• <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)地標(biāo)點(diǎn)采樣的加速譜聚類算法

    2021-05-12 13:54:16徐航帆唐堅(jiān)剛彭敦陸
    電子科技 2021年5期
    關(guān)鍵詞:標(biāo)點(diǎn)原始數(shù)據(jù)復(fù)雜度

    徐航帆,劉 叢,唐堅(jiān)剛,彭敦陸

    (上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院,上海 200082)

    現(xiàn)今世界數(shù)據(jù)量爆炸增長(zhǎng),對(duì)大數(shù)據(jù)進(jìn)行高效地分析將在各行各業(yè)起到關(guān)鍵性作用。聚類分析[1]是一種無(wú)監(jiān)督學(xué)習(xí)方法,也是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)中一個(gè)重要的研究方向。聚類是指將數(shù)據(jù)在不需要先驗(yàn)知識(shí)的情況下根據(jù)某種相似度劃分為多個(gè)簇的過(guò)程。傳統(tǒng)的聚類算法,例如K-means算法[2]具有簡(jiǎn)單高效的特點(diǎn),在球形結(jié)構(gòu)的數(shù)據(jù)上有著較高的聚類精確度。但是,其缺乏處理復(fù)雜結(jié)構(gòu)數(shù)據(jù)的能力[3]。當(dāng)樣本空間為非凸時(shí),K-means算法往往達(dá)不到理想的效果[4]。

    為了能在任意形狀的樣本空間上聚類,且收斂于全局最優(yōu)解,研究人員開始研究新型的聚類算法,也被稱為譜聚類[5]算法(Spectral Clustering Algorithm,SC)。譜圖理論[6]是該算法的理論基礎(chǔ),其本質(zhì)是將聚類問(wèn)題轉(zhuǎn)化為圖的最優(yōu)劃分問(wèn)題。近幾十年來(lái),研究人員提出了多種譜聚類算法,例如Ratio Cut算法[7]和Normalized Cut算法[8]。這兩種算法將數(shù)據(jù)轉(zhuǎn)換為基于相似性的加權(quán)無(wú)向圖, 然后通過(guò)圖優(yōu)化算法進(jìn)行求解。文獻(xiàn)[9]提出了NJW算法,該算法是一種應(yīng)用比較廣泛的譜聚類算法。然而譜聚類算法在面對(duì)大規(guī)模數(shù)據(jù)集時(shí),其構(gòu)建相似度矩陣所需的空間復(fù)雜度(O(n2))和拉普拉斯矩陣特征分解所需的時(shí)間復(fù)雜度(O(n3))十分龐大,產(chǎn)生的計(jì)算成本將難以承受。

    為了克服譜聚類的在大數(shù)據(jù)集上的可擴(kuò)展性問(wèn)題,一些加速譜聚類的算法被提出來(lái),其中最自然的想法就是降低拉普拉斯矩陣的特征分解時(shí)間。2004年,文獻(xiàn)[10]采用經(jīng)典的Nystr?m[11]方法有效地計(jì)算了特征分解的近似解,從原始數(shù)據(jù)集中隨機(jī)選取p個(gè)樣本,然后計(jì)算相似度矩陣W∈p×p,根據(jù)這個(gè)矩陣計(jì)算特征分解來(lái)近似表示原始相似度矩陣的特征分解。文獻(xiàn)[12]提出了可擴(kuò)展的Nystr?m方法,通過(guò)隨機(jī)低秩矩陣近似算法大大減少了算法的運(yùn)行時(shí)間。文獻(xiàn)[13]提出了一種自適應(yīng)采樣的方法,改進(jìn)了Nystr?m譜聚類算法的聚類效果。

    后來(lái),文獻(xiàn)[14]提出了一種通過(guò)地標(biāo)點(diǎn)表示的加速譜聚類算法(Landmark-based Spectral Clustering,LSC),其效果優(yōu)于前述算法聚類。該算法中,需首先對(duì)原始數(shù)據(jù)進(jìn)行采樣,選取p個(gè)地標(biāo)點(diǎn),通過(guò)p個(gè)點(diǎn)與原始n個(gè)數(shù)據(jù)點(diǎn)成對(duì)相似度來(lái)構(gòu)建相似度矩陣Z∈n×p。然后,利用稀疏編碼技術(shù)[15]調(diào)整矩陣Z,使其成為稀疏相似度矩陣[16],從而將計(jì)算特征分解的時(shí)間復(fù)雜度降低為O(p3+p2n)。文獻(xiàn)[14]提出了兩種采樣算法:(1)隨機(jī)采樣選取地標(biāo)點(diǎn);(2)K-means算法采樣選取聚類中心作為地標(biāo)點(diǎn)。經(jīng)實(shí)驗(yàn)證明,K-means采樣在大部分?jǐn)?shù)據(jù)集上的最終聚類精確度比隨機(jī)采樣要高,但K-means采樣選取的地標(biāo)點(diǎn)需重復(fù)讀取數(shù)據(jù),時(shí)間復(fù)雜度大。隨機(jī)采樣選取地標(biāo)點(diǎn)隨機(jī)性較大,地標(biāo)點(diǎn)有時(shí)往往選取的不夠均勻,效果較差,文獻(xiàn)[17]提出了一種基于Pagerank算法選取地標(biāo)點(diǎn)的方法,通過(guò)構(gòu)建數(shù)據(jù)點(diǎn)之間成對(duì)相似度矩陣W∈p×p選取地標(biāo)點(diǎn),并將該方法通過(guò)并行計(jì)算框架實(shí)現(xiàn),有效減少了運(yùn)行時(shí)間,獲得了更好的聚類精度。但是該算法的空間復(fù)雜度(O(n2))較大,面對(duì)大型數(shù)據(jù)集時(shí)需要更多的計(jì)算節(jié)點(diǎn),成本較大。文獻(xiàn)[18]提出了一種快速地標(biāo)點(diǎn)選取算法,有效保留了數(shù)據(jù)的原始信息,在聚類精度和時(shí)間復(fù)雜度之間取得較好的平衡,但該方法仍會(huì)受到離群地標(biāo)點(diǎn)的影響。

    綜上所述,基于地標(biāo)點(diǎn)的加速譜聚類算法存在以下兩個(gè)問(wèn)題:(1)地標(biāo)點(diǎn)的選取難以在時(shí)間空間成本和最終聚類精度之間保持有效平衡;(2)聚類結(jié)果易受分布不均勻地標(biāo)點(diǎn)和離群地標(biāo)點(diǎn)的影響。

