• <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)
    成年av动漫网址| 91精品国产国语对白视频| 亚洲精品自拍成人| 日本免费在线观看一区| 看免费成人av毛片| 久久久欧美国产精品| 丁香六月天网| 99热6这里只有精品| 天堂俺去俺来也www色官网| 男人狂女人下面高潮的视频| 成人无遮挡网站| 国产片特级美女逼逼视频| 六月丁香七月| 99久久综合免费| 久久午夜综合久久蜜桃| 国产精品欧美亚洲77777| 日日撸夜夜添| 亚洲精品日韩av片在线观看| 国产永久视频网站| 亚洲在久久综合| 国产精品人妻久久久久久| 欧美成人精品欧美一级黄| 老司机亚洲免费影院| 国产老妇伦熟女老妇高清| 亚洲国产色片| 狂野欧美激情性bbbbbb| 2021少妇久久久久久久久久久| 青青草视频在线视频观看| 少妇人妻 视频| 大话2 男鬼变身卡| www.av在线官网国产| 成人美女网站在线观看视频| 超碰97精品在线观看| 国内精品宾馆在线| 卡戴珊不雅视频在线播放| 午夜免费鲁丝| 久久午夜综合久久蜜桃| 视频区图区小说| 26uuu在线亚洲综合色| 精品国产乱码久久久久久小说| 国产黄色免费在线视频| 性高湖久久久久久久久免费观看| 免费看光身美女| 国产精品不卡视频一区二区| 一级爰片在线观看| 涩涩av久久男人的天堂| 国产乱人偷精品视频| 亚洲av成人精品一区久久| 99热这里只有是精品50| 亚洲久久久国产精品| 亚洲国产最新在线播放| 欧美高清成人免费视频www| 亚洲av综合色区一区| 99re6热这里在线精品视频| 国产亚洲一区二区精品| 夜夜骑夜夜射夜夜干| 王馨瑶露胸无遮挡在线观看| 黄色怎么调成土黄色| 最近最新中文字幕免费大全7| 久久久久久久久久人人人人人人| av专区在线播放| 一级黄片播放器| 国产成人免费无遮挡视频| 多毛熟女@视频| 国产亚洲欧美精品永久| 我的女老师完整版在线观看| 成人国产av品久久久| 一级黄片播放器| 人人妻人人添人人爽欧美一区卜| 人人澡人人妻人| 成人无遮挡网站| 水蜜桃什么品种好| 国产黄片视频在线免费观看| 在线观看免费日韩欧美大片 | 乱系列少妇在线播放| 一级毛片电影观看| 菩萨蛮人人尽说江南好唐韦庄| 免费人妻精品一区二区三区视频| 如日韩欧美国产精品一区二区三区 | xxx大片免费视频| 多毛熟女@视频| 久久精品久久精品一区二区三区| 丰满少妇做爰视频| 亚洲精品日本国产第一区| 日本黄色片子视频| 国产乱人偷精品视频| 99久久精品一区二区三区| av视频免费观看在线观看| 在线天堂最新版资源| 成人黄色视频免费在线看| 亚洲精品亚洲一区二区| 国产伦理片在线播放av一区| 一级爰片在线观看| 国产91av在线免费观看| 乱人伦中国视频| 大又大粗又爽又黄少妇毛片口| 少妇的逼水好多| 久久久久久久久久成人| 国产高清不卡午夜福利| 亚洲精品视频女| 美女主播在线视频| 久久人人爽人人爽人人片va| 人人妻人人添人人爽欧美一区卜| 午夜福利影视在线免费观看| 国产视频内射| 丝瓜视频免费看黄片| 国产成人精品一,二区| 国产精品人妻久久久久久| 永久网站在线| 日本wwww免费看| 欧美成人午夜免费资源| 国产一级毛片在线| 国产在线一区二区三区精| 免费少妇av软件| www.av在线官网国产| 国产av精品麻豆| 国产精品不卡视频一区二区| 亚洲国产日韩一区二区| 亚洲欧美精品自产自拍| 国产高清不卡午夜福利| 插逼视频在线观看| 