hao

    (Huali College, Guangdong University of Technology, Guangzhou 511325, China)

    【Abstract】In order to improve the ability of blockchain data mining in the Internet of Things, it is necessary to carry out data optimization clustering processing and propose a block chain data slice peak clustering algorithm based on deep learning. Using the heterogeneous directed graph analysis method to design the data storage structure of the Internet of Things block chain, combining the feature space reorganization technology to reorganize the data structure of the Internet of Things block chain, extracting the related information characteristic quantity of the Internet of Things block chain data, using the semantic correlation fusion method to extract the block chain data feature and adaptive scheduling, performing fuzzy clustering processing of the extracted block chain data feature quantity, using the fuzzy C-means clustering method to identify the grid segmented peak clustering and attribute classification of the block chain data of the Internet of Things, and using deep learning methods to perform the segmented peak fusion and clustering analysis in the process of data clustering, the segmented peak clustering of the block chain data is realized . The simulation results show that the convergence of block chain data segmentation peak clustering with this method is good, the error rate is low, and the adaptive learning ability is strong.

    【Key words】deep learning; block chain; data; mining; clustering

    0 引 言

    隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展,需要對(duì)物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)進(jìn)行優(yōu)化挖掘和存儲(chǔ)設(shè)計(jì),通過物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的聚類分析,降低數(shù)據(jù)的存儲(chǔ)空間,提高數(shù)據(jù)的挖掘精度,相關(guān)的物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類方法研究受到人們的極大關(guān)注。對(duì)物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)挖掘是建立在對(duì)數(shù)據(jù)的特征提取和信息識(shí)別基礎(chǔ)上,采用模糊信息識(shí)別技術(shù),進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的存鏈結(jié)構(gòu)開發(fā),結(jié)合物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的大數(shù)據(jù)特征分布進(jìn)行異構(gòu)重組[1],建立物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的大數(shù)據(jù)信息分析模型,采用信息融合和資源優(yōu)化調(diào)度的方法進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類分析。

    當(dāng)前,對(duì)物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類方法主要有K-Means聚類法、網(wǎng)格區(qū)域聚類方法、粒子群聚類方法等[2-3],建立物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的特征提取和大數(shù)據(jù)分析模型,采用相關(guān)的特征分布式檢測(cè)方法,實(shí)現(xiàn)物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類。文獻(xiàn)[4]提出基于模糊層次結(jié)構(gòu)聚類的物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類方法,采用異構(gòu)有向圖分析方法進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)分塊層次結(jié)構(gòu)設(shè)計(jì),提高數(shù)據(jù)聚類的精度,但該方法的計(jì)算開銷較大,實(shí)時(shí)性不好。文獻(xiàn)[5]提出基于特征空間重組技術(shù)的數(shù)據(jù)聚類方法,在大數(shù)據(jù)背景下進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)在線聚類優(yōu)化設(shè)計(jì),結(jié)合分片重組技術(shù)進(jìn)行數(shù)據(jù)聚類優(yōu)化,但該方法的模糊度較大,聚類精度不高。文獻(xiàn)[6]提出指標(biāo)約束的物聯(lián)網(wǎng)節(jié)點(diǎn)部署的區(qū)塊鏈融合技術(shù), 采用諧波諧振擾動(dòng)特征分析方法,構(gòu)建物聯(lián)網(wǎng)節(jié)能降損可靠性評(píng)估模型,結(jié)合分塊數(shù)據(jù)組網(wǎng)控制,采用數(shù)據(jù)聚類方法,實(shí)現(xiàn)物聯(lián)網(wǎng)輸出參數(shù)可靠性評(píng)估,但該方法的聚類性不好。

    針對(duì)上述問題,本文提出基于深度學(xué)習(xí)的區(qū)塊鏈數(shù)據(jù)分片峰值聚類算法。首先進(jìn)行區(qū)塊鏈數(shù)據(jù)的結(jié)構(gòu)特征分析,然后進(jìn)行區(qū)塊鏈數(shù)據(jù)的特征提取,結(jié)合分片峰值聚類方法,實(shí)現(xiàn)數(shù)據(jù)聚類優(yōu)化,最后進(jìn)行仿真測(cè)試分析,得出有效性結(jié)論。

    1 物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)結(jié)構(gòu)分析和特征提取

    1.1 物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)結(jié)構(gòu)分析

    采用有向圖模型構(gòu)建物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的聚類節(jié)點(diǎn)分布結(jié)構(gòu)模型,采用相關(guān)性的統(tǒng)計(jì)分析方法,得到物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的異構(gòu)存儲(chǔ)結(jié)構(gòu)模型,計(jì)算物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的模糊聚類特征分布集[6],得到融合度函數(shù)定義為:

    分析物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)集統(tǒng)計(jì)差異分布特性,得到每個(gè)插值點(diǎn)的實(shí)際值公式定義為:

    其中,dm+1(m)為物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)集在第m點(diǎn)的預(yù)測(cè)值,dk+1(m)為采用第m點(diǎn)處采集的物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的模糊性特征量,根據(jù)物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的特征提取結(jié)果采用模糊C均值聚類方法進(jìn)行信息處理[7],設(shè)定全局變量,建立物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)挖掘的模糊分割系數(shù)為:

