【技术实现步骤摘要】
基于模糊C均值聚类算法的无线传感器网络数据聚类方法
本专利技术涉及一种基于模糊C均值聚类算法的无线传感器网络数据聚类方法。
技术介绍
区间数理论广泛应用于多属性决策、数据挖掘和符号数据分析（SDA)等领域。目 前许多学者从不同角度对SDA领域中的区间数聚类分析进行了研究。其中，研究得最多的 为区间数的模糊C均值聚类算法。该算法计算简单，收敛速度快，得到了广泛研究。由于区 间数距离公式是影响区间数模糊C均值聚类效果的重要因素之一，故区间数距离公式成为 了区间数聚类研究的重要方向之一。目前已有学者对主要的区间数距离公式进行了研究。 根据距离公式的产生方式，区间数距离公式可分为基于区间数特征的距离公式、基于模糊 集合的距离公式和基于区间数端点的距离公式。 1.基于区间数特征的距离公式 计算两区间数间距离时，将区间数的位置、大小、范围和内容作为描述区间数的特 征，并结合两区间数之间这些特征的差异来得到这两区间数之间的距离。根据区间数特征 的结合方式，目前已有多种区间数距离公式。定义1所述区间数距离公式为该类区间数距 离公式的典型代表，该距离公式结合了区间数位置、范围和内容特征来描述区间数之间的 距离。 定义1对于两η维区间数向量J = (4,4,···,4,)和万=(51，52,···?)，Ai = [alp auj，Bi = [Wi, buj，i = 1，2,…，η,其距离定义为：
【技术保护点】
一种基于模糊C均值聚类算法的无线传感器网络数据聚类方法，所述无线传感器网络的各个节点的感知数据类型相同，其特征在于：所述无线传感器网络数据聚类方法包括以下步骤：步骤一，获取无线传感器网络的全部节点在同一时刻的感知数据，将获取到的感知数据转换为区间数并置于感知数据区间数集合其中，n为无线传感器网络的节点数量，p为无线传感器网络节点的感知数据类型数量，为无线传感器网络第k个节点所采集到的全部p种类型的感知数据区间数序列，该感知数据区间数序列的第j类感知数据区间数j＝1,2,…,p，akj‑＝mkj‑ηj，akj+＝mkj+ηj，mkj为无线传感器网络第k个节点所采集到的第j类感知数据，ηj为预设的第j类感知数据的误差系数；步骤二，建立c个簇，该c个簇的簇中心集合第i个簇的簇中心g→si=(gsi1,gsi2,···gsip)=([βsi1-,βsi1+],[βsi2-,βsi2+],···,[βsip...
【技术特征摘要】
1. 一种基于模糊C均值聚类算法的无线传感器网络数据聚类方法，所述无线传感器网 络的各个节点的感知数据类型相同，其特征在于：所述无线传感器网络数据聚类方法包括 以下步骤： 步骤一，获取无线传感器网络的全部节点在同一时刻的感知数据，将获取到的感知数 据转换为区间数并置于感知数据区间数集合Y= !之K=I义…，丨，其中，η为无线传感器网 络的节点数量，4 =(%，·^，···^·^)，P为无线传感器网络节点的感知数据类型数量，^为 无线传感器网络第k个节点所采集到的全部P种类型的感知数据区间数序列，该感知数据 区间数序列的第j类感知数据区间数义_ = [%,?+]，j= 1，2,…，p，akj「=mkj-η」，akj+ =mkj+Ilpmkj为无线传感器网络第k个节点所采集到的第j类感知数据，Ilj为预设的第j类感知数据的误差系数； 步骤二，建立c个簇，该c个簇的簇中心集合A=H= 1，2,…,c}，第i个簇的簇中心 私.、，-（g.w.l，心…S功)）-（[八/1，凡1 ]，[凡.：2，凡 2 ]，···，[足7)]) 'i= 1，2，...，C，3sij= msiJ-ηPβsij+ =msij+ηj，其中，c的取值等于无线传感器网络节点所需聚类数量，s为迭代 计数值； 并且，在迭代计数值s=O时，将初始的簇中心集合Gs中的c个簇中心之，随机赋值为 感知数据区间数集合X中的任意c个感知数据区间数序列兄； 步骤三，按照以下公式（1)至公式（4)，计算出在迭代计数值s=O时，无线传感器网络 每一个节点的感知数据区间数序列相对于每一个簇的隶属度，并将计算结果记录为隶属度其中，在第s次迭代时，第k个节点的感知数据区间数序列毛属于第i个簇的隶属度 为：在第s次迭代时，第k个节点的...
【专利技术属性】
技术研发人员：詹宜巨，袁飞，蔡庆玲，黄江东，王永华，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。