• <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聚類算法與多維特征融合的群體劃分模型

    2023-11-29 11:04:10陳翀旻余泓夫朱迪唐超符華莫梁媛
    粘接 2023年11期

    陳翀旻 余泓夫 朱迪 唐超 符華 莫梁媛

    摘 要:常規(guī)群體劃分模型構(gòu)建方法主要采用二分均值算法,該方法易受到數(shù)據(jù)特征項貢獻度的影響,使得模型的劃分結(jié)果準確性較低。因此,提出基于k-means聚類算法與多維度特征融合的群體劃分模型。利用k-means聚類算法通過合理設(shè)定密度閾值與鄰域半徑,提取用戶群體的興趣區(qū)域,在興趣區(qū)域中選取貢獻度較大的數(shù)據(jù)特征項,并計算特征項的權(quán)值,以此為依據(jù),采用多維特征融合算法改進最大化目標函數(shù),以此實現(xiàn)群體劃分模型的構(gòu)建。實驗結(jié)果顯示,利用所提方法構(gòu)建的群體劃分模型,能夠得到較高的劃分準確度。

    關(guān)鍵詞:k-means聚類算法;多維度特征融合;群體劃分

    中圖分類號:TP311.132

    文獻標志碼:A文章編號:1001-5922(2023)11-0193-04

    Group partition model based on k-means clustering algorithm and multi-dimensional feature fusion

    CHEN Chongmin,YU Hongfu,ZHU Di,TANG Chao,F(xiàn)U Hua,MO Liangyuan

    (Nanning Power Supply Bureau of Guangxi Power Grid Co.,Ltd.,Nanning 530029,China

    Abstract:The traditional population division model construction method mainly uses the dichotomy mean algorithm,which is vulnerable to the influence of the contribution of data feature items,making the accuracy of the model division result low.Therefore,a group partition model based on k-means clustering algorithm and multi-dimensional feature fusion was proposed.The k-means clustering algorithm was used to extract the interest area of th user group by reasonably setting the density threshold and neighborhood radius,select the data feature items with greater contribution in the interest area,and calculate the weight of the feature items.Based on this,the multi-dimensional feature fusion algorithm was used to improve the maximization objective function,so as to achieve the construction of the group division model.The experimental results showed that the population division model constructed by the proposed method can obtain high classification accuracy.

    Key words:k-means clustering algorithm;multidimensional feature fusion;group division

    群體交易行為能夠在一定程度上反應(yīng)用戶的交易特點與用戶之間的內(nèi)在相關(guān)性[1-2],更好地分析群體的行為特征,根據(jù)用戶的需求為客戶制定個性化的服務(wù)策略從而優(yōu)化用戶體驗,具有重要的現(xiàn)實意義。當前廣泛應(yīng)用的群體交易行為劃分方法包括基于時序特征的群體劃分[3-5]和基于長短期記憶網(wǎng)絡(luò)的群體劃分[6-8],前者無法有效處理原始數(shù)據(jù)中的高維屬性數(shù)據(jù)與冗余數(shù)據(jù),使得在分析用戶行為特征時易受到噪音影響[9-10],后者缺少對用戶的細粒度數(shù)據(jù)分析,易受到數(shù)據(jù)特征項貢獻度的影響,上述影響因素導(dǎo)致劃分準確度不高[11-12]。針對以上問題,本文提出利用k-means聚類算法與多維度特征融合相結(jié)合的方法來進行群體劃分。應(yīng)用傾向強度和相似性系數(shù)計算特征項的權(quán)重,將權(quán)重計算結(jié)果作為特征項貢獻度,明確客戶的價值重要度。

    1 基于多維度特征融合的群體劃分

    1.1 基于k-means聚類算法的用戶群體興趣區(qū)域提取

    設(shè)δ為以C為圓心,R為半徑的鄰域,如果用戶在一定時間內(nèi)到訪該區(qū)域的次數(shù)達到指定閾值,則稱該區(qū)域為用戶的一個興趣區(qū)域,即用戶頻繁選擇的幾個鄰近位置所構(gòu)成的一個空間區(qū)域。用戶群體的興趣區(qū)域如圖1所示,其中F1、F2 F3、F4分別表示該興趣區(qū)域中具有不同選擇頻次的4個被頻繁訪問的位置;節(jié)點的大小表征了其被選擇次數(shù)的多少;C為4個位置的質(zhì)心,也即該興趣區(qū)域的質(zhì)心。

    為精準提取出用戶群體的興趣區(qū)域,采用k-means聚類算法對群體的興趣區(qū)域進行提取[13]。k-means聚類算法從密度可達區(qū)間的角度對密度閾值和鄰域半徑進行合理設(shè)定,并且通過選取合適的聚類數(shù)將相似性較高的數(shù)據(jù)歸為一類,因此,非常適用于本文的群體興趣提取。算法所涉及的鄰域半徑與密度閾值分別對應(yīng)了興趣區(qū)域定義中的δ和ε,參數(shù)δ用來確定興趣區(qū)域的大小;參數(shù)ε用來確定用戶對該興趣區(qū)域的感興趣程度。

