• <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 ?

    醫(yī)療診斷與預測中的增量式Apriori方法研究

    2021-09-05 04:49:05鄭會何靜李鵬
    計算機時代 2021年8期
    關(guān)鍵詞:關(guān)聯(lián)規(guī)則數(shù)據(jù)流

    鄭會 何靜 李鵬

    摘 要: 醫(yī)療診斷與預測因數(shù)據(jù)量太大而需要流式存儲,使得頻繁項集挖掘出現(xiàn)耗時大,效率低下等問題。以解決這些問題為目的,研究了一種改進的基于大規(guī)模數(shù)據(jù)流的頻繁項集挖掘方法,即增量式頻繁項集挖掘方法。文章的重要結(jié)果是,該方法可結(jié)合歷史數(shù)據(jù)與當前數(shù)據(jù)簇,快速求出近似全局支持度,并找出全局頻繁項集集合。將該方法應(yīng)用于Apriori算法上,通過實驗得出了該增量式Apriori方法具有高效率的結(jié)論。

    關(guān)鍵詞: 醫(yī)療診斷與預測; 關(guān)聯(lián)規(guī)則; 增量式算法; 數(shù)據(jù)流

    中圖分類號:G642 ? ? ? ? ?文獻標識碼:A ? ? 文章編號:1006-8228(2021)08-53-04

    Research on the incremental Apriori algorithm for medical diagnosis and prediction

    Zheng Hui, He Jing, Li Peng

    (School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing, Jiangsu 210023, China)

    Abstract: Medical diagnosis and prediction need streaming storage because of the large amount of data, which makes frequent itemset mining time-consuming and inefficient. In order to solve these problems, an improved frequent itemset mining method for large-scale data stream is studied, i.e., the incremental frequent itemset mining method. The important result of this paper is that this method can combine the historical data with the current data cluster to quickly find out the approximate global support, and find out the set of global frequent itemsets. Applying the method to Apriori algorithm, the conclusion is obtained through experiments that the incremental Apriori algorithm has a high efficiency.

    Key words: medical diagnosis and prediction; association rule; incremental algorithm; data stream

    0 引言

    在疾病診斷與預測上,關(guān)聯(lián)規(guī)則算法有不可替代的優(yōu)勢,但在求解大數(shù)據(jù)問題時,該算法通常執(zhí)行效率低下,其根本原因在于頻繁項集挖掘過程耗時較長[1]。本文通過研究頻繁項集挖掘算法的現(xiàn)有問題,并為了避免重復掃描大規(guī)模數(shù)據(jù),本文采取了增量式Apriori方法的構(gòu)建方案,該方法通過持續(xù)性因子篩選出需要保存的局部頻繁項集統(tǒng)計信息;提出了近似全局支持度值的計算過程,以保證增量式頻繁項集的準確率;同時提出了增量式頻繁挖掘算法的求解步驟。

    1 現(xiàn)有問題

    醫(yī)療數(shù)據(jù)具有如下特點:①數(shù)據(jù)來源廣泛,比如數(shù)據(jù)來源可能包括診斷數(shù)據(jù)、醫(yī)療數(shù)據(jù)與體檢數(shù)據(jù)等[2];②數(shù)據(jù)更新頻繁發(fā)生,每當個體進行新的診斷、治療或體檢時,都會產(chǎn)生新的數(shù)據(jù)并被存儲到相關(guān)疾病數(shù)據(jù)庫中。因此,醫(yī)學數(shù)據(jù)庫會持續(xù)地進行更新[3]。

    隨著醫(yī)學數(shù)據(jù)庫的更新,訓練出的診斷/預測模型也應(yīng)隨之變化,這樣才能使診斷/預測模型的實時性得到保證[4]。對于如何保持該實時性,理想化的做法是每當有新的記錄,計算機就重新建模,基于新模型挖掘頻繁項集與關(guān)聯(lián)規(guī)則[5],然后利用新的關(guān)聯(lián)規(guī)則對個體進行疾病診斷與預測[6]。但這個理想化做法容易出現(xiàn)以下幾個問題。

    問題1:隨著醫(yī)學數(shù)據(jù)規(guī)模的不斷增加,醫(yī)學數(shù)據(jù)庫的量級也在持續(xù)增大,使得構(gòu)建模型所需時間不斷延長。

    問題2:當醫(yī)學數(shù)據(jù)庫中數(shù)據(jù)達到某個量級時,模型會因為耗時太長而喪失時效性。

    問題3:頻繁地建立疾病診斷/預測模型,會增加計算資源和人力等相關(guān)成本。

    由此得出,根據(jù)數(shù)據(jù)更新來頻繁地更新并持續(xù)地建模并不現(xiàn)實。為此,如何構(gòu)建具有實時性、高效性的增量式模型[8]就是本文要解決的一個重要問題。

    2 方法構(gòu)建方案

    在醫(yī)學領(lǐng)域上采用關(guān)聯(lián)規(guī)則算法具有明顯的優(yōu)勢,關(guān)聯(lián)規(guī)則算法可以挖掘出數(shù)據(jù)潛在關(guān)系與關(guān)聯(lián)[7],從而可以在醫(yī)學領(lǐng)域上協(xié)助實現(xiàn)醫(yī)療診斷與預測[8]。但是,其在應(yīng)用中仍存在一些不足。