    針對(duì)上述問(wèn)題,本文提出了改進(jìn)地標(biāo)點(diǎn)采樣(Improved Landmark Selection,ILS)的加速譜聚類算法(LSC-ILS)。該方法通過(guò)隨機(jī)多組待選地標(biāo)點(diǎn)集,根據(jù)地標(biāo)點(diǎn)之間相似度標(biāo)準(zhǔn)差信息,選擇分布最均勻的地標(biāo)點(diǎn)集,結(jié)合地標(biāo)點(diǎn)周圍原始數(shù)據(jù)點(diǎn)局部密度分布信息,去除周圍原始點(diǎn)局部密度分布較小的離群地標(biāo)點(diǎn)。實(shí)驗(yàn)證明此算法能用較少的時(shí)間成本獲得較高的聚類精確度,在時(shí)間空間成本和聚類精度上取得較好的平衡。

    1 相關(guān)工作

    1.1 譜聚類

    給定數(shù)據(jù)集X={x1,x2,…,xn}∈m×n,其中n表示樣本個(gè)數(shù),m表示數(shù)據(jù)維度。譜聚類首先根據(jù)數(shù)據(jù)點(diǎn)之間成對(duì)相似度矩陣W∈n×n構(gòu)造無(wú)向G=(V,E),其中W中第i行第j個(gè)元素wij≥ 0表示點(diǎn)xi和點(diǎn)xj之間的相似度。X中的樣本點(diǎn)對(duì)應(yīng)V的頂點(diǎn),任意兩點(diǎn)之間權(quán)重由W給出。度矩陣D是由相似度矩陣W的行和組成的對(duì)角線矩陣,如式(1)所示。

    (1)

    L=D-W被稱為拉普拉斯矩陣。然后譜聚類對(duì)拉普拉斯矩陣進(jìn)行特征分解,并對(duì)前k個(gè)最小特征值對(duì)應(yīng)的特征向量組成的點(diǎn)進(jìn)行聚類(一般利用K-means聚類算法),作為最終聚類結(jié)果?;A(chǔ)譜聚類算法流程如下文所示。

    輸入:n個(gè)數(shù)據(jù)點(diǎn)x1,x2,x3,…,xn∈m;聚類數(shù)目k。

    輸出:聚類結(jié)果標(biāo)簽。

    步驟1根據(jù)數(shù)據(jù)點(diǎn)之間相似度構(gòu)造相似度矩陣W∈n×n,根據(jù)式(2)計(jì)算度矩陣D∈n×n;

    步驟2根據(jù)拉普拉斯矩陣L=D-1/2(D-W)D-1/2計(jì)算前k個(gè)最小特征值對(duì)應(yīng)的特征向量,組成點(diǎn)集Q={q1,q2,…,qk};

    步驟3Q的每一行視作一個(gè)點(diǎn),通過(guò)K-means算法得到最終聚類結(jié)果。

    由于傳統(tǒng)譜聚類算法空間復(fù)雜度(O(n2))和時(shí)間復(fù)雜度(O(n3)),很難將其擴(kuò)展到大規(guī)模數(shù)據(jù)集的應(yīng)用。因此本文提出了擴(kuò)展到大規(guī)模數(shù)據(jù)集上的加速譜聚類的算法。

    1.2 基于地標(biāo)點(diǎn)的加速譜聚類算法

    基于地標(biāo)點(diǎn)的加速譜聚類算法是一種在大規(guī)模數(shù)據(jù)集上加速譜聚類的方法。該算法通過(guò)矩陣分解技術(shù)找到一組點(diǎn),通過(guò)這組點(diǎn)與原始點(diǎn)之間的關(guān)系來(lái)近似表示原始數(shù)據(jù)。X={x1,x2,…,xn}∈m×n是原始數(shù)據(jù)矩陣,矩陣分解技術(shù)就是找到p個(gè)m維的數(shù)據(jù)點(diǎn)集U∈m×p和與原始點(diǎn)的關(guān)系矩陣Z∈p×n,通過(guò)式(2)近似表示原始數(shù)據(jù)矩陣X。

    X≈UZ

    (2)

    式中,矩陣U為地標(biāo)點(diǎn)集,每一列為每一個(gè)地標(biāo)點(diǎn),這些地標(biāo)點(diǎn)為原始數(shù)據(jù)點(diǎn)的代表點(diǎn)。對(duì)于任意一個(gè)數(shù)據(jù)點(diǎn)xi∈X,它的近似點(diǎn)φi可以通過(guò)式(3)表示。

    (3)

    式中,uj是U中第j列向量,表示第j個(gè)地標(biāo)點(diǎn);zji是矩陣Z中第j行第i列的元素。如果uj不在點(diǎn)xi最近的r(≤p)個(gè)鄰域中,則zji置為0,因此Z就變成了稀疏表示矩陣。通過(guò)U(i)∈m×r表示U的子矩陣,由xi的r個(gè)最近的地標(biāo)點(diǎn)組成。zji可由式(4)計(jì)算。

    (4)

    K(·)是和函數(shù),通常使用高斯核函數(shù)

    (5)

    根據(jù)矩陣Z計(jì)算相似度矩陣W,如式(6)

    W=(D-1/2Z)T(D-1/2Z)

    (6)

    其中,D是一個(gè)p×p對(duì)角矩陣,由Z的行和構(gòu)成。D-1/2Z的奇異值分解(Singular Value Decomposition,SVD)如下

    D-1/2Z=AΣBT

    (7)

    其中,Σ=diag(?1,?2,…,?p),?1≥?2≥…≥?p≥0是D-1/2Z的奇異值;A={a1,a2,…,ap}∈p×p是左奇異向量矩陣;B={b1,b2,…,bp}∈n×p是右奇異向量矩陣;?i2為特征值。很明顯,B的列向量為W的特征向量,A的列向量為(D-1/2Z)(D-1/2Z)T的特征向量。

    由于矩陣(D-1/2Z)(D-1/2Z)T的維度是p×p,可以先計(jì)算A,只需要O(p3),B因此可以由下式(8)計(jì)算。

    BT=∑-1AT(D-1/2Z)

    (8)

    由于p?n,所以拉普拉斯矩陣的分解時(shí)間就從O(n3)減少到O(p3+p2n),存儲(chǔ)空間由O(n2)減少到O(np),大幅減少了譜聚類所需的時(shí)間和空間。

