• <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 ?

    基于連通距離和連通強度的BIRCH改進(jìn)算法

    2019-08-01 01:54:12樊仲欣王興苗春生
    計算機(jī)應(yīng)用 2019年4期

    樊仲欣 王興 苗春生

    摘 要:為解決利用層次方法的平衡迭代規(guī)約和聚類(BIRCH)算法聚類結(jié)果依賴于數(shù)據(jù)對象的添加順序,且對非球狀的簇聚類效果不好以及受簇直徑閾值的限制每個簇只能包含數(shù)量相近的數(shù)據(jù)對象的問題,提出一種改進(jìn)的BIRCH算法。該算法用描述數(shù)據(jù)對象個體間連通性的連通距離和連通強度閾值替代簇直徑閾值,還將簇合并的步驟加入到聚類特征樹的生成過程中。在自定義及iris、wine、 pendigits數(shù)據(jù)集上的實驗結(jié)果表明,該算法比多閾值BIRCH、密度改進(jìn)BIRCH等現(xiàn)有改進(jìn)算法的聚類準(zhǔn)確率更高,尤其在大數(shù)據(jù)集上比密度改進(jìn)BIRCH準(zhǔn)確率提高6個百分點,耗時降低61%。說明該算法能夠適用于在線實時增量數(shù)據(jù),可以識別非球形簇和體積不均勻簇,具有去噪功能,且時間和空間復(fù)雜度明顯降低。

    關(guān)鍵詞:層次聚類;在線算法;BIRCH;聚類特征;聚類特征樹

    中圖分類號:TP312

    文獻(xiàn)標(biāo)志碼:A

    文章編號:1001-9081(2019)04-1027-05

    Abstract: Focusing on the issues that clustering results of Balanced Iterative Reducing and Clustering using Hierarchies (BIRCH) depend on the adding order of data objects, BIRCH has poor clustering effect on non-convex clusters, and each cluster of BIRCH can only contain a similar number of data objects because of the cluster diameter threshold, an improved BIRCH algorithm was proposed. In this algorithm, the cluster diameter threshold was replaced by connectivity distance and intensity threshold which described the connectivity between the data objects, and cluster merging step was added into the generation of cluster feature tree. Experimental result on custom and iris, wine, pendigits datasets show that the proposed algorithm has higher clustering accuracy than the existing improved algorithms such as multi-threshold BIRCH and density-improved BIRCH; especially on large datasets, the proposed algorithm has accuracy increased by 6 percentage points and running time reduced by 61% compared to density-improved BIRCH. The proposed algorithm can be applied to online real-time incremental data processing and identify non-convex clusters and clusters with uneven volume, has denoising function and significantly reduces time-complexity and space-complexity.

    Key words: hierarchical clustering; on-line algorithm; Balanced Iterative Reducing and Clustering using Hierarchies (BIRCH); Cluster Feature (CF); Cluster Feature Tree (CF Tree)

    0?引言

    利用層次方法的平衡迭代規(guī)約和聚類(Balanced Iterative Reducing and Clustering using Hierarchies, BRICH)算法[1]是具有代表性的分層聚類算法,該算法的特點在于在線實時運行,計算流程簡單,算法時間空間效率高,且可識別噪聲。

    該算法通過構(gòu)建一個聚類特征樹(Cluster Feature Tree, CF Tree),樹中每個節(jié)點的聚類特征向量如下:CF=(N,LS,SS)

    其中:N是簇中對象數(shù)目;LS是N個對象線性和∑Ni=1xi;SS是N個對象平方和∑Ni=1xi2。

    合并兩個簇只需要兩個聚類特征向量算術(shù)相加即可,而計算簇距離、簇直徑只需要用到(N,LS,SS)這三個值就足夠了。但該算法的缺點在于結(jié)果依賴于數(shù)據(jù)對象的加入順序,

    對非球狀的簇和對高維數(shù)據(jù)聚類效果不好,而且受簇直徑閾值T的限制,每個簇只能包含數(shù)量相近的數(shù)據(jù)對象。

    在最初的BIRCH算法的基礎(chǔ)上,后期有不少學(xué)者對其進(jìn)行了改進(jìn)。邵峰晶等[2-3]提出了動態(tài)閾值及多閾值T的方法,解決了各簇的數(shù)據(jù)對象數(shù)量差距大時使用統(tǒng)一T值導(dǎo)致的問題,并引入了分割因子的概念消除了簇分裂中的不確定性。仰孝富[4]提出了文本聚類算法TCBIBK(Text Clustering algorithm Based on Improved BIRCH and K-nearest neighbor),在BIRCH聚類前先做K近鄰劃分的數(shù)據(jù)預(yù)處理,以提高聚類精度。曾曉迪等[5-6]則采用了二次聚類的辦法,在BIRCH的聚類基礎(chǔ)上再對各簇用K中心點(K-mediods)[7]、K均值(K-means)[8]等算法進(jìn)行聚類,實現(xiàn)了發(fā)現(xiàn)任意形狀簇的功能目標(biāo)。韋相等[9-10]為了解決非球形簇的聚類問題,直接改進(jìn)了BIRCH算法,先建立起多閾值的多棵聚類特征樹代表各個簇,再合并樹,用具有噪聲的基于密度的聚類(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)方法[11]、高斯混合模型(Gaussian Mixture Model, GMM)[12]、K-means或譜聚類(Spectral Clustering)[13-14]等方法進(jìn)行全局聚類。

    上述各種BIRCH聚類改進(jìn)算法均存在一些問題:動態(tài)閾值和多閾值T的方法不能突破球形簇限制;聚類預(yù)處理和二次聚類方法則都是結(jié)合多種已有算法,并未對BIRCH算法進(jìn)行本質(zhì)性的提升,且不適用于在線實時數(shù)據(jù);而建立多棵聚類特征樹的方法其算法比較繁瑣,時間空間復(fù)雜度高,且由于需要全局聚類,部分算法還需要根據(jù)具體應(yīng)用選擇聚類方式。