你懂的网址亚洲精品在线观看| 久久久欧美国产精品| 看十八女毛片水多多多| 最黄视频免费看| 男女边摸边吃奶| 边亲边吃奶的免费视频| freevideosex欧美| 高清黄色对白视频在线免费看 | 国产一区二区在线观看日韩| 国产熟女午夜一区二区三区 | 高清午夜精品一区二区三区| 91午夜精品亚洲一区二区三区| 最黄视频免费看| 亚洲国产欧美在线一区| 少妇裸体淫交视频免费看高清| 国内精品宾馆在线| 久久99精品国语久久久| 制服丝袜香蕉在线| 精品国产乱码久久久久久小说| 黑人猛操日本美女一级片| 午夜免费鲁丝| 热99国产精品久久久久久7| 精品人妻熟女av久视频| 久久99精品国语久久久| 一级黄片播放器| 晚上一个人看的免费电影| 又黄又爽又刺激的免费视频.| 国产乱人偷精品视频| 男女无遮挡免费网站观看| 大又大粗又爽又黄少妇毛片口| 欧美一级a爱片免费观看看| 成人综合一区亚洲| 欧美激情国产日韩精品一区| 人人妻人人澡人人爽人人夜夜| 午夜免费男女啪啪视频观看| 国产精品一区二区三区四区免费观看| 午夜福利网站1000一区二区三区| 婷婷色综合大香蕉| 国产男女内射视频| 大片免费播放器 马上看| 久久精品国产亚洲网站| 少妇精品久久久久久久| 99re6热这里在线精品视频| 亚洲av欧美aⅴ国产| 中国三级夫妇交换| 成人18禁高潮啪啪吃奶动态图 | 青春草视频在线免费观看| 视频区图区小说| 国产亚洲91精品色在线| 中国国产av一级| 中文字幕精品免费在线观看视频 | 久久久久久久久久人人人人人人| 22中文网久久字幕| 亚州av有码| 亚洲四区av| 成年av动漫网址| 欧美日本中文国产一区发布| 成人黄色视频免费在线看| 丰满迷人的少妇在线观看| 亚洲精品久久午夜乱码| 啦啦啦啦在线视频资源| 黄色欧美视频在线观看| 在线天堂最新版资源| 极品人妻少妇av视频| 黄色毛片三级朝国网站 | 2022亚洲国产成人精品| 最近最新中文字幕免费大全7| 欧美国产精品一级二级三级 | 99久久精品一区二区三区| 国产精品一区二区三区四区免费观看| 亚洲av中文av极速乱| 国产精品人妻久久久影院| 中文字幕精品免费在线观看视频 | 伦理电影免费视频| 欧美日韩av久久| 亚洲不卡免费看| 黄色一级大片看看| 少妇人妻一区二区三区视频| 日本猛色少妇xxxxx猛交久久| 青青草视频在线视频观看| 国产中年淑女户外野战色| 久久精品熟女亚洲av麻豆精品| 国产成人精品久久久久久| 国产亚洲欧美精品永久| 国产精品熟女久久久久浪| 亚洲人成网站在线播| 欧美日本中文国产一区发布| 最新的欧美精品一区二区| 中国国产av一级| 99热6这里只有精品| 免费少妇av软件| 女人久久www免费人成看片| 69精品国产乱码久久久| 视频中文字幕在线观看| 国产日韩欧美视频二区| 午夜免费男女啪啪视频观看| 精品熟女少妇av免费看| 国产精品国产三级国产av玫瑰| 国产亚洲午夜精品一区二区久久| 日韩欧美精品免费久久| 中文字幕制服av| 99re6热这里在线精品视频| 精品熟女少妇av免费看| 大码成人一级视频| 亚洲欧美清纯卡通| 精品人妻一区二区三区麻豆| 欧美激情极品国产一区二区三区 | 午夜激情久久久久久久| 18禁在线播放成人免费| 国产精品99久久99久久久不卡 | 欧美性感艳星| 校园人妻丝袜中文字幕| 色视频www国产| 高清在线视频一区二区三区| 高清视频免费观看一区二区| 亚洲一区二区三区欧美精品| av又黄又爽大尺度在线免费看| 综合色丁香网| 少妇 在线观看| 