• <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 ?

    基于動態(tài)多最小支持度的用戶頻繁軌跡挖掘

    2022-06-23 11:12:24嚴愛俐劉漫丹
    計算機工程與設(shè)計 2022年6期
    關(guān)鍵詞:投影軌跡數(shù)據(jù)庫

    嚴愛俐,劉漫丹

    (華東理工大學(xué) 信息科學(xué)與工程學(xué)院,上海 200237)

    0 引 言

    融合移動互聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等現(xiàn)代化信息技術(shù),推動校園教學(xué)管理、教師教學(xué)模式、學(xué)生學(xué)習(xí)模式等方面的改革,為廣大師生提供了全面智能感知、個性化的服務(wù)[1,2]。隨著高校的信息化建設(shè),會產(chǎn)生一些校園數(shù)據(jù),例如一卡通消費數(shù)據(jù)、圖書館借閱數(shù)據(jù)等,通過對這些數(shù)據(jù)進行頻繁序列模式挖掘能夠發(fā)現(xiàn)很多隱藏的信息。

    常用的序列模式挖掘算法有Apriori算法[3]、FP-Growth(frequent pattern growth)算法[4]、FreeSpan算法[5]及PrefixSpan算法[6]等。針對數(shù)據(jù)量大、分布范圍廣的數(shù)據(jù)集,本文選擇用PrefixSpan算法進行序列挖掘。但該算法在執(zhí)行過程中,需要遞歸構(gòu)造投影數(shù)據(jù)集,從而影響了算法的運行時間。目前,已有不少學(xué)者針對上述問題提出了改進。文獻[7]中通過支持度末尾判斷和后綴指針偽投影的方法進行改進,文獻[8]中提出基于后綴索引的PrefixSpan算法和基于投影數(shù)據(jù)庫的PrefixSpan改進算法,文獻[9]中借助已生成的序列模式投影提出AprioriAll-PrefixSpan改進算法,等等。針對PrefixSpan算法存在的缺陷,本文從閾值、運行效率和運行內(nèi)存角度出發(fā),分別提出相應(yīng)的改進舉措。

    1 相關(guān)定義及工作

    本文采用PrefixSpan算法從獲取的校園數(shù)據(jù)中挖掘出用戶的頻繁軌跡模式,PrefixSpan算法是由JW Han等[6]提出的,算法的思想與Apriori算法類似。從長度為1的前綴開始挖掘序列模式,搜索對應(yīng)的投影數(shù)據(jù)庫得到長度為1的前綴對應(yīng)的頻繁序列,然后遞歸挖掘長度為2的前綴所對應(yīng)的頻繁序列。以此類推,一直遞歸到不能挖掘到更長的前綴挖掘為止。

    下面對PrefixSpan算法中涉及的相關(guān)概念抽象成具體的數(shù)學(xué)表達式,具體定義如下:

    定義1 序列:假設(shè)存在序列數(shù)據(jù)集D={S1,S2,…,Sj,…,SN}, 其中序列Sj(1≤j≤N) 由m項構(gòu)成,即Sj={ij,1,ij,2,…ij,k,…,ij,m}, (1≤k≤m),ij,k表示Sj中的第k項;令序列s={ij,k}, 則稱序列s是序列Sj的子序列,序列Sj為序列s的超序列;

    定義2 支持度(Support):一個序列的支持度被定義為數(shù)據(jù)集中包含該序列的記錄數(shù)占數(shù)據(jù)集總序列數(shù)的比值。假設(shè)序列數(shù)據(jù)集D={S1,S2,…,SN}, 序列Sj={ij,1,ij,2,…ij,k,…,ij,m}, 則子序列s={ij,k} 的支持度即

    (1)

    定義3 最小支持度(Minimum Support):用戶定義衡量支持度的一個閾值,表示項在統(tǒng)計意義上的最低重要性,記作min_sup;

    定義4 頻繁序列:假設(shè)數(shù)據(jù)集D中存在子序列s,滿足其支持度≥最小支持度,即sup(s)≥min_sup, 則子序列s稱為頻繁序列,若子序列s由n項組成,則子序列s又可稱為頻繁n-序列;

    定義5 投影數(shù)據(jù)庫:假設(shè)有序列Sj={ij,1,ij,2,…ij,k,…,ij,m}, 其中子序列sj={ij,1,ij,2,…,ij,k}, (1≤k≤m), 則稱序列sj是序列Sj的序列前綴,序列Sj為序列sj的序列投影;子序列s′j={ij,k+1,ij,k+2,…,ij,m}, 稱其為序列Sj的序列后綴;由s′j(1≤j≤N) 組成的數(shù)據(jù)庫稱為投影數(shù)據(jù)庫。

    本文是基于PrefixSpan算法的改進,下面將通過表1中的具體實例解釋PrefixSpan算法的整個運行過程,設(shè)定min_sup=0.5, 對應(yīng)的最小支持度閾值次數(shù)為:min_sup*序列總數(shù)N=0.5*4=2次。

    表1 序列數(shù)據(jù)集實例

    首先對序列數(shù)據(jù)集第一次掃描,統(tǒng)計所有項出現(xiàn)的次數(shù):{a}:4、:4、{c}:4、j5i0abt0b:3、{e}:2、{f}:2、{g}:1。其中{g}出現(xiàn)次數(shù)不滿足最小支持度閾值次數(shù),則頻繁1-序列集如下:{a}、、{c}、j5i0abt0b、{e}、{f}。將這些頻繁1-序列作為前綴并找出對應(yīng)的投影數(shù)據(jù)庫,見表2。

    表2 頻繁1-序列前綴及對應(yīng)投影數(shù)據(jù)庫

    接著以前綴j5i0abt0b為例介紹整個挖掘過程,其它序列前綴挖掘方法類似。對序列{a}對應(yīng)的投影數(shù)據(jù)庫進行統(tǒng)計:{a}:1、:2、{c}:3、{e}:1、{f}:1、{_f}:1,其中滿足min_sup閾值次數(shù)的是、{c},則頻繁2-序列為{db}、{dc}。以頻繁2-序列為前綴找出對應(yīng)的投影數(shù)據(jù)庫,見表3。