    其中,Mi表示物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)挖掘的中位數(shù);Lm為物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)挖掘的下界;fm為物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的中位數(shù);fless表示各維度下物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的最小統(tǒng)計(jì)特征量。

    1.2 物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)特征提取

    構(gòu)建資源聚類的節(jié)點(diǎn)分布模型,在大數(shù)據(jù)背景下進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)分片峰值聚類優(yōu)化設(shè)計(jì),設(shè)物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類節(jié)點(diǎn)圖模型屬性集為X=x1,x2,…,xn,進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類節(jié)點(diǎn)圖模型設(shè)計(jì),采用語義本體模型構(gòu)造的方法,進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)處理[8],通過自相關(guān)特征匹配方法,分析2組相似的物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的相對(duì)貼近度φ1定義為:

    其中,∑nj=1ωj=1,s-∈S,a-∈-0.5,0.5。設(shè)s1,a1,s2,a2,…,sn,an是一組描述物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的語義特征分布集,建立物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的統(tǒng)計(jì)分析模型,在模糊網(wǎng)格區(qū)域,進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的統(tǒng)計(jì)分析和自適應(yīng)調(diào)度,在模糊語義相關(guān)性融合聚類下,進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的模糊加權(quán)分析[9],得到模糊加權(quán)的特征分布向量為ω=(ω1,ω2,…,ωn)T,ωj∈[0,1],考慮等價(jià)的語義映射,進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的融合分析,建立物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的統(tǒng)計(jì)特征量,通過一個(gè)映射函數(shù)M表示,M:C * C' →r描述物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的相似度信息,通過空間聚類分析的方法,進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)分布式調(diào)度,建立本體模型,進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的語義相似度融合和特征聚類處理[10]。

    2 物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類

    2.1 區(qū)塊鏈數(shù)據(jù)特征提取和自適應(yīng)調(diào)度

    采用有向圖模型構(gòu)建物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的聚類節(jié)點(diǎn)分布結(jié)構(gòu)模型,在物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)庫中進(jìn)行資源信息特征提取[11],設(shè){(s1,a1),(s2,a2),…,(sn,an)}是物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的二元語義特征分量,采用異構(gòu)有向圖分析方法進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)設(shè)計(jì),結(jié)合特征空間重組技術(shù)進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)結(jié)構(gòu)重組,提取物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的關(guān)聯(lián)信息特征量[12],得到物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的優(yōu)化加權(quán)系數(shù)為,采用統(tǒng)計(jì)分析方法進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的聚類中心檢測(cè),得到物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的關(guān)聯(lián)性本體結(jié)構(gòu)模型為:

    對(duì)物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)進(jìn)行模糊處理,構(gòu)建物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的自適應(yīng)調(diào)度參數(shù)SymbolQC@2F(x),建立物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的模糊決策矩陣:

    物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的特征提取問題轉(zhuǎn)化為一個(gè)二元語義決策問題,物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的模糊特征匹配評(píng)價(jià)指標(biāo)集為,采用主體詞匹配的方法,分析X的相似度函數(shù),得到物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的模糊隸屬度函數(shù)為:

    其中,x~ik為物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的語義特征量,w~ik-1為慣性權(quán)重。利用概念、實(shí)例和屬性等實(shí)體集,得到物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類中心節(jié)點(diǎn)在k+1時(shí)刻的迭代函數(shù)為:

    采用決策樹模型進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的特征重構(gòu),在物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的遞歸圖模型中,采用相空間重構(gòu)的方法,實(shí)現(xiàn)物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的模糊特征信息采樣[13],得到物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的模糊信息加群權(quán)重向量vi,物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的相關(guān)特征分布矩陣表示為:

    其中,c為物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的搜索步數(shù),μik為物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的語義關(guān)聯(lián)度決策系數(shù)。根據(jù)上述分析,進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的特征分析和優(yōu)化調(diào)度,得到物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的模糊聚類中心為di,采用分塊特征演化方法,進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的關(guān)聯(lián)特征檢測(cè),得到模糊檢測(cè)向量vi,vi=((w1,t1),(w2,t2),…(wj,tj)),結(jié)合模糊相關(guān)性融合的方法,進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的分片峰值聚類分析[14-17]。

    2.2 數(shù)據(jù)分片峰值聚類的深度學(xué)習(xí)

    采用模糊C均值聚類方法進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的網(wǎng)格分片峰值聚類和屬性分類識(shí)別[18],采用深度學(xué)習(xí)方法進(jìn)行數(shù)據(jù)聚類過程中的分片峰值融合和聚類分析,得到物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的在線聚類準(zhǔn)則為:

    物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類節(jié)點(diǎn)的深度學(xué)習(xí)加權(quán)系數(shù)為We=ωj(e),0。修正每個(gè)聚類自適應(yīng)加權(quán)學(xué)習(xí)系數(shù)vi,就可得到聚類有效性評(píng)價(jià)矩陣R=rij,aijm×n和指標(biāo)權(quán)重W=((ω1,β1),(ω2,β2),…,(ωn,βn)),綜上分析,建立物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的深度學(xué)習(xí)模型,構(gòu)建物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的模糊特征分布集[19-21],得到物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的約束規(guī)劃模型為:

    由此得到物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的最優(yōu)評(píng)價(jià)集記為L1,…,Ln和Pmin1,…,Pminn,物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的優(yōu)化聚類模型為:

    其中,cosinij→x(dij,dxv)為物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的融合聚類特征集,根據(jù)上述分析,實(shí)現(xiàn)物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的優(yōu)化聚類[22-23]。

    3 仿真實(shí)驗(yàn)與結(jié)果分析

    為了驗(yàn)證本文方法在實(shí)現(xiàn)物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)分片峰值聚類中的應(yīng)用性能,進(jìn)行實(shí)驗(yàn)測(cè)試分析,采用C++和Matlab 7混合編程進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的算法處理,在Hadoop云平臺(tái)中構(gòu)建物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)數(shù)據(jù)庫結(jié)構(gòu)模型,物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)大數(shù)據(jù)分布的初始樣本規(guī)模為1 200,量化分布訓(xùn)練集為120,深度學(xué)習(xí)的步長為2.4,自適應(yīng)學(xué)習(xí)的迭代步數(shù)NP=30,各組數(shù)據(jù)采樣集的相似度為0.68,根據(jù)上述仿真參數(shù)設(shè)定,進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)峰值聚類,得到物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的時(shí)域分布如圖1所示。

    以圖1所示的數(shù)據(jù)為研究對(duì)象,采用語義相關(guān)性融合的方法進(jìn)行區(qū)塊鏈數(shù)據(jù)特征提取和自適應(yīng)調(diào)度,對(duì)提取的物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)特征量進(jìn)行模糊聚類處理,實(shí)現(xiàn)分片峰值聚類,得到聚類結(jié)果如圖2所示。

    分析圖2得知,采用本文方法進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的峰值融合度較好,收斂性較強(qiáng),測(cè)試誤分率,得到結(jié)果見表1,分析表1得知,本文方法進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的誤分率較低。

    分析圖3結(jié)果得知,采用本文方法進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的誤分率較低,提高了數(shù)據(jù)聚類的收斂控制能力。

    4 結(jié)束語

    采用模糊信息識(shí)別技術(shù),進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的存鏈結(jié)構(gòu)開發(fā),結(jié)合物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的大數(shù)據(jù)特征分布進(jìn)行異構(gòu)重組,建立物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的大數(shù)據(jù)信息分析模型,本文提出基于深度學(xué)習(xí)的區(qū)塊鏈數(shù)據(jù)分片峰值聚類算法采用決策樹模型進(jìn)行物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的特征重構(gòu),在物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)的遞歸圖模型中,采用相空間重構(gòu)的方法,實(shí)現(xiàn)物聯(lián)網(wǎng)區(qū)塊鏈數(shù)據(jù)聚類的模糊特征信息采樣,采用深度學(xué)習(xí)方法進(jìn)行數(shù)據(jù)聚類過程中的分片峰值融合和聚類分析,實(shí)現(xiàn)區(qū)塊鏈數(shù)據(jù)分片峰值聚類。分析得知,采用本文方法進(jìn)行區(qū)塊鏈數(shù)據(jù)分片峰值聚類的收斂性較好,誤分率較低,數(shù)據(jù)聚類的精度較高。

    參考文獻(xiàn)

    [1]李宇帆,張會(huì)福,劉上力,等. 教育數(shù)據(jù)挖掘研究進(jìn)展[J]. 計(jì)算機(jī)工程與應(yīng)用, 2019, 55(14): 15-23.

    [2]楊歡歡, 李天瑞, 陳馨菂. 基于螺旋圖的時(shí)間序列數(shù)據(jù)可視化[J]. 計(jì)算機(jī)應(yīng)用, 2017, 37(9): 2443-2448.

    [3]李勁,岳昆,蔡嬌,等. 基于距離度量的多樣性圖排序方法[J]. 軟件學(xué)報(bào),2018,29(3):599-613.

    [4]YU Yong, WANG Ziyuan, XU Dianguo. Speed and current sensors fault detection and isolation based on adaptive observers for induction motor drivers[J]. Journal of Power Electronics, 2014, 5(14):967-979.

    [5]BERRIRI H, NAOUAR W, BAHRI I, et al. Field programmable gate array-based fault-tolerant hysteresis current control for AC machine drives[J]. IET Electric Power Applications, 2012, 6(3):181-189.

    [6]李雷,王磊,趙麗,等. 基于大數(shù)據(jù)技術(shù)的配電網(wǎng)絡(luò)節(jié)能降損技術(shù)分析[J]. 電子技術(shù)與軟件工程,2020(19):224-225.

    [7]龐俊, 于戈, 許嘉, 等. 基于MapReduce框架的海量數(shù)據(jù)相似性連接研究進(jìn)展[J]. 計(jì)算機(jī)科學(xué), 2015, 42(1):1-5.

    [8]肖文, 胡娟.? 基于數(shù)據(jù)集稀疏度的頻繁項(xiàng)集挖掘算法性能分析[J]. 計(jì)算機(jī)應(yīng)用, 2018, 38(4): 995-1000.

    [9]李彥,劉軍. 面向大數(shù)據(jù)的多維數(shù)據(jù)缺失特征填補(bǔ)仿真研究[J]. 計(jì)算機(jī)仿真,2018,35(10):432-435.