    利用隨機選取方法在用戶數(shù)據(jù)集中獲取各類簇的聚類中心,利用下式計算數(shù)據(jù)的輪廓系數(shù)(p):

    p=a0+∑MI~=1∑LJ=1aI~J+ε+k(1)

    式中:a0表示待估變量;M表示概念產(chǎn)品的屬性;L表示產(chǎn)品的吸引性系數(shù);I~表示概念產(chǎn)品的實時變化狀態(tài);J表示概念產(chǎn)品的效用值;aI~J表示初始聚類處理系數(shù);ε表示用戶對該興趣區(qū)域的感興趣程度;k表示聚類中心數(shù)。

    通過對用戶群體針對產(chǎn)品選擇的時間序列與頻次進行累加處理,利用k-means聚類算法對群體興趣區(qū)域的提取,據(jù)此可以有效地進行群體劃分特征項權(quán)重計算。

    1.2 群體劃分特征項權(quán)重計算

    貢獻度是指某個因素對整體結(jié)果或目標的影響程度,可以用于衡量不同因素對最終結(jié)果的相對重要性,幫助理解和解釋影響因素的作用??紤]到客戶的重要程度不同,需要了解特征項對群體劃分結(jié)果的影響程度即特征項的重要性,將貢獻度代作為每個特征項對最終的群體劃分結(jié)果的相對重要性,通過計算特征項權(quán)重,可以量化特征對群體劃分的貢獻度,進而明確客戶的價值重要度。因此,將群體劃分特征項的權(quán)重作為計算中的貢獻度[14-16],選擇傾向強度來計算特征項的權(quán)重。特征項集合(Fe):

    Fe=C|(t1,t2,…,ti)(2)

    式中:C表示興趣區(qū)域的質(zhì)心;t1,t2,…,ti表示特征項。

    特征項間的語義相似性計算公式為:

    w(ti)=∑Fe×Sti×Iti(3)

    式中:Sti表示ti出現(xiàn)的頻率;Iti表示ti的強度系數(shù)。

    在計算特征項權(quán)重時,考慮到特征項間的相似性因素,本文設(shè)置了相似度系數(shù),判斷2個特征項的相似程度。

    使用s(X,Y)表示2個特征項的相似系數(shù),計算方法:

    s(X,Y)=0.6,1>Sim(A,B)≥0.75

    0.0.75>Sim(A,B)≥0(4)

    針對群體興趣區(qū)域C在計算ti權(quán)重時,考慮到興趣區(qū)域C存在與ti相似的其他鄰域特征項cik。此時,ti權(quán)重ω(ti)的計算方法:

    ω(ti)=ti+cik×s(X,Y)2×logNs(ti,cik)/2(5)

    式中:s(ti,cik)表示特征項與距離中心的相似度系數(shù);N表示數(shù)據(jù)總量。

    綜上,在群體興趣區(qū)域中,本文提出的ti權(quán)重綜合計算公式:

    ω′(ti)=ti+cik×s(X,Y)2×logNs(ti,cik)/2×I(6)

    利用上述分析與計算過程,基于群體興趣區(qū)域,興趣能夠表征群體選擇傾向的特征項,并計算特征項的權(quán)重系數(shù),明確用戶的價值重要度,為后續(xù)群體劃分模型的構(gòu)建奠定基礎(chǔ)。

    1.3 基于多維度特征融合的群體劃分模型構(gòu)建

    在進行群體興趣區(qū)域的提取與特征項權(quán)重計算后,利用多維度特征融合算法構(gòu)建群體劃分模型[17-18]。

    (1)在獲取特征項權(quán)重后,需要分析驗證用戶行為特征數(shù)據(jù),以獲取群體劃分依據(jù)。但由于特征項權(quán)重計算主要是通過興趣空間質(zhì)心和相似系數(shù)確定的,因此原數(shù)據(jù)可能存在噪聲因素、偏倚情況,對群體交易行為劃分的準確性產(chǎn)生不良影響。因此,需要根據(jù)特征項權(quán)重計算結(jié)果,對特征數(shù)據(jù)進行預(yù)處理,濾除冗余數(shù)據(jù),獲取標準化結(jié)果,其公式為:

    Q′i=ω°(ti)ω°(ti)max-ω°(ti)min(7)

    式中:Q′i表示特征數(shù)據(jù)標準化結(jié)果;ω°(ti)表示特征項初始權(quán)重;ω°(ti)min、ω°(ti)max分別表示初始權(quán)重的最小值與最大值。

    (2)由于數(shù)據(jù)預(yù)處理僅能濾除原數(shù)據(jù)中的冗余數(shù)據(jù)和干擾因素,但原數(shù)據(jù)中會包含大量特征或?qū)傩缘臄?shù)據(jù)集,導(dǎo)致用戶交易行為劃分的計算量較大,無法以統(tǒng)一維度進行數(shù)據(jù)的處理,甚至還會出現(xiàn)部分數(shù)據(jù)缺失的情況[19-20]。因此,在完成數(shù)據(jù)預(yù)處理后,需要處理原數(shù)據(jù)中的高維數(shù)據(jù),統(tǒng)一數(shù)據(jù)維度,本文對特征數(shù)據(jù)制定半局部策略,將數(shù)據(jù)按維度分類為一階數(shù)據(jù)與二階數(shù)據(jù),以保證數(shù)據(jù)的完整性。

