• <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 ?

    改進(jìn)灰狼優(yōu)化算法的K-Means文本聚類

    2021-01-11 09:12:40潘成勝呂亞娜杜秀麗邱少明
    計算機工程與應(yīng)用 2021年1期
    關(guān)鍵詞:灰狼適應(yīng)度精英

    潘成勝,張 斌,呂亞娜,杜秀麗,邱少明

    大連大學(xué) 通信與網(wǎng)絡(luò)重點實驗室,遼寧 大連116622

    隨著大數(shù)據(jù)時代的不斷推進(jìn),各類文字信息充斥于人們視野中,但其中有用的信息不易被發(fā)現(xiàn),聚類方法憑借其聚類速度快、效果明顯等優(yōu)點廣泛應(yīng)用于文本信息挖掘[1-2]。文本聚類的目的是將非結(jié)構(gòu)化的文本數(shù)據(jù)分成多個類簇,其中同類簇文本相似度高,不同類簇文本相似度低[3]。K-Means 算法作為最經(jīng)典的聚類算法,在文本聚類中應(yīng)用廣泛;但K-Means 算法也存在局限性,如對初始聚類中心要求過高,算法易收斂到局部最小值等,以致文本聚類結(jié)果不可靠[4-6]。

    研究人員對K-Means 文本聚類算法作了改進(jìn),如:文獻(xiàn)[7]將粒子群算法與K-Means 算法結(jié)合進(jìn)行文本文檔聚類分析,改善了K-Means算法的文本聚類效果不佳的缺陷;文獻(xiàn)[8]使用核函數(shù)對K-Means 算法進(jìn)行改進(jìn),并對改進(jìn)后的K-Means算法進(jìn)行文本聚類劃分,改善了傳統(tǒng)K-Means算法的部分缺點;文獻(xiàn)[9]對詞語間的相似性計算進(jìn)行了修正,來改進(jìn)K-Means 算法,具有一定的文本聚類效果;文獻(xiàn)[10]使用密度峰值對K-Means 算法優(yōu)化進(jìn)行文本聚類,但是未從本質(zhì)上解決K-Means算法容易陷入局部最優(yōu)的問題,致使文本聚類效果可靠性降低。

    Mirjalili等[11]在2014年提出了灰狼優(yōu)化(Grey Wolf Optimizer,GWO)算法作為一種新型的群智能算法,較粒子群算法、蝙蝠算法等有更優(yōu)秀的收斂速度與搜索能力,部分研究人員也將GWO 算法與K-Means 算法結(jié)合進(jìn)行聚類分析:文獻(xiàn)[12]開發(fā)了一種基于GWO 算法的聚類算法來提高聚類性能;文獻(xiàn)[13]提出了一種具有Powell 局部優(yōu)化的GWO 聚類算法,在多數(shù)數(shù)據(jù)集上優(yōu)于其他算法。文獻(xiàn)[14]和文獻(xiàn)[15]將GWO 算法和KMeans相結(jié)合,以解決K-Means算法全局搜索能力不足的問題。已有GWO算法聚類算法都是采用UCI數(shù)據(jù)集進(jìn)行仿真驗證,但在文本聚類應(yīng)用上效果未知。

    目前,在文本聚類上應(yīng)用上,部分文章對K-Means算法的改進(jìn)雖然取得了一定的效果,但K-Means算法在文本聚類過程中仍存在無法跳出局部最優(yōu)解的問題,造成文本聚類結(jié)果不可靠。部分文章將GWO 算法與K-Means算法結(jié)合進(jìn)行聚類分析,針對的都是標(biāo)準(zhǔn)數(shù)值型數(shù)據(jù)集,未在文本聚類實驗中進(jìn)行驗證?;谝陨蠁栴},本文將從以下方面進(jìn)行K-Means算法在文本聚類上的改進(jìn):(1)在GWO 算法迭代過程中,對灰狼種群中的精英個體(適應(yīng)度較好的個體)進(jìn)行克隆和變異,對精英個體進(jìn)行深度挖掘,提高GWO算法的深度探索能力,避免GWO算法早熟收斂現(xiàn)象的發(fā)生;(2)為了擴大精英個體自身領(lǐng)域的獵物搜索范圍,發(fā)揮精英個體的剩余價值,將粒子群算法單體位置更新思想與原灰狼位置更新進(jìn)行結(jié)合,充分發(fā)揮灰狼精英種群的優(yōu)勢,避免GWO算法陷入局部極值;(3)將改進(jìn)后的GWO 算法與經(jīng)典KMeans算法結(jié)合,以解決K-Means算法容易陷入局部最優(yōu)的問題。同時將該算法應(yīng)用于文本聚類分析中,采用余弦距離相似性計算文本樣本間的相似性,并通過網(wǎng)絡(luò)爬蟲得到的文本數(shù)據(jù)集將本文算法與已有算法進(jìn)行準(zhǔn)確率、召回率以及F值的仿真對比,來驗證所提算法的有效性。

    1 基于免疫克隆與粒子群位置更新的灰狼優(yōu)化算法

    1.1 灰狼優(yōu)化算法(GWO)

    GWO算法是對灰狼種群中的社會等級制度和捕食行為的數(shù)學(xué)表達(dá)。GWO 算法的等級制度共分為4 個,即α、β、δ和ω狼。設(shè)種群大小為N的灰狼種群為:X={x1,x2,…,xN}。將灰狼種群中候選解的最好值作為α狼,第二優(yōu)值作為β狼,第三優(yōu)值作為δ狼,其余的候選解決方案被設(shè)定為ω狼。在GWO 算法中,由α、β、δ狼作為領(lǐng)導(dǎo)者在規(guī)定范圍內(nèi)進(jìn)行最優(yōu)解搜索,而ω狼在這3只狼的領(lǐng)導(dǎo)下進(jìn)行位置更新。GWO算法數(shù)學(xué)模型如下。