    ⑴ 沒有解決頻繁項集挖掘過程中效率低下的問題。

    ⑵ 并不適用于對大數(shù)據(jù)問題的處理,特別是在處理增量式醫(yī)療大數(shù)據(jù)時還未發(fā)揮應(yīng)有的作用。

    針對頻繁項集挖掘在處理大數(shù)據(jù)時效率低下的問題,本文將闡述如何對算法進行改進,探討實現(xiàn)大數(shù)據(jù)增量式的頻繁項集挖掘方法,以此來提升關(guān)聯(lián)規(guī)則挖掘算法效率。

    2.1 方法主要目的

    本文通過研究增量式頻繁挖掘算法,以期達到如下兩個目標。

    目標1:在每一批次數(shù)據(jù)簇中,都能直接保留全局頻繁項集到候選頻繁項集集合;

    目標2:成功過濾掉其他所有非潛在的全局頻繁項集,從而實現(xiàn)對存儲空間的最大優(yōu)化。

    2.2 研究內(nèi)容與創(chuàng)新性

    本文采取近似的頻繁項集挖掘方法,該方法主要是通過對每個批次數(shù)據(jù)簇中的局部頻繁項集與潛在全局頻繁項集的存儲,在此基礎(chǔ)上獲得全局支持度計算所需的數(shù)據(jù)統(tǒng)計摘要信息,從而達到盡可能地保留全局頻繁項集的目的。為獲得這些全局支持度值的統(tǒng)計信息,需要做到以下幾點。

    ⑴ 對于某一批次中被認定為頻繁的項集,直接保存該局部頻繁項集及其支持度信息。

    ⑵ 對于當前批次數(shù)據(jù)簇中非頻繁而有潛力的項集,即潛在的全局頻繁的項集,同樣保存該潛在頻繁項集及其支持度信息。

    ⑶ 對于當前批次數(shù)據(jù)簇中非頻繁且無潛力的項集,直接忽略其支持度信息。

    由此,本文研究的增量式頻繁項集挖掘(增量式Apriori)算法中,只需對每個批次數(shù)據(jù)簇分別進行局部頻繁項集挖掘,就能得到潛在的全局頻繁項集,根據(jù)全局候選頻繁項集的相關(guān)統(tǒng)計信息即可計算得出全局支持度值,從而確定全局頻繁項集。本文還分析近似算法的誤差估計,進一步限制近似算法的誤差。

    3 方法的求解步驟

    本文通過對增量式頻繁項集挖掘方法的構(gòu)建,來實現(xiàn)數(shù)據(jù)流數(shù)據(jù)頻繁項集挖掘方法,以下對該方法的具體步驟作詳細說明。

    3.1 批次頻繁項集與持續(xù)性因子

    持續(xù)性因子k表示,如果某項集在某一批次數(shù)據(jù)簇中是頻繁的,則該項集的信息將至少被統(tǒng)計k 次,具體如下。①如果一個項集在第i批次數(shù)據(jù)簇中是頻繁的,那么即使它在之后批次的數(shù)據(jù)簇中不是頻繁的,候選全局頻繁項集還是會對其相關(guān)信息進行保存與統(tǒng)計,直到第i+k批次數(shù)據(jù)簇。②如果該項集在后續(xù)的k個批次的數(shù)據(jù)簇中都不是頻繁的,則該項集在第i+k+1批次中將被視為普通項集。根據(jù)②,如果當前項集在第i+k+1個數(shù)據(jù)簇中是頻繁的,那么需將其支持度計算所需統(tǒng)計信息進行保存;但如果該項集在第i+k+1個數(shù)據(jù)簇中是不頻繁的,那么無須對其全局支持度計算相關(guān)信息進行保存。當然,在第i批次到第i+k+1批次個數(shù)據(jù)簇之間的每個數(shù)據(jù)簇中,若該項集出現(xiàn)局部頻繁,則需要將局部頻繁項集保存為候選頻繁項集,同時重新賦值當前持續(xù)性因子k ,并對接下來的k個數(shù)據(jù)簇項集相對應(yīng)的頻繁信息進行累計,并持續(xù)地繼續(xù)統(tǒng)計其信息。

    持續(xù)性因子k可以擴展到根據(jù)數(shù)據(jù)簇批次不同而動態(tài)調(diào)整。一個簡單的辦法是根據(jù)不同批次數(shù)據(jù)簇進行數(shù)據(jù)歐式距離測算,當相鄰兩個數(shù)據(jù)簇歐式距離越大,則加大持續(xù)性因子;反之,則減少持續(xù)性因子。這里,根據(jù)數(shù)據(jù)分布來變化的持續(xù)性因子是本文提出的增量式算法的一個創(chuàng)新。

    歷史數(shù)據(jù)簇頻繁項集集合重點對歷史全局候選頻繁項集集合進行描述,具體來說:①針對當前批次數(shù)據(jù)簇之前全部批次數(shù)據(jù)簇組成的數(shù)據(jù)集合,對這些數(shù)據(jù)集合的局部頻繁項集集合進行挖掘,并存儲其所有支持度相關(guān)信息,用以計算項集的全局近似支持度值;②在頻繁項集挖掘算法,如Apriori算法的基礎(chǔ)上,持續(xù)進行頻繁項集挖掘。