    表3 頻繁2-序列前綴及對應(yīng)投影數(shù)據(jù)庫

    同理對2-序列前綴的投影數(shù)據(jù)庫中各項進行統(tǒng)計,前綴{dc}中項出現(xiàn)2次得到頻繁3-序列{dcb}對應(yīng)的投影數(shù)據(jù)庫見表4。根據(jù)投影數(shù)據(jù)庫發(fā)現(xiàn)沒有滿足條件的項,因此無法產(chǎn)生頻繁4-序列,以j5i0abt0b為序列前綴挖掘的所有頻繁序列如下:j5i0abt0b、{db}、{dc}、{dcb}。

    表4 頻繁3-序列前綴及對應(yīng)投影數(shù)據(jù)庫

    2 動態(tài)多最小支持度前綴投影挖掘算法(DMS-PrefixSpan)

    由于PrefixSpan算法的基本思想是,根據(jù)確定的最小支持度min_sup從序列集合中挖掘出滿足條件的頻繁序列。因此min_sup的選擇就顯得極為重要,如果min_sup設(shè)置過高會導(dǎo)致一些重要的隱藏信息被丟失,反之設(shè)置過低則挖掘的結(jié)果中混入大量干擾信息。針對用戶的頻繁軌跡挖掘,其移動軌跡中通常會包含一些熱點地區(qū),但這些地區(qū)在軌跡中的重要程度相對較低。例如在校園中大部分用戶會在特定時間出現(xiàn)在食堂、教室等地點,如果僅根據(jù)這些數(shù)據(jù)希望挖掘出各個用戶之間的社會關(guān)系,很大程度上會得到所有人的行為軌跡都是相似的。另外,同一個地點對不同用戶的重要性是不同的。例如在博物館工作的工作人員和去博物館游覽的游客,明顯能夠看出博物館在后者軌跡模式中重要性明顯超過前者,在這種情況下確定的工作人員和游客去博物館的最小支持度應(yīng)該有所區(qū)別。

    其次,用戶不同的需求促使用戶有不同的行為,隨著年齡、角色、生活環(huán)境的變化需求也在不斷發(fā)生變化。例如,校園網(wǎng)絡(luò)中的用戶在大二、大三選修的課程不同,因此其上課的教室、時間、同學(xué)也是不同的;選修的課程安排在上學(xué)期或者下學(xué)期,會對其某段時間的生活作息產(chǎn)生影響。因此通過分析用戶行為的轉(zhuǎn)變,試著分析其背后行為轉(zhuǎn)變的原因?qū)W(xué)生管理和資源分配具有指導(dǎo)意義。

    針對上文提到的單一最小支持度和行為模式變化問題,本文將從以下兩個方面:多最小支持度和動態(tài)頻繁序列挖掘進行討論。此外,由于使用數(shù)據(jù)集時間跨度很長且用戶數(shù)據(jù)量很多,因此算法改進還需要考慮到內(nèi)存消耗問題。本文將引入動態(tài)多最小支持度的PrefixSpan改進算法稱為動態(tài)多最小支持度前綴投影挖掘算法,簡稱DMS-Prefix-Span算法。

    2.1 序列壓縮和序列匹配

    由于PrefixSpan算法挖掘的結(jié)果存在大量的冗余,為了減少挖掘結(jié)果的內(nèi)存占用,提出序列壓縮和序列匹配兩個概念,將引入序列壓縮和序列匹配的PrefixSpan算法稱為最長頻繁項集挖掘算法,簡稱L-PrefixSpan算法。其中序列壓縮和序列匹配的概念如下:

    假設(shè)從數(shù)據(jù)集D中存在頻繁n-序列,頻繁n-序列是從頻繁1-序列中衍生增長而來的,可以發(fā)現(xiàn)頻繁1~(n-1) 序列為頻繁n-序列的子序列,則只保留頻繁n-序列即可,這種操作稱為序列壓縮。

    遍歷整個挖掘結(jié)果序列集合,若其中某序列為其它序列的子序列,則去除這條冗余的子序列,以保證結(jié)果中所有序列互相不為子序列或超序列的關(guān)系,這種操作稱為序列匹配。

    根據(jù)圖1可以發(fā)現(xiàn),挖掘的頻繁項如下: {a},{ab},{ac},{af},{abc},{abb},{acb},{abcf},{abbf}, 經(jīng)過序列壓縮可得到如下的結(jié)果: {abcf},{abbf},{acb},{af}; 根據(jù)序列壓縮結(jié)果可以進一步發(fā)現(xiàn):序列 {af} 為序列 {abcf} 和 {abbf} 的子序列,則經(jīng)過序列匹配可得到最終的結(jié)果: {abcf},{abbf},{acb}。 以此類推,可以發(fā)現(xiàn)經(jīng)過序列壓縮和序列匹配,挖掘的頻繁序列會大大減少,因此占用內(nèi)存空間也會減少。

    圖1 PrefixSpan算法挖掘結(jié)果示例

    2.2 多最小支持度的計算

    某無線網(wǎng)絡(luò)中所有用戶的軌跡序列集合為UR={R1,R2,…,Ru,…,RN}, 該無線網(wǎng)絡(luò)中采集的所有地點區(qū)域項集為L={l1,l2,…,li,…,lM}, 其中M為該無線網(wǎng)絡(luò)中地點區(qū)域總數(shù)。則地點區(qū)域li的地點熱度用群體地點分布頻率(frequency of locations in the group,F(xiàn)LG)表示,如式(2)所示

    (2)

    式中:N(li) 為統(tǒng)計的軌跡序列中含有地點區(qū)域li的序列出現(xiàn)次數(shù),N為軌跡序列中所有軌跡序列總數(shù)。

    假設(shè)無線網(wǎng)絡(luò)中的某用戶u其軌跡序列集合為Ru={ru,1,ru,2,…,ru,x,…,ru,Ku}, 其中Ku為該用戶軌跡序列總長度,元素ru,x為軌跡點記錄,ru,x=(tu,x,lu,x) 表示用戶u的第x個軌跡記錄的出現(xiàn)時間tu,x和出現(xiàn)地點lu,x。 用戶個人的地點偏好用個人地點分布頻率(frequency of locations in the personal tracks,F(xiàn)LP)表示,如式(3)所示

    (3)