    2 改進(jìn)地標(biāo)點(diǎn)采樣的加速譜聚類算法

    地標(biāo)點(diǎn)的選取作為基于地標(biāo)點(diǎn)的加速譜聚類算法的最關(guān)鍵部分,在很大程度上決定了最后聚類結(jié)果。隨機(jī)采樣的方法在大規(guī)模數(shù)據(jù)上選取的地標(biāo)點(diǎn)易集中于某一局部區(qū)域,分布不均勻。K-means采樣算法存在著反復(fù)讀取數(shù)據(jù),時(shí)間消耗較大的問(wèn)題;Pagerank采樣算法需先構(gòu)造數(shù)據(jù)點(diǎn)之間成對(duì)相似度矩陣,空間復(fù)雜度較大。此外,聚類結(jié)果也易受離群地標(biāo)點(diǎn)的影響。針對(duì)以上問(wèn)題,本文提出了改進(jìn)地標(biāo)點(diǎn)采樣的加速譜聚類算法。該算法首先多次隨機(jī)采樣選取多組地標(biāo)點(diǎn)集,計(jì)算各組地標(biāo)點(diǎn)之間相似度的標(biāo)準(zhǔn)差(Standard Deviation,SD),通過(guò)標(biāo)準(zhǔn)差來(lái)衡量地標(biāo)點(diǎn)的均勻程度;然后計(jì)算地標(biāo)點(diǎn)周圍原始數(shù)據(jù)點(diǎn)密度分布來(lái)衡量地標(biāo)點(diǎn)的代表性,去除代表性較差的離群地標(biāo)點(diǎn),進(jìn)一步在不影響聚類精度的情況下減少時(shí)間復(fù)雜度。

    2.1 改進(jìn)的地標(biāo)點(diǎn)采樣算法

    給定數(shù)據(jù)集X={x1,x2,…,xn}∈m×n,其中n表示樣本個(gè)數(shù),m表示數(shù)據(jù)維度。首先通過(guò)均勻隨機(jī)采樣,從原始數(shù)據(jù)集中進(jìn)行c次地標(biāo)點(diǎn)采樣,每次采樣p個(gè)地標(biāo)點(diǎn),形成c個(gè)地標(biāo)點(diǎn)集,其中第i個(gè)地標(biāo)點(diǎn)集表示為Ui={u1,u2,…,up}∈m×p。為了選擇最佳的地標(biāo)點(diǎn)集,通過(guò)地標(biāo)點(diǎn)集Ui中點(diǎn)之間成對(duì)相似度矩陣Si∈p×p的行標(biāo)準(zhǔn)差之和來(lái)衡量地標(biāo)點(diǎn)的分布均勻程度。其中,點(diǎn)uj與點(diǎn)ul之間相似度計(jì)算如式(9)所示。

    (9)

    其中,K(·)是核函數(shù),通常由式(5)計(jì)算。

    第j行的行標(biāo)準(zhǔn)差計(jì)算如下

    (10)

    (11)

    各個(gè)地標(biāo)點(diǎn)集的行標(biāo)準(zhǔn)差之和即為SD={SD1,SD2,…,SDc},其中max(SD)對(duì)應(yīng)的地標(biāo)點(diǎn)集Ui={u1,u2,…,up}為最佳地標(biāo)點(diǎn)集。

    接下來(lái),計(jì)算各個(gè)地標(biāo)點(diǎn)的局部密度權(quán)重,通過(guò)局部密度權(quán)重反映地標(biāo)點(diǎn)周圍原始數(shù)據(jù)點(diǎn)的分布情況。局部密度權(quán)重越大表示地標(biāo)點(diǎn)周圍數(shù)據(jù)點(diǎn)分布越密集,地標(biāo)點(diǎn)就越重要,局部密度權(quán)重越小表示地標(biāo)點(diǎn)周圍數(shù)據(jù)點(diǎn)分布越稀疏,地標(biāo)點(diǎn)就越不重要;然后去除密度權(quán)重小于閾值γ的地標(biāo)點(diǎn)(Landmarks Reduction,LR)。具體步驟為:首先構(gòu)造地標(biāo)點(diǎn)與原始數(shù)據(jù)點(diǎn)之間的相似度矩陣Z′∈p×n,z′ji表示第j個(gè)地標(biāo)點(diǎn)與原始數(shù)據(jù)點(diǎn)xi之間的相似度,計(jì)算式為

    (12)

    其中,K(·)是核函數(shù),通常由式(5)計(jì)算;然后計(jì)算每個(gè)地標(biāo)點(diǎn)的密度權(quán)重。地標(biāo)點(diǎn)uj權(quán)重dj計(jì)算如下

    (13)

    其中,count(z′ji>s,z′ji∈z′j)表示原始樣本中與地標(biāo)點(diǎn)uj相似度大于s(0~1)的數(shù)量;最后根據(jù)閾值γ(0~1),選出權(quán)重dj>γ的p′個(gè)地標(biāo)點(diǎn)。

    2.2 改進(jìn)地標(biāo)點(diǎn)采樣的加速譜聚類算法流程

    圖1 LSC-ILS流程圖

    圖1為改進(jìn)地標(biāo)點(diǎn)采樣的加速譜聚類算法流程,其具體流程如下文所示。

    輸入:原始數(shù)據(jù)集X={x1,x2,…,xn}∈m×n,地標(biāo)點(diǎn)數(shù)量p;系數(shù)相似度矩陣近鄰個(gè)數(shù)r;地標(biāo)點(diǎn)集個(gè)數(shù)c;閾值s和γ;聚類數(shù)目k。

    輸出:聚類結(jié)果標(biāo)簽。

    步驟1對(duì)原始數(shù)據(jù)集進(jìn)行c次隨機(jī)采樣選取c個(gè)地標(biāo)點(diǎn)集U={U1,U2,U3,…,Ui,…,Uc};

    步驟2根據(jù)式(9)計(jì)算每個(gè)地標(biāo)點(diǎn)集的相似度矩陣Si;

    步驟3根據(jù)式(10)和式(11)計(jì)算出每個(gè)地標(biāo)點(diǎn)集相似度矩陣的標(biāo)準(zhǔn)差SDi;

    步驟4計(jì)算max(SD),輸出其對(duì)應(yīng)的地標(biāo)點(diǎn)集;

    步驟5根據(jù)式(12)計(jì)算地標(biāo)點(diǎn)密度權(quán)重dj;

    步驟6選出閾值dj>γ的p′個(gè)地標(biāo)點(diǎn);

    步驟7根據(jù)式(5)計(jì)算地標(biāo)點(diǎn)與原始數(shù)據(jù)點(diǎn)之間的稀疏相似度矩陣Z;

    步驟8計(jì)算(D-1/2Z)(D-1/2Z)T的前k個(gè)最小特征值對(duì)應(yīng)的特征向量A={a1,a2,…,ap′};

    步驟9根據(jù)式(7)計(jì)算B={b1,b2,…,bp′};