    [10]王慧健, 劉崢, 李云, 等. 基于神經(jīng)網(wǎng)絡(luò)語言模型的時(shí)間序列趨勢(shì)預(yù)測(cè)方法[J]. 計(jì)算機(jī)工程, 2019, 45(7): 13-19,25.

    [11]王曉雷,陳云杰,王琛,等. 基于Q-learning的虛擬網(wǎng)絡(luò)功能調(diào)度方法[J]. 計(jì)算機(jī)工程, 2019, 45(2): 64-69.

    [12]姚富光,鐘先信,周靖超. 粒計(jì)算:一種大數(shù)據(jù)融合智能建模新方法[J]. 南京理工大學(xué)學(xué)報(bào),2018,42(4):503-510.

    [13]王楚捷,王好賢. M-CORD下無線接入網(wǎng)絡(luò)資源分配研究[J]. 計(jì)算機(jī)工程與應(yīng)用, 2018, 54(22): 92-98.

    [14]劉良鳳,劉三陽. 基于權(quán)重差異度的動(dòng)態(tài)模糊聚類算法[J]. 吉林大學(xué)學(xué)報(bào)(理學(xué)版),2019,57(3):574-582.

    [15]孫力娟, 陳小東,韓 崇,等. 一種新的數(shù)據(jù)流模糊聚類方法[J]. 電子與信息學(xué)報(bào), 2015, 37(7): 1620-1625.

    [16]于爽,李淑梅. 圖書電子資源信息分布式多模塊檢索仿真[J]. 計(jì)算機(jī)仿真,2020,37(6):439-442.

    [17]LIU Jinliang, XIAO Liang, LIU Guolong, et al. Active authentication with reinforcement learning based on ambient radio signals[J]. Multimedia Tools and Applications,2017,76(3):3979-3998.

    [18]劉全, 翟建偉, 章宗長, 等. 深度強(qiáng)化學(xué)習(xí)綜述[J]. 計(jì)算機(jī)學(xué)報(bào), 2018,41(1):1-27.

    [19]姚哲,陶劍文. 多源適應(yīng)多標(biāo)簽分類框架[J]. 計(jì)算機(jī)工程與應(yīng)用, 2017, 53(7):88-96, 170.

    [20]趙國鋒, 黎軍, 王新恒, 等. 基于SDN的WLAN負(fù)載感知切換方案實(shí)現(xiàn)[J]. 計(jì)算機(jī)應(yīng)用研究,2019,36(5):180-184

    [21]ROWSHANRAD S,NAMVARASL S,ABDI V,et al. A survey on SDN, the future of networking[J]. Journal of Advanced Computer Science and Technology,2014,3(2):232-248.

    [22]田保軍, 劉爽, 房建東. 融合主題信息和卷積神經(jīng)網(wǎng)絡(luò)的混合推薦算法[J]. 計(jì)算機(jī)應(yīng)用, 2020, 40(7): 1901-1907.

    [23]SHU Jiangbo, SHEN Xiaoxuan, LIU Hai,et al. A content-based recommendation algorithm for learning resources[J]. Multimedia Systems,2018, 24(2):163-173.

    基金項(xiàng)目: 2020年度廣東省普通高校特色人才創(chuàng)新項(xiàng)目(自然科學(xué)類) 項(xiàng)目(2019KTSCX223)。