    因此,本文提出一種改進(jìn)的BIRCH算法(簡稱連通改進(jìn)BIRCH),該算法使用描述數(shù)據(jù)對象個體間連通性的連通距離和連通強度閾值替代簇直徑T,同時還將簇合并的步驟加入到聚類特征樹的生成過程中,以解決上述問題。

    1?算法原理

    本文借鑒了DBSCAN中區(qū)域半徑Eps和鄰域?qū)ο髷?shù)閾值MinPts的概念,對BIRCH算法進(jìn)行了如下幾點改進(jìn):1)將簇直徑閾值T改為簇的連通距離閾值D和連通強度閾值I。

    2)將聚類特征向量由CF=(N,LS,SS)改為CF=(N),同時在每個數(shù)據(jù)對象中增加一個數(shù)據(jù)項M,M為數(shù)據(jù)對象的模的平方。

    3)每個新增的數(shù)據(jù)對象不再是先加入最近的簇再依據(jù)簇直徑閾值分裂聚類特征樹節(jié)點,而是直接依據(jù)連通距離D和連通強度I,將新加入的數(shù)據(jù)對象和已有的若干簇合并,或者將新數(shù)據(jù)對象直接作為新簇加入聚類特征樹,再像BIRCH算法那樣分裂節(jié)點最終生成聚類特征樹。簡而言之,就是將原來BIRCH算法的簇分裂變?yōu)榇叵群喜⒃俜至训乃惴ā?/p>

    1.1?連通距離閾值D和連通強度閾值I

    定義1?連通距離。連通距離即兩個簇之間最接近的數(shù)據(jù)對象的距離,該距離用歐氏距離:dis=(x1-y1)2+…+(xn-yn)2,x1x2…xn和y1y2…yn分別為兩個數(shù)據(jù)對象的向量表示。

    定義2?連通距離閾值。連通距離閾值即判斷兩個簇是否連通的閾值,如兩個簇間的連通距離小于等于連通距離閾值則為連通的簇,反之則為不連通的簇。

    定義3?連通強度。連通強度即連通距離閾值范圍內(nèi)的數(shù)據(jù)對象個數(shù)。

    定義4?連通強度閾值。連通強度閾值即判斷兩個簇是否為強連通的閾值,如兩個簇間的連通強度大于等于連通強度閾值則為強連通簇(或稱為簇核),反之則為弱連通簇(或稱為干擾點)。

    使用連通距離閾值D和連通強度閾值I代替簇直徑閾值T,該方法具有可以發(fā)現(xiàn)任意形狀簇和排除干擾點干擾這兩大優(yōu)點。首先,使用連通距離只描述簇中數(shù)據(jù)對象個體間的連通性,而不像簇直徑描述的是簇中數(shù)據(jù)對象的整體范圍體積,因此可以通過該連通性發(fā)現(xiàn)任意形狀簇,且適用于簇與簇數(shù)據(jù)對象數(shù)量差距大的情況。其次,現(xiàn)實情況中的數(shù)據(jù)集往往因為主觀的和客觀的各種原因而存在干擾點,使得數(shù)據(jù)的聚類達(dá)不到理想的效果,所以為了排除干擾,需要定義連通強度將簇中數(shù)據(jù)對象最密集的部位(即簇核)給篩選出來作為強連通簇,而被篩選掉的數(shù)據(jù)對象則是弱連通簇或干擾點,干擾點并不一定就是必須去除掉的噪點,因為在很多情況下干擾點確實是客觀存在的,因此應(yīng)將其作為簇的非簇核部分重新合并入簇中,但在合并入簇的過程中如果干擾點與簇核的距離大于連通距離閾值D,則可以確定此干擾點為噪點。

    1.2?聚類特征向量融入到數(shù)據(jù)對象中

    由于連通距離和連通強度描述的是數(shù)據(jù)對象個體間連通性的參數(shù),因此BIRCH算法原有CF聚類特征向量中的LS和SS聚類特征(用于計算簇心和簇直徑)便不再需要,取而代之的是計算簇與簇之間任意兩個數(shù)據(jù)對象距離的參數(shù),該參數(shù)在計算簇與簇最近距離時需要用到。

    根據(jù)三角形余弦定理,已知兩邊邊長AL和BL及兩邊夾角θ求第三邊邊長CL:

    那么現(xiàn)以坐標(biāo)原點O和向量a、b為三角形的三個頂點,則用向量c的模表示a和b間的距離,其值為:

    其中:a、b為向量的模,由此公式可知只要有數(shù)據(jù)對象的模和內(nèi)積就可以求出距離,因此在每個數(shù)據(jù)對象中增加一個數(shù)據(jù)項:模平方M=(a12+a22+…+an2)。該數(shù)據(jù)項可以優(yōu)化距離的計算,每次加入新的數(shù)據(jù)對象時就算好M的值存儲下來,后面計算任意數(shù)據(jù)對象到該數(shù)據(jù)對象的距離就主要計算一下內(nèi)積就可以求出結(jié)果。

    1.3?聚類特征樹的簇先合并再分裂

    簇分裂的算法和BIRCH相同,在此不再敷述,而增加的簇合并的算法結(jié)合連通距離作為簇聚類的限制參數(shù),可以避免數(shù)據(jù)加入順序隨機(jī)導(dǎo)致的聚類結(jié)果隨機(jī)。因為簇直徑隨著數(shù)據(jù)加入順序的不同,其值的變化方式也是不同的,當(dāng)其變化曲線為上凸形狀時就有可能會將同一個簇的數(shù)據(jù)對象分割到不同簇中,而BIRCH算法的簇只能分裂不能合并,因此無法在加入一個可以連通各簇的數(shù)據(jù)對象時進(jìn)行簇的合并,所以需要采取簇先合并然后再分裂節(jié)點生成聚類特征樹的算法解決這個問題。