    (3)對一階數(shù)據(jù)與二階數(shù)據(jù)執(zhí)行新的融合策略,以強化時間序列的提取能力,計算公式為:

    R=12m∑

    Aij-didj2m(8)

    式中:m表示鄰域邊數(shù);Aij表示鄰接矩陣;di、dj分別表示對應(yīng)連接節(jié)點的分布概率。

    (4)將特征向量中異質(zhì)性的數(shù)據(jù)予以剔除,僅保留同質(zhì)性數(shù)據(jù),之后對其余數(shù)據(jù)進行多維特征融合計算,即:

    α(i)=Q′i∑R(9)

    式中:Q′i表示特征項數(shù)據(jù)標準化結(jié)果;R表示局部策略。

    (5)更新數(shù)據(jù)融合目標函數(shù)。表征多維度屬性信息與參數(shù)信息能夠同步進行融合,則得出改進后的最大化目標函數(shù)為:

    S=1m∑α(i)γ(ci,cj)(10)

    式中:γ(ci,cj)表示節(jié)點i與節(jié)點j屬于同一個鄰域。

    (6)以最大化目標函數(shù)作為合并標準,利用式(11)計算不同時段特征向量的融合結(jié)果,并將所有結(jié)構(gòu)進行合并,得到群體劃分模型為:

    Gij=Sα(i)/xa∑Sα(i)ω°(ti)max(11)

    式中:xa表示特征數(shù)據(jù)的待標定參數(shù)。

    上式即為本文建立的群體劃分模型,至此,完成基于多維特征融合算法的群體劃分模型的構(gòu)建。

    2 實驗論證分析

    2.1 實驗準備

    實驗中選取的數(shù)據(jù)為某電力公司的50萬用戶在2020年10月的關(guān)于電力產(chǎn)品需求的瀏覽記錄。數(shù)據(jù)以CSV文件格式進行存儲,共包含500萬條記錄。

    2.2 實驗說明

    利用本文提出的k-means聚類算法對用戶群體的興趣區(qū)域進行提取,設(shè)定算法中的鄰域半徑與密度閾值分別為20和0.2,最優(yōu)聚類個數(shù)為5,輪廓系數(shù)值為0.5,大小比率為5.63,實驗數(shù)據(jù)維度為500×365×4,每個樣本與各初始質(zhì)心的距離均為10?;诳蛻舻膬r值需求進行興趣區(qū)域提取,提取過程如圖2所示。

    2.3 模型應(yīng)用結(jié)果分析

    根據(jù)實驗數(shù)據(jù)的所屬標簽,實驗選取3 500個用戶數(shù)據(jù)劃分為4類,分別定義為A、B、C、D類。A類表示交易頻繁用戶;B類表示高價值用戶;C類表示中價值用戶;D類表示低價值用戶。參照群體劃分模型中特征項的計算規(guī)則,以此計算不同特征數(shù)據(jù)的權(quán)重,最后通過閾值判斷用戶群體數(shù)據(jù)的所屬類別,并與真實類別進行比較,評估本文構(gòu)建的模型的劃分準確性,劃分模型的應(yīng)用結(jié)果如圖3所示。

    由圖3可知,利用本文構(gòu)建的群體劃分模型對實驗數(shù)據(jù)中的用戶類別進行劃分,其輸出值與真實值基本一致。其中對于B類的劃分得到的劃分準確率為100%。由于文中所提群體劃分模型構(gòu)建方法能夠根據(jù)用戶交易行為特點對用戶群體的價值需求進行分析,從而獲得更好的劃分結(jié)果。

    2.4 模型劃分準確性對比試驗分析

    為體現(xiàn)本文設(shè)計的群體劃分模型構(gòu)建方法的整體優(yōu)越性,采用基于時序特征的群體劃分模型(方法1)、基于長短期記憶網(wǎng)絡(luò)的群體劃分模型構(gòu)建方法(方法2)與文中設(shè)計的方法進行仿真對比試驗。三種模型的劃分準確性結(jié)果對比如圖4所示。

    由圖4可知,與另外2種劃分模型相比,本文提出的基于k-means聚類算法與多維度特征融合的劃分模型得到了最高的劃分準確率,在樣本數(shù)量為50時,本文模型取得了96.8%的劃分準確率。對比實驗結(jié)果表明,文中所提的群體劃分建模方法是有效可行的。

    3 結(jié)語

    本文利用k-means聚類算法與多維度特征融合的綜合算法對用戶群體的主體特征與行為模式進行分析,基于用戶興趣區(qū)域與特征項權(quán)重構(gòu)建群體劃分模型,以明確不同類型用戶的行為特征,以此來確定用戶群體的類別,為企業(yè)推行個性化服務(wù)提供決策依據(jù)。

    【參考文獻】

    [1] 李金武,王清珍.基于融合云模型分析的時間序列概念劃分方法[J].河南工程學院學報(自然科學版),2022,34(3):54-60.