    3.2 支持度計算與近似方法誤差估計

    假設(shè)m_1個頻繁的數(shù)據(jù)簇中支持度值的總和為s_1,并對剩下的所有非頻繁數(shù)據(jù)簇中的統(tǒng)計信息進行統(tǒng)計,并在此基礎(chǔ)上設(shè)m_2個數(shù)據(jù)簇中的支持度值總和為s_2。而m_2作為所有項集中的非頻繁項集數(shù)據(jù)簇數(shù),其值遠遠小于所有項集中頻繁項集數(shù)據(jù)簇數(shù)值,此時有:

    m_2m_1

    則該項集的全局支持度可近似地表示為:

    ASupp= 1/m (s_1+((m-m_1 )×s_2)/m_2 ) ⑴

    其中,ASupp表示的是近似支持度(approximate support)。

    由于公式⑴是一個近似計算公式,因此必然會存在誤差,為證明該公式的準確性,本節(jié)重點對近似算法的誤差進行統(tǒng)計,從而對該算法進行更客觀的評估。本節(jié)通過支持度值的上界與下界進行分析,實驗對近似公式⑴的誤差進行估計。在本文中,Supp表示支持度(Support)的統(tǒng)計值。

    假設(shè)支持度閥值(最小支持度值)為μ ,可得近似支持度的上界,有:

    Supp ≤?Supp=(s_1+s_2+(m-m_1-m_2)×μ)/m ⑵

    同時得其支持度的下界,有:

    Supp≥▁Supp= (s_1+s_2)/m ⑶

    于是,近似支持度值計算方法的誤差范圍有如下表示:

    |ASupp-Supp|≤?Supp-▁Supp

    =(m-m_1-m_2)×μ/m ⑷

    基于對當前所有頻繁項集信息的整理,可得到一個關(guān)于頻繁項集的簡單估計即該項集的數(shù)據(jù)簇數(shù)量之和為m_1+m_2,且該值接近于數(shù)據(jù)簇總數(shù)m。因此,當m→∞時,誤差估計自然趨近于零;反之亦然,當m_2→∞時,則該項集的支持度近似值出現(xiàn)以下情況:①或許不能收斂;②或許能收斂但收斂于的數(shù)值低于閥值μ。如果非頻繁項集的近似支持度可以收斂,則其對應(yīng)為頻繁的m_1個數(shù)據(jù)簇的支持度值是收斂的,且收斂于數(shù)據(jù)簇總數(shù)量m。

    增量式Apriori方法的具體步驟如圖1所示。

    ⑴ 根據(jù)模型參數(shù)選擇數(shù)據(jù)批次大小與持續(xù)性因子值;

    ⑵ 對于數(shù)據(jù)流批量數(shù)據(jù)中接收一批次的數(shù)據(jù)作為當前數(shù)據(jù)簇;

    ⑶ 計算當前批次數(shù)據(jù)簇與前一批次數(shù)據(jù)簇之間的歐式距離;當前批次數(shù)據(jù)為第一批次數(shù)據(jù)簇時,歐式距離默認賦值為最小值0;

    ⑷ 根據(jù)持續(xù)性因子抽取已處理過的數(shù)據(jù)摘要信息,包括歷史數(shù)據(jù)簇中支持度信息,從而獲得m_1,s_1,m_2,s_2的值;

    ⑸ 結(jié)合前面的數(shù)據(jù)摘要信息,對當前批次數(shù)據(jù)簇進行頻繁項集挖掘;

    ⑹ 輸出當前頻繁項集結(jié)果,如果有一下批次數(shù)據(jù)則重復上述步驟⑵-⑸。

    3.3 方法實驗分析

    本節(jié)主要進行方法實驗分析。實驗數(shù)據(jù)主要以數(shù)據(jù)生成器所生成的隨機數(shù)據(jù)集為基礎(chǔ),將該數(shù)據(jù)集應(yīng)用到Apriori方法[9-10]中。在本節(jié)實驗中,僅展示出算法的固定持續(xù)性因子的情況。

    實驗涉及的參數(shù):持續(xù)性的因子k=3;最小支持度閥值μ=0.10。

    如圖2所示,隨著數(shù)據(jù)簇批次的增多,總體數(shù)據(jù)量會相應(yīng)增加,傳統(tǒng)的Apriori算法需要在每次對數(shù)據(jù)簇批次重復掃描的基礎(chǔ)上實現(xiàn)對全局頻繁項集的挖掘,而利用增量式Apriori方法卻只需一次掃描數(shù)據(jù),因此可節(jié)省大量時間,提高算法效率。本節(jié)實驗設(shè)定數(shù)據(jù)簇總批次為30。實驗過程中,不但對每一批次算法消耗時間進行了對比,同時也對比了全部批次算法消耗時間的平均值,并將其作為算法對比度量之一。在圖2中,當數(shù)據(jù)批次數(shù)大于15時,增量式Apriori方法耗費時間明顯低于其他對比方法。這說明數(shù)據(jù)量越大,增量式的方法的優(yōu)勢越明顯。