    2?算法流程及實現(xiàn)

    算法流程步驟分為三步(如圖1,其中D為連通距離閾值,I為連通強度閾值):步驟1?數(shù)據(jù)預(yù)處理及簇的合并生成。預(yù)處理除了要讀取連通距離閾值D、連通強度閾值I、葉子節(jié)點分支因子L、非葉子節(jié)點分支因子B這四個預(yù)置聚類參數(shù)以外,還要不斷地讀取在線聚類數(shù)據(jù),并在每次讀取時對新加數(shù)據(jù)對象追加一個數(shù)據(jù)項M,M=數(shù)據(jù)對象的模的平方。

    步驟2?篩選強連通簇插入聚類特征樹,該步驟和BIRCH算法分裂節(jié)點生成聚類特征樹的流程一樣,在此不再贅述。

    步驟3?弱連通簇并入強連通簇并輸出聚類特征樹,該步驟需要將先前篩選出的非簇核部分重新合并入簇中,合并的方式使用最近距離的概念,依次從弱連通簇的列表中找出距離聚類特征樹底層各個簇核最近的一個弱連通簇,將其加入到最近距離的那個簇核之中,直到所有弱連通簇全部加入完畢為止,但是距離大于閾值D的弱連通簇為噪點不加入。最后,輸出聚類特征樹底層簇的數(shù)據(jù)對象數(shù)量N及各個數(shù)據(jù)對象,還有聚類特征樹其余各層的N值及各層間的父子節(jié)點隸屬關(guān)系,作為當(dāng)前數(shù)據(jù)的在線聚類結(jié)果。

    3?時間空間復(fù)雜度

    對于BIRCH算法,其在給定數(shù)據(jù)占用內(nèi)存空間為MEM時的空間復(fù)雜度為O(MEM),本文算法的空間復(fù)雜度為O(MEM+MEM/d),其中d表示數(shù)據(jù)維度。

    BIRCH算法加入數(shù)據(jù)對象的時間復(fù)雜度為O(dNB(1+logBMP))[1]。

    本文算法時間復(fù)雜度為O(BIRCH)+O(HN+kHN)+O(sn),其中:HN為已加入的數(shù)據(jù)對象個數(shù),k為與新加數(shù)據(jù)對象距離在閾值D內(nèi)的數(shù)據(jù)個數(shù),sn為強連通簇所有數(shù)據(jù)對象個數(shù)。增加的O(HN+kHN)和O(sn)為圖1步驟一和步驟三的時間復(fù)雜度,考慮到數(shù)據(jù)密集時k值會比較大,因此本文算法主要時間復(fù)雜度為O(BIRCH)+O(kHN)。

    4?聚類應(yīng)用

    本文算法使用Windows7 64位專業(yè)版操作系統(tǒng)和Eclipse Luna Service Release 2(4.4.2)編程軟件基于一臺CPU Inter core i5-4570 3.2GHz,內(nèi)存8GB的PC上實現(xiàn)。

    為驗證其有效性,使用五個數(shù)據(jù)集比較本文算法(連通改進(jìn)BIRCH)與BIRCH以及多閾值BIRCH[2]、密度改進(jìn)BIRCH[9]這四種在線實時運行算法的聚類結(jié)果。數(shù)據(jù)集1為自定義數(shù)據(jù)集:2維3050個數(shù)據(jù)對象,呈大小簇分布,帶有噪點;數(shù)據(jù)集2為自定義數(shù)據(jù)集:2維400個數(shù)據(jù)對象,呈環(huán)形和圓形分布;數(shù)據(jù)集3為iris數(shù)據(jù)集:4維150個數(shù)據(jù)對象;數(shù)據(jù)集4為wine均一化后數(shù)據(jù)集:13維178個數(shù)據(jù)對象;數(shù)據(jù)集5為pendigits數(shù)據(jù)集:16維10992個數(shù)據(jù)對象。最后三組數(shù)據(jù)集均來源于加州大學(xué)歐文分校機(jī)器學(xué)習(xí)庫(University of California Irvine Machine Learning Repository)[15]。在iris、wine和pendigits數(shù)據(jù)集中,每個數(shù)據(jù)點的類標(biāo)簽都是已知的,因此可以充分利用準(zhǔn)確率來評價算法的聚類質(zhì)量。

    令A(yù)D表示數(shù)據(jù)集中的數(shù)據(jù)個數(shù),CD表示AD中被正確劃分的數(shù)據(jù)個數(shù),則準(zhǔn)確率為Correct_rate=CD/AD*100%。

    從圖2可看出,對于具有大小簇以及包含噪點的非球形數(shù)據(jù)集1:BIRCH算法無法分割出大小簇及噪點;多閾值BIRCH算法雖然分割出了大小簇,但由于其識別非球形簇的能力很有限,所以圖中的弧形簇被分割了開來且不能識別噪點;密度改進(jìn)和連通改進(jìn)BIRCH算法則解決了這些問題,可以分割大小簇,識別弧形簇,以及去噪點。圖3的數(shù)據(jù)集2含有更加不易識別的環(huán)形簇,但密度改進(jìn)和連通改進(jìn)BIRCH算法依舊表現(xiàn)良好,可以將環(huán)形簇分割出來,而多閾值BIRCH算法則表現(xiàn)一般,BIRCH算法效果最差。值得一提的是,上述BIRCH和多閾值BIRCH算法的聚類結(jié)果具有一定隨機(jī)性,因為其結(jié)果依賴于數(shù)據(jù)的加入先后順序,而密度改進(jìn)和連通改進(jìn)BIRCH算法則解決了這一問題。