    [2] 郭曉軍,王云峰,朱亮.基于時序特征提取的用戶群體劃分模型[J].中國電子科學研究院學報,2021,16(6):592-598.

    [3] 江兵,李國榮,孫趙盟,等.基于長短期記憶神經(jīng)網(wǎng)絡(luò)和改進型k-means聚類算法的居民峰谷時段劃分模型[J].現(xiàn)代電力,2021,38(6):620-629.

    [4] 許偉佳,秦永彬,黃瑞章,等.基于DMA與特征劃分的多源文本主題模型[J].計算機工程,2021,47(7):59-66.

    [5] 黃艷國,張升升,劉紅軍.基于高斯混合模型聚類算法的交通狀態(tài)劃分[J].現(xiàn)代電子技術(shù),2022,45(7):168-173.

    [6] 袁健,王姍姍,羅英偉.基于圖像視野劃分的公共場所人群計數(shù)模型[J].計算機應(yīng)用研究,2021,38(4):1256-1260.

    [7] 曾四鳴,李鐵成,李順,等.基于改進型密度峰值算法的電力負荷聚類分析[J].科學技術(shù)與工程,2022,22(25):11032-11040.

    [8] 張曉紅,張欣,石冠男,等.基于馬爾可夫過程的多部件系統(tǒng)劣化狀態(tài)空間劃分模型[J].控制與決策,2021,36(2):418-428.

    [9] 楊資集,潘雁,祝躍飛,等.基于概率模型的二進制協(xié)議字段劃分方法[J].計算機科學,2022,49(10):319-326.

    [10] 于晗,蔡鴻明,張翼飛,等.基于增量式流處理的自適應(yīng)群體劃分方法[J].計算機學報,2020,43(12):2337-2351.

    [11] 孫勁光,李桃,董祥軍.屬性一致的物體輪廓劃分模型[J].電子與信息學報,2021,43(10):2985-2992.

    [12] 李俊,葉楊,何世東.基于城市用地規(guī)劃的微網(wǎng)格劃分模型研究[J].廣東通信技術(shù),2021,41(7):47-49.

    [13] 雷翔勝,王興華.基于變電能力提升和電源接入質(zhì)量的優(yōu)化設(shè)計[J].粘接,2022,49(10):158-160.

    [14] 高虹雷,門昌騫,王文劍.一種特征值區(qū)間劃分的模型決策樹加速算法[J].小型微型計算機系統(tǒng),2021,42(6):1136-1143.

    [15] 張夢瑤,朱廣麗,張順香,等.基于情感分析的微博熱點話題用戶群體劃分模型[J].數(shù)據(jù)分析與知識發(fā)現(xiàn),2021,5(2):43-49.

    [16] 劉渝琳,司緒,宋琳璇,等.收入群體的持續(xù)期與退出風險估計——基于EM算法的收入群體劃分[J].統(tǒng)計研究,2021,38(5):121-135.

    [17] 常兵.融合多維度特征的特定領(lǐng)域新詞發(fā)現(xiàn)方法[J].自動化應(yīng)用,2023,64(8):159-162.

    [18] 高云梅,張淑慧.基于信息檢索與K均值聚類的化工產(chǎn)品精準推薦算法研究[J].粘接,2023,50(3):132-135.

    [19] 楊長沛,廖列法.基于門控空洞卷積特征融合的中文命名實體識別[J].計算機工程,2023,49(8):85-95.

    [20] 杜濤,王朝龍,朱靖,等.基于聚類算法的變壓設(shè)備運行數(shù)據(jù)監(jiān)測與異常檢測技術(shù)[J].粘接,2022,49(12):137-140.

    收稿日期:2023-09-10;修回日期:2023-10-09

    作者簡介:陳翀旻(1980-),男,工程師,研究方向:電力系統(tǒng)自動化;E-mail:Cchongm@163.com。

    引文格式:陳翀旻,余泓夫,朱 迪,等.基于k-means聚類算法與多維特征融合的群體劃分模型[J].粘接,2023,50(11):193-196.