    步驟10B的每一行視作一個(gè)點(diǎn),通過(guò)K-means算法得到最終聚類結(jié)果標(biāo)簽ri∈R。

    2.3 時(shí)間復(fù)雜度和空間復(fù)雜度分析

    本節(jié)是對(duì)本文算法的時(shí)間復(fù)雜度和空間復(fù)雜度分析。數(shù)據(jù)樣本數(shù)量為n,采樣次數(shù)為c次,每次采樣地標(biāo)點(diǎn)數(shù)量為p,最后輸出地標(biāo)點(diǎn)數(shù)量為d,其余算法采樣地標(biāo)點(diǎn)數(shù)量為p。

    采用隨機(jī)采樣選取c組待選地標(biāo)點(diǎn)的時(shí)間復(fù)雜度可以忽略不記,構(gòu)建地標(biāo)點(diǎn)相似度矩陣需要O(cp2)的時(shí)間復(fù)雜度,需要O(cp2)空間復(fù)雜度。根據(jù)地標(biāo)點(diǎn)與原始點(diǎn)之間的相似度矩陣計(jì)算地標(biāo)點(diǎn)密度權(quán)重以及構(gòu)建稀疏相似度矩陣需要O(pn)時(shí)間復(fù)雜度。計(jì)算稀疏相似度矩陣需要O(pn2),根據(jù)稀疏相似度矩陣計(jì)算左奇異向量需要O(d3)的時(shí)間復(fù)雜度,計(jì)算右奇異向量需要O(d2n)的時(shí)間復(fù)雜度。

    表1 時(shí)間復(fù)雜度分析 (p?n,d

    表1是4種算法的時(shí)間復(fù)雜度分析,由表1可以看出本文算法的時(shí)間復(fù)雜度總和最小。

    3 實(shí)驗(yàn)驗(yàn)證

    為了驗(yàn)證本文算法的有效性,進(jìn)行實(shí)驗(yàn)分析,從算法的聚類精確度和運(yùn)行時(shí)間兩指標(biāo)進(jìn)行評(píng)估。本文選取原始譜聚類[5](記為SC)、Nystr?m 近似譜聚類[11](記為Nystr?m)、基于隨機(jī)采樣的地標(biāo)點(diǎn)譜聚類[13](記為L(zhǎng)SC-R)和基于K均值中心的地標(biāo)點(diǎn)譜聚類[13](記為 LSC-K)與本文算法(記為L(zhǎng)SC-ILS)進(jìn)行對(duì)比。為了證明本文提出的去除地標(biāo)點(diǎn)算法(LR)有效性,本文將LSC-R和LSC-K分別結(jié)合LR算法(記為L(zhǎng)SC-R-LR和LSC-K-LR)與原始LSC-R和LSC-K算法進(jìn)行實(shí)驗(yàn)比較。

    3.1 數(shù)據(jù)集

    為了驗(yàn)證本文算法面對(duì)大規(guī)模數(shù)據(jù)集的性能,選擇兩個(gè)大規(guī)模UCI數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。第一個(gè)為MINIST,該數(shù)據(jù)集是一個(gè)手寫數(shù)字的數(shù)據(jù)集,共有70 000個(gè)樣本,共10類,每個(gè)樣本被視為784維數(shù)據(jù)。第二個(gè)為Pendigits,該數(shù)據(jù)集也是一個(gè)手寫數(shù)字的數(shù)據(jù)集,包含了44個(gè)作者寫的250個(gè)手寫樣例,經(jīng)過(guò)處理得到10 992個(gè)樣本,每個(gè)對(duì)象有16個(gè)屬性,共被分成10類。

    3.2 評(píng)價(jià)指標(biāo)

    為了評(píng)價(jià)聚類有效性(聚類算法對(duì)數(shù)據(jù)進(jìn)行劃分的正確程度),本節(jié)采取了兩個(gè)指標(biāo),即聚類精確性(Accuracy,ACC)[19]和標(biāo)準(zhǔn)化互信息(Normalized Mutual Information,NMI)[20]進(jìn)行數(shù)值分析。實(shí)驗(yàn)在英特爾Core i3-8100@3.6 GHz,8 GB內(nèi)存的計(jì)算機(jī)上運(yùn)行,代碼在MATLAB環(huán)境下編寫。

    給定數(shù)據(jù)點(diǎn)xi,令ri∈R和fi∈F分別為聚類結(jié)果標(biāo)簽和預(yù)定義標(biāo)簽,ACC定義如下

    (14)

    式中,n是樣本數(shù)量;δ(x,y)表示若x=y,為1,否則為0。map(ri)是聚類結(jié)果標(biāo)簽ri映射到數(shù)據(jù)語(yǔ)料庫(kù)中的真正標(biāo)簽,采用Kuhn-Munkres算法[21]可以找到最佳映射。

    MI(R,F(xiàn))互信息表示為

    (15)

    式中,p(ri)和p(fj)是從數(shù)據(jù)集中任意選擇的樣本屬于標(biāo)簽ri和標(biāo)簽fj的概率;p(ri,fj)是從數(shù)據(jù)集中任意選擇的樣本屬于簇ri和fj的聯(lián)合概率。NMI標(biāo)準(zhǔn)化互信息計(jì)算如下

    (16)

    H(R)=-∑ri∈Rp(ri)logp(ri)

    (17)

    式中,H(R)是聚類結(jié)果R的熵,表示R中變量的混亂程度,R中變量越混亂,H(R)的值越接近1;反之H(R)的值越接近0。很明顯ACC指標(biāo)和NMI指標(biāo)取值范圍都是[0,1],越接近1表示聚類結(jié)果越精確。

    3.3 實(shí)驗(yàn)結(jié)果

    7種聚類算法在MINIST和Pendigits上的聚類結(jié)果如表2和表3所示,聚類指標(biāo)分別為聚類精確度(ACC)和標(biāo)準(zhǔn)化互信息(NMI)。為了比較的公平性,6種加速譜聚類算法的抽樣數(shù)均為1 000,基于地標(biāo)點(diǎn)的加速譜聚類算法稀疏相似度矩陣的最近鄰個(gè)數(shù)r為5。其中,本文算法中s參數(shù),γ參數(shù)和c參數(shù)均為人工設(shè)定,選取較優(yōu)的值。

    表2和表3分別表示MINIST數(shù)據(jù)集和Pendigits數(shù)據(jù)集熵算法的各項(xiàng)指標(biāo)對(duì)比。

    表2 MINIST數(shù)據(jù)集上算法性能對(duì)比

    表3 Pendigits數(shù)據(jù)集上算法性能對(duì)比

    由表2和表3中可以看出,本文算法LSC-ILS聚類精度比Nystr?m和LSC-R算法高,比LSC-K算法低,運(yùn)行時(shí)間短于LSC-K算法和Nystr?m算法,與LSC-R算法運(yùn)行時(shí)間幾乎持平。LSC-R-LR算法和LSC-K-LR算法的聚類精度分別與LSC-R算法和LSC-K算法幾乎持平,但運(yùn)行時(shí)間有所減少。因此,綜合聚類精確度與運(yùn)行時(shí)間本文算法做到了更好的平衡,并且本文中LR算法可擴(kuò)展到其它算法中,在保持聚類精確度的情況下減少運(yùn)行時(shí)間。