    在灰狼搜索獵物過程中,每只狼與獵物之間的距離可以用公式(1)表示:

    其中,Xp(t)代表獵物的位置向量;X(t)代表灰狼的位置向量;D代表灰狼與獵物間的距離向量;t代表迭代次數(shù)。其中,系數(shù)A和C的計算公式分別如下:

    其中,在包圍過程中a的值從2線性減少到0,并r1與r2是[0,1]內(nèi)的隨機向量。

    灰狼具有判斷獵物位置并和包圍獵物的能力。保存α、β、δ狼為在種群中獲得的前3個最佳解決方案,并迫使其他搜索代理(ω狼)根據(jù)α、β、δ狼的位置更新其位置。其他搜索代理與α、β、δ狼距離可以由公式(5)表示:

    得到每只狼的距離之后,通過公式(6)和(7)更新灰狼個體的位置:

    GWO 算法雖然有較強的搜索能力,但隨迭代次數(shù)的上升,種群多樣性在不斷降低,個體間差異越來越小,無法在搜索空間中找到最優(yōu)值,可能出現(xiàn)過早收斂現(xiàn)象,影響GWO算法的求解性能。因此,基于免疫克隆理論與粒子群位置更新思想來改進(jìn)GWO 算法,免疫克隆操作從種群中選出精英個體,并對其進(jìn)行克隆變異操作,增加種群多樣性,避免算法出現(xiàn)過早收斂現(xiàn)象;然后引入單個灰狼個體的位置變化思想,對灰狼位置的變化增加一定的突變能力,以提高算法的全局搜索能力。

    1.2 免疫克隆選擇操作

    免疫克隆選擇操作[16]本質(zhì)是按個體適應(yīng)度值從種群中選出精英個體,并對精英個體進(jìn)行克隆操作與變異操作構(gòu)成新種群,再從新種群中選出精英個體進(jìn)入下一次迭代,直到達(dá)到免疫克隆選擇的最大迭代次數(shù)。將其應(yīng)用于灰狼優(yōu)化算法是對原灰狼種群中的精英個體進(jìn)行更深入的探索,以擴大搜索范圍并改善種群多樣性。克隆選擇的詳細(xì)步驟如下:

    步驟1 根據(jù)適應(yīng)度函數(shù)值從灰狼種群中選出適應(yīng)度較好的m個個體形成精英種群(根據(jù)文獻(xiàn)[16]將m值設(shè)置為灰狼個體數(shù)的1/4)。

    步驟2 克隆精英種群中的所有灰狼個體,克隆大小與選擇的精英種群數(shù)m成正比,形成大小為Nc的臨時種群T,Nc計算公式如下:

    其中,round()函數(shù)為取整函數(shù);λ是屬于[0,1]之間的隨機數(shù);b是整型常數(shù)且b≥1,與原始種群數(shù)量N相比,Nc的大小與b的值呈正相關(guān)關(guān)系;這樣可以確保精英種群中的每個個體都有一定數(shù)量的克隆體。

    步驟3 對種群中的每個個體實施高頻變異,以在精英個體附近獲得更好的候選解,變異操作如公式(9)~(11)所示:

    其中ti是種群T第i次迭代的個體;tnewi是ti在經(jīng)過變異操作后產(chǎn)生的新的個體;r4、r5、r6是屬于[0,1]之間的隨機數(shù);i代表第i次迭代;imax代表免疫克隆操作的最大迭代次數(shù);η是克隆變異參數(shù)。由公式(11)可以看出,迭代次數(shù)與克隆變異參數(shù)η呈負(fù)相關(guān),η在開始時接近1,變異范圍較大,此時執(zhí)行全局范圍搜索以保證種群多樣性;隨迭代次數(shù)的增加,η的值越來越接近0,表示在較小的范圍內(nèi)執(zhí)行局部搜索以增加微調(diào)能力,確保搜索的準(zhǔn)確性。

    步驟4 從T中再選擇出較好的m個個體,作為下一次迭代的精英個體種群,直到達(dá)到免疫克隆操作的最大迭代次數(shù)。

    1.3 粒子群位置更新思想

    在灰狼優(yōu)化算法中,從公式(5)可以看出,灰狼的位置變動主要是根據(jù)3只頭狼的位置進(jìn)行獵物位置探索,之后在3 只頭狼(α、β、δ狼)帶領(lǐng)下進(jìn)行位置更新。由于現(xiàn)在面對的是精英種群,其中每個精英個體的獵物搜索結(jié)果中包含的信息,都可能會對獵物的最終位置的搜索結(jié)果產(chǎn)生影響,因此為考慮單個精英個體的位置信息,最大化提高精英個體利用率,擴大精英個體周邊獵物的搜索范圍。

    本文從粒子群優(yōu)化算法位置更新思想中得到啟發(fā),考慮將單個灰狼個體的位置變化思想引入到灰狼位置更新中,避免算法出現(xiàn)早熟收斂,將公式(7)的更新策略進(jìn)行相應(yīng)的調(diào)整,調(diào)整如下:

    其中,w是[0,1]間的隨機數(shù),經(jīng)過多次仿真實驗,w取值在[0.6,1]間時,算法有更好的搜索性能,算法尋優(yōu)結(jié)果更準(zhǔn)確,當(dāng)w較大時,具有更好的全局搜索能力,w較小時,局部搜索能力較強,可以有效地避免早熟收斂;r6、r7、r8都是[0,1]間的隨機數(shù),C1、C2、C3由公式(4)得出;X1、X2、X3可由公式(6)得出;X(t)代表當(dāng)前灰狼的位置。

    1.4 基于免疫克隆與粒子群位置更新的灰狼優(yōu)化算法(IPSGWO)