    亚洲内射少妇av| 成人亚洲精品av一区二区| 99精品久久久久人妻精品| 18禁裸乳无遮挡免费网站照片| 制服丝袜大香蕉在线| 欧美性猛交黑人性爽| 综合色av麻豆| 国产精品三级大全| 国产一区二区三区在线臀色熟女| 我要看日韩黄色一级片| 深夜精品福利| 免费看光身美女| 欧美激情久久久久久爽电影| 在线观看舔阴道视频| 日韩欧美在线乱码| 搡老熟女国产l中国老女人| 国产精品亚洲美女久久久| 欧美日韩瑟瑟在线播放| 一级黄色大片毛片| .国产精品久久| 国产白丝娇喘喷水9色精品| 中文在线观看免费www的网站| 国产成人a区在线观看| 国产伦精品一区二区三区四那| 国产精品人妻久久久久久| 亚洲国产精品合色在线| 国产一级毛片七仙女欲春2| 神马国产精品三级电影在线观看| 色噜噜av男人的天堂激情| 91av网一区二区| 老师上课跳d突然被开到最大视频| av黄色大香蕉| 亚洲av成人精品一区久久| 九色国产91popny在线| 乱码一卡2卡4卡精品| 国产激情偷乱视频一区二区| 亚洲,欧美,日韩| 成人国产综合亚洲| 成年女人看的毛片在线观看| 91久久精品电影网| 欧美日本亚洲视频在线播放| 男女下面进入的视频免费午夜| 日韩精品有码人妻一区| 精品一区二区免费观看| 久久99热这里只有精品18| 十八禁网站免费在线| 欧美性猛交黑人性爽| 欧美zozozo另类| 一本久久中文字幕| 人妻少妇偷人精品九色| 免费在线观看成人毛片| 国产中年淑女户外野战色| 成年免费大片在线观看| 蜜桃亚洲精品一区二区三区| 久久精品国产亚洲av天美| 联通29元200g的流量卡| 亚洲,欧美,日韩| h日本视频在线播放| 精品不卡国产一区二区三区| 一区二区三区高清视频在线| 亚洲精品在线观看二区| 精品一区二区免费观看| 色哟哟·www| 极品教师在线免费播放| 毛片一级片免费看久久久久 | 免费人成视频x8x8入口观看| 69人妻影院| 丰满人妻一区二区三区视频av| 久久精品91蜜桃| 可以在线观看毛片的网站| 少妇人妻精品综合一区二区 | 九九久久精品国产亚洲av麻豆| 久久久久免费精品人妻一区二区| 久久99热6这里只有精品| 亚洲aⅴ乱码一区二区在线播放| 亚洲欧美日韩卡通动漫| 午夜福利在线在线| 日韩国内少妇激情av| 日本撒尿小便嘘嘘汇集6| 亚洲av一区综合| 黄色女人牲交| 自拍偷自拍亚洲精品老妇| 久久久久免费精品人妻一区二区| 久久久久久久久久久丰满 | 别揉我奶头 嗯啊视频| 亚洲在线观看片| 国产精品国产高清国产av| 国产伦在线观看视频一区| 小说图片视频综合网站| 无遮挡黄片免费观看| 久久精品综合一区二区三区| 日日干狠狠操夜夜爽| 国产亚洲精品久久久com| 久久草成人影院| 淫妇啪啪啪对白视频| 尾随美女入室| 国产视频一区二区在线看| 国内少妇人妻偷人精品xxx网站| 自拍偷自拍亚洲精品老妇| 国产精品av视频在线免费观看| 搡老岳熟女国产| 久久中文看片网| 久久精品综合一区二区三区| 国内毛片毛片毛片毛片毛片| 制服丝袜大香蕉在线| 18禁裸乳无遮挡免费网站照片| 欧美xxxx性猛交bbbb| 人妻久久中文字幕网| 日本一本二区三区精品| 国产欧美日韩精品一区二区| 中国美白少妇内射xxxbb| 九九在线视频观看精品| 老熟妇仑乱视频hdxx| www日本黄色视频网| 天堂动漫精品| 美女xxoo啪啪120秒动态图| 淫秽高清视频在线观看| 精品免费久久久久久久清纯| 日韩高清综合在线| 国产成人aa在线观看| 日本撒尿小便嘘嘘汇集6| 成人二区视频| 国产在视频线在精品| 蜜桃久久精品国产亚洲av| 99热精品在线国产| 尾随美女入室| 国产乱人伦免费视频| 老熟妇仑乱视频hdxx| 精品久久久久久久久亚洲 | 亚洲男人的天堂狠狠| 一本精品99久久精品77| 国产久久久一区二区三区| 大又大粗又爽又黄少妇毛片口| 免费看光身美女| 1000部很黄的大片| 色在线成人网| 高清日韩中文字幕在线| 嫩草影院精品99| 麻豆成人午夜福利视频| 欧美国产日韩亚洲一区| 黄色一级大片看看| 免费看a级黄色片| 欧美一区二区国产精品久久精品| 91久久精品国产一区二区成人| 国产精华一区二区三区| 麻豆精品久久久久久蜜桃| 久久精品国产鲁丝片午夜精品 | 亚洲一级一片aⅴ在线观看| 久久久久久大精品| 嫩草影院入口| bbb黄色大片| 成人亚洲精品av一区二区| 国产激情偷乱视频一区二区| 国产黄片美女视频| 国产三级中文精品| 男女下面进入的视频免费午夜| 国产高清视频在线观看网站| 国产黄色小视频在线观看| www.www免费av| 国产美女午夜福利| 亚洲精品乱码久久久v下载方式| 日韩一区二区视频免费看| 色综合色国产| 午夜福利在线观看免费完整高清在 | 久久欧美精品欧美久久欧美| 成人av一区二区三区在线看| 欧美bdsm另类| 丰满乱子伦码专区| 欧美成人一区二区免费高清观看| 久99久视频精品免费| 特大巨黑吊av在线直播| 久久久精品大字幕| 在线观看舔阴道视频| av.