    為了驗(yàn)證地標(biāo)點(diǎn)個(gè)數(shù)對(duì)加速聚類算法的影響,將本文算法與其余3種加速譜算法在數(shù)據(jù)集MINIST上針對(duì)不同地標(biāo)點(diǎn)數(shù)量在3個(gè)指標(biāo)上進(jìn)行對(duì)比。地標(biāo)點(diǎn)數(shù)量從300開始,增量為300,到2 100結(jié)束,結(jié)果如圖2~圖4所示。

    圖2 MINIST數(shù)據(jù)集上ACC指標(biāo)隨地標(biāo)點(diǎn)增長(zhǎng)變化

    由圖2~圖4可以看出,除了Nystr?m算法,其余算法的聚類精確性均隨著地標(biāo)點(diǎn)個(gè)數(shù)增加而增加。本文算法聚類精確度始終保持在LSC-K與LSC-R之間,但運(yùn)行時(shí)間幾乎與LSC-R算法持平,遠(yuǎn)小于LSC-K算法,運(yùn)行時(shí)間增長(zhǎng)慢于LSC-K算法,并且隨著地標(biāo)點(diǎn)個(gè)數(shù)的增加,本文算法精確度增長(zhǎng)加快。

    圖3 MINIST數(shù)據(jù)集上NMI指標(biāo)隨地標(biāo)點(diǎn)數(shù)量增長(zhǎng)變化

    圖4 MINIST數(shù)據(jù)集上時(shí)間指標(biāo)隨地標(biāo)點(diǎn)數(shù)量增長(zhǎng)變化

    為了進(jìn)一步驗(yàn)證本文中LR算法對(duì)LSC-R和LSC-K算法隨地標(biāo)點(diǎn)數(shù)量增長(zhǎng)的變化的影響,將LSC-R和LSC-K分別與LSC-R-LR和LSC-K-LR在數(shù)據(jù)集MINIST上針對(duì)不同地標(biāo)點(diǎn)數(shù)量在3個(gè)指標(biāo)上進(jìn)行對(duì)比。地標(biāo)點(diǎn)數(shù)量同樣從300開始,增量為300,到2 100結(jié)束。結(jié)果如圖5~圖10所示。

    由圖5~圖10可以看出,LSC-R-LR算法和LSC-K-LR算法在不同的地標(biāo)點(diǎn)數(shù)量情況下的聚類精度幾乎與LSC-R算法和LSC-K算法持平,運(yùn)行時(shí)間有所減少,進(jìn)一步證明了本文LR算法的穩(wěn)定性和有效性。

    圖5 ACC指標(biāo)隨地標(biāo)點(diǎn)數(shù)量變化

    圖6 NMI指標(biāo)隨地標(biāo)點(diǎn)數(shù)量變化

    圖7 Time指標(biāo)隨地標(biāo)點(diǎn)數(shù)量變化

    圖8 ACC指標(biāo)隨地標(biāo)點(diǎn)數(shù)量變化

    圖9 NMI指標(biāo)隨地標(biāo)點(diǎn)數(shù)量變化

    圖10 Time指標(biāo)隨地標(biāo)點(diǎn)數(shù)量變化

    4 結(jié)束語(yǔ)

    本文針對(duì)傳統(tǒng)加速譜聚類算法存在的一些問(wèn)題提出了改進(jìn)地標(biāo)采樣的加速譜聚類算法。通過(guò)多次隨機(jī)采樣選取多組地標(biāo)點(diǎn)集,利用各個(gè)地標(biāo)點(diǎn)集內(nèi)地標(biāo)點(diǎn)之間相似度矩陣的行標(biāo)準(zhǔn)差和衡量地標(biāo)點(diǎn)的分布情況,選取最佳地標(biāo)點(diǎn)集,并根據(jù)地標(biāo)點(diǎn)的密度權(quán)重去除一些離群地標(biāo)點(diǎn)。本文從理論和實(shí)驗(yàn)分析證明了該算法的有效性。下一步計(jì)劃將本文算法擴(kuò)展到分布式計(jì)算框架上,進(jìn)一步提高算法效率。