    綜上所述,基于免疫克隆與粒子群位置更新的灰狼優(yōu)化算法(IPSGWO)如下所示:

    begin

    初始化種群規(guī)模N,精英個數(shù)m=N/4,最大迭代次數(shù)lmax,狼群初始速度v,以及λ、b和w。

    按維度對灰狼種群{xi,i=1,2,…,N}進(jìn)行初始化。

    初始化灰狼種群中前三個最優(yōu)個體α、β和δ狼,并記錄其位置Xα、Xβ和Xδ。

    while (l<lmax)

    while (i≤N)

    計算N只狼的適應(yīng)度值{f(xi),i=1,2,…,N},并記錄α、β和δ狼的位置;

    按適應(yīng)度值排序,找出最優(yōu)的m個個體,放入臨時種群temp[m]中;

    按式(8)克隆生成Nc個克隆個體,放入精英種群T中;

    按式(10)和(11)計算每次迭代的p和η的值;

    按式(9)對精英種群T中個體進(jìn)行變異;

    i=i+1;

    end while

    經(jīng)過免疫克隆選擇操作,輸出種群大小為Nc的新種群Tnew;

    forg=1 to size(Tnew) do

    重新計算新種群個體適應(yīng)度值,選出α、β和δ狼并記錄其位置;

    按式(3)和(4)計算A和C的值;

    按式(5)和(6)計算X1、X2和X3;

    按式(13)計算灰狼個體的位置變化信息;

    按式(12)更新個體的位置;

    end for

    更新α、β和δ狼的適應(yīng)度值及其相應(yīng)位置Xα、Xβ和Xδ;

    l=l+1;

    end while

    輸出α狼的位置Xα及α狼的適應(yīng)度函數(shù)值。

    end

    2 基于IPSGWO算法的K-Means文本聚類

    2.1 適合文本聚類同類簇判定的K-Means算法

    K-Means 算法是最常用的聚類算法。它采取輸入?yún)?shù)K,并將一組n個對象分為K個類簇,使得同一類簇內(nèi)相似度較高,而不同類簇間相似度較低。

    設(shè)樣本數(shù)據(jù)集為S={s1,s2,…,sn}(si為d維向量),K個類簇為C={c1,c2,…,ck},K-Means算法步驟如下:

    步驟1 從數(shù)據(jù)集S中隨機的找到K個數(shù)據(jù)點作為初始中心。

    步驟2 分別計算每個數(shù)據(jù)點si到所選K個數(shù)據(jù)點之間的距離d(si,cj),按照距離最近的原則將每個數(shù)據(jù)點分派到距離它們最近的類簇中。

    步驟3 分別計算各個類簇中的數(shù)據(jù)點的平均值,將其設(shè)置為下一次迭代的聚類中心。

    步驟4 循環(huán)迭代步驟2~4,直到達(dá)到最大迭代次數(shù)或者滿足一定的聚類精度為止。

    其中,上述步驟中數(shù)據(jù)對象間的距離通過歐氏距離計算,如公式(14)所示:

    在進(jìn)行文本聚類分析時,使用歐氏距離來度量文本之間的相似性會造成很大誤差,因此本文采用經(jīng)典的文本相似性度量方法:余弦相似度,如式(15)所示:

    由于兩篇文檔之間的余弦相似度越高,兩篇文檔屬于相同類簇的概率越大,根據(jù)文獻(xiàn)[17]將距離定義修改為公式(16):

    其中,兩篇文檔距離與余弦相似度值呈負(fù)相關(guān):當(dāng)文本相似度最高時,余弦相似度值為1,而兩篇文檔之間的距離值0,為0;當(dāng)文本相似度最低時,余弦相似度值為0,而兩篇文檔之間的距離值最大,為1。

    2.2 IPSGWO與K-Means相結(jié)合的文本聚類算法

    在對文本數(shù)據(jù)進(jìn)行聚類分析時,由于文本文檔屬于非結(jié)構(gòu)化數(shù)據(jù),因此在進(jìn)行文本聚類前需要對文本文檔進(jìn)行預(yù)處理,將文本數(shù)據(jù)類型轉(zhuǎn)化為可供IPSGWOKMeans 算法輸入的數(shù)值型數(shù)據(jù),其中文本預(yù)處理的基本步驟為:文本分詞處理,去除停用詞,文本特征選擇以及文本向量化。

    本文使用Python中的jieba分詞對文本文檔進(jìn)行文本分詞及去除停用詞處理,常用的文本表示模型主要有:布爾空間模型(BM)、后綴樹模型(STM)、向量空間模型(VSM)以及概率檢索模型(PM)等。本文采用最經(jīng)典的文本向量模型(VSM)進(jìn)行文本向量化,對于文檔D,采用(tf-idf1,tf-idf2,…,tf-idfn)進(jìn)行向量表示[17]。其中tf-idf的計算公式如公式(17)所示:

    其中,ni為包含詞語ti的文檔個數(shù),N為文檔總數(shù);tf(t,d)表示詞語ti在文檔D中出現(xiàn)的次數(shù)。

    本文采用IPSGWO 與K-Means 算法結(jié)合進(jìn)行文本聚類分析,具體來說是利用IPSGWO算法找出一組最優(yōu)聚類中心來使文本中各類別中所有文本到該組聚類中心的距離最小,即各文檔的相似度最大。在GWO 算法中,適應(yīng)度函數(shù)是灰狼尋找最優(yōu)解的目標(biāo)。在K-Means算法中,類內(nèi)距離之和是衡量聚類算法優(yōu)劣的重要指標(biāo),其值越小,則聚類性能越好。IPSGWO 與K-Means算法結(jié)合的目的就是利用IPSGWO 算法強大的尋優(yōu)能力,精確找出最優(yōu)聚類中心,通過該聚類中心對文本文檔進(jìn)行類別劃分。本文選取文本文檔間的類內(nèi)距離之和作為IPSGWO 算法的適應(yīng)度評估函數(shù),如公式(18)所示:

    其中,d(si,cj)可由公式(16)計算得出,K代表聚類類別。

    IPSGWO 與K-Means 算法結(jié)合的文本聚類算法的算法步驟為:

    步驟1 對文本D進(jìn)行分詞、去停用詞、特征選擇和向量化,將文本數(shù)據(jù)轉(zhuǎn)換為數(shù)值型數(shù)據(jù),作為文本聚類算法的原始數(shù)據(jù)集S。

    步驟2 初始化聚類類別數(shù)K,并按不同維度對灰狼種群進(jìn)行隨機初始化(種群中每個個體表示一組K個聚類中心),獲得灰狼種群X={x1,x2,…,xn}。其中xi可由公式(19)產(chǎn)生:

    步驟3 按K-Means 算法中的步驟2,按公式(15)計算數(shù)值型數(shù)據(jù)集S中的每一個數(shù)據(jù)對象到每一個初始灰狼個體代表的K個聚類中心的余弦相似度,并按公式(16)將該數(shù)據(jù)對象分配到距離最近的類簇中,直到所有數(shù)據(jù)對象分配完畢。

    步驟4 按照公式(18)計算每個灰狼個體的個類簇中所有數(shù)據(jù)對象的類內(nèi)距離之和(適應(yīng)度評估函數(shù)值)。

    步驟5 按適應(yīng)度函數(shù)值的大小對灰狼種群中每個個體排序,并從中選出適應(yīng)度函數(shù)值較好的m個個體形成精英種群。

    步驟6 對精英個體執(zhí)行免疫克隆選擇操作,輸出新種群。

    步驟7 計算IPSGWO 算法的相關(guān)參數(shù),并對免疫克隆選擇操作后生成的新種群執(zhí)行帶有粒子群位置更新思想的灰狼位置更新。

    步驟8 判斷IPSGWO-KMeans 文本聚類算法是否達(dá)到最大迭代次數(shù)或者滿足收斂條件,如果是,記錄下α狼的適應(yīng)度值及其位置Xα,其中Xα就是最終的聚類中心;反之,循環(huán)迭代步驟2~6。

    步驟9 輸出文本聚類結(jié)果,并將對應(yīng)的文本文檔數(shù)據(jù)按最終聚類結(jié)果分配到對應(yīng)類別中。

    3 仿真結(jié)果及分析

    實驗硬件環(huán)境為:64位Win10操作系統(tǒng),500 GB硬盤;軟件環(huán)境為:Python3.7,MATLAB2017a。

    實驗所用到的文本數(shù)據(jù)為:微博及新聞短文本數(shù)據(jù)集,共分為4類數(shù)據(jù):女性、體育、文學(xué)出版、校園。從大量的文本數(shù)據(jù)中每類各選取50篇文檔,將共200篇文檔混合在一起打亂順序作為IPSGWO 與K-Means 算法結(jié)合的文本聚類測試樣本。

    實驗參數(shù)設(shè)置:文本聚類算法的類別設(shè)置為4,IPSGWO-KMeans 算法的迭代次數(shù)設(shè)置為500,灰狼種群數(shù)設(shè)置為50,其他對比算法設(shè)置相同的迭代次數(shù)和種群數(shù)量。

    實驗結(jié)果評估方法:類內(nèi)距離之和、準(zhǔn)確率、召回率和F值。其中,類內(nèi)距離之和越小代表數(shù)據(jù)聚合度越高;準(zhǔn)確率與召回率都是介于0到1之間,兩者結(jié)果越靠近1,代表文本聚類算法的查全率越高;F值大小也在0和1 之間,其值越大,代表聚類效果越真實可靠。并且將本文所提IPSGWO-KMeans 文本聚類算法與傳統(tǒng)KMeans 算 法、IPSK-Means 算 法 以 及GWO-KMeans 算法[15]進(jìn)行文本聚類實驗對比,其中類內(nèi)距離之和的收斂情況如圖1 所示;為了更好地驗證所提算法的文本能力,在各個算法穩(wěn)定狀態(tài)時,分別取一次較好的準(zhǔn)確率、召回率和F值的實驗結(jié)果進(jìn)行對比,結(jié)果記錄如表1所示,加黑字體為實驗較優(yōu)結(jié)果。

    圖1 適應(yīng)度函數(shù)收斂曲線

    由圖1 可以看出,本文所提IPSGWO-KMeans 文本聚類算法較原始GWO-KMeans 算法和IPSK-Means 算法有更好的收斂速度和尋優(yōu)能力,在前300 次迭代的過程中,尋找最優(yōu)聚類中心的有更強的尋優(yōu)能力,在迭代后期,由于加入了粒子群位置更新思想,IPSGWOKMeans 算法的有更強的突變能力,可以跳出已經(jīng)找到的較好的聚類中心,從較好的聚類中心附近找到更優(yōu)解;較傳統(tǒng)的K-Means 算法,IPSGWO-KMeans 文本聚類算法的類內(nèi)之和減少了2.5 左右,有優(yōu)秀的尋優(yōu)能力。

    從表1 可以看出,本文所提IPSGWO-KMeans 文本聚類算法較GWO-KMeans 算法、IPSK-Means 算法以及傳統(tǒng)K-Means 算法有更高的準(zhǔn)確率、召回率以及F值,文本聚類更準(zhǔn)確。相較于傳統(tǒng)K-Means算法,在4類數(shù)據(jù)中準(zhǔn)確率、召回率及F值平均分別提高了33.84%、33%和31.63%。原因在于傳統(tǒng)K-Means 算法易收斂到局部極值,在對文本聚類的過程中,會出現(xiàn)收斂停滯,處于局部最優(yōu),從而造成文本聚類結(jié)果可靠性不高,IPSGWO-KMeans 算法通過免疫克隆操作以及粒子群位置更新思想與GWO 算法結(jié)合來優(yōu)化K-Means 算法,可以避免算法陷入局部極值,從而提到文本聚類的可靠性。