    4 結(jié)束語

    為了解決關(guān)聯(lián)規(guī)則與頻繁項集挖掘求解大規(guī)模數(shù)據(jù)耗時較長的問題,本文展示了一種增量式頻繁項集挖掘方法并將其作用于Apriori,即增量式Apriori。通過對持續(xù)性頻繁項集挖掘算法與近似的計算全局支持度算法的整合,來計算近似全局支持度值,從而找出全局頻繁項集。通常來說,數(shù)據(jù)量級越高,增量式頻繁項集挖掘方法找出的頻繁項集集合,與真實頻繁項集集合的結(jié)果越趨于一致。通過數(shù)據(jù)生成器模擬疾病相關(guān)數(shù)據(jù),基于這些數(shù)據(jù)進行實驗對比分析,結(jié)果表明,相比標準Apriori算法,增量式Apriori方法具有效率高及性能穩(wěn)定等優(yōu)點。

    參考文獻(References):

    [1] 古良云.頻繁模式挖掘方法的研究[D].江南大學碩士學位論文,2020.

    [2] 李力恒,王曉磊.智能可穿戴式醫(yī)療設(shè)備在醫(yī)療數(shù)據(jù)信息安全中的應(yīng)用[J].自動化與儀器儀表,2020.3.

    [3] 張玥,倪珺珉,王堅,宋小康,趙宇翔.基于關(guān)聯(lián)規(guī)則挖掘的健康信息學主題分析——以dHealth會議為例[J].信息資源管理學報,2020.10(6):90-100

    [4] 陳晨,王妮,黃艷群,周陽,李盛俊,陳卉.基于居民健康大數(shù)據(jù)的肥胖與常見慢病關(guān)聯(lián)規(guī)則分析[J].北京生物醫(yī)學工程,2020.39(4):406-411

    [5] 柯文俊,高金華,沈華偉,劉悅,程學旗.基于改進Apriori算法的問題模板無監(jiān)督抽取方法[J].中文信息學報,2020.34(10):76-84

    [6] 張千,方麗華,王慶瑋,孫曉,梁鴻,張萬義.基于機器學習的疾病診斷模型研究[J].計算機與數(shù)字工程,2020.48(7):1705-1709

    [7] 王青松,姜富山,李菲.大數(shù)據(jù)環(huán)境下基于關(guān)聯(lián)規(guī)則的多標簽學習算法[J].計算機科學,202047(5):90-95

    [8] Mohapatra Ankita, Sangita Khare, and Deepa Gupta.

    Analysis of Tuberculosis Disease Using Association Rule Mining.In Advances in Artificial Intelligence and Data Engineering[J]. Springer, Singapore,2021:995-1008

    [9] Wang Xiaoli, KuiSu, and Zhanbo Liu. Analysis of Diabetic

    Association Rules Based on Apriori Algorithms.In Data Processing Techniques and Applications for Cyber-Physical Systems (DPTA 2019)[J].Springer,Singapore,2020:555-563

    [10] Wang Chunxia, and Xiaoyue Zheng. Application of

    improved time series Apriori algorithm by frequent itemsets in association rule data mining based on temporal constraint[J].Evolutionary Intelligence),2020.12(1):39-49

    收稿日期:2021-03-24

    基金項目:本課題得到江蘇省科技支撐計劃項目(BE2019740); 江蘇省高等學校自然科學研究項目(18KJA520008,20KJB520001); 江蘇省高校研究生科研創(chuàng)新計劃項目(SJKY19_0761,SJKY19_0759,KYCX20_0759)