    式中:K(lu,i) 為用戶u軌跡序列中含有地點區(qū)域li的序列出現(xiàn)次數(shù)。

    綜合考慮地點熱度和個人地點概率分布,需要將FLG(li) 和FLP(lu,i) 分別根據(jù)其與最小支持度的變化規(guī)律進行非線性映射轉(zhuǎn)換。由于FLP(lu,i) 表示用戶u的地點偏好程度,計算得到的數(shù)值越大表明地點li對用戶越重要。選擇映射函數(shù)的時候要考慮到min_sup與用戶在地點出現(xiàn)的頻率成正比,所以選用的映射函數(shù)在 [0,1] 范圍內(nèi)單調(diào)遞增的自然對數(shù)函數(shù)進行變換,具體函數(shù)如式(4)所示

    f(x)=ln(x+1)

    (4)

    FLG(li) 表示地點熱度,數(shù)值越大則表明地點li的熱度越高。而min_sup與該地點在整個軌跡序列中出現(xiàn)的次數(shù)成反比,因此選擇映射函數(shù)在 [0,1] 范圍內(nèi)為單調(diào)遞減的函數(shù)。由于指數(shù)函數(shù)和對數(shù)函數(shù)互為反函數(shù),所以FLG(li) 的映射函數(shù)選用標準對數(shù)函數(shù),具體如式(5)所示

    (5)

    SuperMap建庫的核心工作是對數(shù)據(jù)進行轉(zhuǎn)換處理,轉(zhuǎn)換處理的標準數(shù)據(jù)能直接應(yīng)用于后續(xù)數(shù)據(jù)的處理,采用的建庫模式是從臨時庫到標準庫再到調(diào)查庫。

    f(x)=exp(-πx2)

    (6)

    根據(jù)式(2)至式(6),可得用戶u在地點li的最小支持度,記為MIS(lu,i), 具體表達式如式(7)所示

    MIS(lu,i)=ln(FLP(lu,i)+1)*exp(-π(FLG(li))2)

    (7)

    根據(jù)式(7),求得用戶u在該無線網(wǎng)絡(luò)中所有地點的多最小支持度閾值,記為MMS(L), 具體表達式如式(8)所示

    MMS(L)={MIS(lu,1),MIS(lu,2),…,MIS(lu,i),…,MIS(lu,M)}

    (8)

    2.3 動態(tài)頻繁序列挖掘

    一般情況下,對數(shù)據(jù)流頻繁項的挖掘都是基于某個時間段對數(shù)據(jù)的分析和研究[10]。主要有兩個原因:一是數(shù)據(jù)量過于龐大挖掘過程會消耗很多時間,二是不同時間段的數(shù)據(jù)重要程度不同。根據(jù)數(shù)據(jù)流中的不同時序范圍,可以把數(shù)據(jù)流模型劃分為如下3類:快照模型、界標模型和滑動窗口模型[11]。參考文獻[12]中提到,根據(jù)挖掘模式結(jié)果集合的精簡程度,可以分為全集模式挖掘方法和壓縮模式挖掘方法等;壓縮模式主要包括閉合模式、最大模式、top-k模式以及三者之間的組合模式。根據(jù)2.1節(jié)中提到的序列壓縮和序列匹配,本文中的挖掘模式為壓縮模式中的最大模式挖掘。

    挖掘用戶頻繁軌跡的過程中,綜合考慮到數(shù)據(jù)量和時效性兩方面,選擇用滑動窗口模型,即窗口的起始時間和結(jié)束時間都是變化的。在整個過程中,存在用戶本身在不同時段對不同地點偏好程度不同的問題,因此用戶在不同時間段內(nèi)不同地點的min_sup是不同的。文獻[13-15]中涉及上述問題,無論是采用滑動窗口模型還是衰減窗口模型,無論數(shù)據(jù)集是密集數(shù)據(jù)集或者稀疏數(shù)據(jù)集,均根據(jù)所有之前時間窗口的事務(wù)占比確定項的權(quán)重,但本文的權(quán)值是基于前一個時間窗口的事務(wù)占比,通過不斷循環(huán)該操作既沒有忽視之前的數(shù)據(jù),同時也大大縮短了計算消耗的時間,其對于內(nèi)存消耗、運行時間及實驗結(jié)果均有所改善。

    用戶u的軌跡序列集合為Ru={ru,1,ru,2,…,ru,x,…,ru,Ku} 且ru,x=(tu,x,lu,x), 以周期T為窗口大小劃分用戶軌跡,假設(shè)用戶數(shù)據(jù)的起始時間為start、 結(jié)束時間為end, 則用戶的軌跡序列的滑動窗口劃分方式如下: 〈start,start+T,…,start+kT,…,end〉, 且有n個周期。

    當Tk=[start+(k-1)T,start+kT], 1≤k≤n時,由式(7)可得用戶u在地點li的最小支持度,記為MIS(luTk,i), 則用戶u在n個周期內(nèi)地點li的最小支持度MMS(lu,i) 如式(9)所示

    MMS(lu,i)={MIS(luT1,i),MIS(luT2,i),…,MIS(luTn,i)}

    (9)

    (10)

    (11)

    根據(jù)Tk周期內(nèi)用戶u的在地點li出現(xiàn)的概率為Pu,li, 在計算T(k+1)周期地點li的最小支持度時需要迭加權(quán)值計算,具體計算如式(12)所示

    MIS(luT(k+1),i)=MIS(luT(k+1),i)×e-PuTk,li,k=2,3,…,n

    (12)

    根據(jù)式(12)可以計算出用戶u在T1~Tn周期地點li所有的最小支持度。

    對M個地點重復(fù)上述步驟,得到用戶u在該無線網(wǎng)絡(luò)中所有地點的動態(tài)多最小支持度閾值,記為DMS(L), 具體表達式如式(13)所示

    DMS(L)={MMS(lu,1),MMS(lu,2),…,MMS(lu,i),…,MMS(lu,M)}

    (13)

    2.4 DMS-PrefixSpan算法的實現(xiàn)步驟

    具體挖掘步驟如下:

    步驟1 首先對移動軌跡的序列數(shù)據(jù)集預(yù)處理,然后將數(shù)據(jù)集以T為周期劃分為n個區(qū)域稱為Tk(k=1,2,…,n), 令k=1;

    步驟2 從Tk開始根據(jù)式(7)計算所有地點的多最小支持度閾值MMS(LTk);

    步驟3 結(jié)合MMS(LTk) 根據(jù)式(12)計算所有地點的動態(tài)多最小支持度閾值DMS(LTk)={MIS(luTk,1),MIS(luTk,2),…,MIS(luTk,i),…,MIS(luTk,M)};