    表1 文本聚類結(jié)果

    4 結(jié)束語

    針對傳統(tǒng)K-Means 算法在文本聚類過程中易陷入局部最優(yōu),導(dǎo)致文本聚類效果不可靠、不易發(fā)現(xiàn)文檔間關(guān)系的問題,本文將免疫克隆與粒子群位置更新思想加入到灰狼優(yōu)化算法中,并用改進(jìn)后的灰狼優(yōu)化算法與KMeans 算法結(jié)合(IPSGWO-KMeans 算法)去解決KMeans算法存在的問題。通過對文本數(shù)據(jù)聚類實驗,結(jié)果顯示,IPSGWO-KMeans 算法在對4 類文本文檔進(jìn)行聚類時,較傳統(tǒng)K-Means算法有快的收斂速度以及更優(yōu)質(zhì)的尋優(yōu)能力,同時對文本數(shù)據(jù)聚類的準(zhǔn)確率、召回率以及F值都有明顯的提高,平均提高了33.84%、33%和31.63%。因此,IPSGWO-KMeans 文本聚類算法聚類準(zhǔn)確率更高,聚類結(jié)果更可靠。

    下一步的研究方向,是采用IPSGWO-KMeans 算法對雷災(zāi)文本數(shù)據(jù)進(jìn)行文本聚類分析,找到雷災(zāi)多發(fā)時間以及地區(qū)等相關(guān)信息。