    作者簡介:鄭會(1985-),女,河北廊坊人,博士,博士后,主要研究方向:數(shù)據(jù)挖掘,電子健康。

    通訊作者:李鵬(1979-),男,福建長汀人,博士,教授,主要研究方向:高等教育研究、信息網(wǎng)絡(luò)。

    猜你喜歡
    關(guān)聯(lián)規(guī)則數(shù)據(jù)流
    汽車維修數(shù)據(jù)流基礎(chǔ)(上)
    汽車維修數(shù)據(jù)流基礎(chǔ)(下)
    一種提高TCP與UDP數(shù)據(jù)流公平性的擁塞控制機制
    基于Apriori算法的高校學生成績數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘分析
    基于關(guān)聯(lián)規(guī)則和時間閾值算法的5G基站部署研究
    移動通信(2016年20期)2016-12-10 09:09:04
    關(guān)聯(lián)規(guī)則,數(shù)據(jù)分析的一把利器
    數(shù)據(jù)挖掘在高校課堂教學質(zhì)量評價體系中的應(yīng)用
    關(guān)聯(lián)規(guī)則挖掘Apriori算法的一種改進
    中國市場(2016年36期)2016-10-19 04:10:44
    基于關(guān)聯(lián)規(guī)則的計算機入侵檢測方法
    基于數(shù)據(jù)流的結(jié)構(gòu)化功能安全分析方法
    人妻丰满熟妇av一区二区三区| 久久天躁狠狠躁夜夜2o2o| 很黄的视频免费| 亚洲av免费在线观看| 国产极品精品免费视频能看的| 日韩大尺度精品在线看网址| 无人区码免费观看不卡| 久久久久久国产a免费观看| 嫩草影视91久久| 又紧又爽又黄一区二区| 国产不卡一卡二| 在线观看舔阴道视频| 亚洲片人在线观看| 久久久久久九九精品二区国产| 国产精品电影一区二区三区| 国产黄色小视频在线观看| 欧美色视频一区免费| 黄色女人牲交| 少妇高潮的动态图| 久久九九热精品免费| 高清日韩中文字幕在线| 动漫黄色视频在线观看| 人妻丰满熟妇av一区二区三区| 制服人妻中文乱码| 欧美成人性av电影在线观看| 亚洲狠狠婷婷综合久久图片| 日韩精品青青久久久久久| 好看av亚洲va欧美ⅴa在| 国产单亲对白刺激| 久久6这里有精品| 草草在线视频免费看| 手机成人av网站| 国产在视频线在精品| 1024手机看黄色片| 国产成人福利小说| 久久人人精品亚洲av| 激情在线观看视频在线高清| 欧美一级毛片孕妇| 国产高清有码在线观看视频| 高清日韩中文字幕在线| 99久久久亚洲精品蜜臀av| 亚洲一区高清亚洲精品| 久久久久久久午夜电影| 国产午夜福利久久久久久| 欧美不卡视频在线免费观看| 成人永久免费在线观看视频| 欧洲精品卡2卡3卡4卡5卡区| 日韩欧美免费精品| 精品人妻一区二区三区麻豆 | 亚洲美女视频黄频| 日本与韩国留学比较| 亚洲真实伦在线观看| 亚洲自拍偷在线| 波多野结衣高清作品| 18禁国产床啪视频网站| 国产午夜精品久久久久久一区二区三区 | 最新美女视频免费是黄的| 久久久久久久精品吃奶| 国产高清视频在线播放一区| 欧美乱码精品一区二区三区| 18禁黄网站禁片午夜丰满| 国产av不卡久久| 国产精品久久久久久精品电影| 午夜影院日韩av| 国产高清三级在线| 欧美黑人欧美精品刺激| 午夜日韩欧美国产| 午夜精品久久久久久毛片777| 老汉色∧v一级毛片| 99久久成人亚洲精品观看| 又爽又黄无遮挡网站| x7x7x7水蜜桃| 亚洲av一区综合| eeuss影院久久| 一进一出抽搐gif免费好疼| 国产伦一二天堂av在线观看| 精品久久久久久成人av| 一进一出抽搐动态| 真人一进一出gif抽搐免费| 深爱激情五月婷婷| 少妇丰满av| 麻豆一二三区av精品| 精品久久久久久久久久免费视频| 国模一区二区三区四区视频| 国产精品一及| 在线观看av片永久免费下载| 12—13女人毛片做爰片一| ponron亚洲| 12—13女人毛片做爰片一| 免费看光身美女| av专区在线播放| 免费在线观看日本一区| av专区在线播放| 日韩大尺度精品在线看网址| 精品午夜福利视频在线观看一区| 热99re8久久精品国产| 欧美一区二区精品小视频在线| 婷婷丁香在线五月| 美女cb高潮喷水在线观看| 国内毛片毛片毛片毛片毛片| 国产亚洲欧美在线一区二区| 欧美日韩乱码在线| 日本a在线网址| 不卡一级毛片| 网址你懂的国产日韩在线| 国产色婷婷99| 国产精品一区二区免费欧美| a级毛片a级免费在线| 色噜噜av男人的天堂激情| 九九在线视频观看精品| 欧美乱码精品一区二区三区| av天堂中文字幕网| 波多野结衣巨乳人妻| 