    使用UCI數(shù)據(jù)集對上述四種BIRCH聚類算法進(jìn)行測試,結(jié)果如表1,其中:參數(shù)B(非葉子節(jié)點分支因子)與L(葉子節(jié)點分支因子)對所有算法及數(shù)據(jù)集的取值均為2,表中僅列出取值不一樣的參數(shù)。

    從表1可看出:BIRCH算法耗時最短,但在大數(shù)據(jù)集上的準(zhǔn)確率也是最低的;多閾值BIRCH準(zhǔn)確率有所提高;密度改進(jìn)BIRCH和連通改進(jìn)BIRCH則準(zhǔn)確率提升比較明顯但同時耗時也增加不少,而其中連通改進(jìn)BIRCH算法則在大數(shù)據(jù)集上明顯更優(yōu)一些,其在pendigits數(shù)據(jù)集上的運行準(zhǔn)確率比密度改進(jìn)BIRCH提高6個百分點,且耗時減少55.2s,降低了密度改進(jìn)BIRCH算法61%的耗時量。連通改進(jìn)BIRCH算法在功能上和密度改進(jìn)BIRCH算法接近,但是耗時明顯較短。原因如下:密度改進(jìn)BIRCH由于構(gòu)建了多棵聚類特征樹所以首先在空間復(fù)雜度上明顯高于連通改進(jìn)BIRCH。其次,密度改進(jìn)BIRCH中用Eps和MinPts代替了聚類特征樹的簇直徑T,而加入數(shù)據(jù)對象時“代表點密度增加,當(dāng)它變成核心點后,還要掃描所有核心點聚類特征樹,歸入鄰近核心點”[9],

    這就相當(dāng)于連通改進(jìn)算法流程(見圖1)的步驟一中n>I為否的情況(其耗時等于本文算法的主要增加時間復(fù)雜度O(kHN)),考慮到兩種算法前后增加的計算過程,尤其是密度改進(jìn)算法還有多次合并多棵聚類特征樹的分裂節(jié)點、更新聚類特征值等較為復(fù)雜的操作,所以可見連通改進(jìn)BIRCH算法耗時更短且實現(xiàn)更為簡單。

    5?結(jié)語

    本文針對BIRCH及其現(xiàn)有改進(jìn)算法在不能在線實時運行、只能聚類球形簇、聚類結(jié)果依賴于數(shù)據(jù)對象的添加順序、每個簇只能包含數(shù)量相近的數(shù)據(jù)對象、算法時間空間復(fù)雜度高等方面存在的一個或若干個問題,提出了可以解決上述問題的改進(jìn)算法。本文連通改進(jìn)BIRCH算法融合了DBSCAN算法區(qū)域半徑和鄰域?qū)ο髷?shù)閾值的概念,用其代替簇直徑閾值T,并且采用簇先合并再分裂的方法,提高了BIRCH算法的適用范圍和運行性能。時間空間復(fù)雜度及實驗結(jié)果表明,該算法在損失有限的運算時間和存儲空間的前提下可以有效地提高聚類準(zhǔn)確率,并且在處理大數(shù)據(jù)集時依然具有不錯的性能表現(xiàn)。

    參考文獻(xiàn)(References)

    [1] ZHANG T, RAMAKRISHNAN R, LINVY M. BIRCH: an efficient data clustering method for very large databases[C]// SIGMOD 1996: Proceedings of the 1996 ACM SIGMOD International Conference on Management of Data. New York: ACM, 1996: 103-114.

    [2] 邵峰晶, 張斌, 于忠清.多閾值BIRCH聚類算法及其應(yīng)用[J]. 計算機(jī)工程與應(yīng)用, 2004, 41(12): 174-176. (SHAO F J, ZHANG B, YU Z Q. BIRCH clustering algorithm with mult_threshold[J]. Computer Engineering and Applications, 2004, 41(12): 174-176.)

    [3] 蔣盛益, 李霞. 一種改進(jìn)的BIRCH聚類算法[J]. 計算機(jī)應(yīng)用, 2009, 29(1): 293-296. (JIANG S Y, LI X. Improved BIRCH clustering algorithm[J]. Journal of Computer Applications, 2009, 29(1): 293-296.)

    [4] 仰孝富.基于BIRCH改進(jìn)算法的文本聚類研究[D]. 北京: 北京林業(yè)大學(xué), 2013: 22-29. (YANG X F. Research of text clustering based on improved BIRCH[D]. Beijing: Beijing Forestry University, 2013: 22-29.)

    [5] 曾曉迪.一種基于K-mediods改進(jìn)BIRCH的大數(shù)據(jù)聚類方法[D]. 昆明: 云南財經(jīng)大學(xué), 2014: 27-31. (ZENG X D. A big data clustering method based on K-mediods improved BIRCH[D]. Kunming: Yunnan University of Finance and Economics, 2014: 27-31.)

    [6] 鄒杰濤, 趙方霞, 汪海燕.基于加權(quán)相似性的聚類算法[J]. 數(shù)學(xué)的實踐與認(rèn)知, 2011, 47(16): 118-124. (ZOU J T, ZHAO F X, WANG H Y. Clustering algorithm based on weighted similarity[J]. Mathematics in Practice and Theory, 2011, 47(16): 118-124.)

    [7] HUANG Z X. A fast clustering algorithm to cluster very large categorical data sets in data mining[EB/OL]. [2018-05-10]. http://www.vladestivill-castro.net/teaching/kdd.d/readings.d/huang97 fast.pdf.