    步驟4 對Tk區(qū)域內(nèi)所有出現(xiàn)的地點進行計數(shù),找出所有滿足閾值DMS(LTk) 的地點保存作為頻繁i-項集,令i=1;

    步驟5 對于每個長度為i且滿足閾值MIS(luTk,i) 要求的前綴進行遞歸挖掘:①找出前綴對應(yīng)的投影數(shù)據(jù)庫,如果投影數(shù)據(jù)庫為空,則遞歸返回;②統(tǒng)計投影數(shù)據(jù)庫中各個地點出現(xiàn)的次數(shù),將滿足閾值MIS(luTk,i) 要求的地點與當前的前綴合并,得到新的前綴;若不存在滿足要求的地點,則遞歸返回;③令i=i+1, 保存合并后的前綴作為頻繁i-項集,并遞歸返回步驟5;

    步驟6 遍歷頻繁軌跡模式集合,進行序列匹配,剔除挖掘的冗余頻繁序列;

    步驟7 根據(jù)式(10)計算不同地點在用戶的軌跡中出現(xiàn)的概率,令k=k+1, 遞歸返回步驟2;

    經(jīng)過n次周期的計算,獲得用戶在不同周期內(nèi)所有的頻繁序列集。

    3 某高校用戶頻繁項挖掘

    3.1 數(shù)據(jù)預(yù)處理

    本仿真實驗的硬件環(huán)境為Intel(R) Core(TM) i7-2600 CPU @ 3.40 GHz,4 GB內(nèi)存,軟件環(huán)境為Windows 8 64位操作系統(tǒng),Matlab R2019b軟件和Pycharm開發(fā)環(huán)境。本文采用2019年09月至2019年12月某高校學(xué)生移動軌跡數(shù)據(jù)共包含6991個用戶,獲取的真實數(shù)據(jù)包含“手機的MAC地址、AP的MAC地址、rssi、時間、地點類別、樓宇、房間”,具體信息見表5。

    表5 某高校無線網(wǎng)絡(luò)獲取部分信息

    首先根據(jù)獲取的記錄數(shù)量,保留記錄數(shù)大于等于1000的用戶共有4673名。然后對原始數(shù)據(jù)中的異常數(shù)據(jù)進行處理:根據(jù)獲取的數(shù)據(jù)發(fā)現(xiàn)有些用戶在同一時刻獲取無線網(wǎng)絡(luò)登錄點是兩個不同的MAC地址,所以將用戶在5分鐘以內(nèi)的數(shù)據(jù)進行合并,使用接收無限信號最強的MAC地址作為其確切的登錄點。

    由于原始的PrefixSpan算法挖掘的結(jié)果不強調(diào)項之間的先后順序,為解決這一問題,本文將原始的地點項做出一些改進。表6為用戶u的部分移動軌跡數(shù)據(jù),第2列時間是將原來的年月日表示方法轉(zhuǎn)變?yōu)閿?shù)值表示,第4列為改進地點項集表示,例如改進后的地點項(21,22)是由在當前時間點出現(xiàn)的地點和下一個出現(xiàn)的地點組成。

    表6 用戶u部分移動軌跡數(shù)據(jù)

    3.2 實驗結(jié)果及分析

    本文從挖掘用戶的頻繁模式總數(shù)、平均頻繁軌跡模式個數(shù)和平均軌跡序列模式序列長度3個方面,對比分析基本算法和改進算法的運行時間、運行效率等。另外,還分析了序列壓縮和序列匹配對挖掘序列的個數(shù)影響,下面為具體實驗的比較分析結(jié)果。

    (1)L-PrefixSpan算法序列壓縮與序列匹配效果對比

    根據(jù)上文2.1節(jié)中提到的序列壓縮與序列匹配的概念,為驗證序列壓縮和序列匹配去除冗余軌跡的效果,將PrefixSpan算法和L-PrefixSpan算法挖掘頻繁序列的個數(shù)進行比較,具體的實驗結(jié)果見表7,圖2為不同最小支持度條件下PrefixSpan算法和L-PrefixSpan算法挖掘結(jié)果對比的柱形圖。

    表7 PrefixSpan算法和L-PrefixSpan算法 挖掘頻繁軌跡數(shù)量對比

    從圖2中可以觀察到,隨著最小支持度min_sup的增大,PrefixSpan算法和L-PrefixSpan算法挖掘結(jié)果數(shù)量也在隨之減小。以最小支持度min_sup=0.05為例,可以發(fā)現(xiàn)經(jīng)過序列壓縮和序列匹配,L-PrefixSpan算法挖掘結(jié)果數(shù)量只占PrefixSpan算法的50%左右,換言之剔除的冗余率大概在50%左右,而其它的最小支持度結(jié)果比較的剔除冗余率也在50%左右。根據(jù)圖2和表7的結(jié)果驗證了序列壓縮和序列匹配的效果,表明序列壓縮和序列匹配對于剔除冗余率具有顯著的效果。

    圖2 PrefixSpan算法和L-PrefixSpan算法挖掘結(jié)果對比

    (2)多最小支持度結(jié)果分析

    為驗證DMS-PrefixSpan算法的有效性,本文將L-PrefixSpan算法與DMS-PrefixSpan算法的挖掘結(jié)果進行比較。表8為DMS-PrefixSpan算法挖掘結(jié)果,表9為不同最小支持度下L-PrefixSpan算法挖掘結(jié)果。表中UserNum為存在頻繁軌跡挖掘結(jié)果的用戶數(shù),PatternNum為挖掘的頻繁軌跡模式總數(shù),AvgPatternNum為平均每個用戶頻繁軌跡模式數(shù),AvgPatternNum/T為每個周期用戶的平均頻繁軌跡模式數(shù),AvgPatternLen為平均每個頻繁軌跡模式的序列長度,AvgPatternLen/T為每個周期的平均序列長度。

    表8 DMS-PrefixSpan算法挖掘結(jié)果

    表9 L-PrefixSpan算法挖掘結(jié)果

    根據(jù)表9可以發(fā)現(xiàn):對于L-PrefixSpan算法,隨著最小支持度的增大,挖掘的UserNum值、PatternNum值、AvgPatternNum值、AvgPatternLen值都隨之減小;對比DMS-PrefixSpan算法的挖掘結(jié)果,所有的AvgPatternLen值均穩(wěn)定在4左右,但DMS-PrefixSpan算法中的AvgPatternNum值大于L-PrefixSpan算法在不同最小支持度條件下的AvgPatternNum數(shù)值。表明改進后的DMS-PrefixSpan算法不僅能夠挖掘出用戶所有的頻繁項集,而且在保證挖掘結(jié)果的前提下也沒有影響算法的運行效率,算法的具體運行時間見表11。