    作者簡介: 張 皓(1994-),男,博士研究生,主要研究方向:區(qū)塊鏈、計(jì)算機(jī)視覺。

    通訊作者: 張 皓Email:540218310@qq.com

    收稿日期: 2021-03-15`

    猜你喜歡
    挖掘數(shù)據(jù)區(qū)塊鏈
    區(qū)塊鏈技術(shù)的應(yīng)用價(jià)值分析
    商情(2016年40期)2016-11-28 11:24:12
    將“再也沒有”帶向更有深度的思考中
    古詩詞教學(xué)中藝術(shù)內(nèi)涵的挖掘策略
    “區(qū)塊鏈”的茍且、詩和遠(yuǎn)方
    焊接工藝仿真訓(xùn)練系統(tǒng)中焊點(diǎn)數(shù)據(jù)的建立方法
    一種借助數(shù)據(jù)處理構(gòu)建的智能食堂管理系統(tǒng)
    關(guān)注數(shù)學(xué)思考 提升數(shù)學(xué)本質(zhì)
    基于區(qū)塊鏈技術(shù)的數(shù)字貨幣與傳統(tǒng)貨幣辨析
    數(shù)據(jù)化藝術(shù)的生成探究
    大數(shù)據(jù)技術(shù)在商業(yè)銀行中的應(yīng)用分析
    十八禁高潮呻吟视频| 久久精品人人爽人人爽视色| 国产亚洲精品久久久久5区| 19禁男女啪啪无遮挡网站| 美女高潮到喷水免费观看| 亚洲人成77777在线视频| 香蕉丝袜av| 国产精品 国内视频| 嫁个100分男人电影在线观看| 在线观看免费午夜福利视频| 操美女的视频在线观看| 高清av免费在线| 久久人妻av系列| 一区二区三区国产精品乱码| 日本黄色视频三级网站网址 | 黄色毛片三级朝国网站| 国产精品1区2区在线观看. | 9色porny在线观看| 少妇猛男粗大的猛烈进出视频| 香蕉久久夜色| 国产无遮挡羞羞视频在线观看| 午夜免费成人在线视频| 一本一本久久a久久精品综合妖精| 国产一区二区激情短视频| 国产成人精品久久二区二区91| 制服诱惑二区| 久久久久国产一级毛片高清牌| 久久午夜综合久久蜜桃| 欧美乱码精品一区二区三区| 亚洲精品在线美女| 在线永久观看黄色视频| 国内毛片毛片毛片毛片毛片| 久久精品成人免费网站| 国产精品.久久久| 无遮挡黄片免费观看| 久久精品熟女亚洲av麻豆精品| 男女床上黄色一级片免费看| 性色av乱码一区二区三区2| 最新的欧美精品一区二区| 后天国语完整版免费观看| 在线av久久热| 中文字幕av电影在线播放| 超碰成人久久| 天天躁夜夜躁狠狠躁躁| 久久久欧美国产精品| 久久国产精品大桥未久av| 亚洲av欧美aⅴ国产| 久9热在线精品视频| 十分钟在线观看高清视频www| 欧美精品av麻豆av| 午夜激情av网站| 午夜视频精品福利| 久久av网站| 国产男女超爽视频在线观看| 亚洲一区二区三区欧美精品| 精品久久蜜臀av无| 男男h啪啪无遮挡| 亚洲一区中文字幕在线| 精品一区二区三区视频在线观看免费 | 国产亚洲欧美在线一区二区| tocl精华| 亚洲国产欧美在线一区| 久久青草综合色| 免费在线观看视频国产中文字幕亚洲| 亚洲av成人不卡在线观看播放网| 国产伦理片在线播放av一区| 国产成人精品无人区| 精品熟女少妇八av免费久了| 91老司机精品| 亚洲欧美一区二区三区久久| 自线自在国产av| 两个人免费观看高清视频| 90打野战视频偷拍视频| 久久人妻福利社区极品人妻图片| 91av网站免费观看| 欧美亚洲 丝袜 人妻 在线| 免费看十八禁软件| 国产男女内射视频| 午夜福利影视在线免费观看| 乱人伦中国视频| 国产精品免费一区二区三区在线 | 亚洲色图av天堂| 老熟妇仑乱视频hdxx| 欧美黑人精品巨大| videosex国产| 超色免费av| 国产成人欧美在线观看 | 婷婷成人精品国产| 国产在线视频一区二区| 99久久精品国产亚洲精品| 在线观看舔阴道视频| 黑人巨大精品欧美一区二区蜜桃| av天堂久久9| 国产在线精品亚洲第一网站| 韩国精品一区二区三区| 一夜夜www| 午夜激情久久久久久久| 国产精品亚洲一级av第二区| 另类亚洲欧美激情| 精品国产乱码久久久久久小说| 亚洲精品美女久久av网站| 久久亚洲真实| 午夜久久久在线观看| 91精品国产国语对白视频| 亚洲精品在线美女| 操美女的视频在线观看| www.