    [8] MACQUEEN J. Some methods for classification and analysis of mul-tivariate observations[C]// Proceedings of the 5th Berkeley Symposium on Mathematical Statistics and Probability. Berkeley: University of California Press, 1967, 1: 281-297.

    [9] 韋相.基于密度的改進(jìn)BIRCH聚類算法[J]. 計算機(jī)工程與應(yīng)用, 2013, 49(10): 201-205. (WEI X. Improved BIRCH clustering algorithm based on density[J]. Computer Engineering and Applications, 2013, 49(10): 201-205.)

    [10] MADAN S, DANA K J. Modified Balanced Iterative Reducing and Clustering using Hierarchies (m-BIRCH) for visual clustering[J]. Pattern Analysis and Applications, 2016, 19(4): 1023-1040.

    [11] ESTER M, KRIEGEL H, SANDER J, et a1. A density-based algorithm for discovering clusters in large spatial databases with noise[C]// Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining. Menlo Park, CA: AAAI Press, 1996: 226-231.

    [12] AWWAD B, HASAN S, GAN J Q. Sequential EM for unsupervised adaptive Gaussian mixture model based classifier[C]// MLDM 2009: Proceedings of the 6th International Conference on Machine Learning and Data Mining in Pattern Recognition, LNAI 5632. Berlin: Springer, 2009: 96-106.

    [13] LAUER F, SCHNORR C. Spectral clustering of linear subspaces for motion segmentation[C]// Proceedings of the 2009 IEEE 12th International Conference on Computer Vision. Piscataway, NJ: IEEE, 2009: 678-685.

    [14] NG A Y, JORDAN M I, WEISS Y. On spectral clustering: analysis and an algorithm[EB/OL]. [2018-05-10]. http://papers.nips.cc/paper/2092-on-spectral-clustering-analysis-and-an-algorithm.pdf.

    [15] MERZC J, MERPHY P. UCI repository of machine learning data-bases[DB/OL]. [2018-03-19]. http://archive.ics.uci.edu/ml/index.php.