    (3)動態(tài)頻繁序列挖掘結(jié)果分析

    根據(jù)表10的頻繁序列結(jié)果展示,可以發(fā)現(xiàn):該用戶的行為軌跡在宿舍樓和教學(xué)樓之間徘徊(第一個數(shù)字“1”表示宿舍樓,“2”表示教學(xué)樓);最長的頻繁序列為 ((131,132), (132,131))和((132,131), (131,132)), 即用戶最長的頻繁序列為131→132→131或者132→131→132,符合數(shù)據(jù)集集中分布在宿舍樓的特點。用戶具體的頻繁序列移動軌跡如圖3所示,其中線段較粗的表示該用戶經(jīng)常往返的路線,而線段較細的表示頻繁序列軌跡中相對頻率較低的。從圖3中能夠直觀看出,該用戶經(jīng)常往返于宿舍與教學(xué)樓、教學(xué)樓之間和宿舍之間,表明該學(xué)生的行為模式較為單一。且該用戶經(jīng)常往返于教學(xué)樓之間,表明該用戶的連續(xù)課程安排在不同的教學(xué)樓之間;學(xué)??梢愿鶕?jù)用戶行為之間的時間差及行動速度,合理安排課間休息時間及課程時間、地點的安排等。

    表10 DMS-PrefixSpan算法頻繁序列結(jié)果展示

    (4)運行時間分析

    表11為L-PrefixSpan算法和DMS-PrefixSpan算法運行時間對比,可以發(fā)現(xiàn)隨著支持度的增加,L-PrefixSpan算法的運行時間在隨之減少;而DMS-PrefixSpan算法的運行過程中,即使包含滑動窗口模型和多最小支持度模型,但是其運行時間介于min_sup=0.3和min_sup=0.4之間,表明改進后的DMS-PrefixSpan算法有較好的運行效率。

    圖3 用戶的頻繁移動軌跡

    根據(jù)實驗(1)~實驗(4)的實驗結(jié)果分析,實驗(1)中實驗結(jié)果驗證了序列壓縮和序列匹配的有效性,實驗(2)、實驗(4)分別從挖掘的用戶頻繁序列模式個數(shù)、平均序列長度及運行時間凸顯了改進算法的優(yōu)勢。實驗(3)中涉及到用戶動態(tài)頻繁序列模式挖掘,可以將挖掘結(jié)果進一步用于研究用戶的異常行為及學(xué)校如何對課程進行合理安排。

    表11 L-PrefixSpan和DMS-PrefixSpan算法運行時間比較

    4 結(jié)束語

    本文就傳統(tǒng)的頻繁項模式挖掘中的單一最小支持度存在的問題做出了改進,引入多最小支持度動態(tài)確定模型,在充分運用獲取數(shù)據(jù)的基礎(chǔ)上避免由于最小支持度的問題影響最終的挖掘結(jié)果。針對PrefixSpan算法中大量冗余的頻繁序列,利用序列壓縮和序列匹配極大減少了存儲空間。為查看用戶在一段時間的地點偏好,運用加權(quán)的方式使得挖掘結(jié)果綜合考慮過去和現(xiàn)在不同的行為習(xí)慣,并且也大大縮短了挖掘的運行時間。分析研究挖掘的一系列結(jié)果,可以了解用戶的行為習(xí)慣、地點偏好變化等情況。