熟女人妻精品国产| 亚洲午夜理论影院| 亚洲va日本ⅴa欧美va伊人久久| 日韩欧美国产一区二区入口| 日韩熟女老妇一区二区性免费视频| 一区二区三区精品91| 国产亚洲欧美精品永久| 超碰成人久久| 波多野结衣av一区二区av| 国产精品九九99| 一边摸一边抽搐一进一小说 | 亚洲第一欧美日韩一区二区三区 | 视频区图区小说| 亚洲欧美日韩高清在线视频 | av网站在线播放免费| 黄色视频在线播放观看不卡| 黄色视频不卡| 日韩大片免费观看网站| 天堂俺去俺来也www色官网| 久久久久精品人妻al黑| 国产单亲对白刺激| 黄网站色视频无遮挡免费观看| 欧美日本中文国产一区发布| 精品欧美一区二区三区在线| 天堂俺去俺来也www色官网| 国产精品九九99| 一本色道久久久久久精品综合| 黄色怎么调成土黄色| 一本综合久久免费| 97人妻天天添夜夜摸| 黑人巨大精品欧美一区二区蜜桃| 国产精品av久久久久免费| 日韩中文字幕视频在线看片| 999久久久精品免费观看国产| 岛国毛片在线播放| 亚洲综合色网址| 天堂俺去俺来也www色官网| 国产一区二区激情短视频| 成人国产av品久久久| 91成年电影在线观看| 国产单亲对白刺激| 美女视频免费永久观看网站| 最近最新中文字幕大全免费视频| 亚洲欧美日韩高清在线视频 | 伦理电影免费视频| 十八禁高潮呻吟视频| 欧美精品一区二区大全| 两个人看的免费小视频| 老熟女久久久| 免费人妻精品一区二区三区视频| 精品少妇内射三级| 久久亚洲精品不卡| 无人区码免费观看不卡 | 亚洲人成电影观看| 国产免费视频播放在线视频| 国产精品麻豆人妻色哟哟久久| 一级片免费观看大全| 午夜免费鲁丝| av在线播放免费不卡| 欧美日韩成人在线一区二区| 一本大道久久a久久精品| 午夜福利一区二区在线看| 免费观看a级毛片全部| 在线观看舔阴道视频| 国产高清激情床上av| 欧美成狂野欧美在线观看| 亚洲成人手机| 亚洲视频免费观看视频| 国产区一区二久久| 999精品在线视频| 精品国产乱码久久久久久男人| 夫妻午夜视频| 男女午夜视频在线观看| 久久精品亚洲av国产电影网| av不卡在线播放| 欧美激情 高清一区二区三区| 午夜老司机福利片| 在线观看免费视频日本深夜| 狠狠婷婷综合久久久久久88av| www.精华液| 国产欧美日韩一区二区三区在线| 久久亚洲真实| 中文字幕av电影在线播放| 午夜福利欧美成人| 中文欧美无线码| av电影中文网址| 国产精品国产av在线观看| 女警被强在线播放| 又紧又爽又黄一区二区| 俄罗斯特黄特色一大片| 国产精品一区二区在线不卡| 精品亚洲乱码少妇综合久久| 十八禁人妻一区二区| 9191精品国产免费久久| 国产在线视频一区二区| 中文字幕最新亚洲高清| 无遮挡黄片免费观看| 国产精品偷伦视频观看了| 午夜91福利影院| 他把我摸到了高潮在线观看 | 久久精品熟女亚洲av麻豆精品| 麻豆国产av国片精品| 高清欧美精品videossex| a级片在线免费高清观看视频| 国产一区二区在线观看av| 在线观看66精品国产| 免费高清在线观看日韩| 亚洲情色 制服丝袜| 免费黄频网站在线观看国产| 黄色片一级片一级黄色片| 成年版毛片免费区| 久久人妻福利社区极品人妻图片| 两个人看的免费小视频| 精品人妻1区二区| 肉色欧美久久久久久久蜜桃| 五月天丁香电影| 国产精品久久久av美女十八| 人人妻人人爽人人添夜夜欢视频| 久久精品成人免费网站| av一本久久久久| 欧美日韩精品网址| 亚洲国产毛片av蜜桃av| 女警被强在线播放| 国产在视频线精品| 国产又爽黄色视频| 肉色欧美久久久久久久蜜桃| 亚洲免费av在线视频| 一区二区三区国产精品乱码| 丝袜在线中文字幕| 亚洲精华国产精华精| 在线观看免费高清a一片| 国产高清激情床上av| 亚洲人成伊人成综合网2020| 日本欧美视频一区| 国产色视频综合| 两性午夜刺激爽爽歪歪视频在线观看 | 大码成人一级视频| 国产成人欧美| 最新的欧美精品一区二区| 国产成+人综合+亚洲专区| 亚洲av美国av| 色尼玛亚洲综合影院| 亚洲精品在线观看二区| 成年人黄色毛片网站| 激情在线观看视频在线高清 | 两人在一起打扑克的视频| av免费在线观看网站| 人人妻人人澡人人爽人人夜夜| 午夜成年电影在线免费观看| 国产一区二区三区视频了| 亚洲av日韩在线播放| 亚洲中文日韩欧美视频| 日本精品一区二区三区蜜桃| 久久久精品94久久精品| 欧美在线黄色| 一本色道久久久久久精品综合| 国产高清视频在线播放一区| 在线观看免费日韩欧美大片| 国产精品一区二区精品视频观看| 成在线人永久免费视频| 黑人欧美特级aaaaaa片| 久久久欧美国产精品| 可以免费在线观看a视频的电影网站| 久久久久久人人人人人| 久久午夜亚洲精品久久| 精品少妇一区二区三区视频日本电影| 国产成人精品无人区| 午夜91福利影院| 国产在线视频一区二区| 亚洲欧美日韩高清在线视频 | 啦啦啦中文免费视频观看日本| 丁香六月天网| 夜夜夜夜夜久久久久| 欧美日韩黄片免| 天天添夜夜摸| 一级毛片电影观看| 精品国产亚洲在线| 国产一区二区三区综合在线观看| 亚洲人成77777在线视频| www.999成人在线观看| 色精品久久人妻99蜜桃| 黄色a级毛片大全视频| 