九九爱精品视频在线观看| 久久影院123| 精品一区二区三区视频在线| 人妻 亚洲 视频| 亚洲精品aⅴ在线观看| 99久久精品热视频| 插阴视频在线观看视频| 如何舔出高潮| 欧美变态另类bdsm刘玥| 天天操日日干夜夜撸| 日韩大片免费观看网站| 一本一本综合久久| 涩涩av久久男人的天堂| 在线天堂最新版资源| 亚洲精品色激情综合| 99久久精品国产国产毛片| 欧美精品高潮呻吟av久久| 久久国产精品大桥未久av | 国产精品一区二区在线不卡| 少妇熟女欧美另类| 久久婷婷青草| 最近中文字幕2019免费版| 美女主播在线视频| 亚洲av成人精品一二三区| 国产成人免费无遮挡视频| 欧美 日韩 精品 国产| 国产黄片美女视频| 99久久精品热视频| 亚洲四区av| 老女人水多毛片| 女人久久www免费人成看片| 欧美日韩视频精品一区| 久久影院123| 少妇 在线观看| 国产又色又爽无遮挡免| 男的添女的下面高潮视频| 久久ye,这里只有精品| 欧美3d第一页| 亚洲久久久国产精品| 少妇人妻一区二区三区视频| 亚洲国产精品一区三区| 成人二区视频| 一个人看视频在线观看www免费| 亚洲精品久久久久久婷婷小说| 欧美少妇被猛烈插入视频| 亚洲精品日本国产第一区| 久久久久久久亚洲中文字幕| 国产免费一级a男人的天堂| 久久久国产一区二区| 在现免费观看毛片| 日韩欧美一区视频在线观看 | 91精品伊人久久大香线蕉| 久久久久久久久久久丰满| 高清午夜精品一区二区三区| 大码成人一级视频| 亚洲国产精品成人久久小说| 国产伦精品一区二区三区四那| 亚洲精品视频女| 精品少妇久久久久久888优播| 国产欧美日韩一区二区三区在线 | 99精国产麻豆久久婷婷| 日韩制服骚丝袜av| 国产精品久久久久成人av| 夜夜爽夜夜爽视频| 日韩av不卡免费在线播放| 一级毛片久久久久久久久女| 在线亚洲精品国产二区图片欧美 | 亚洲精华国产精华液的使用体验| 如日韩欧美国产精品一区二区三区 | a级一级毛片免费在线观看| 22中文网久久字幕| 日本av手机在线免费观看| 久久久久久久久久久丰满| 大话2 男鬼变身卡| 男女国产视频网站| 婷婷色av中文字幕| 国产成人精品福利久久| 久久久久久伊人网av| 国产精品熟女久久久久浪| 免费看不卡的av| 欧美日韩精品成人综合77777| 亚洲国产最新在线播放| 亚洲第一av免费看| 最新的欧美精品一区二区| 99久久综合免费| 一个人看视频在线观看www免费| 97在线视频观看| 成人美女网站在线观看视频| 久久久久视频综合| 老女人水多毛片| 亚洲欧洲国产日韩| 熟妇人妻不卡中文字幕| 欧美bdsm另类| 久久久久久久国产电影| av福利片在线| 国产一级毛片在线| 亚洲天堂av无毛| 久久精品国产亚洲网站| freevideosex欧美| 韩国av在线不卡| 永久免费av网站大全| 午夜老司机福利剧场| 国产在线免费精品| 啦啦啦视频在线资源免费观看| 午夜福利,免费看| 国产男人的电影天堂91| 国产爽快片一区二区三区| 国产亚洲5aaaaa淫片| 日韩 亚洲 欧美在线| 大话2 男鬼变身卡| 99久国产av精品国产电影| 亚洲成人av在线免费| 国产免费视频播放在线视频| 亚洲国产日韩一区二区| 亚洲,一卡二卡三卡| 国产伦在线观看视频一区| 丰满乱子伦码专区| 18+在线观看网站| 精品久久久久久久久av| 久久狼人影院| 国产精品三级大全| 亚洲人成网站在线观看播放| 精品一区在线观看国产| 久热这里只有精品99| 亚洲自偷自拍三级| av在线老鸭窝| 