    猜你喜歡
    灰狼適應(yīng)度精英
    改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
    計算機仿真(2022年8期)2022-09-28 09:53:02
    它們都是“精英”
    谷谷雞和小灰狼
    小太陽畫報(2019年1期)2019-06-11 10:29:48
    灰狼的大大噴嚏
    精英2018賽季最佳陣容出爐
    NBA特刊(2018年11期)2018-08-13 09:29:14
    當(dāng)英國精英私立學(xué)校不再只屬于精英
    海外星云(2016年7期)2016-12-01 04:18:01
    灰狼和老虎
    快樂語文(2016年15期)2016-11-07 09:46:31
    昂科威28T四驅(qū)精英型
    世界汽車(2016年8期)2016-09-28 12:11:11
    基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
    中國塑料(2016年11期)2016-04-16 05:26:02
    灰狼的幸福
    讀寫算(中)(2015年6期)2015-02-27 08:47:14
    男的添女的下面高潮视频| 国产精品香港三级国产av潘金莲 | 久久久国产精品麻豆| 国产淫语在线视频| 国产无遮挡羞羞视频在线观看| 日本猛色少妇xxxxx猛交久久| 黄频高清免费视频| 久久毛片免费看一区二区三区| 国产精品久久久av美女十八| 久久久久久人妻| 美女国产高潮福利片在线看| 亚洲四区av| 国产老妇伦熟女老妇高清| 国产日韩一区二区三区精品不卡| 久久久国产一区二区| 国产精品人妻久久久影院| 男人操女人黄网站| 如日韩欧美国产精品一区二区三区| 国产精品二区激情视频| 十八禁高潮呻吟视频| 美女午夜性视频免费| 91精品国产国语对白视频| 国产有黄有色有爽视频| a级毛片黄视频| 日韩大码丰满熟妇| 亚洲一区二区三区欧美精品| 99久久99久久久精品蜜桃| 中国国产av一级| 国产国语露脸激情在线看| 超色免费av| 老司机靠b影院| 老司机在亚洲福利影院| 日韩欧美精品免费久久| 亚洲精品一二三| 国产精品熟女久久久久浪| 丝袜美足系列| av国产精品久久久久影院| 成人三级做爰电影| 日本wwww免费看| 午夜福利网站1000一区二区三区| 国产淫语在线视频| 精品亚洲成国产av| a 毛片基地| 亚洲综合精品二区| 久久精品久久精品一区二区三区| 色综合欧美亚洲国产小说| 超色免费av| 男女下面插进去视频免费观看| 国产精品.久久久| 美女中出高潮动态图| 亚洲欧美中文字幕日韩二区| 综合色丁香网| 亚洲国产精品一区三区| 久久久国产一区二区| 极品人妻少妇av视频| 国产男女超爽视频在线观看| 男人舔女人的私密视频| 一边摸一边做爽爽视频免费| 99久国产av精品国产电影| 一级毛片我不卡| 免费av中文字幕在线| 97在线人人人人妻| 亚洲欧洲国产日韩| 国产在线免费精品| 妹子高潮喷水视频| 麻豆乱淫一区二区| 亚洲欧美一区二区三区国产| 欧美精品亚洲一区二区| 国产精品久久久久成人av| 亚洲精品av麻豆狂野| 久久热在线av| av一本久久久久| 亚洲美女黄色视频免费看| 精品福利永久在线观看| 免费女性裸体啪啪无遮挡网站| 久久精品人人爽人人爽视色| 久久av网站| 国产午夜精品一二区理论片| 精品国产一区二区三区四区第35| 91成人精品电影| 999精品在线视频| 一区二区三区激情视频| 水蜜桃什么品种好| 不卡av一区二区三区| 日韩免费高清中文字幕av| 黄色毛片三级朝国网站| 精品一区二区三区av网在线观看 | a级片在线免费高清观看视频| 国产日韩欧美亚洲二区| 18禁观看日本| 久久久久久久国产电影| 精品少妇一区二区三区视频日本电影 | 国产精品一二三区在线看| 精品久久久精品久久久| 亚洲精品av麻豆狂野| 制服人妻中文乱码| 一级毛片电影观看| 日韩av免费高清视频| 亚洲国产中文字幕在线视频| 欧美人与善性xxx| 伦理电影免费视频| 十八禁人妻一区二区| 老汉色av国产亚洲站长工具| 成年人免费黄色播放视频| 免费看不卡的av| 操出白浆在线播放| 晚上一个人看的免费电影| 最近的中文字幕免费完整| 日日爽夜夜爽网站| 国产av国产精品国产| 美女扒开内裤让男人捅视频| 一边亲一边摸免费视频| 99久久精品国产亚洲精品| 又大又黄又爽视频免费| 操美女的视频在线观看| 国产欧美日韩综合在线一区二区| 日韩制服骚丝袜av| 少妇人妻 视频| 国产精品秋霞免费鲁丝片| 麻豆av在线久日| 亚洲精品自拍成人| 母亲3免费完整高清在线观看| 久久天躁狠狠躁夜夜2o2o | 黑人欧美特级aaaaaa片| 大码成人一级视频| 日韩av免费高清视频| 亚洲美女黄色视频免费看| 欧美另类一区| 欧美精品亚洲一区二区| 亚洲精品久久成人aⅴ小说| 在线观看免费视频网站a站| 国产成人精品久久久久久| 少妇人妻 视频| 亚洲欧洲精品一区二区精品久久久 | 只有这里有精品99| 久久久国产一区二区| 亚洲,一卡二卡三卡| 少妇人妻精品综合一区二区| 亚洲国产精品国产精品| 国产成人精品福利久久| 男的添女的下面高潮视频| 国产免费福利视频在线观看| 精品一区二区免费观看| 国产1区2区3区精品| 麻豆精品久久久久久蜜桃| 国产av一区二区精品久久| 欧美老熟妇乱子伦牲交| 久久久国产精品麻豆| 色精品久久人妻99蜜桃| 亚洲国产av影院在线观看| 国产成人av激情在线播放| 国产精品免费视频内射| 午夜福利乱码中文字幕| 国产精品av久久久久免费| 亚洲美女黄色视频免费看| 久久久久人妻精品一区果冻| 亚洲精品av麻豆狂野| 亚洲欧美一区二区三区国产| 九九爱精品视频在线观看| 亚洲,欧美精品.