三上悠亚av全集在线观看| 亚洲av第一区精品v没综合| av一本久久久久| 成人av一区二区三区在线看| 99在线人妻在线中文字幕 | 69精品国产乱码久久久| netflix在线观看网站| 国产不卡一卡二| 久久九九热精品免费| 色播在线永久视频| 女人高潮潮喷娇喘18禁视频| 欧美+亚洲+日韩+国产| 90打野战视频偷拍视频| 国产高清国产精品国产三级| 亚洲av成人不卡在线观看播放网| 欧美日韩中文字幕国产精品一区二区三区 | 久久中文看片网| 1024香蕉在线观看| 久久久精品国产亚洲av高清涩受| 欧美精品亚洲一区二区| 十八禁网站免费在线| 欧美另类亚洲清纯唯美| 欧美 日韩 精品 国产| 国产亚洲精品久久久久5区| 久久人人爽av亚洲精品天堂| 精品亚洲乱码少妇综合久久| 肉色欧美久久久久久久蜜桃| 高潮久久久久久久久久久不卡| 免费少妇av软件| 超色免费av| 我要看黄色一级片免费的| 一进一出好大好爽视频| 人人妻人人澡人人看| www日本在线高清视频| 99精品欧美一区二区三区四区| 一本—道久久a久久精品蜜桃钙片| 亚洲精品一卡2卡三卡4卡5卡| 日韩熟女老妇一区二区性免费视频| 亚洲精品国产一区二区精华液| 另类精品久久| 狠狠婷婷综合久久久久久88av| 国产精品一区二区免费欧美| 少妇精品久久久久久久| 中文欧美无线码| 在线十欧美十亚洲十日本专区| 国产一卡二卡三卡精品| 色婷婷av一区二区三区视频| 国产精品99久久99久久久不卡| 一二三四社区在线视频社区8| 日韩中文字幕视频在线看片| 在线观看www视频免费| 黑丝袜美女国产一区| 一级毛片电影观看| 天天躁夜夜躁狠狠躁躁| cao死你这个sao货| 看免费av毛片| 少妇精品久久久久久久| 久久香蕉激情| 欧美激情久久久久久爽电影 | 久久这里只有精品19| 一级黄色大片毛片| 日韩视频一区二区在线观看| 多毛熟女@视频| 99久久人妻综合| 久久天躁狠狠躁夜夜2o2o| 国产精品电影一区二区三区 | 高清视频免费观看一区二区| 十分钟在线观看高清视频www| 亚洲欧美日韩另类电影网站| 国产午夜精品久久久久久| av网站在线播放免费| 在线亚洲精品国产二区图片欧美| 高清黄色对白视频在线免费看| 日本av手机在线免费观看| 精品亚洲成a人片在线观看| 一级片免费观看大全| 王馨瑶露胸无遮挡在线观看| 亚洲国产看品久久| 久久天躁狠狠躁夜夜2o2o| 久久99热这里只频精品6学生| 色在线成人网| 午夜福利在线观看吧| 啦啦啦在线免费观看视频4| 丁香欧美五月| 久久九九热精品免费| 老司机亚洲免费影院| 91精品三级在线观看| 一本色道久久久久久精品综合| 亚洲精品成人av观看孕妇| 99精国产麻豆久久婷婷| 国产高清videossex| 亚洲 国产 在线| 亚洲av欧美aⅴ国产| av片东京热男人的天堂| 99九九在线精品视频| 日韩欧美三级三区| 久久久久国产一级毛片高清牌| 亚洲中文字幕日韩| 香蕉丝袜av| 免费在线观看日本一区| 国产不卡一卡二| 亚洲国产av新网站| 变态另类成人亚洲欧美熟女 | 成人黄色视频免费在线看| 不卡av一区二区三区| 亚洲精品美女久久av网站| 亚洲成国产人片在线观看| 国产无遮挡羞羞视频在线观看| 一夜夜www| 国产成人免费无遮挡视频| 在线观看免费视频网站a站| aaaaa片日本免费| 亚洲欧美日韩另类电影网站| 国产av精品麻豆| 亚洲情色 制服丝袜| 久久精品熟女亚洲av麻豆精品| 18禁黄网站禁片午夜丰满| 亚洲精品成人av观看孕妇| 久久人妻福利社区极品人妻图片| 天堂8中文在线网| 久久国产精品男人的天堂亚洲| 国产极品粉嫩免费观看在线| 国产精品亚洲一级av第二区| 男女之事视频高清在线观看| 久久99热这里只频精品6学生| 久久国产精品男人的天堂亚洲| 18禁黄网站禁片午夜丰满| 亚洲三区欧美一区| 精品免费久久久久久久清纯 | 免费在线观看视频国产中文字幕亚洲| 在线天堂中文资源库| 亚洲欧洲精品一区二区精品久久久| 精品亚洲成国产av| 黄色片一级片一级黄色片| 一边摸一边抽搐一进一出视频| 久久精品人人爽人人爽视色| 国产aⅴ精品一区二区三区波| 丝瓜视频免费看黄片| 中国美女看黄片| 国产老妇伦熟女老妇高清| 国产午夜精品久久久久久| 少妇的丰满在线观看| 12—13女人毛片做爰片一| 午夜福利在线观看吧| 岛国在线观看网站| 一个人免费在线观看的高清视频| 亚洲欧美日韩高清在线视频 | 成人18禁高潮啪啪吃奶动态图| 巨乳人妻的诱惑在线观看| 一区在线观看完整版| 国产精品亚洲一级av第二区| 满18在线观看网站| 天天躁日日躁夜夜躁夜夜| 99在线人妻在线中文字幕 | 在线观看舔阴道视频| av有码第一页| 久久青草综合色| 99国产精品免费福利视频| www.