国产精品人妻久久久影院| 国产日韩欧美亚洲二区| 一级毛片 在线播放| 久久精品国产a三级三级三级| 日韩中字成人| 亚洲精品国产av蜜桃| 日本午夜av视频| 国产亚洲一区二区精品| 国产黄频视频在线观看| 热re99久久精品国产66热6| 国产亚洲5aaaaa淫片| 少妇人妻精品综合一区二区| 这个男人来自地球电影免费观看 | tube8黄色片| 99久久中文字幕三级久久日本| 日日啪夜夜爽| 亚洲一级一片aⅴ在线观看| 国产乱人偷精品视频| 国产精品欧美亚洲77777| 亚洲av在线观看美女高潮| 少妇人妻 视频| 狠狠精品人妻久久久久久综合| 国产免费一级a男人的天堂| 亚洲av免费高清在线观看| 熟女电影av网| 在现免费观看毛片| 国内少妇人妻偷人精品xxx网站| 老司机亚洲免费影院| 久久久国产精品麻豆| 国产精品久久久久久av不卡| 色网站视频免费| videossex国产| 国产男女超爽视频在线观看| 亚洲欧美清纯卡通| 我的老师免费观看完整版| 色婷婷久久久亚洲欧美| a级毛片在线看网站| 亚洲人与动物交配视频| 国产精品国产三级专区第一集| 亚洲精品成人av观看孕妇| 亚洲精品久久久久久婷婷小说| 韩国av在线不卡| 欧美亚洲 丝袜 人妻 在线| 人妻系列 视频| 自拍偷自拍亚洲精品老妇| 韩国高清视频一区二区三区| 深夜a级毛片| 亚洲国产欧美日韩在线播放 | 新久久久久国产一级毛片| 久久久久久久久大av| 在线观看人妻少妇| 高清av免费在线| 国产色婷婷99| 亚洲欧洲日产国产| 亚洲三级黄色毛片| 亚洲国产精品专区欧美| 蜜桃久久精品国产亚洲av| 菩萨蛮人人尽说江南好唐韦庄| videos熟女内射| 日韩中文字幕视频在线看片| av专区在线播放| av一本久久久久| 中国美白少妇内射xxxbb| 国产精品女同一区二区软件| 国产成人精品福利久久| 午夜老司机福利剧场| 亚洲第一区二区三区不卡| 中文乱码字字幕精品一区二区三区| 亚洲av欧美aⅴ国产| 乱系列少妇在线播放| freevideosex欧美| 91精品国产九色| 免费播放大片免费观看视频在线观看| 中文字幕人妻熟人妻熟丝袜美| 各种免费的搞黄视频| 久久狼人影院| 丰满迷人的少妇在线观看| 不卡视频在线观看欧美| 精品国产国语对白av| 免费观看在线日韩| 久久精品夜色国产| 中文欧美无线码| 中文字幕制服av| 亚洲综合色惰| 久久婷婷青草| 人人澡人人妻人| 五月开心婷婷网| 国产免费一区二区三区四区乱码| 欧美日韩一区二区视频在线观看视频在线| 国产精品一区www在线观看| 一级,二级,三级黄色视频| 日本黄色片子视频| 国产精品秋霞免费鲁丝片| 丝袜喷水一区| 精品久久国产蜜桃| 精品少妇黑人巨大在线播放| 热re99久久国产66热| 国产有黄有色有爽视频| 日韩 亚洲 欧美在线| 国产午夜精品久久久久久一区二区三区| 免费看日本二区| 国产精品.久久久| 一本色道久久久久久精品综合| 欧美 日韩 精品 国产| 国产极品天堂在线| 中文乱码字字幕精品一区二区三区| 夫妻性生交免费视频一级片| 天美传媒精品一区二区| 国产午夜精品一二区理论片| 国产精品人妻久久久影院| 涩涩av久久男人的天堂| 一区二区av电影网| 国产在线一区二区三区精| 69精品国产乱码久久久| 色视频www国产| 只有这里有精品99| 国产日韩欧美视频二区| 一级,二级,三级黄色视频| 国产精品熟女久久久久浪| 插逼视频在线观看| 美女内射精品一级片tv| 久久鲁丝午夜福利片| 18禁在线播放成人免费| 