    猜你喜歡
    標(biāo)點(diǎn)原始數(shù)據(jù)復(fù)雜度
    GOLDEN OPPORTUNITY FOR CHINA-INDONESIA COOPERATION
    標(biāo)點(diǎn)可有可無(wú)嗎
    《遼史》標(biāo)點(diǎn)辨誤四則
    受特定變化趨勢(shì)限制的傳感器數(shù)據(jù)處理方法研究
    小小標(biāo)點(diǎn)真厲害
    一種低復(fù)雜度的慣性/GNSS矢量深組合方法
    全新Mentor DRS360 平臺(tái)借助集中式原始數(shù)據(jù)融合及直接實(shí)時(shí)傳感技術(shù)實(shí)現(xiàn)5 級(jí)自動(dòng)駕駛
    汽車零部件(2017年4期)2017-07-12 17:05:53
    求圖上廣探樹的時(shí)間復(fù)雜度
    有趣的標(biāo)點(diǎn)
    某雷達(dá)導(dǎo)51 頭中心控制軟件圈復(fù)雜度分析與改進(jìn)
    久久久久国内视频| 久久伊人香网站| 91麻豆av在线| 久久久久精品国产欧美久久久| 免费人成视频x8x8入口观看| 亚洲自拍偷在线| 亚洲国产欧美网| 日本撒尿小便嘘嘘汇集6| а√天堂www在线а√下载| 一区福利在线观看| 伊人久久精品亚洲午夜| 精品不卡国产一区二区三区| 免费无遮挡裸体视频| 91在线观看av| 男人的好看免费观看在线视频| 国产蜜桃级精品一区二区三区| 成年版毛片免费区| 亚洲国产中文字幕在线视频| 高清毛片免费观看视频网站| 高清毛片免费观看视频网站| 男插女下体视频免费在线播放| 波多野结衣高清作品| 国产男靠女视频免费网站| 波野结衣二区三区在线 | 午夜福利视频1000在线观看| 88av欧美| 精华霜和精华液先用哪个| 国产老妇女一区| 男女下面进入的视频免费午夜| 美女黄网站色视频| 久久99热这里只有精品18| 又紧又爽又黄一区二区| 欧美黄色淫秽网站| 亚洲精品久久国产高清桃花| 琪琪午夜伦伦电影理论片6080| 九九久久精品国产亚洲av麻豆| 国产成+人综合+亚洲专区| aaaaa片日本免费| 国产淫片久久久久久久久 | 搡老熟女国产l中国老女人| 最新在线观看一区二区三区| 我要搜黄色片| 亚洲av免费在线观看| 2021天堂中文幕一二区在线观| 波野结衣二区三区在线 | 久久久久九九精品影院| 他把我摸到了高潮在线观看| 国产精品av视频在线免费观看| 国产成+人综合+亚洲专区| 少妇人妻一区二区三区视频| 色老头精品视频在线观看| 中文字幕人妻熟人妻熟丝袜美 | 国产伦精品一区二区三区四那| 高清毛片免费观看视频网站| 国产成人福利小说| 色综合亚洲欧美另类图片| 免费电影在线观看免费观看| 一个人免费在线观看电影| 少妇裸体淫交视频免费看高清| 久久久久久久久久黄片| 少妇人妻一区二区三区视频| 午夜免费成人在线视频| 欧美区成人在线视频| 99久久99久久久精品蜜桃| 制服人妻中文乱码| 午夜激情福利司机影院| 99久久精品一区二区三区| 全区人妻精品视频| 久久久久久久久大av| 日本免费a在线| 成年人黄色毛片网站| 免费搜索国产男女视频| 麻豆国产97在线/欧美| av中文乱码字幕在线| 中文亚洲av片在线观看爽| 国产亚洲精品综合一区在线观看| aaaaa片日本免费| 久久久色成人| 男人和女人高潮做爰伦理| 亚洲人成伊人成综合网2020| 久久久国产成人免费| 国产高清视频在线观看网站| 亚洲国产精品sss在线观看| 少妇人妻一区二区三区视频| 欧美av亚洲av综合av国产av| 黄色日韩在线| 亚洲最大成人中文| 欧美日韩精品网址| 国产免费一级a男人的天堂| 欧美日韩精品网址| 国产探花在线观看一区二区| 日本三级黄在线观看| www国产在线视频色| 国产淫片久久久久久久久 | 国产主播在线观看一区二区| 国产精品 国内视频| 色av中文字幕| 内射极品少妇av片p| 精品福利观看| 国产欧美日韩一区二区三| 国产精品久久久久久亚洲av鲁大| 久久人人精品亚洲av| 乱人视频在线观看| 欧美丝袜亚洲另类 | 免费在线观看亚洲国产| 国产高清videossex| 天堂网av新在线| 亚洲国产日韩欧美精品在线观看 | 99久久精品热视频| 国产主播在线观看一区二区| 亚洲一区二区三区色噜噜| 一区二区三区激情视频| 亚洲无线观看免费| 久久久久久久久中文| 国产精品99久久久久久久久| 国产午夜精品论理片| 亚洲色图av天堂| av天堂中文字幕网| 国产精品影院久久| 99国产极品粉嫩在线观看| 在线a可以看的网站| h日本视频在线播放| 变态另类成人亚洲欧美熟女| 在线观看免费视频日本深夜| 亚洲va日本ⅴa欧美va伊人久久| 国产又黄又爽又无遮挡在线| 欧美最新免费一区二区三区 | 99久久综合精品五月天人人| 久久久色成人| 麻豆国产av国片精品| 麻豆国产av国片精品| 中亚洲国语对白在线视频| 午夜亚洲福利在线播放| 亚洲欧美一区二区三区黑人| 一本一本综合久久| 97超级碰碰碰精品色视频在线观看| 国产精品嫩草影院av在线观看 | 亚洲av免费在线观看| 国产精品,欧美在线| 亚洲熟妇熟女久久| 88av欧美| 亚洲国产欧美人成| 久久性视频一级片| www.熟女人妻精品国产| 真实男女啪啪啪动态图| 久久久久免费精品人妻一区二区| 国产精品电影一区二区三区| 国产综合懂色| 91在线观看av| 欧美绝顶高潮抽搐喷水| 搞女人的毛片| 欧美乱色亚洲激情| 欧美绝顶高潮抽搐喷水| 丁香欧美五月| 99热只有精品国产| 久久香蕉国产精品| 在线观看舔阴道视频| 校园春色视频在线观看| 成熟少妇高潮喷水视频| 99热6这里只有精品| 天堂av国产一区二区熟女人妻| 久久九九热精品免费| 国产一区二区三区在线臀色熟女| 午夜免费观看网址| 麻豆国产97在线/欧美| 俄罗斯特黄特色一大片| 成年女人永久免费观看视频| 综合色av麻豆| 欧美zozozo另类| 麻豆国产av国片精品| 狂野欧美激情性xxxx| 成熟少妇高潮喷水视频| 亚洲久久久久久中文字幕| 欧美极品一区二区三区四区| 亚洲不卡免费看| 国内精品久久久久精免费| 免费看光身美女| 成人国产综合亚洲| 国产一级毛片七仙女欲春2| 国产精品一及| x7x7x7水蜜桃| 国产aⅴ精品一区二区三区波| 国产高清三级在线| 午夜福利成人在线免费观看| svipshipincom国产片| 亚洲男人的天堂狠狠| 欧美中文综合在线视频| 国产精品 欧美亚洲| svipshipincom国产片| 国产伦精品一区二区三区四那| 欧美+亚洲+日韩+国产| or卡值多少钱| 亚洲国产色片| 人妻久久中文字幕网| 一边摸一边抽搐一进一小说| 亚洲欧美日韩高清专用| 校园春色视频在线观看| 亚洲av电影不卡..