熟女人妻精品国产| 国产一区有黄有色的免费视频| 女警被强在线播放| 老汉色∧v一级毛片| 十八禁人妻一区二区| 少妇 在线观看| 欧美在线一区亚洲| 美国免费a级毛片| 国产黄色免费在线视频| 日日爽夜夜爽网站| 亚洲精品一二三| 亚洲国产中文字幕在线视频| 国产一区有黄有色的免费视频| 久久久国产成人免费| 成人特级黄色片久久久久久久 | 欧美日韩亚洲国产一区二区在线观看 | 老司机福利观看| 欧美+亚洲+日韩+国产| 两性夫妻黄色片| 侵犯人妻中文字幕一二三四区| 国产免费现黄频在线看| 中文字幕最新亚洲高清| 啦啦啦免费观看视频1| 一本色道久久久久久精品综合| 成人特级黄色片久久久久久久 | 国产人伦9x9x在线观看| tube8黄色片| 亚洲国产av新网站| 日韩制服丝袜自拍偷拍| 欧美人与性动交α欧美精品济南到| 亚洲成人免费电影在线观看| 最近最新免费中文字幕在线| 欧美精品啪啪一区二区三区| 叶爱在线成人免费视频播放| 丝袜美足系列| 日韩熟女老妇一区二区性免费视频| 人人澡人人妻人| 亚洲成人国产一区在线观看| 亚洲avbb在线观看| 免费黄频网站在线观看国产| 亚洲成a人片在线一区二区| 久久精品国产a三级三级三级| 国产精品美女特级片免费视频播放器 | 伦理电影免费视频| 天天影视国产精品| 无人区码免费观看不卡 | 国产极品粉嫩免费观看在线| 天堂俺去俺来也www色官网| 久久精品91无色码中文字幕| 中文字幕精品免费在线观看视频| 大陆偷拍与自拍| 99久久99久久久精品蜜桃| 欧美日韩中文字幕国产精品一区二区三区 | 满18在线观看网站| 两性午夜刺激爽爽歪歪视频在线观看 | 男女免费视频国产| 午夜福利影视在线免费观看| 99精国产麻豆久久婷婷| 在线观看舔阴道视频| 国产一区二区三区在线臀色熟女 | 丝袜美腿诱惑在线| 9色porny在线观看| 亚洲av美国av| 国产人伦9x9x在线观看| 成人永久免费在线观看视频 | 一级毛片精品| 午夜福利,免费看| av一本久久久久| 搡老岳熟女国产| 精品一区二区三区四区五区乱码| 久久婷婷成人综合色麻豆| 大香蕉久久成人网| 亚洲成人免费电影在线观看| 亚洲精品自拍成人| 一边摸一边做爽爽视频免费| 这个男人来自地球电影免费观看| 亚洲五月色婷婷综合| 亚洲av国产av综合av卡| 国产精品98久久久久久宅男小说| 夜夜爽天天搞| 久久国产精品影院| a在线观看视频网站| 国产亚洲一区二区精品| 国产精品偷伦视频观看了| 妹子高潮喷水视频| 欧美乱妇无乱码| 飞空精品影院首页| 一区在线观看完整版| 国产精品久久久久久精品古装| 成人黄色视频免费在线看| 在线亚洲精品国产二区图片欧美| 日韩人妻精品一区2区三区| 变态另类成人亚洲欧美熟女 | 黑人猛操日本美女一级片| 两个人免费观看高清视频| 久久久久精品国产欧美久久久| 国产主播在线观看一区二区| 女人精品久久久久毛片| 国产在线观看jvid| 婷婷丁香在线五月| 在线观看一区二区三区激情| 免费不卡黄色视频| 久久久国产欧美日韩av| 亚洲免费av在线视频| 成人国产一区最新在线观看| 三级毛片av免费| 老熟女久久久| 成人国语在线视频| 少妇精品久久久久久久| 老司机福利观看| 热99久久久久精品小说推荐| 黑人欧美特级aaaaaa片| 亚洲久久久国产精品| 9色porny在线观看| 亚洲精品美女久久久久99蜜臀| 91老司机精品| 亚洲精品美女久久久久99蜜臀| 人人澡人人妻人| 日韩三级视频一区二区三区| 91老司机精品| 亚洲国产毛片av蜜桃av| 18禁裸乳无遮挡动漫免费视频| 999精品在线视频| 欧美亚洲 丝袜 人妻 在线| 日本黄色视频三级网站网址 | 91国产中文字幕| 亚洲精品在线美女| 久久精品91无色码中文字幕| 麻豆成人av在线观看| 亚洲人成电影观看| 亚洲国产成人一精品久久久| 欧美日韩福利视频一区二区| 精品人妻1区二区| 日本vs欧美在线观看视频| 人人妻,人人澡人人爽秒播| 日本wwww免费看| 涩涩av久久男人的天堂| 日韩有码中文字幕| 免费看a级黄色片| 高清av免费在线| 热99久久久久精品小说推荐| 国产成人av激情在线播放| 性高湖久久久久久久久免费观看| av电影中文网址| 天天操日日干夜夜撸| 日韩一区二区三区影片| 99香蕉大伊视频| videos熟女内射| 熟女少妇亚洲综合色aaa.| 国产伦理片在线播放av一区| 我的亚洲天堂| 老司机影院毛片| 国产老妇伦熟女老妇高清| a级毛片在线看网站| 精品国产超薄肉色丝袜足j| 热99re8久久精品国产| 欧美av亚洲av综合av国产av| 高清在线国产一区| 国产在线视频一区二区| 色综合婷婷激情| 国产成人精品久久二区二区91| 国产亚洲av高清不卡| 男人操女人黄网站| 乱人伦中国视频| 老司机福利观看| 高清视频免费观看一区二区| 午夜日韩欧美国产| 男女下面插进去视频免费观看| 成人特级黄色片久久久久久久 |