精品福利观看| 亚洲天堂国产精品一区在线| 日本三级黄在线观看| 午夜激情欧美在线| a在线观看视频网站| 一a级毛片在线观看| 999久久久精品免费观看国产| 好看av亚洲va欧美ⅴa在| 国产成人啪精品午夜网站| 午夜激情福利司机影院| 欧美性猛交黑人性爽| 高清日韩中文字幕在线| 搡老岳熟女国产| 波多野结衣高清无吗| 全区人妻精品视频| 欧美不卡视频在线免费观看| 色综合婷婷激情| 天堂网av新在线| 精品日产1卡2卡| 嫁个100分男人电影在线观看| 女人十人毛片免费观看3o分钟| 亚洲精品国产精品久久久不卡| 日韩欧美一区二区三区在线观看| 日本五十路高清| 国产一区二区三区视频了| 在线十欧美十亚洲十日本专区| 看片在线看免费视频| 一本综合久久免费| 欧美xxxx黑人xx丫x性爽| 观看美女的网站| 亚洲国产欧洲综合997久久,| 久久人人精品亚洲av| 亚洲欧美日韩高清在线视频| 国产淫片久久久久久久久 | 又爽又黄无遮挡网站| 欧美成狂野欧美在线观看| 99国产精品一区二区蜜桃av| 国产亚洲欧美在线一区二区| 日韩欧美一区二区三区在线观看| av国产免费在线观看| 久久精品夜夜夜夜夜久久蜜豆| 一级a爱片免费观看的视频| 国产极品精品免费视频能看的| 国产精品久久久久久久电影 | 90打野战视频偷拍视频| 黄片大片在线免费观看| 国产成人啪精品午夜网站| 麻豆一二三区av精品| 91字幕亚洲| 成人特级av手机在线观看| 欧美乱妇无乱码| xxx96com| 免费无遮挡裸体视频| av中文乱码字幕在线| 亚洲欧美日韩无卡精品| 欧美又色又爽又黄视频| 亚洲成人久久性| 麻豆久久精品国产亚洲av| 亚洲一区二区三区色噜噜| 人妻夜夜爽99麻豆av| 日韩人妻高清精品专区| 国产免费一级a男人的天堂| 国产精品久久久久久久电影 | 国产精品日韩av在线免费观看| 久久精品国产亚洲av香蕉五月| 97人妻精品一区二区三区麻豆| 国产一区在线观看成人免费| 97碰自拍视频| 岛国在线免费视频观看| 国产一区二区亚洲精品在线观看| 国产成年人精品一区二区| 日本 av在线| 精品国产三级普通话版| 一a级毛片在线观看| 久久精品国产自在天天线| 亚洲乱码一区二区免费版| 精品电影一区二区在线| 久久99热这里只有精品18| 伊人久久大香线蕉亚洲五| 国产精品久久久久久久电影 | 男女做爰动态图高潮gif福利片| 99久久精品热视频| 久久久成人免费电影| 中文字幕人成人乱码亚洲影| 中文字幕人成人乱码亚洲影| 最新中文字幕久久久久| 99热只有精品国产| 亚洲精品色激情综合| 亚洲精品色激情综合| 国产三级黄色录像| 偷拍熟女少妇极品色| 国产伦人伦偷精品视频| 日本 欧美在线| 18禁黄网站禁片午夜丰满| 51国产日韩欧美| 在线看三级毛片| 成年女人毛片免费观看观看9| 欧美另类亚洲清纯唯美| 精品人妻一区二区三区麻豆 | 观看美女的网站| 日本 欧美在线| 十八禁人妻一区二区| 精品熟女少妇八av免费久了| 国产麻豆成人av免费视频| 又爽又黄无遮挡网站| 狂野欧美激情性xxxx| 国产v大片淫在线免费观看| www国产在线视频色| 中出人妻视频一区二区| 欧美另类亚洲清纯唯美| 99久久成人亚洲精品观看| 国产在视频线在精品| 99热这里只有是精品50| xxx96com| 啦啦啦韩国在线观看视频| 中文资源天堂在线| 国产午夜精品论理片| 99国产精品一区二区三区| 一个人看视频在线观看www免费 | 国产精品三级大全| 乱人视频在线观看| 超碰av人人做人人爽久久 | 最近在线观看免费完整版| 可以在线观看的亚洲视频| 天堂网av新在线| 三级男女做爰猛烈吃奶摸视频| 国产高潮美女av| 男人舔女人下体高潮全视频| 久久精品国产清高在天天线| 国产高清视频在线观看网站| 亚洲精品国产精品久久久不卡| 舔av片在线| 性色av乱码一区二区三区2| 欧美黑人巨大hd| 最近在线观看免费完整版| 欧美色欧美亚洲另类二区| 欧美另类亚洲清纯唯美| 午夜精品一区二区三区免费看| 波多野结衣巨乳人妻| 搞女人的毛片| 一进一出抽搐gif免费好疼| 亚洲精品成人久久久久久| 日本a在线网址| 一卡2卡三卡四卡精品乱码亚洲| 精品福利观看| 18禁国产床啪视频网站| 免费观看的影片在线观看| 国产成人a区在线观看| 日韩欧美 国产精品| 欧美黄色片欧美黄色片| 免费观看的影片在线观看| 精品欧美国产一区二区三| 欧美日韩一级在线毛片| 又爽又黄无遮挡网站| www.熟女人妻精品国产| 日日摸夜夜添夜夜添小说| 久久午夜亚洲精品久久| 国产精品美女特级片免费视频播放器| 亚洲av电影不卡..