資源描述：
《無線傳感器網(wǎng)絡(luò)網(wǎng)內(nèi)數(shù)據(jù)融合的研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、2010年第29卷第3期傳感器與微系統(tǒng)(TransducerandMicrosystemTechnologies)19無線傳感器網(wǎng)絡(luò)網(wǎng)內(nèi)數(shù)據(jù)融合的研究付興武，高芳芳，白風(fēng)(遼寧工程技術(shù)大學(xué)電氣與控制工程學(xué)院，遼寧葫蘆島125105)摘要：針對目前無線傳感器網(wǎng)絡(luò)(WSNs)網(wǎng)內(nèi)數(shù)據(jù)融合所面臨的一些挑戰(zhàn)，提出了一種基于無線傳感器網(wǎng)絡(luò)分布式K一平均聚類(DKCWSNs)算法的WSNs節(jié)點傳感數(shù)據(jù)的分組策略，并采用基于自適應(yīng)加權(quán)的數(shù)據(jù)融合方法對分組后的感知數(shù)據(jù)進(jìn)行融合處理，從而獲得更合理的結(jié)果。最后，通過實例驗證了該方法的有效性。關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)；K一平均
2、聚類算法；無線傳感器網(wǎng)絡(luò)分布式K-平均聚類算法；數(shù)據(jù)融合中圖分類號：TP212．6文獻(xiàn)標(biāo)識碼：A文章編號：1000-9787(2010)03-0019-04'R一esearC1n0nn1atJat一us‘i0nl●nwi‘re’lessSensornetJW0rK■S巾FUXing—WU，GAOFang-fang，BAIFeng(FacultyofElectricalandEngineeringControl，LiaoningTechnicalUniversity，Hniudao125105，China)Abstract：Inviewofsomepres
3、entchallengesofthedatafusioninwirelesssensornetworks(WSNs)，agroupingstrategyofWSNsnodesensingdatabasedondistributedK—averageclusterforWSNs(DKCWSNs)algorithmisproposed．Thegroupedsensingdatafusionisprocessingbydatafusionmethodbasedonadaptedweightingtoobtainareasonableresult．Thevali
4、dityofthismethodisconfirmed．Keywords：wirelesssensornetworks(WSNs)；K—averageclusteralgorithm；distributedK—averageclusteralgorithmforWSNs(DKCWSNs)；datafusion0引言分布式數(shù)據(jù)或者數(shù)據(jù)流的聚類算法通常涉及大量的通信，無線傳感器網(wǎng)絡(luò)(WSNs)從出現(xiàn)至今，己經(jīng)從最初的因此，不是能源高效的算法。而且，還要假設(shè)WSNs中存在節(jié)點研制、網(wǎng)絡(luò)協(xié)議設(shè)計，發(fā)展到了智能群體的研究階段。一個中心處理節(jié)點。本文提出了一種基于K
5、一平均算法的它的基本功能是收集并返回傳感器節(jié)點所在監(jiān)測區(qū)域的信分布式聚類算法，充分考慮了上述問題。息。然而，WSNs在電池供電能力、網(wǎng)絡(luò)通信能力、計算處1．1K一平均聚類思想理能力、存儲容量以及網(wǎng)絡(luò)帶寬等幾方面存在很大的資源聚類算法的目標(biāo)是在給定一個包含n個數(shù)據(jù)對象的數(shù)限制。目前，WSNs的網(wǎng)內(nèi)數(shù)據(jù)融合處理面臨著多方面的據(jù)集合以及要生成簇的數(shù)目K的前提下，尋找一種劃分類挑戰(zhàn)：節(jié)點能源有限；多數(shù)據(jù)流的同步；數(shù)據(jù)的時間敏感的算法，將數(shù)據(jù)對象組織為個劃分(K≤n)，其中，每個劃特性；網(wǎng)絡(luò)帶寬的限制；無線通信的不可靠性；網(wǎng)絡(luò)的動態(tài)分代表一個簇。最著名而且最常用的
6、劃分方法是K-平均，特性。因此，研究可以應(yīng)用于WSNs的節(jié)點數(shù)據(jù)分組策略，K．中心點和它們的變種。所謂K一平均聚類方法是一種無實現(xiàn)對網(wǎng)內(nèi)傳感數(shù)據(jù)快速、有效的融合處理具有重要的意監(jiān)督的學(xué)習(xí)算法，它的處理流程如下：首先，隨機地選擇K義。個對象，每個對象最初代表一個簇的平均值或者中心。對1基于WSNs的分布式K·平均聚類算法于剩余的每個對象，根據(jù)其與各個簇中心的距離，將它賦給聚類是一種已經(jīng)被廣泛使用的數(shù)據(jù)分析技術(shù)。將物理最近的簇；然后，重新計算每個簇的平均值。上述過程不斷或抽象對象的集合分組成為由類似的對象組成的多個類的重復(fù)，直到準(zhǔn)則函數(shù)收斂。通常，采用式(1
7、)所示的平方誤過程被稱為聚類。WSNs中的數(shù)據(jù)聚類算法在許多實際應(yīng)差準(zhǔn)則進(jìn)行判斷K用中扮演著重要的角色，但它具有分布式、資源有限的特E：∑∑Ip—m}，(1)性，需要開發(fā)一種分布式算法來解決這個聚類問題。而i=lP∈Ci收稿日期：2009-07-04基金項目：國家自然科學(xué)基金資助項目(50874059)；遼寧省科技攻關(guān)計劃資助項目(2007231003)傳感器與微系統(tǒng)第29卷式中E為數(shù)據(jù)集合中所有對象的平方誤差總和；p為空間均算法在性能上進(jìn)行了比較，并給出了隨著網(wǎng)絡(luò)節(jié)點數(shù)目點，表示給定的數(shù)據(jù)對象，rn為簇C的平均值(p和m都是的增加，算法執(zhí)行時間的變化情
8、況。多維的)。這個準(zhǔn)則試圖使生成結(jié)果簇盡可能緊湊且獨立。由于WSNs自身的特性，