在线观看| 欧美一级a爱片免费观看看| 99精品在免费线老司机午夜| 好看av亚洲va欧美ⅴa在| 国产男靠女视频免费网站| 一夜夜www| 三级毛片av免费| 成年人黄色毛片网站| 一个人观看的视频www高清免费观看| 日本a在线网址| 十八禁人妻一区二区| 成人无遮挡网站| 国产亚洲av嫩草精品影院| 亚洲人与动物交配视频| 久久伊人香网站| 搞女人的毛片| 最好的美女福利视频网| 亚洲最大成人手机在线| 亚洲国产欧美网| 老司机在亚洲福利影院| 欧美日韩综合久久久久久 | 欧美最新免费一区二区三区 | 在线免费观看不下载黄p国产 | 丰满乱子伦码专区| 国模一区二区三区四区视频| 狂野欧美白嫩少妇大欣赏| 久9热在线精品视频| 非洲黑人性xxxx精品又粗又长| 免费看日本二区| 欧美一级毛片孕妇| 亚洲在线自拍视频| 99久久精品一区二区三区| 亚洲电影在线观看av| 一二三四社区在线视频社区8| 欧美性猛交黑人性爽| 亚洲欧美一区二区三区黑人| 狠狠狠狠99中文字幕| 日本a在线网址| 一级作爱视频免费观看| 亚洲精品456在线播放app | 91久久精品电影网| 99久久精品热视频| 欧美成人一区二区免费高清观看| 国产97色在线日韩免费| 欧美极品一区二区三区四区| 日本在线视频免费播放| 欧美大码av| 小蜜桃在线观看免费完整版高清| 天堂网av新在线| 在线观看免费视频日本深夜| 一进一出抽搐gif免费好疼| 97超视频在线观看视频| 欧美色视频一区免费| 中文字幕久久专区| 国内精品美女久久久久久| 少妇丰满av| av欧美777| 国产精品一区二区三区四区久久| 国产精品精品国产色婷婷| 啪啪无遮挡十八禁网站| 国产主播在线观看一区二区| 有码 亚洲区| 中文字幕熟女人妻在线| 免费在线观看亚洲国产| 久久久久久久久中文| 免费av毛片视频| 成人性生交大片免费视频hd| 99久久精品一区二区三区| 精品国产超薄肉色丝袜足j| 又黄又爽又免费观看的视频| 99久久久亚洲精品蜜臀av| 九九久久精品国产亚洲av麻豆| 免费观看人在逋| 久久久久九九精品影院| 精品久久久久久成人av| 色综合婷婷激情| 97碰自拍视频| 精品久久久久久久末码| a级一级毛片免费在线观看| 欧美又色又爽又黄视频| 长腿黑丝高跟| 欧美一区二区国产精品久久精品| 亚洲七黄色美女视频| 久久久色成人| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 有码 亚洲区| 成年人黄色毛片网站| 成人精品一区二区免费| 亚洲激情在线av| www.www免费av| 亚洲人成网站在线播| 天堂av国产一区二区熟女人妻| 一本综合久久免费| av天堂中文字幕网| 男人舔女人下体高潮全视频| 国产精品爽爽va在线观看网站| 欧美成人一区二区免费高清观看| 欧美日韩福利视频一区二区| 精品久久久久久久久久久久久| 欧美+亚洲+日韩+国产| 香蕉丝袜av| 欧美一级毛片孕妇| 免费av观看视频| 波野结衣二区三区在线 | av天堂在线播放| 午夜免费观看网址| 我要搜黄色片| 国产麻豆成人av免费视频| 男女那种视频在线观看| 波野结衣二区三区在线 | 日韩高清综合在线| 亚洲av不卡在线观看| 亚洲不卡免费看| 亚洲国产日韩欧美精品在线观看 | a级毛片a级免费在线| 日韩有码中文字幕| 精品人妻一区二区三区麻豆 | 亚洲国产色片| 又黄又爽又免费观看的视频| 日日干狠狠操夜夜爽| 国产在视频线在精品| 日本成人三级电影网站| 国产免费av片在线观看野外av| 欧美黄色片欧美黄色片| 少妇裸体淫交视频免费看高清| 夜夜夜夜夜久久久久| 在线国产一区二区在线| 欧美一区二区精品小视频在线| 色吧在线观看| tocl精华| 亚洲av不卡在线观看| 免费av不卡在线播放| 亚洲国产欧洲综合997久久,| 亚洲av电影不卡..在线观看| 在线观看免费视频日本深夜| 亚洲av美国av| 十八禁人妻一区二区| 给我免费播放毛片高清在线观看| 老司机午夜十八禁免费视频| av在线蜜桃| 免费高清视频大片| 免费看十八禁软件| 成人鲁丝片一二三区免费| 欧美精品啪啪一区二区三区| 嫩草影院精品99| 午夜福利成人在线免费观看| 动漫黄色视频在线观看| 久久精品夜夜夜夜夜久久蜜豆| 黄片小视频在线播放| 国产成人福利小说| 免费人成视频x8x8入口观看| 精品一区二区三区视频在线 | 日本一本二区三区精品| 欧美三级亚洲精品| 成年女人永久免费观看视频| 亚洲欧美日韩高清在线视频| 精品国产美女av久久久久小说| 午夜免费激情av| 欧美乱码精品一区二区三区| 99久久久亚洲精品蜜臀av| 午夜福利欧美成人| 国产黄色小视频在线观看| 特大巨黑吊av在线直播| 又紧又爽又黄一区二区| 欧美在线黄色| 亚洲七黄色美女视频| 在线免费观看不下载黄p国产 | 亚洲内射少妇av| 国产69精品久久久久777片| 成年版毛片免费区| 亚洲国产精品999在线| 九九热线精品视视频播放| 一本一本综合久久| 丁香六月欧美| 午夜两性在线视频| 国产男靠女视频免费网站| 91麻豆精品激情在线观看国产| 色播亚洲综合网| 精品久久久久久久久久久久久| 韩国av一区二区三区四区| 中文字幕人成人乱码亚洲影| 欧美成人一区二区免费高清观看| 亚洲国产中文字幕在线视频| 国产精品乱码一区二三区的特点| 免费看a级黄色片| 淫秽高清视频在线观看| 桃色一区二区三区在线观看| 精品国内亚洲2022精品成人| 波多野结衣高清无吗| 亚洲精品国产精品久久久不卡| 久久草成人影院| 亚洲美女黄片视频| 欧美另类亚洲清纯唯美| 精品国产三级普通话版| 久久久国产成人精品二区| 亚洲 欧美 日韩 在线 免费| 变态另类丝袜制服| 三级毛片av免费| 日日夜夜操网爽| 欧美一区二区精品小视频在线| 国产精品一区二区三区四区久久| 