| 久久久国产精品麻豆| 亚洲精品自拍成人| 黄频高清免费视频| 18在线观看网站| 少妇人妻 视频| 日韩中文字幕视频在线看片| 性少妇av在线| 啦啦啦在线观看免费高清www| 欧美久久黑人一区二区| 日日摸夜夜添夜夜爱| 日韩一区二区三区影片| 熟妇人妻不卡中文字幕| 九九爱精品视频在线观看| 欧美 日韩 精品 国产| 宅男免费午夜| 伊人亚洲综合成人网| 国产黄频视频在线观看| 色网站视频免费| 街头女战士在线观看网站| 欧美亚洲 丝袜 人妻 在线| 精品一区二区免费观看| 欧美久久黑人一区二区| 国产乱来视频区| 韩国精品一区二区三区| 成人午夜精彩视频在线观看| 亚洲欧美成人精品一区二区| 亚洲第一青青草原| 高清黄色对白视频在线免费看| 亚洲美女视频黄频| 亚洲情色 制服丝袜| 国产在视频线精品| 亚洲国产精品成人久久小说| 亚洲少妇的诱惑av| 久久天堂一区二区三区四区| 久久99一区二区三区| 纵有疾风起免费观看全集完整版| 日韩精品有码人妻一区| 777米奇影视久久| 国产成人欧美在线观看 | 侵犯人妻中文字幕一二三四区| 咕卡用的链子| 久久久精品区二区三区| 精品亚洲成a人片在线观看| 人妻一区二区av| 亚洲av日韩精品久久久久久密 | 岛国毛片在线播放| 丝瓜视频免费看黄片| 美女中出高潮动态图| 日韩熟女老妇一区二区性免费视频| 成年美女黄网站色视频大全免费| 亚洲国产欧美一区二区综合| 免费高清在线观看视频在线观看| 桃花免费在线播放| av又黄又爽大尺度在线免费看| 日本wwww免费看| 18禁裸乳无遮挡动漫免费视频| 亚洲国产精品一区三区| 国产片特级美女逼逼视频| 精品亚洲成a人片在线观看| 精品人妻在线不人妻| 乱人伦中国视频| 亚洲国产毛片av蜜桃av| 亚洲成人国产一区在线观看 | 在线 av 中文字幕| 热re99久久精品国产66热6| 亚洲成人一二三区av| 男女床上黄色一级片免费看| 国产精品av久久久久免费| 国产精品一国产av| av片东京热男人的天堂| 久久精品久久精品一区二区三区| 亚洲欧美一区二区三区久久| 老司机亚洲免费影院| 亚洲精品国产av成人精品| 99热全是精品| 无遮挡黄片免费观看| 国产有黄有色有爽视频| 丝袜人妻中文字幕| av免费观看日本| 久久久精品94久久精品| 亚洲综合色网址| 国产免费视频播放在线视频| 亚洲欧美一区二区三区国产| 日本欧美视频一区| 制服丝袜香蕉在线| 十分钟在线观看高清视频www| 久久 成人 亚洲| 日韩 亚洲 欧美在线| 男人舔女人的私密视频| 国产一区二区三区综合在线观看| 亚洲精品久久久久久婷婷小说| 久久久久精品国产欧美久久久 | 日韩欧美精品免费久久| 日本欧美国产在线视频| 巨乳人妻的诱惑在线观看| 午夜福利免费观看在线| av网站在线播放免费| 久久精品亚洲熟妇少妇任你| 777久久人妻少妇嫩草av网站| 欧美亚洲日本最大视频资源| 97精品久久久久久久久久精品| 亚洲伊人色综图| 国产淫语在线视频| 看免费成人av毛片| 亚洲成色77777| 日本wwww免费看| 一本久久精品| www日本在线高清视频| 自线自在国产av| 日韩熟女老妇一区二区性免费视频| 国产熟女午夜一区二区三区| 又大又黄又爽视频免费| av在线播放精品| 国产亚洲一区二区精品| 80岁老熟妇乱子伦牲交| 欧美xxⅹ黑人| 亚洲伊人久久精品综合| 一级毛片我不卡| 精品亚洲成a人片在线观看| 香蕉丝袜av| 日本色播在线视频| av一本久久久久| 最近的中文字幕免费完整| 巨乳人妻的诱惑在线观看| 免费观看人在逋| 午夜老司机福利片| 国产精品一区二区在线不卡| 韩国av在线不卡| 久久久精品免费免费高清| 中文字幕人妻丝袜制服| 久久久久视频综合| 免费日韩欧美在线观看| 国产日韩欧美亚洲二区| 久久女婷五月综合色啪小说| 亚洲精品,欧美精品| 两个人看的免费小视频| 亚洲欧美激情在线| 亚洲国产精品999| 国产精品无大码| 黑人欧美特级aaaaaa片| 另类精品久久| 十八禁网站网址无遮挡| 免费观看a级毛片全部| 免费观看性生交大片5| 亚洲欧美日韩另类电影网站| 深夜精品福利| 国产麻豆69| 国产免费一区二区三区四区乱码| 韩国av在线不卡| 五月开心婷婷网| 亚洲国产av影院在线观看| 久久 成人 亚洲| 免费少妇av软件| 欧美亚洲 丝袜 人妻 在线| 日日爽夜夜爽网站| 乱人伦中国视频| 99国产综合亚洲精品| 成人国语在线视频| 午夜91福利影院| 美女视频免费永久观看网站| 久久久久精品人妻al黑| 免费不卡黄色视频| 中文字幕精品免费在线观看视频| 91成人精品电影| 满18在线观看网站| 久久久精品94久久精品| 久久久精品区二区三区| 亚洲,欧美,日韩| 欧美日韩一级在线毛片| 亚洲自偷自拍图片 自拍| 精品人妻在线不人妻| av免费观看日本| 亚洲欧美清纯卡通| 热99久久久久精品小说推荐| 一区二区三区精品91| 好男人视频免费观看在线| 欧美av亚洲av综合av国产av | 国产1区2区3区精品| 熟妇人妻不卡中文字幕| 亚洲欧美精品自产自拍| 国产高清国产精品国产三级| 亚洲国产成人一精品久久久| 老汉色av国产亚洲站长工具| 亚洲国产av影院在线观看| 中文乱码字字幕精品一区二区三区| 午夜福利一区二区在线看| 国产成人精品在线电影| 亚洲综合色网址| 亚洲精品中文字幕在线视频| 国产熟女欧美一区二区| 午夜久久久在线观看| 久久久久久免费高清国产稀缺| 美女脱内裤让男人舔精品视频| 精品久久蜜臀av无| 秋霞在线观看毛片| 国产一区二区三区综合在线观看| 精品久久蜜臀av无| 精品少妇内射三级| 考比视频在线观看| 亚洲欧洲国产日韩| 欧美精品亚洲一区二区| 精品少妇黑人巨大在线播放| 国产精品秋霞免费鲁丝片| 亚洲国产精品成人久久小说| 女人久久www免费人成看片| 777米奇影视久久| 亚洲三区欧美一区| 午夜免费男女啪啪视频观看| 99热国产这里只有精品6| 国产精品熟女久久久久浪| 蜜桃在线观看..