    猜你喜歡
    投影軌跡數(shù)據(jù)庫
    解變分不等式的一種二次投影算法
    軌跡
    基于最大相關(guān)熵的簇稀疏仿射投影算法
    軌跡
    找投影
    找投影
    軌跡
    進化的軌跡(一)——進化,無盡的適應(yīng)
    中國三峽(2017年2期)2017-06-09 08:15:29
    數(shù)據(jù)庫
    財經(jīng)(2017年2期)2017-03-10 14:35:35
    數(shù)據(jù)庫
    財經(jīng)(2016年15期)2016-06-03 07:38:02
    妹子高潮喷水视频| 日韩中文字幕视频在线看片| 天堂中文最新版在线下载| 亚洲,欧美精品.| av欧美777| 欧美变态另类bdsm刘玥| 国产一区有黄有色的免费视频| 另类精品久久| 久久精品久久久久久久性| 国产精品久久久久久精品电影小说| 9热在线视频观看99| 女性被躁到高潮视频| 国产老妇伦熟女老妇高清| 啦啦啦啦在线视频资源| 老汉色∧v一级毛片| 久久精品久久久久久久性| 亚洲精品国产av蜜桃| 成人国产一区最新在线观看 | 夫妻性生交免费视频一级片| 九草在线视频观看| 亚洲人成77777在线视频| 日韩一本色道免费dvd| 婷婷色综合大香蕉| 欧美黄色淫秽网站| 日韩中文字幕视频在线看片| 亚洲精品国产一区二区精华液| 亚洲国产精品一区三区| 高清不卡的av网站| 欧美精品啪啪一区二区三区 | 免费不卡黄色视频| 久久午夜综合久久蜜桃| 一本久久精品| 97精品久久久久久久久久精品| 欧美+亚洲+日韩+国产| h视频一区二区三区| 日韩视频在线欧美| 午夜免费观看性视频| 亚洲精品久久成人aⅴ小说| 两个人免费观看高清视频| 精品视频人人做人人爽| 国产主播在线观看一区二区 | 欧美精品av麻豆av| 亚洲 欧美一区二区三区| 女人爽到高潮嗷嗷叫在线视频| 男女下面插进去视频免费观看| 精品久久久久久久毛片微露脸 | 午夜福利视频在线观看免费| 午夜影院在线不卡| 精品国产一区二区三区四区第35| 男女无遮挡免费网站观看| 亚洲人成网站在线观看播放| 悠悠久久av| 悠悠久久av| 成年av动漫网址| 欧美成人午夜精品| 曰老女人黄片| 日韩免费高清中文字幕av| 国产成人精品久久二区二区免费| 汤姆久久久久久久影院中文字幕| 黄色视频在线播放观看不卡| 亚洲一区中文字幕在线| 性色av一级| 久久精品国产a三级三级三级| 久久国产精品男人的天堂亚洲| 久久精品国产综合久久久| 两性夫妻黄色片| 激情视频va一区二区三区| 交换朋友夫妻互换小说| 国产片特级美女逼逼视频| 亚洲国产日韩一区二区| 国产精品久久久久成人av| 亚洲欧美一区二区三区国产| 国产成人欧美| 午夜影院在线不卡| 性高湖久久久久久久久免费观看| 中文字幕另类日韩欧美亚洲嫩草| 永久免费av网站大全| 超色免费av| 性少妇av在线| 少妇的丰满在线观看| 国产精品三级大全| 高潮久久久久久久久久久不卡| 国产在视频线精品| 又紧又爽又黄一区二区| 午夜精品国产一区二区电影| 波多野结衣av一区二区av| 一区二区日韩欧美中文字幕| 欧美人与善性xxx| 国产伦人伦偷精品视频| 婷婷色麻豆天堂久久| 99精品久久久久人妻精品| 在线av久久热| 欧美精品av麻豆av| 好男人视频免费观看在线| 国产片特级美女逼逼视频| 国产无遮挡羞羞视频在线观看| 国产欧美日韩一区二区三区在线| 久久久国产欧美日韩av| 亚洲成av片中文字幕在线观看| 人体艺术视频欧美日本| 一级片免费观看大全| 国产成人精品久久二区二区91| 久久久亚洲精品成人影院| 欧美日韩视频精品一区| 成人国语在线视频| av天堂久久9| 丝袜美足系列| 国产黄色视频一区二区在线观看| 蜜桃国产av成人99| videos熟女内射| 亚洲男人天堂网一区| 免费观看人在逋| 免费高清在线观看视频在线观看| 亚洲av男天堂| 9色porny在线观看| 中文字幕av电影在线播放| 亚洲一区中文字幕在线| 纯流量卡能插随身wifi吗| 男人添女人高潮全过程视频| 日韩,欧美,国产一区二区三区| 男女下面插进去视频免费观看| 国产一区二区三区av在线| 首页视频小说图片口味搜索 | 亚洲av在线观看美女高潮| 久热这里只有精品99| 亚洲第一青青草原| 肉色欧美久久久久久久蜜桃| 免费看十八禁软件| 欧美黄色淫秽网站| 久久综合国产亚洲精品| 一本大道久久a久久精品| 韩国高清视频一区二区三区| 国产在线观看jvid| 19禁男女啪啪无遮挡网站| 国产成人精品久久久久久| 中国美女看黄片| 啦啦啦啦在线视频资源| 亚洲欧美色中文字幕在线| 黄色视频不卡| 18在线观看网站| 一本—道久久a久久精品蜜桃钙片| 制服人妻中文乱码| 国产精品熟女久久久久浪| 久久久久久久国产电影| 1024香蕉在线观看| 中文字幕人妻丝袜制服| 免费不卡黄色视频| 国产1区2区3区精品| 亚洲精品第二区| 亚洲国产毛片av蜜桃av| 亚洲国产日韩一区二区| 麻豆av在线久日| 少妇的丰满在线观看| 国产1区2区3区精品| 久久国产精品影院| 亚洲欧美色中文字幕在线| 国产三级黄色录像| 这个男人来自地球电影免费观看| e午夜精品久久久久久久| 高潮久久久久久久久久久不卡| 一级黄片播放器| 国产日韩欧美在线精品| 日韩熟女老妇一区二区性免费视频| 国产精品久久久久久人妻精品电影 | 男女之事视频高清在线观看 | 美女福利国产在线| 韩国高清视频一区二区三区| 欧美精品高潮呻吟av久久| av有码第一页| 免费高清在线观看视频在线观看| 色综合欧美亚洲国产小说| 色播在线永久视频| 亚洲精品国产区一区二| 国产日韩欧美亚洲二区| 亚洲国产日韩一区二区| 一区二区三区精品91| 大码成人一级视频| 日日爽夜夜爽网站| 蜜桃国产av成人99| 亚洲成人国产一区在线观看 | 老司机影院成人| 精品人妻1区二区| 性高湖久久久久久久久免费观看| 久久九九热精品免费| 人人澡人人妻人| 亚洲精品日本国产第一区| 91成人精品电影| 在线天堂中文资源库| 国产精品成人在线| 国产视频首页在线观看| 亚洲午夜精品一区,二区,三区| 