    国产淫片久久久久久久久| 亚洲婷婷狠狠爱综合网| 午夜爱爱视频在线播放| 大又大粗又爽又黄少妇毛片口| 国产伦在线观看视频一区| 成人毛片60女人毛片免费| 免费播放大片免费观看视频在线观看 | 永久免费av网站大全| 国产午夜精品久久久久久一区二区三区| 亚洲一级一片aⅴ在线观看| 搡老妇女老女人老熟妇| 欧美丝袜亚洲另类| 97超碰精品成人国产| 91久久精品电影网| 国产男人的电影天堂91| 国产亚洲精品久久久com| 高清在线视频一区二区三区 | 久久久久久久午夜电影| 99热全是精品| 午夜免费男女啪啪视频观看| 国产av在哪里看| 免费不卡的大黄色大毛片视频在线观看 | 国产精华一区二区三区| 成人美女网站在线观看视频| 国产高潮美女av| 爱豆传媒免费全集在线观看| 欧美色视频一区免费| 真实男女啪啪啪动态图| 三级国产精品欧美在线观看| 床上黄色一级片| 99久国产av精品国产电影| 级片在线观看| 国产一级毛片七仙女欲春2| 99久久中文字幕三级久久日本| 最近中文字幕高清免费大全6| 国产69精品久久久久777片| 在线播放无遮挡| 波多野结衣高清无吗| 亚洲内射少妇av| 日本欧美国产在线视频| 国产欧美日韩精品一区二区| 日日啪夜夜撸| 久久99热这里只频精品6学生 | 中文字幕av成人在线电影| 国产高清视频在线观看网站| 亚洲最大成人手机在线| 黄色欧美视频在线观看| 久久精品91蜜桃| 亚洲一级一片aⅴ在线观看| 一区二区三区乱码不卡18| 亚洲国产精品国产精品| 全区人妻精品视频| 少妇的逼好多水| 大香蕉97超碰在线| 观看免费一级毛片| ponron亚洲| 国产成人精品婷婷| 韩国av在线不卡| 久久久久久久久中文| 亚洲精品亚洲一区二区| 亚洲最大成人av| 中文字幕精品亚洲无线码一区| 麻豆一二三区av精品| 午夜福利高清视频| 久久综合国产亚洲精品| 欧美高清性xxxxhd video| 久久久久久久久久久免费av| 免费不卡的大黄色大毛片视频在线观看 | 水蜜桃什么品种好| 色5月婷婷丁香| 美女大奶头视频| 69人妻影院| 女的被弄到高潮叫床怎么办| 欧美最新免费一区二区三区| 国产私拍福利视频在线观看| 久久久久网色| 亚洲性久久影院| av播播在线观看一区| 综合色丁香网| 久久久久久久久久久丰满| 小说图片视频综合网站| 高清av免费在线| 水蜜桃什么品种好| www.av在线官网国产| 精品国产三级普通话版| 久久综合国产亚洲精品| 国产精品一二三区在线看| 99热精品在线国产| 国产老妇女一区| 99久久中文字幕三级久久日本| 大香蕉97超碰在线| 91精品一卡2卡3卡4卡| av播播在线观看一区| 视频中文字幕在线观看| 精品99又大又爽又粗少妇毛片| 国产精品一区二区在线观看99 | 国国产精品蜜臀av免费| 如何舔出高潮| 九九在线视频观看精品| 丰满乱子伦码专区| 久久久久久久国产电影| 国产成人精品久久久久久| 国产黄a三级三级三级人| 水蜜桃什么品种好| 亚洲国产精品合色在线| 在线免费观看的www视频| 亚洲欧美日韩高清专用| 亚洲国产日韩欧美精品在线观看| 亚洲欧美日韩无卡精品| 亚洲va在线va天堂va国产| 久久久久久久亚洲中文字幕| 欧美一区二区精品小视频在线| 欧美一区二区国产精品久久精品| 欧美成人精品欧美一级黄| 女人久久www免费人成看片 | 国产探花极品一区二区| 免费av毛片视频| 久久久色成人| 久久久久久久久久成人| 亚洲怡红院男人天堂| av国产久精品久网站免费入址| 丝袜喷水一区| 边亲边吃奶的免费视频| 激情 狠狠 欧美| 麻豆av噜噜一区二区三区| 国产成人aa在线观看| 亚洲精品456在线播放app| 青春草视频在线免费观看| 欧美最新免费一区二区三区| 精华霜和精华液先用哪个| 国产精品国产三级国产av玫瑰| 六月丁香七月| 91精品国产九色| 午夜视频国产福利| 在线天堂最新版资源| 精品久久久久久电影网 | 国产综合懂色| 级片在线观看| 亚洲经典国产精华液单| 国产真实伦视频高清在线观看| 变态另类丝袜制服| av国产久精品久网站免费入址| 最近2019中文字幕mv第一页| 秋霞伦理黄片| 人人妻人人澡人人爽人人夜夜 | 亚洲无线观看免费| 三级国产精品欧美在线观看| 国产伦精品一区二区三区视频9| 亚洲精品国产成人久久av| 97热精品久久久久久| 99热全是精品| 麻豆一二三区av精品| 两个人的视频大全免费| 日产精品乱码卡一卡2卡三| 爱豆传媒免费全集在线观看| 国产黄片视频在线免费观看| 三级国产精品片| 天堂网av新在线| 欧美日韩一区二区视频在线观看视频在线 | 99久久成人亚洲精品观看| 亚洲精华国产精华液的使用体验| 22中文网久久字幕| 五月玫瑰六月丁香| 97在线视频观看| 99久国产av精品国产电影| 啦啦啦啦在线视频资源| 免费人成在线观看视频色| 网址你懂的国产日韩在线| 久久国产乱子免费精品| 久久精品综合一区二区三区| 最近手机中文字幕大全| 18禁在线无遮挡免费观看视频| 嘟嘟电影网在线观看| 中文资源天堂在线| 少妇熟女aⅴ在线视频| 国产免费福利视频在线观看| 91av网一区二区| 国国产精品蜜臀av免费| 久久久久网色| 又黄又爽又刺激的免费视频.