在线观看| 欧美中文综合在线视频| 人妻丰满熟妇av一区二区三区| 国产免费男女视频| 亚洲成人免费电影在线观看| 欧美又色又爽又黄视频| 丰满人妻一区二区三区视频av | 90打野战视频偷拍视频| 欧美激情在线99| 最近在线观看免费完整版| 亚洲一区高清亚洲精品| 中文字幕人妻熟人妻熟丝袜美 | 88av欧美| 性色av乱码一区二区三区2| 日本一二三区视频观看| 亚洲五月婷婷丁香| 好男人在线观看高清免费视频| xxxwww97欧美| 精品一区二区三区av网在线观看| 亚洲av中文字字幕乱码综合| 少妇高潮的动态图| 91久久精品电影网| 久久精品国产自在天天线| www.999成人在线观看| 亚洲aⅴ乱码一区二区在线播放| 嫁个100分男人电影在线观看| 99热6这里只有精品| 狂野欧美白嫩少妇大欣赏| 亚洲国产精品久久男人天堂| 日本熟妇午夜| 人妻夜夜爽99麻豆av| 午夜福利欧美成人| 宅男免费午夜| 日韩欧美免费精品| 午夜精品在线福利| 一本精品99久久精品77| 韩国av一区二区三区四区| 精品久久久久久久人妻蜜臀av| avwww免费| 亚洲av日韩精品久久久久久密| 啪啪无遮挡十八禁网站| 内地一区二区视频在线| 可以在线观看毛片的网站| 国产乱人伦免费视频| 人人妻,人人澡人人爽秒播| 精品乱码久久久久久99久播| 18禁美女被吸乳视频| 日本撒尿小便嘘嘘汇集6| 国产色爽女视频免费观看| 黄色成人免费大全| av中文乱码字幕在线| 中文字幕人妻丝袜一区二区| 欧美在线一区亚洲| 国产美女午夜福利| xxx96com| 黄色成人免费大全| 精华霜和精华液先用哪个| 亚洲狠狠婷婷综合久久图片| 欧美色视频一区免费| 亚洲午夜理论影院| 亚洲精品成人久久久久久| or卡值多少钱| 麻豆成人午夜福利视频| av黄色大香蕉| 欧美精品啪啪一区二区三区| 日本免费一区二区三区高清不卡| 亚洲激情在线av| 色播亚洲综合网| 日本三级黄在线观看| 特级一级黄色大片| 亚洲专区中文字幕在线| 五月玫瑰六月丁香| tocl精华| 午夜精品一区二区三区免费看| 中文亚洲av片在线观看爽| 精品国产美女av久久久久小说| 亚洲黑人精品在线| 欧美中文日本在线观看视频| 国产探花极品一区二区| 国产三级在线视频| 中文字幕熟女人妻在线| tocl精华| 国产在视频线在精品| 变态另类成人亚洲欧美熟女| 国产高清激情床上av| 最近最新中文字幕大全免费视频| 桃色一区二区三区在线观看| 欧美乱码精品一区二区三区| 91字幕亚洲| 欧美日韩中文字幕国产精品一区二区三区| 久久久色成人| 亚洲人成网站高清观看| 欧美日韩综合久久久久久 | 又粗又爽又猛毛片免费看| 色噜噜av男人的天堂激情| 在线观看美女被高潮喷水网站 | 啦啦啦免费观看视频1| 天天添夜夜摸| 51国产日韩欧美| 亚洲欧美日韩高清在线视频| 日韩中文字幕欧美一区二区| 他把我摸到了高潮在线观看| 精品久久久久久久末码| 婷婷丁香在线五月| 99久久99久久久精品蜜桃| 国产一级毛片七仙女欲春2| 91麻豆精品激情在线观看国产| 女人十人毛片免费观看3o分钟| 精品日产1卡2卡| 岛国在线观看网站| 欧美av亚洲av综合av国产av| 黄色视频,在线免费观看| 麻豆成人午夜福利视频| 精品99又大又爽又粗少妇毛片 | 88av欧美| 一本一本综合久久| 欧美一级a爱片免费观看看| 精品国产超薄肉色丝袜足j| 色吧在线观看| 18禁裸乳无遮挡免费网站照片| 欧美日韩亚洲国产一区二区在线观看| 欧美大码av| 日本熟妇午夜| 国产三级在线视频| 九九热线精品视视频播放| 亚洲狠狠婷婷综合久久图片| 午夜老司机福利剧场| 亚洲国产色片| 两个人看的免费小视频| 悠悠久久av| 久久久久久久午夜电影| 51国产日韩欧美| 无限看片的www在线观看| 亚洲自拍偷在线| 日日干狠狠操夜夜爽| 色尼玛亚洲综合影院| 国产亚洲精品久久久久久毛片| 黄色视频,在线免费观看| 亚洲av成人精品一区久久| 日韩欧美国产一区二区入口| 69人妻影院| 亚洲久久久久久中文字幕| 99久久久亚洲精品蜜臀av| 母亲3免费完整高清在线观看| 久久精品国产综合久久久| 亚洲18禁久久av| 欧美一级毛片孕妇| 老熟妇仑乱视频hdxx| 午夜老司机福利剧场| 又黄又粗又硬又大视频| 天堂动漫精品| 免费在线观看成人毛片| av在线蜜桃| 欧美成人一区二区免费高清观看| 亚洲国产日韩欧美精品在线观看 | 欧美国产日韩亚洲一区| 人人妻人人澡欧美一区二区| 亚洲av免费高清在线观看| 欧美日韩瑟瑟在线播放| 国产一区二区在线av高清观看| 国产精品 欧美亚洲| 精品人妻1区二区| 毛片女人毛片| 亚洲色图av天堂| 国产精品女同一区二区软件 | 午夜福利18| 熟女人妻精品中文字幕| 黄色成人免费大全| 国产伦人伦偷精品视频| 窝窝影院91人妻| 香蕉av资源在线| 精品日产1卡2卡| 色在线成人网| 18禁黄网站禁片午夜丰满| av在线蜜桃| 最后的刺客免费高清国语| 特级一级黄色大片| 99精品欧美一区二区三区四区| 久久伊人香网站| www日本黄色视频网| 女警被强在线播放| 亚洲电影在线观看av| 桃红色精品国产亚洲av| 国产99白浆流出| 国产精品美女特级片免费视频播放器| 国产野战对白在线观看| 国产成人啪精品午夜网站| 国产精品一及| 99久久精品一区二区三区| 国产精品爽爽va在线观看网站| 久久精品亚洲精品国产色婷小说| 天天躁日日操中文字幕| 亚洲欧美日韩东京热| 精品久久久久久久末码| 老汉色∧v一级毛片| www.