在线天堂| 色在线成人网| 哪里可以看免费的av片| 日本a在线网址| 国产精品嫩草影院av在线观看 | 午夜视频国产福利| 少妇高潮的动态图| 亚洲成人久久性| 男人舔女人下体高潮全视频| 国产精品一区二区三区四区久久| 成年女人永久免费观看视频| 18禁在线播放成人免费| 99久久无色码亚洲精品果冻| 亚洲国产色片| 中文在线观看免费www的网站| 欧美+日韩+精品| 久久精品人妻少妇| 日韩欧美三级三区| 亚洲七黄色美女视频| 精品无人区乱码1区二区| 天堂网av新在线| 国产精品野战在线观看| 中文资源天堂在线| 成年版毛片免费区| 嫩草影视91久久| 美女cb高潮喷水在线观看| 男人和女人高潮做爰伦理| 国产亚洲欧美98| netflix在线观看网站| 久久精品91蜜桃| 男女下面进入的视频免费午夜| 亚洲内射少妇av| 亚洲精品影视一区二区三区av| 非洲黑人性xxxx精品又粗又长| 国产精品永久免费网站| 国产探花极品一区二区| 国产高清视频在线播放一区| 色综合亚洲欧美另类图片| 男女之事视频高清在线观看| bbb黄色大片| 久久久久精品国产欧美久久久| 亚洲性久久影院| 午夜福利高清视频| 一区福利在线观看| 亚洲性夜色夜夜综合| 春色校园在线视频观看| 欧美3d第一页| 日韩大尺度精品在线看网址| 亚洲av二区三区四区| 久久精品91蜜桃| 老师上课跳d突然被开到最大视频| 小蜜桃在线观看免费完整版高清| .国产精品久久| avwww免费| 午夜亚洲福利在线播放| 午夜激情福利司机影院| 日韩一区二区视频免费看| 国产一级毛片七仙女欲春2| 99热网站在线观看| 久久亚洲真实| 欧美3d第一页| 色综合婷婷激情| 大型黄色视频在线免费观看| 99在线人妻在线中文字幕| 嫁个100分男人电影在线观看| 欧美中文日本在线观看视频| 久久久久久久亚洲中文字幕| 大又大粗又爽又黄少妇毛片口| 99热精品在线国产| 精品久久久久久久人妻蜜臀av| 99精品在免费线老司机午夜| 窝窝影院91人妻| netflix在线观看网站| 在线播放无遮挡| 中文字幕高清在线视频| 成人美女网站在线观看视频| 又黄又爽又刺激的免费视频.| 99久国产av精品| 亚洲欧美激情综合另类| 亚洲人成伊人成综合网2020| 夜夜夜夜夜久久久久| 欧美中文日本在线观看视频| 桃色一区二区三区在线观看| 51国产日韩欧美| 日本撒尿小便嘘嘘汇集6| 国产精品伦人一区二区| 亚洲精品456在线播放app | 久久久国产成人精品二区| 久久99热6这里只有精品| 色视频www国产| 热99re8久久精品国产| 一级黄片播放器| av专区在线播放| 99久久久亚洲精品蜜臀av| 丰满人妻一区二区三区视频av| 三级毛片av免费| 日日摸夜夜添夜夜添小说| 九九在线视频观看精品| 日日撸夜夜添| 久久久久国内视频| 亚洲av电影不卡..在线观看| 国产探花极品一区二区| 亚洲国产精品sss在线观看| 日本a在线网址| 成年女人毛片免费观看观看9| 免费一级毛片在线播放高清视频| 悠悠久久av| 男女边吃奶边做爰视频| 在线免费十八禁| 精品久久久久久久人妻蜜臀av| 国内少妇人妻偷人精品xxx网站| 国产欧美日韩精品亚洲av| 好男人在线观看高清免费视频| 国产精品电影一区二区三区| 国产男靠女视频免费网站| 男女之事视频高清在线观看| 日本在线视频免费播放| 免费av不卡在线播放| 国产精品久久久久久精品电影| videossex国产| 国产大屁股一区二区在线视频| 在线天堂最新版资源| 美女黄网站色视频| 久久九九热精品免费| 免费一级毛片在线播放高清视频| 国产精品综合久久久久久久免费| 国国产精品蜜臀av免费| 成人av在线播放网站| 真人做人爱边吃奶动态| 成人国产一区最新在线观看| 有码 亚洲区| 国产精品美女特级片免费视频播放器| 99热精品在线国产| 国内精品美女久久久久久| 免费高清视频大片| 