| 国产高清不卡午夜福利| 日韩中字成人| 视频中文字幕在线观看| 干丝袜人妻中文字幕| 亚洲精华国产精华液的使用体验| 中文字幕av成人在线电影| 亚洲内射少妇av| 精品一区二区三区视频在线| 99热这里只有是精品50| 美女脱内裤让男人舔精品视频| 久久久成人免费电影| 好男人视频免费观看在线| 又爽又黄a免费视频| 久久热精品热| 最后的刺客免费高清国语| 18+在线观看网站| 成人国产麻豆网| 国产片特级美女逼逼视频| 久久精品国产亚洲av涩爱| 久久久久久伊人网av| 亚洲欧美一区二区三区国产| 一级黄色大片毛片| 国产一区二区亚洲精品在线观看| 女的被弄到高潮叫床怎么办| 2022亚洲国产成人精品| 日本欧美国产在线视频| 欧美最新免费一区二区三区| 日韩成人av中文字幕在线观看| 丝袜喷水一区| 男人舔女人下体高潮全视频| 国产精品一二三区在线看| 国产熟女欧美一区二区| 亚洲av熟女| 亚洲三级黄色毛片| 色综合亚洲欧美另类图片| 热99re8久久精品国产| 免费无遮挡裸体视频| 色哟哟·www| 蜜桃久久精品国产亚洲av| 国内少妇人妻偷人精品xxx网站| 99国产精品一区二区蜜桃av| 国产精品人妻久久久久久| 亚洲av.av天堂| 成年免费大片在线观看| 22中文网久久字幕| 99久国产av精品国产电影| 尾随美女入室| 精品国产三级普通话版| a级毛片免费高清观看在线播放| 久久久久免费精品人妻一区二区| 亚洲经典国产精华液单| 免费av毛片视频| 欧美精品国产亚洲| 中文字幕熟女人妻在线| 成人av在线播放网站| 亚洲人成网站高清观看| 亚洲成色77777| 日韩精品有码人妻一区| 精品久久久久久久末码| 中文在线观看免费www的网站| 精品不卡国产一区二区三区| 国产精品国产三级国产av玫瑰| 日本欧美国产在线视频| 可以在线观看毛片的网站| 国内少妇人妻偷人精品xxx网站| 色综合站精品国产| 麻豆精品久久久久久蜜桃| 日日摸夜夜添夜夜添av毛片| 亚洲精品日韩av片在线观看| 久99久视频精品免费| 日韩欧美国产在线观看| 久久久久精品久久久久真实原创| 精品无人区乱码1区二区| 日本免费在线观看一区| 亚洲婷婷狠狠爱综合网| 黄色配什么色好看| 99九九线精品视频在线观看视频| 小蜜桃在线观看免费完整版高清| 又粗又硬又长又爽又黄的视频| 女的被弄到高潮叫床怎么办| 日韩欧美精品v在线| 亚洲欧美日韩高清专用| 久久精品91蜜桃| 嫩草影院新地址| 久久这里有精品视频免费| 村上凉子中文字幕在线| 国产高清有码在线观看视频| 国产精品人妻久久久久久| 精品国产三级普通话版| av女优亚洲男人天堂| 黄色配什么色好看| 国产黄片视频在线免费观看| 欧美人与善性xxx| 男女边吃奶边做爰视频| 老师上课跳d突然被开到最大视频| av播播在线观看一区| 在线免费十八禁| 欧美区成人在线视频| 狠狠狠狠99中文字幕| 小蜜桃在线观看免费完整版高清| 国产黄a三级三级三级人| 中文字幕人妻熟人妻熟丝袜美| 日本色播在线视频| 婷婷色av中文字幕| 欧美又色又爽又黄视频| 免费黄色在线免费观看| 边亲边吃奶的免费视频| 精品一区二区三区视频在线| 寂寞人妻少妇视频99o| 六月丁香七月| 人人妻人人澡人人爽人人夜夜 | 色哟哟·www| 日本三级黄在线观看| 亚洲欧美日韩无卡精品| 午夜激情欧美在线| 欧美精品一区二区大全| 欧美色视频一区免费| 精品不卡国产一区二区三区| 欧美成人a在线观看| 国产免费男女视频| 偷拍熟女少妇极品色| a级一级毛片免费在线观看| 美女黄网站色视频| 国产大屁股一区二区在线视频| 日本午夜av视频| 韩国av在线不卡| 91久久精品电影网| 人妻少妇偷人精品九色| 日本-黄色视频高清免费观看| 精品久久久久久久末码| 一级黄色大片毛片| 一级毛片我不卡| 网址你懂的国产日韩在线| 国产黄片视频在线免费观看| 国产精品99久久久久久久久| 日韩成人av中文字幕在线观看| 日韩欧美在线乱码| 欧美性猛交黑人性爽| 亚洲三级黄色毛片| 精品久久久久久久久av| 99热精品在线国产| 亚洲欧洲日产国产| 亚洲av中文字字幕乱码综合| a级毛片免费高清观看在线播放| 精品国内亚洲2022精品成人| 国产av不卡久久| 老女人水多毛片| 精品国产三级普通话版| 亚洲图色成人| 精品一区二区免费观看| 九九爱精品视频在线观看| 婷婷色综合大香蕉| 午夜福利成人在线免费观看| 久久精品夜夜夜夜夜久久蜜豆| 女人被狂操c到高潮| av在线观看视频网站免费| 国产美女午夜福利| av在线蜜桃| 男人的好看免费观看在线视频| 国产白丝娇喘喷水9色精品| 日本av手机在线免费观看| 伦精品一区二区三区| 99九九线精品视频在线观看视频| 伦精品一区二区三区| 成人漫画全彩无遮挡| 免费av观看视频| 国产视频首页在线观看| 97超碰精品成人国产| 国产精品爽爽va在线观看网站| 免费一级毛片在线播放高清视频| 国产精品三级大全| 看黄色毛片网站| 男女边吃奶边做爰视频| kizo精华| 亚洲av一区综合| 亚洲国产日韩欧美精品在线观看| 99九九线精品视频在线观看视频| 特级一级黄色大片| 99国产精品一区二区蜜桃av| 一个人看的www免费观看视频| 岛国在线免费视频观看| 欧美不卡视频在线免费观看| videossex国产| 亚洲经典国产精华液单| 插阴视频在线观看视频| 成年女人看的毛片在线观看| 国产精品嫩草影院av在线观看| 天堂中文最新版在线下载 | 欧美精品国产亚洲| 天堂av国产一区二区熟女人妻| 久久人人爽人人爽人人片va| 国产在线男女| 深爱激情五月婷婷| 国产精品乱码一区二三区的特点| 男女视频在线观看网站免费| 熟女电影av网| 久久久色成人| 亚洲激情五月婷婷啪啪| 三级国产精品片| 日本与韩国留学比较| 国产69精品久久久久777片| 日韩欧美精品v在线| 国产精品伦人一区二区| 色噜噜av男人的天堂激情| 欧美高清性xxxxhd video| 日本wwww免费看| 国产av一区在线观看免费| 午夜a级毛片| 国产在线一区二区三区精 | 亚洲av电影不卡..