色视频.com| 国产麻豆成人av免费视频| 精品无人区乱码1区二区| 在线观看午夜福利视频| 此物有八面人人有两片| 国产激情偷乱视频一区二区| 一级黄色大片毛片| 亚洲国产高清在线一区二区三| xxx96com| 亚洲欧美日韩高清在线视频| 日本黄大片高清| 亚洲中文字幕日韩| 久久这里只有精品中国| 国产亚洲欧美在线一区二区| 老鸭窝网址在线观看| 亚洲人与动物交配视频| 久久久久国产精品人妻aⅴ院| 国产精品自产拍在线观看55亚洲| 两人在一起打扑克的视频| 久久久久久久久中文| 午夜免费男女啪啪视频观看 | 伊人久久大香线蕉亚洲五| 亚洲av美国av| 成人av在线播放网站| 中文资源天堂在线| 九色成人免费人妻av| 好男人在线观看高清免费视频| 老司机深夜福利视频在线观看| 亚洲成人精品中文字幕电影| 久久久精品欧美日韩精品| 老司机午夜十八禁免费视频| 国产伦精品一区二区三区四那| 内射极品少妇av片p| 美女免费视频网站| 精品国产美女av久久久久小说| 日韩欧美一区二区三区在线观看| 听说在线观看完整版免费高清| 精品一区二区三区视频在线 | 国产精品亚洲一级av第二区| 久久久久久久久久黄片| 男女视频在线观看网站免费| 国内久久婷婷六月综合欲色啪| 亚洲成人免费电影在线观看| 免费搜索国产男女视频| 午夜精品一区二区三区免费看| 2021天堂中文幕一二区在线观| 免费看美女性在线毛片视频| 欧洲精品卡2卡3卡4卡5卡区| 黄色日韩在线| 十八禁网站免费在线| 美女cb高潮喷水在线观看| 夜夜躁狠狠躁天天躁| 特级一级黄色大片| 人妻丰满熟妇av一区二区三区| 91久久精品电影网| 欧美在线一区亚洲| 免费无遮挡裸体视频| 亚洲精品粉嫩美女一区| 性欧美人与动物交配| 亚洲av五月六月丁香网| 免费av毛片视频| 欧美黑人巨大hd| 18禁黄网站禁片午夜丰满| 欧美在线一区亚洲| 少妇的丰满在线观看| 一区二区三区高清视频在线| 毛片女人毛片| 精品久久久久久久久久免费视频| 成人国产一区最新在线观看| 长腿黑丝高跟| 国产淫片久久久久久久久 | 欧美中文综合在线视频| 精品一区二区三区人妻视频| 欧美成狂野欧美在线观看| 国产在线精品亚洲第一网站| 婷婷精品国产亚洲av| 18禁国产床啪视频网站| a在线观看视频网站| 高潮久久久久久久久久久不卡| 中文亚洲av片在线观看爽| 淫秽高清视频在线观看| 老司机福利观看| 老汉色∧v一级毛片| 一区福利在线观看| 91字幕亚洲| 国产成年人精品一区二区| 中文字幕精品亚洲无线码一区| 欧美成狂野欧美在线观看| 青草久久国产| 麻豆一二三区av精品| 亚洲精品粉嫩美女一区| 欧美一级a爱片免费观看看| 精品人妻1区二区| 美女cb高潮喷水在线观看| 精品国内亚洲2022精品成人| 99久久久亚洲精品蜜臀av| 偷拍熟女少妇极品色| 免费av不卡在线播放| 伊人久久精品亚洲午夜| 99久久九九国产精品国产免费| 婷婷六月久久综合丁香| 俺也久久电影网| 亚洲精品乱码久久久v下载方式 | 美女黄网站色视频| 动漫黄色视频在线观看| 午夜福利18| 亚洲av一区综合| 久99久视频精品免费| 亚洲精品456在线播放app | 好男人在线观看高清免费视频| 国产v大片淫在线免费观看| 国产伦精品一区二区三区四那| 欧美丝袜亚洲另类 | 欧美+亚洲+日韩+国产| 美女cb高潮喷水在线观看| 色哟哟哟哟哟哟| 一级作爱视频免费观看| 成人国产一区最新在线观看| 亚洲成a人片在线一区二区| 此物有八面人人有两片| 日本黄色片子视频| 欧美在线黄色| 色尼玛亚洲综合影院| 久久99热这里只有精品18| 老司机福利观看| 久久99热这里只有精品18| 真人做人爱边吃奶动态| 69av精品久久久久久| 国产精品亚洲一级av第二区| 首页视频小说图片口味搜索| 国产91精品成人一区二区三区| 精品久久久久久久人妻蜜臀av| 成人无遮挡网站| 日本五十路高清| 国产高清三级在线| 观看美女的网站| 动漫黄色视频在线观看| 色av中文字幕| 久久久久久久午夜电影| 久久国产精品影院| 日本撒尿小便嘘嘘汇集6| 中文字幕人妻丝袜一区二区| 亚洲最大成人中文| 亚洲人成电影免费在线| 国产精品香港三级国产av潘金莲| 午夜视频国产福利| 亚洲精品久久国产高清桃花| 亚洲成人精品中文字幕电影| 国产激情欧美一区二区|