男人和女人高潮做爰伦理| 狂野欧美激情性xxxx在线观看| 干丝袜人妻中文字幕| 色5月婷婷丁香| 3wmmmm亚洲av在线观看| 欧美成人一区二区免费高清观看| 亚洲男人的天堂狠狠| 黄色日韩在线| 国产私拍福利视频在线观看| 免费观看的影片在线观看| 老师上课跳d突然被开到最大视频| 久久香蕉精品热| 亚洲自偷自拍三级| 一级黄片播放器| 色综合色国产| 搡女人真爽免费视频火全软件 | 99热只有精品国产| 最近在线观看免费完整版| 小蜜桃在线观看免费完整版高清| 亚洲真实伦在线观看| 天美传媒精品一区二区| 亚洲avbb在线观看| 国产精品一区二区三区四区免费观看 | 精品久久久久久成人av| 日韩精品中文字幕看吧| 国内揄拍国产精品人妻在线| 亚洲精品久久国产高清桃花| 国产又黄又爽又无遮挡在线| 午夜福利在线观看免费完整高清在 | 很黄的视频免费| 国产探花极品一区二区| 日韩欧美一区二区三区在线观看| 男插女下体视频免费在线播放| 成人美女网站在线观看视频| 久久精品人妻少妇| 日本a在线网址| 亚洲不卡免费看| 午夜福利在线观看免费完整高清在 | 国产亚洲欧美98| 成年版毛片免费区| 精品乱码久久久久久99久播| 99在线视频只有这里精品首页| 色综合婷婷激情| 少妇被粗大猛烈的视频| 天美传媒精品一区二区| 国产av一区在线观看免费| 99视频精品全部免费 在线| 国产国拍精品亚洲av在线观看| 热99re8久久精品国产| 亚洲va日本ⅴa欧美va伊人久久| 99热网站在线观看| 国产人妻一区二区三区在| 搞女人的毛片| 久久精品国产清高在天天线| 无人区码免费观看不卡| 欧美日韩瑟瑟在线播放| 88av欧美| 99热这里只有是精品在线观看| 国产精品1区2区在线观看.| 亚洲熟妇熟女久久| 少妇人妻精品综合一区二区 | 国产精品国产三级国产av玫瑰| 久久久国产成人免费| 国产精品亚洲美女久久久| 国产主播在线观看一区二区| 午夜精品久久久久久毛片777| 欧美绝顶高潮抽搐喷水| 男女下面进入的视频免费午夜| 午夜免费激情av| 中国美白少妇内射xxxbb| 婷婷六月久久综合丁香| 真人一进一出gif抽搐免费| 久久久久久久久中文| 男女做爰动态图高潮gif福利片| 国产人妻一区二区三区在| 亚洲最大成人中文| 国产精品免费一区二区三区在线| 久99久视频精品免费| 婷婷亚洲欧美| 亚洲真实伦在线观看| 免费人成视频x8x8入口观看| 久久人妻av系列| 嫩草影视91久久| videossex国产| 欧美日本视频| 久久婷婷人人爽人人干人人爱| 中文字幕久久专区| 美女大奶头视频| 毛片女人毛片| 中国美白少妇内射xxxbb| 我的女老师完整版在线观看| x7x7x7水蜜桃| 变态另类成人亚洲欧美熟女| 久久精品综合一区二区三区| 日本三级黄在线观看| 人妻夜夜爽99麻豆av| 国产高清有码在线观看视频| 国产色婷婷99| 日本色播在线视频| 亚洲欧美清纯卡通| 内射极品少妇av片p| 美女黄网站色视频| 午夜激情福利司机影院| 波野结衣二区三区在线| 国产精品人妻久久久影院| 最新在线观看一区二区三区| 伦理电影大哥的女人| АⅤ资源中文在线天堂| 一本久久中文字幕| 午夜久久久久精精品| 一个人看的www免费观看视频| 国产真实伦视频高清在线观看 | 日韩欧美免费精品| 无人区码免费观看不卡| 国产精品人妻久久久久久| 此物有八面人人有两片| 淫秽高清视频在线观看| 精品无人区乱码1区二区| 国产精品99久久久久久久久| av在线观看视频网站免费| 欧美日韩乱码在线| 欧洲精品卡2卡3卡4卡5卡区| 成年版毛片免费区| 日日撸夜夜添| 男插女下体视频免费在线播放| 日本一本二区三区精品| 亚洲人成网站在线播放欧美日韩| 我的女老师完整版在线观看| 男插女下体视频免费在线播放| 精品国内亚洲2022精品成人| 日本免费一区二区三区高清不卡| 欧美精品国产亚洲| 欧美xxxx性猛交bbbb| 精品久久久久久久人妻蜜臀av| 亚洲精品亚洲一区二区| 亚洲最大成人av| 一本精品99久久精品77| 91av网一区二区| 桃色一区二区三区在线观看| 午夜福利高清视频| 国产亚洲精品久久久com| 亚洲专区国产一区二区| 免费看美女性在线毛片视频| 成人精品一区二区免费| 色吧在线观看| 又爽又黄a免费视频| 国产三级在线视频| 真人一进一出gif抽搐免费| 两性午夜刺激爽爽歪歪视频在线观看| 97超视频在线观看视频| 