在线观看| 亚洲欧美成人综合另类久久久 | 变态另类丝袜制服| 免费av观看视频| 美女xxoo啪啪120秒动态图| 欧美人与善性xxx| 91在线精品国自产拍蜜月| 亚洲国产精品合色在线| 成人无遮挡网站| 国产熟女欧美一区二区| 在线免费十八禁| 亚洲精品乱码久久久久久按摩| 精品无人区乱码1区二区| 自拍偷自拍亚洲精品老妇| 男人狂女人下面高潮的视频| 最新中文字幕久久久久| 99久久成人亚洲精品观看| 亚洲一级一片aⅴ在线观看| 国产日韩欧美在线精品| 日本猛色少妇xxxxx猛交久久| 免费人成在线观看视频色| 麻豆国产97在线/欧美| 赤兔流量卡办理| 美女xxoo啪啪120秒动态图| 免费看光身美女| 国产av一区在线观看免费| 国产av在哪里看| 免费看日本二区| 亚洲精品日韩在线中文字幕| 在现免费观看毛片| 尾随美女入室| 国产私拍福利视频在线观看| 色视频www国产| 看免费成人av毛片| 毛片女人毛片| 少妇高潮的动态图| 中文字幕熟女人妻在线| 尤物成人国产欧美一区二区三区| 久久久午夜欧美精品| 成人无遮挡网站| 色5月婷婷丁香| 天堂√8在线中文| 国产又黄又爽又无遮挡在线| 精华霜和精华液先用哪个| 日韩一区二区三区影片| 波多野结衣高清无吗| 久久人人爽人人片av| 亚洲精品亚洲一区二区| 久久久国产成人免费| 亚洲中文字幕日韩| 九九热线精品视视频播放| 一级爰片在线观看| 中文字幕人妻熟人妻熟丝袜美| 夜夜爽夜夜爽视频| 日本午夜av视频| 日韩大片免费观看网站 | 欧美成人一区二区免费高清观看| a级毛色黄片| 久久久欧美国产精品| 麻豆久久精品国产亚洲av| 我要看日韩黄色一级片| 韩国高清视频一区二区三区| 97超碰精品成人国产| 亚洲精品亚洲一区二区| 天堂√8在线中文| 女的被弄到高潮叫床怎么办| 日本午夜av视频| 成年av动漫网址| 免费av毛片视频| 亚洲av成人精品一区久久| 一边亲一边摸免费视频| 免费av观看视频| 最近中文字幕高清免费大全6| 欧美激情国产日韩精品一区| 成人午夜高清在线视频| 在线a可以看的网站| 黄片无遮挡物在线观看| 亚洲人与动物交配视频| 91aial.com中文字幕在线观看| 久热久热在线精品观看| 亚洲欧美成人综合另类久久久 | 亚洲欧洲日产国产| 欧美+日韩+精品| 亚洲欧洲日产国产| 晚上一个人看的免费电影| 久久人妻av系列| 天堂网av新在线| 久久久亚洲精品成人影院| 噜噜噜噜噜久久久久久91| 国产人妻一区二区三区在| 日日摸夜夜添夜夜添av毛片| 菩萨蛮人人尽说江南好唐韦庄 | 国产一级毛片在线| 成人毛片60女人毛片免费| 免费搜索国产男女视频| a级一级毛片免费在线观看| 久久久久久伊人网av| 婷婷色av中文字幕| 国产乱人视频| 久久久久九九精品影院| 久久久久久久久久成人| 久久精品影院6| 别揉我奶头 嗯啊视频| 久久99蜜桃精品久久| 国产亚洲精品久久久com| 免费看光身美女| 好男人视频免费观看在线| 三级国产精品欧美在线观看| 国产亚洲一区二区精品| 日日撸夜夜添| 欧美变态另类bdsm刘玥| av视频在线观看入口| 亚洲中文字幕日韩| 非洲黑人性xxxx精品又粗又长| 欧美bdsm另类| 青春草视频在线免费观看| 午夜亚洲福利在线播放| 中文亚洲av片在线观看爽| 亚洲人与动物交配视频| 久久精品夜夜夜夜夜久久蜜豆| 一级爰片在线观看| 99九九线精品视频在线观看视频| 亚洲av二区三区四区| 中文乱码字字幕精品一区二区三区 | 麻豆成人av视频| 性插视频无遮挡在线免费观看| 两个人的视频大全免费| 久久精品国产99精品国产亚洲性色| 久久99热这里只有精品18| 久久精品熟女亚洲av麻豆精品 | 国产在视频线精品| 国产乱人视频| av线在线观看网站| 久久久久久久午夜电影| 看十八女毛片水多多多| 人妻少妇偷人精品九色| 少妇被粗大猛烈的视频| 欧美潮喷喷水| 女人十人毛片免费观看3o分钟| 亚洲电影在线观看av| 国产亚洲一区二区精品| 亚洲av免费在线观看| 国产伦一二天堂av在线观看| 大香蕉97超碰在线| 深夜a级毛片| 国产一区有黄有色的免费视频 | 丰满少妇做爰视频| 免费看a级黄色片| 尤物成人国产欧美一区二区三区| 欧美一区二区国产精品久久精品| 看十八女毛片水多多多| 三级毛片av免费| 国内揄拍国产精品人妻在线| 国产精品电影一区二区三区| av在线播放精品| 国产高潮美女av| 成人亚洲精品av一区二区| 亚洲熟妇中文字幕五十中出| 天天一区二区日本电影三级| 国产真实乱freesex| 久久精品国产自在天天线| 国产探花在线观看一区二区| 亚洲av熟女| 人妻夜夜爽99麻豆av| 成人亚洲精品av一区二区| 精品久久国产蜜桃| 国产黄片美女视频| 免费黄色在线免费观看| 色噜噜av男人的天堂激情| 亚洲丝袜综合中文字幕| 六月丁香七月| 亚洲精品自拍成人| 级片在线观看| 99九九线精品视频在线观看视频| 成年女人看的毛片在线观看| 国产v大片淫在线免费观看| 九色成人免费人妻av| 黄色一级大片看看| 最近的中文字幕免费完整| 久久这里只有精品中国| 国产亚洲精品av在线| 国产在视频线精品| 日本色播在线视频| 大又大粗又爽又黄少妇毛片口| 成人午夜高清在线视频| 又粗又爽又猛毛片免费看| 国产乱人偷精品视频| 嫩草影院精品99| 全区人妻精品视频| 又爽又黄无遮挡网站| 欧美精品国产亚洲| 女人久久www免费人成看片 | 久久亚洲精品不卡| 国产亚洲精品av在线| 国内精品宾馆在线| 婷婷色综合大香蕉| a级一级毛片免费在线观看| 丰满少妇做爰视频| 久久国产乱子免费精品| 亚洲三级黄色毛片| 18禁在线无遮挡免费观看视频| 国产亚洲5aaaaa淫片| 国产色爽女视频免费观看| 一区二区三区四区激情视频| 日韩av在线免费看完整版不卡| 国产 一区 欧美 日韩| 日本爱情动作片www.在线观看| 22中文网久久字幕| 尤物成人国产欧美一区二区三区| 视频中文字幕在线观看| 永久免费av网站大全| 免费黄网站久久成人精品| 中文字幕熟女人妻在线| 亚洲国产高清在线一区二区三| 国产v大片淫在线免费观看| 色综合站精品国产| 久久精品91蜜桃| 一卡2卡三卡四卡精品乱码亚洲| 男女国产视频网站| 亚洲中文字幕日韩| 欧美极品一区二区三区四区| 亚洲精品国产成人久久av| 国产午夜福利久久久久久| 国产91av在线免费观看| 舔av片在线| 国产成人精品久久久久久|