日韩一区二区视频免费看| 一本—道久久a久久精品蜜桃钙片| 乱人伦中国视频| 日韩精品有码人妻一区| 香蕉精品网在线| 少妇人妻一区二区三区视频| 国产精品国产三级国产专区5o| 久久久久久久久久久久大奶| 在现免费观看毛片| 永久网站在线| 亚洲精品国产av成人精品| 老司机影院毛片| 少妇猛男粗大的猛烈进出视频| 国产伦在线观看视频一区| 国产日韩一区二区三区精品不卡 | 国产精品久久久久久精品古装| 蜜臀久久99精品久久宅男| 99热6这里只有精品| 国产黄色免费在线视频| 最近2019中文字幕mv第一页| 精品人妻偷拍中文字幕| 欧美精品亚洲一区二区| 国产成人精品无人区| 我要看黄色一级片免费的| 欧美xxⅹ黑人| 国产精品久久久久成人av| 亚洲av国产av综合av卡| 亚洲不卡免费看| 日韩av免费高清视频| 不卡视频在线观看欧美| 2021少妇久久久久久久久久久| 亚洲精品乱码久久久久久按摩| 嘟嘟电影网在线观看| 99久久中文字幕三级久久日本| 国产在线男女| 黄色毛片三级朝国网站 | 久久99热6这里只有精品| 日韩制服骚丝袜av| 赤兔流量卡办理| 国产av国产精品国产| 男女免费视频国产| 婷婷色av中文字幕| 日韩三级伦理在线观看| 色5月婷婷丁香| 一区二区三区免费毛片| 国产永久视频网站| 亚洲国产成人一精品久久久| 久久久国产一区二区| 日本黄色日本黄色录像| 五月天丁香电影| 欧美日韩视频精品一区| 亚洲第一av免费看| 久久99热这里只频精品6学生| 在线天堂最新版资源| 国产乱来视频区| 日韩制服骚丝袜av| 18+在线观看网站| 王馨瑶露胸无遮挡在线观看| 91午夜精品亚洲一区二区三区| 熟妇人妻不卡中文字幕| 黑人猛操日本美女一级片| 色94色欧美一区二区| 狂野欧美激情性bbbbbb| 日韩制服骚丝袜av| 97超碰精品成人国产| 成人无遮挡网站| 汤姆久久久久久久影院中文字幕| 国产深夜福利视频在线观看| 精品一区在线观看国产| 色网站视频免费| 麻豆精品久久久久久蜜桃| 亚洲av.av天堂| 亚洲无线观看免费| 国产精品久久久久成人av| 如日韩欧美国产精品一区二区三区 | 一级黄片播放器| www.色视频.com| 久久亚洲国产成人精品v| 性色avwww在线观看| 亚洲精品,欧美精品| 丝袜喷水一区| 嫩草影院新地址| 亚洲激情五月婷婷啪啪| 亚洲不卡免费看| 亚洲精品国产色婷婷电影| 最近中文字幕2019免费版| 国产精品一二三区在线看| 我的女老师完整版在线观看| 伦精品一区二区三区| av国产久精品久网站免费入址| 日产精品乱码卡一卡2卡三| 涩涩av久久男人的天堂| 一级毛片久久久久久久久女| 亚洲国产精品一区二区三区在线| 亚洲国产欧美日韩在线播放 | 内射极品少妇av片p| 五月天丁香电影| 最黄视频免费看| 99久久精品一区二区三区| 亚洲成人手机| 国产黄色免费在线视频| 一个人免费看片子| 免费观看性生交大片5| 美女大奶头黄色视频| 亚洲国产精品国产精品| 在线观看国产h片| 国产熟女欧美一区二区| 欧美3d第一页| 国产亚洲欧美精品永久| 五月开心婷婷网| 99热全是精品| 日韩三级伦理在线观看| 99re6热这里在线精品视频| 国产老妇伦熟女老妇高清| 最黄视频免费看| 久久毛片免费看一区二区三区| 一本久久精品| 观看av在线不卡| 少妇的逼水好多| 精品卡一卡二卡四卡免费| 街头女战士在线观看网站| 日韩电影二区| 国产精品久久久久久av不卡| 免费人妻精品一区二区三区视频| 精品久久久噜噜| 国产精品久久久久久av不卡|