成人亚洲精品av一区二区| 精品人妻1区二区| 亚洲欧美日韩高清专用| 伦理电影大哥的女人| 欧美性感艳星| 成人综合一区亚洲| 亚洲国产精品sss在线观看| 午夜爱爱视频在线播放| h日本视频在线播放| 我要看日韩黄色一级片| 天堂网av新在线| 亚洲美女视频黄频| 无人区码免费观看不卡| 在线a可以看的网站| 嫩草影院精品99| 午夜精品一区二区三区免费看| 成人三级黄色视频| 日韩 亚洲 欧美在线| 欧美最新免费一区二区三区| 日本a在线网址| 色综合婷婷激情| 日韩欧美三级三区| 99热这里只有精品一区| 中文字幕av成人在线电影| 俺也久久电影网| 亚洲午夜理论影院| 免费av毛片视频| 99久久精品国产国产毛片| 国产欧美日韩精品一区二区| 老熟妇仑乱视频hdxx| 久久久久久大精品| 女人被狂操c到高潮| 亚洲经典国产精华液单| 草草在线视频免费看| www.www免费av| 国产精品电影一区二区三区| 国产精品综合久久久久久久免费| 亚洲精品粉嫩美女一区| 美女 人体艺术 gogo| netflix在线观看网站| 亚洲乱码一区二区免费版| 我要搜黄色片| 亚洲精品456在线播放app | 久久婷婷人人爽人人干人人爱| 日本一二三区视频观看| 免费观看精品视频网站| 久久热精品热| 男女边吃奶边做爰视频| 美女 人体艺术 gogo| 国产伦一二天堂av在线观看| 91av网一区二区| 久久亚洲真实| 日韩欧美国产在线观看| 99久久久亚洲精品蜜臀av| 国产一区二区三区在线臀色熟女| 女的被弄到高潮叫床怎么办 | 3wmmmm亚洲av在线观看| 国模一区二区三区四区视频| 天堂网av新在线| 日本五十路高清| 亚洲最大成人手机在线| 久久久久久国产a免费观看| 别揉我奶头 嗯啊视频| 日本色播在线视频| 又爽又黄无遮挡网站| 午夜免费成人在线视频| 在线免费十八禁| av在线蜜桃| 春色校园在线视频观看| 波野结衣二区三区在线| 99国产精品一区二区蜜桃av| 天天一区二区日本电影三级| 一个人免费在线观看电影| 午夜视频国产福利| 亚洲熟妇中文字幕五十中出| 九色国产91popny在线| 婷婷六月久久综合丁香| 内地一区二区视频在线| 久久国产乱子免费精品| 一级黄片播放器| 成人国产一区最新在线观看| 久久久色成人| 欧美区成人在线视频| 在线观看午夜福利视频| 国产乱人伦免费视频| 91久久精品电影网| 日韩欧美免费精品| 国产精品人妻久久久久久| 亚洲精品色激情综合| 级片在线观看| eeuss影院久久| 亚洲av不卡在线观看| 国产午夜精品久久久久久一区二区三区 | 国产免费男女视频| 亚洲狠狠婷婷综合久久图片| 午夜免费男女啪啪视频观看 | 国产精品人妻久久久影院| 又黄又爽又刺激的免费视频.| 亚洲自偷自拍三级| 国产高清三级在线| 国产精品人妻久久久影院| 国产在线精品亚洲第一网站| 99热网站在线观看| 亚洲精品456在线播放app | 麻豆国产av国片精品| 精品一区二区三区人妻视频| 日本欧美国产在线视频| 亚洲经典国产精华液单| 亚洲aⅴ乱码一区二区在线播放| 国产精品乱码一区二三区的特点| 深爱激情五月婷婷| 国产亚洲精品综合一区在线观看| 长腿黑丝高跟| 十八禁国产超污无遮挡网站| 香蕉av资源在线| 国产在线精品亚洲第一网站| 国产成年人精品一区二区| 国产高清三级在线| 国产精品免费一区二区三区在线| 国产aⅴ精品一区二区三区波| 久久久久久伊人网av| 黄色丝袜av网址大全| 色综合亚洲欧美另类图片| 国产又黄又爽又无遮挡在线| 少妇丰满av| 特大巨黑吊av在线直播| 91av网一区二区| 女的被弄到高潮叫床怎么办 | 精品无人区乱码1区二区| 午夜影院日韩av| 91精品国产九色| 搡老岳熟女国产| 极品教师在线视频| 热99在线观看视频| av黄色大香蕉| 久久久成人免费电影| 国产 一区 欧美 日韩| 免费不卡的大黄色大毛片视频在线观看 | 老熟妇乱子伦视频在线观看| 亚洲av第一区精品v没综合| 欧美绝顶高潮抽搐喷水| 69av精品久久久久久| 不卡视频在线观看欧美| 搡老妇女老女人老熟妇| 天天一区二区日本电影三级| 久久久久久大精品| 精品久久久久久久久久免费视频| 欧美bdsm另类| 午夜激情欧美在线| 久久香蕉精品热| 一级毛片久久久久久久久女| 免费观看精品视频网站| 国内揄拍国产精品人妻在线| 国产美女午夜福利| 在线观看免费视频日本深夜| 男女之事视频高清在线观看| 精品久久久久久久人妻蜜臀av|