日韩制服丝袜自拍偷拍| 午夜免费男女啪啪视频观看| 男女免费视频国产| av片东京热男人的天堂| 美女福利国产在线| 纯流量卡能插随身wifi吗| 在线天堂中文资源库| 午夜av观看不卡| 精品一区二区三区av网在线观看 | 看免费成人av毛片| 一区在线观看完整版| 伦理电影免费视频| 九色亚洲精品在线播放| 两个人免费观看高清视频| 国产成人精品无人区| 日韩大片免费观看网站| netflix在线观看网站| 日韩制服丝袜自拍偷拍| 亚洲成av片中文字幕在线观看| 色精品久久人妻99蜜桃| e午夜精品久久久久久久| 91精品国产国语对白视频| 免费在线观看影片大全网站 | 日本av免费视频播放| 成人影院久久| 免费看av在线观看网站| 久久亚洲精品不卡| 亚洲欧美一区二区三区黑人| e午夜精品久久久久久久| 91精品伊人久久大香线蕉| 飞空精品影院首页| 99国产精品免费福利视频| 如日韩欧美国产精品一区二区三区| 国产精品 欧美亚洲| 水蜜桃什么品种好| avwww免费| 国产精品久久久久久人妻精品电影 | 中文乱码字字幕精品一区二区三区| 亚洲伊人色综图| av有码第一页| 日本色播在线视频| 亚洲 欧美一区二区三区| 亚洲av综合色区一区| 黄片小视频在线播放| 这个男人来自地球电影免费观看| 美女扒开内裤让男人捅视频| 热99国产精品久久久久久7| 午夜免费成人在线视频| 日本黄色日本黄色录像| 这个男人来自地球电影免费观看| av一本久久久久| 男人爽女人下面视频在线观看| 新久久久久国产一级毛片| 久久国产精品大桥未久av| 中文字幕人妻熟女乱码| 久久精品久久精品一区二区三区| 男人添女人高潮全过程视频| 亚洲久久久国产精品| 成人黄色视频免费在线看| 免费在线观看日本一区| 久久久久久人人人人人| 亚洲成人国产一区在线观看 | 亚洲欧美一区二区三区国产| 国产一卡二卡三卡精品| 亚洲精品自拍成人| 欧美少妇被猛烈插入视频| 一边摸一边抽搐一进一出视频| 欧美97在线视频| 一级毛片黄色毛片免费观看视频| 午夜老司机福利片| 少妇猛男粗大的猛烈进出视频| 婷婷成人精品国产| 国产成人一区二区在线| 91国产中文字幕| 青青草视频在线视频观看| 精品国产超薄肉色丝袜足j| 老汉色av国产亚洲站长工具| 国产熟女午夜一区二区三区| 人人澡人人妻人| 在线观看www视频免费| 亚洲,欧美精品.| 后天国语完整版免费观看| 校园人妻丝袜中文字幕| 每晚都被弄得嗷嗷叫到高潮| 看免费成人av毛片| 精品熟女少妇八av免费久了| av在线播放精品| 女人被躁到高潮嗷嗷叫费观| 亚洲久久久国产精品| 免费在线观看黄色视频的| 日日夜夜操网爽| 悠悠久久av| av有码第一页| 日本wwww免费看| 久久 成人 亚洲| 女人高潮潮喷娇喘18禁视频| 大型av网站在线播放| 成人18禁高潮啪啪吃奶动态图| 手机成人av网站| 另类亚洲欧美激情| 在线观看免费日韩欧美大片| 黄色怎么调成土黄色| 亚洲精品国产区一区二| 亚洲男人天堂网一区| 如日韩欧美国产精品一区二区三区| 亚洲国产精品一区三区| 亚洲五月色婷婷综合| 亚洲成人国产一区在线观看 | 久久国产精品影院| 久久亚洲国产成人精品v| 国产精品一国产av| 91精品国产国语对白视频| 丁香六月天网| 国产女主播在线喷水免费视频网站| 午夜久久久在线观看| 手机成人av网站| 80岁老熟妇乱子伦牲交| 一区二区三区精品91| 真人做人爱边吃奶动态| 国产野战对白在线观看| 久久久久久久久久久久大奶| 青春草亚洲视频在线观看| 午夜两性在线视频| 老汉色av国产亚洲站长工具| 国产一区二区在线观看av| 日本欧美国产在线视频| av视频免费观看在线观看| 观看av在线不卡| 亚洲av片天天在线观看| 国产成人系列免费观看| 亚洲国产欧美一区二区综合| 黄色a级毛片大全视频| 国产在线一区二区三区精| 性色av乱码一区二区三区2| 丰满人妻熟妇乱又伦精品不卡| 欧美日韩亚洲高清精品| 99精国产麻豆久久婷婷| xxx大片免费视频| 亚洲三区欧美一区| 看免费成人av毛片| 女人精品久久久久毛片| 亚洲欧美一区二区三区国产| 久久精品国产亚洲av涩爱| 亚洲免费av在线视频| 一级黄片播放器| 黄色一级大片看看| 成年女人毛片免费观看观看9 | 国产精品熟女久久久久浪| 久久精品久久久久久久性| 国产免费现黄频在线看| 18禁裸乳无遮挡动漫免费视频| 国产精品免费视频内射| 欧美日本中文国产一区发布| 两人在一起打扑克的视频| 曰老女人黄片| 在线天堂中文资源库| 狂野欧美激情性xxxx| 久久久久国产精品人妻一区二区| 国产成人一区二区在线| 久久久久久亚洲精品国产蜜桃av| 国产亚洲av高清不卡| 大香蕉久久网| 中文字幕色久视频| 欧美成人午夜精品| 国产精品一区二区在线观看99| 91麻豆av在线| 国产亚洲一区二区精品| 免费高清在线观看日韩| 欧美另类一区| 久久久久久人人人人人| 满18在线观看网站| 人人妻人人添人人爽欧美一区卜| 午夜影院在线不卡| 国产黄频视频在线观看| 欧美乱码精品一区二区三区| 国产不卡av网站在线观看| 黄色片一级片一级黄色片| 黄色视频在线播放观看不卡| 日本黄色日本黄色录像| xxx大片免费视频| 女人被躁到高潮嗷嗷叫费观| 欧美xxⅹ黑人| 91麻豆av在线| 美女视频免费永久观看网站| 少妇裸体淫交视频免费看高清 | 国产免费视频播放在线视频| 男人添女人高潮全过程视频| 69精品国产乱码久久久| 99国产精品一区二区三区| 亚洲,欧美,日韩| 人人妻人人爽人人添夜夜欢视频| 亚洲欧洲国产日韩| 在线 av 中文字幕| 91精品三级在线观看| 大码成人一级视频| 悠悠久久av| 欧美在线一区亚洲| 精品一区二区三区av网在线观看 | 叶爱在线成人免费视频播放| 国产精品欧美亚洲77777| 伊人久久大香线蕉亚洲五| 纵有疾风起免费观看全集完整版| 啦啦啦视频在线资源免费观看| 精品人妻在线不人妻| 国产成人免费观看mmmm| 国产亚洲一区二区精品| 国产亚洲精品久久久久5区| 欧美日韩视频高清一区二区三区二| 丝袜喷水一区| 日韩熟女老妇一区二区性免费视频| 日本wwww免费看| 国产黄色视频一区二区在线观看| 