| 亚洲欧美成人综合另类久久久| 日韩欧美精品免费久久| 亚洲欧美色中文字幕在线| 一级片免费观看大全| 9色porny在线观看| 丝瓜视频免费看黄片| 欧美精品一区二区大全| 一区二区三区四区激情视频| 精品一品国产午夜福利视频| 91国产中文字幕| 中文字幕av电影在线播放| 18禁观看日本| 最近中文字幕2019免费版| 国产亚洲午夜精品一区二区久久| 热re99久久精品国产66热6| 午夜免费男女啪啪视频观看| 最黄视频免费看| 夜夜骑夜夜射夜夜干| 赤兔流量卡办理| 国产黄色免费在线视频| 日日爽夜夜爽网站| 久久久国产欧美日韩av| 国产免费福利视频在线观看| 亚洲精品国产色婷婷电影| 国产精品久久久久久久久免| 大陆偷拍与自拍| av一本久久久久| 成年av动漫网址| 香蕉丝袜av| 国产亚洲最大av| 久久精品国产a三级三级三级| 久久精品亚洲av国产电影网| 人妻人人澡人人爽人人| 久久久久久久久久久免费av| 精品一区二区三区av网在线观看 | 日韩制服丝袜自拍偷拍| 国产熟女午夜一区二区三区| 亚洲欧美日韩另类电影网站| 欧美日韩亚洲综合一区二区三区_| 亚洲 欧美一区二区三区| 欧美变态另类bdsm刘玥| 桃花免费在线播放| 免费黄网站久久成人精品| 亚洲av欧美aⅴ国产| 久久国产亚洲av麻豆专区| 捣出白浆h1v1| 久久综合国产亚洲精品| 女的被弄到高潮叫床怎么办| 青草久久国产| 热99国产精品久久久久久7| 天天添夜夜摸| 中文精品一卡2卡3卡4更新| 国产乱人偷精品视频| 又大又黄又爽视频免费| 午夜福利影视在线免费观看| 亚洲成人国产一区在线观看 | 观看av在线不卡| 999精品在线视频| 国产成人精品无人区| xxxhd国产人妻xxx| 日韩一区二区视频免费看| 777米奇影视久久| av在线app专区| 国产精品无大码| 五月天丁香电影| 亚洲精品美女久久av网站| 高清av免费在线| 中文字幕亚洲精品专区| 街头女战士在线观看网站| 美国免费a级毛片| 一本一本久久a久久精品综合妖精| 亚洲一级一片aⅴ在线观看| 亚洲熟女毛片儿| 色网站视频免费| 亚洲情色 制服丝袜| 国产亚洲精品第一综合不卡| 亚洲精品日韩在线中文字幕| 少妇猛男粗大的猛烈进出视频| 美女中出高潮动态图| 成人黄色视频免费在线看| 热99国产精品久久久久久7| 欧美日本中文国产一区发布| 高清av免费在线| www.自偷自拍.com| 天天躁夜夜躁狠狠久久av| 美女福利国产在线| 亚洲欧美成人精品一区二区| 视频在线观看一区二区三区| 天美传媒精品一区二区| 亚洲第一av免费看| 如日韩欧美国产精品一区二区三区| 男女边摸边吃奶| 制服丝袜香蕉在线| 最近手机中文字幕大全| 国产免费现黄频在线看| 丰满迷人的少妇在线观看| 国产亚洲精品第一综合不卡| 大香蕉久久成人网| av女优亚洲男人天堂| 亚洲中文av在线| 中国国产av一级| 丁香六月天网| 国产欧美日韩综合在线一区二区| 国产精品久久久久成人av| www.av在线官网国产| 国产高清国产精品国产三级| 欧美av亚洲av综合av国产av | 久久国产亚洲av麻豆专区| 一本一本久久a久久精品综合妖精| 亚洲综合色网址| 精品亚洲乱码少妇综合久久| 国产精品偷伦视频观看了| 久久久久网色| 成年美女黄网站色视频大全免费| 亚洲,一卡二卡三卡| 亚洲精品一二三| 亚洲av成人精品一二三区| 日韩中文字幕欧美一区二区 | 国产熟女欧美一区二区| 久久久久久久久免费视频了| 男女无遮挡免费网站观看| 精品久久蜜臀av无| 国产日韩欧美亚洲二区| 久久久久精品久久久久真实原创| 婷婷色av中文字幕| 久久99精品国语久久久| 欧美日韩av久久| 丝袜人妻中文字幕| 精品国产超薄肉色丝袜足j| 国产精品 国内视频| 五月天丁香电影| 满18在线观看网站| 亚洲欧美一区二区三区久久| 啦啦啦 在线观看视频| 国产片内射在线| 男人添女人高潮全过程视频| 大码成人一级视频| 国产精品香港三级国产av潘金莲 | 看非洲黑人一级黄片| 飞空精品影院首页| 日本午夜av视频| 少妇人妻精品综合一区二区| 亚洲av日韩在线播放| 国产 精品1| 一级,二级,三级黄色视频| 亚洲自偷自拍图片 自拍| 欧美老熟妇乱子伦牲交| 精品久久蜜臀av无| 久久国产精品男人的天堂亚洲| 成人三级做爰电影| 18禁动态无遮挡网站| 波多野结衣一区麻豆| 国产精品99久久99久久久不卡 | 国产 一区精品| 国产日韩欧美视频二区| 波野结衣二区三区在线| 日本猛色少妇xxxxx猛交久久| 999久久久国产精品视频| 亚洲av中文av极速乱| 麻豆精品久久久久久蜜桃| 国产精品成人在线| 亚洲精品第二区| 男的添女的下面高潮视频| 精品卡一卡二卡四卡免费| 五月开心婷婷网| 久久97久久精品| 久久鲁丝午夜福利片| 久久青草综合色| 欧美人与善性xxx| 青青草视频在线视频观看| 国产成人一区二区在线| √禁漫天堂资源中文www| 国产在线一区二区三区精| 大香蕉久久成人网| 一边摸一边抽搐一进一出视频| 肉色欧美久久久久久久蜜桃| 两个人看的免费小视频| 少妇被粗大的猛进出69影院| 亚洲精品乱久久久久久| 在线观看www视频免费| 丝袜人妻中文字幕| av不卡在线播放| 97在线人人人人妻| 精品国产一区二区久久| 久久人人爽人人片av| 1024视频免费在线观看| 久久精品亚洲熟妇少妇任你| 最近中文字幕2019免费版| 亚洲婷婷狠狠爱综合网| 久久久久久久久久久免费av| 国产高清国产精品国产三级| 亚洲欧美色中文字幕在线| 爱豆传媒免费全集在线观看| 国产精品麻豆人妻色哟哟久久| 高清av免费在线| 美女午夜性视频免费| 狂野欧美激情性xxxx| 丁香六月天网| 各种免费的搞黄视频| 少妇精品久久久久久久| 成人国语在线视频| av在线老鸭窝| 国产男人的电影天堂91| 精品一品国产午夜福利视频| 亚洲国产中文字幕在线视频| 在线观看免费视频网站a站| 一级片'在线观看视频| 美女中出高潮动态图| 大片电影免费在线观看免费| 欧美黑人精品巨大| 伦理电影免费视频| kizo精华| 校园人妻丝袜中文字幕| 亚洲精品美女久久久久99蜜臀 | 亚洲av电影在线观看一区二区三区| 考比视频在线观看| 青春草亚洲视频在线观看| 人妻一区二区av| 国精品久久久久久国模美| 国产免费现黄频在线看| 欧美国产精品va在线观看不卡| 在线天堂最新版资源| 老司机深夜福利视频在线观看 | 国产精品一区二区在线不卡| 日韩视频在线欧美| 国产男人的电影天堂91| 亚洲专区中文字幕在线 | 高清欧美精品videossex| 高清黄色对白视频在线免费看| 男人爽女人下面视频在线观看| 欧美精品一区二区大全| 又黄又粗又硬又大视频| 纵有疾风起免费观看全集完整版| 国产精品一区二区精品视频观看| 最新的欧美精品一区二区| 麻豆精品久久久久久蜜桃| 操出白浆在线播放| 国产深夜福利视频在线观看| 中国三级夫妇交换| 久久精品aⅴ一区二区三区四区| 人人澡人人妻人| 欧美激情极品国产一区二区三区| netflix在线观看网站| 免费女性裸体啪啪无遮挡网站|