亚洲最大成人手机在线| 精品久久久久久成人av| 99久久精品一区二区三区| 精品电影一区二区在线| 两个人视频免费观看高清| 精品人妻一区二区三区麻豆 | 国产高清有码在线观看视频| 少妇熟女aⅴ在线视频| 久久久久久大精品| 久久伊人香网站| 久久香蕉精品热| 国产一区二区亚洲精品在线观看| 黄片大片在线免费观看| 一本精品99久久精品77| 不卡一级毛片| 久久久久久国产a免费观看| 又爽又黄无遮挡网站| 午夜福利在线观看免费完整高清在 | 男人舔奶头视频| www.www免费av| 欧美乱色亚洲激情| 日韩欧美一区二区三区在线观看| 国产伦人伦偷精品视频| 欧美3d第一页| 欧美日韩综合久久久久久 | 嫩草影院精品99| 亚洲成人久久爱视频| 亚洲午夜理论影院| 丰满人妻一区二区三区视频av | 高潮久久久久久久久久久不卡| 亚洲 国产 在线| 丰满乱子伦码专区| xxxwww97欧美| 欧美区成人在线视频| 久久香蕉国产精品| 亚洲精品456在线播放app | 十八禁网站免费在线| 黄色片一级片一级黄色片| 两个人的视频大全免费| 热99re8久久精品国产| 日韩欧美国产一区二区入口| 首页视频小说图片口味搜索| 日韩免费av在线播放| 一边摸一边抽搐一进一小说| 99久久99久久久精品蜜桃| 欧美av亚洲av综合av国产av| 深爱激情五月婷婷| 欧美国产日韩亚洲一区| 此物有八面人人有两片| 免费搜索国产男女视频| 久久久精品大字幕| 国产高清激情床上av| 欧美日韩一级在线毛片| 无限看片的www在线观看| 一a级毛片在线观看| 国产97色在线日韩免费| 亚洲国产高清在线一区二区三| 一本久久中文字幕| 亚洲专区中文字幕在线| 日韩高清综合在线| 国产乱人伦免费视频| 国产三级黄色录像| 欧美色欧美亚洲另类二区| 狠狠狠狠99中文字幕| 熟女人妻精品中文字幕| 亚洲欧美日韩东京热| 亚洲国产欧美人成| 男女那种视频在线观看| av欧美777| 国内精品久久久久久久电影| 变态另类成人亚洲欧美熟女| 叶爱在线成人免费视频播放| 亚洲欧美日韩高清在线视频| 亚洲片人在线观看| 婷婷丁香在线五月| 伊人久久大香线蕉亚洲五| 中文字幕精品亚洲无线码一区| 国产三级在线视频| 尤物成人国产欧美一区二区三区| 18禁黄网站禁片免费观看直播| 久久久久性生活片| 亚洲中文字幕一区二区三区有码在线看| 性色av乱码一区二区三区2| 精品人妻一区二区三区麻豆 | 天堂网av新在线| 亚洲片人在线观看| 成年女人毛片免费观看观看9| 两个人的视频大全免费| 成年人黄色毛片网站| 又紧又爽又黄一区二区| 欧美乱妇无乱码| 久久香蕉精品热| 一边摸一边抽搐一进一小说| 亚洲av五月六月丁香网| 午夜福利免费观看在线| 法律面前人人平等表现在哪些方面| 午夜福利高清视频| 国产精品 国内视频| 国产精品99久久久久久久久| 丰满乱子伦码专区| 欧美一级a爱片免费观看看| 九九久久精品国产亚洲av麻豆| 国产精品国产高清国产av| 床上黄色一级片| 高潮久久久久久久久久久不卡| 少妇丰满av| 亚洲avbb在线观看| 无遮挡黄片免费观看| 精品久久久久久成人av| 亚洲内射少妇av| 国产精品乱码一区二三区的特点| 两个人视频免费观看高清| 国产毛片a区久久久久| 亚洲av熟女| 757午夜福利合集在线观看| 两个人视频免费观看高清| 两性午夜刺激爽爽歪歪视频在线观看| 国产国拍精品亚洲av在线观看 | 欧美乱色亚洲激情| 性色av乱码一区二区三区2| 啦啦啦观看免费观看视频高清| eeuss影院久久| 首页视频小说图片口味搜索| 亚洲电影在线观看av| 久久久久国内视频| h日本视频在线播放| 久久亚洲真实| 国产乱人视频| 亚洲不卡免费看| АⅤ资源中文在线天堂| 国产欧美日韩精品一区二区| 19禁男女啪啪无遮挡网站| 久久久久精品国产欧美久久久| 少妇人妻一区二区三区视频| 别揉我奶头~嗯~啊~动态视频| 麻豆成人av在线观看| 欧美成人a在线观看| 日韩精品中文字幕看吧| av视频在线观看入口| 99久久九九国产精品国产免费| 国产亚洲欧美在线一区二区| www.熟女人妻精品国产| 色噜噜av男人的天堂激情| 老司机福利观看| 啦啦啦免费观看视频1| 色视频www国产| 一进一出好大好爽视频| 欧美乱码精品一区二区三区| 偷拍熟女少妇极品色| 国产精品乱码一区二三区的特点| 淫秽高清视频在线观看| 国产熟女xx| 国产成+人综合+亚洲专区| 国产野战对白在线观看| 精品一区二区三区视频在线 | 制服丝袜大香蕉在线| 久久精品国产亚洲av涩爱 | 国产私拍福利视频在线观看| 国产aⅴ精品一区二区三区波| 色在线成人网| 美女 人体艺术 gogo| 女人高潮潮喷娇喘18禁视频| 欧美成狂野欧美在线观看| 婷婷亚洲欧美| 亚洲精品影视一区二区三区av| 国产精品亚洲美女久久久| 99国产综合亚洲精品| 91在线观看av| 天美传媒精品一区二区| 国内精品一区二区在线观看| 精品免费久久久久久久清纯| 老司机在亚洲福利影院| 天美传媒精品一区二区| 精品国产亚洲在线| 成人亚洲精品av一区二区| 黄片小视频在线播放| 天堂网av新在线| 亚洲无线在线观看| 久久久久免费精品人妻一区二区| 国产一区二区三区在线臀色熟女| 久久久久久久亚洲中文字幕 | 国产爱豆传媒在线观看| 99热6这里只有精品| 亚洲自拍偷在线| 特大巨黑吊av在线直播| 精品久久久久久,| 97超级碰碰碰精品色视频在线观看| 一进一出抽搐gif免费好疼| 狂野欧美白嫩少妇大欣赏| 无遮挡黄片免费观看| 欧美色欧美亚洲另类二区| 国产真实伦视频高清在线观看 | 国产精品自产拍在线观看55亚洲| 国产精品1区2区在线观看.| 两人在一起打扑克的视频| 国产精品一及| 成人高潮视频无遮挡免费网站| 性色avwww在线观看| 午夜福利高清视频| 最新在线观看一区二区三区| 女人高潮潮喷娇喘18禁视频| 97超级碰碰碰精品色视频在线观看| 伊人久久大香线蕉亚洲五| 亚洲成人久久爱视频| 欧美又色又爽又黄视频| 又爽又黄无遮挡网站| 99久久精品热视频| 欧美一级a爱片免费观看看| 淫秽高清视频在线观看| 亚洲国产日韩欧美精品在线观看 | 制服人妻中文乱码| 一二三四社区在线视频社区8| 免费在线观看日本一区| 麻豆国产97在线/欧美| 国产探花极品一区二区| 亚洲人与动物交配视频| 美女高潮喷水抽搐中文字幕|