最近中文字幕2019免费版| 一级毛片女人18水好多 | 老司机影院毛片| 丰满迷人的少妇在线观看| 久久久精品区二区三区| 亚洲,欧美,日韩| 一级片'在线观看视频| 免费在线观看影片大全网站 | 大码成人一级视频| 飞空精品影院首页| 男女之事视频高清在线观看 | 婷婷成人精品国产| 亚洲欧美一区二区三区黑人| 亚洲情色 制服丝袜| 青春草视频在线免费观看| 后天国语完整版免费观看| 免费日韩欧美在线观看| www.av在线官网国产| 亚洲精品乱久久久久久| 日本欧美视频一区| 成年美女黄网站色视频大全免费| 青青草视频在线视频观看| 日本欧美视频一区| 精品熟女少妇八av免费久了| 我要看黄色一级片免费的| 亚洲精品美女久久av网站| 2018国产大陆天天弄谢| 另类精品久久| 天天操日日干夜夜撸| 久久国产精品人妻蜜桃| 国产精品久久久av美女十八| 午夜av观看不卡| 老司机影院成人| 女性生殖器流出的白浆| 午夜久久久在线观看| 99久久人妻综合| 久久99精品国语久久久| 99九九在线精品视频| 91精品三级在线观看| 欧美国产精品一级二级三级| 亚洲av成人不卡在线观看播放网 | 亚洲激情五月婷婷啪啪| 亚洲国产最新在线播放| 午夜福利,免费看| 色综合欧美亚洲国产小说| 久久精品国产a三级三级三级| 青草久久国产| 不卡av一区二区三区| 国产三级黄色录像| 制服人妻中文乱码| 亚洲欧美色中文字幕在线| 欧美日韩福利视频一区二区| 黄色视频在线播放观看不卡| 欧美变态另类bdsm刘玥| 成年美女黄网站色视频大全免费| 久久人人爽av亚洲精品天堂| 国产真人三级小视频在线观看| 女警被强在线播放| 欧美亚洲日本最大视频资源| 18在线观看网站| 狂野欧美激情性bbbbbb| 最近最新中文字幕大全免费视频 | 两个人免费观看高清视频| 成人三级做爰电影| 精品亚洲成国产av| 亚洲欧美成人综合另类久久久| 久久久久久久大尺度免费视频| 在线观看免费日韩欧美大片| 日韩人妻精品一区2区三区| 男女边吃奶边做爰视频| 欧美变态另类bdsm刘玥| 精品欧美一区二区三区在线| 免费黄频网站在线观看国产| 色婷婷av一区二区三区视频| 亚洲少妇的诱惑av| 少妇人妻久久综合中文| 男女午夜视频在线观看| 精品国产一区二区久久| 亚洲欧美精品综合一区二区三区| 亚洲精品国产av成人精品| 看十八女毛片水多多多| 久久人人爽av亚洲精品天堂| 欧美黄色片欧美黄色片| 丰满迷人的少妇在线观看| 新久久久久国产一级毛片| 亚洲第一青青草原| 久久久久国产一级毛片高清牌| 国产深夜福利视频在线观看| 久久精品久久久久久噜噜老黄| 婷婷色av中文字幕| 赤兔流量卡办理| 国产伦人伦偷精品视频| 美女福利国产在线| 黄色一级大片看看| 两个人看的免费小视频| 久久毛片免费看一区二区三区| 国产成人欧美在线观看 | 99国产精品一区二区三区| 精品一区二区三区av网在线观看 | 中文欧美无线码| 亚洲欧美中文字幕日韩二区| 狠狠婷婷综合久久久久久88av| 丰满少妇做爰视频| 波野结衣二区三区在线| 真人做人爱边吃奶动态| 国产在线视频一区二区| 国产高清国产精品国产三级| 国产午夜精品一二区理论片| 啦啦啦在线观看免费高清www| av在线老鸭窝| 女人精品久久久久毛片| 男女午夜视频在线观看| 国产麻豆69| 国产深夜福利视频在线观看| 99精品久久久久人妻精品| 国产高清视频在线播放一区 | 又大又黄又爽视频免费| 中文字幕亚洲精品专区| 亚洲人成电影免费在线| 国产欧美日韩一区二区三区在线| 成年人黄色毛片网站| 在线观看www视频免费| 永久免费av网站大全| 99国产精品一区二区三区| 男女免费视频国产| 老司机亚洲免费影院| 国产成人精品久久久久久| 亚洲一区中文字幕在线| 国产伦人伦偷精品视频| 欧美 亚洲 国产 日韩一| 免费观看人在逋| 天天躁日日躁夜夜躁夜夜| 波野结衣二区三区在线| 99九九在线精品视频| 久久国产精品大桥未久av| 精品少妇内射三级| 国产成人精品在线电影| 热re99久久国产66热| 欧美日韩国产mv在线观看视频| 久久久国产精品麻豆| 日日摸夜夜添夜夜爱| 看十八女毛片水多多多| 好男人视频免费观看在线| 人体艺术视频欧美日本| 亚洲欧美清纯卡通| 人体艺术视频欧美日本| 欧美人与性动交α欧美软件| 成年美女黄网站色视频大全免费| 我要看黄色一级片免费的| 亚洲欧美精品自产自拍| 国产精品久久久久成人av| 成年美女黄网站色视频大全免费| 一本大道久久a久久精品| 老司机影院毛片| 美国免费a级毛片| videosex国产| 男男h啪啪无遮挡| 成在线人永久免费视频| 亚洲国产最新在线播放| 成人亚洲欧美一区二区av| 国产免费一区二区三区四区乱码| 欧美日韩亚洲综合一区二区三区_| 午夜91福利影院| 久久人妻熟女aⅴ| 亚洲一区中文字幕在线| 亚洲激情五月婷婷啪啪| 妹子高潮喷水视频| 制服诱惑二区| 天天躁夜夜躁狠狠躁躁| 久久精品久久久久久噜噜老黄| 国产欧美日韩一区二区三区在线| 久久这里只有精品19| 精品人妻一区二区三区麻豆| 女人精品久久久久毛片| 欧美精品高潮呻吟av久久| 国产亚洲午夜精品一区二区久久| 久久毛片免费看一区二区三区| 黑人欧美特级aaaaaa片| 黄色视频不卡| 丰满少妇做爰视频| 久久人妻熟女aⅴ| 欧美日韩精品网址| 丝袜人妻中文字幕| 国产亚洲av高清不卡| 日本午夜av视频| 91字幕亚洲| 两人在一起打扑克的视频| 国产一区有黄有色的免费视频| 美女扒开内裤让男人捅视频| 日韩欧美一区视频在线观看| 欧美精品av麻豆av| 日本黄色日本黄色录像| 热re99久久国产66热| 狠狠婷婷综合久久久久久88av| 欧美日韩av久久| 亚洲精品日韩在线中文字幕| 亚洲精品在线美女| 国产极品粉嫩免费观看在线| 极品少妇高潮喷水抽搐| 国产精品免费大片| 免费看不卡的av| 人人澡人人妻人| 久久精品人人爽人人爽视色| 亚洲自偷自拍图片 自拍| 亚洲精品自拍成人| 欧美成人精品欧美一级黄| 久久这里只有精品19| 新久久久久国产一级毛片| 国产精品三级大全| 久久久欧美国产精品| 亚洲精品久久午夜乱码| 亚洲av日韩精品久久久久久密 |