為了提高無(wú)線傳感器中數(shù)據(jù)的傳輸效率和質(zhì)量,提出一種基于地理位置屬性和非地理位置屬性的雙重聚類算法（PCA）。根據(jù)傳感器具有空間數(shù)據(jù)的特征,將數(shù)據(jù)映射成網(wǎng)格數(shù)據(jù),再基于數(shù)據(jù)的密度、重心距離等,將網(wǎng)格進(jìn)行切分、合并,形成新的聚類簇。仿真實(shí)驗(yàn)表明:PCA算法的傳輸時(shí)間優(yōu)于基于單點(diǎn)傳輸或密度數(shù)據(jù)傳輸?shù)膫鹘y(tǒng)方式,較之于已有的雙重聚類算法,PCA有更好的聚類效果,可以有效降低數(shù)據(jù)傳輸代價(jià)。 

【文章來(lái)源】：傳感器與微系統(tǒng). 2020,39(04)CSCD

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

傳統(tǒng)的WSNs數(shù)據(jù)傳輸方式(TTWS)

圖2是基于密度的聚類算法(clustering algorithm based on density,CABD)[12]的傳輸方式。該傳輸方式在網(wǎng)格數(shù)據(jù)密度大于預(yù)先設(shè)定的閾值時(shí)，則對(duì)網(wǎng)格數(shù)據(jù)進(jìn)行傳輸，在網(wǎng)格數(shù)據(jù)密度小于閾值時(shí)，則不進(jìn)行處理，直接舍棄。相對(duì)于TTWS,CABD能有效降低傳輸消耗，節(jié)省了傳輸時(shí)間，但其傳輸結(jié)果精確性不高。本文所提出的PCA充分考慮數(shù)據(jù)的感知特征，兼顧傳感器節(jié)點(diǎn)的位置屬性，在將空間數(shù)據(jù)映射為網(wǎng)格數(shù)據(jù)的基礎(chǔ)上，通過切分與合并等方法形成數(shù)據(jù)傳輸?shù)膮R聚(Sink)節(jié)點(diǎn)。PCA克服了上述兩種算法的缺點(diǎn)，相對(duì)CABD而言，PCA具有更豐富的數(shù)據(jù)傳輸，而相對(duì)于TTWS來(lái)說(shuō)，PCA又大大降低傳輸?shù)南摹?

基于PCA的數(shù)據(jù)傳輸示意如圖3所示，是結(jié)合網(wǎng)格數(shù)據(jù)密度、重心距離對(duì)網(wǎng)格進(jìn)行分裂或合并的傳輸方式。當(dāng)數(shù)據(jù)密度大于預(yù)先設(shè)定的密度閾值的則不處理，那么對(duì)于稀疏網(wǎng)格的數(shù)據(jù)，則根據(jù)其重心與相鄰密度網(wǎng)格的重心距離將稀疏網(wǎng)格數(shù)據(jù)分裂。將分裂的數(shù)據(jù)合并到符合條件的相鄰密度網(wǎng)格中，形成一個(gè)更大的網(wǎng)格簇Sink，通過對(duì)網(wǎng)格的多次分裂或合并得到最優(yōu)的聚類結(jié)果。基于PCA的數(shù)據(jù)傳輸對(duì)于不參與傳輸?shù)墓?jié)點(diǎn)執(zhí)行休眠狀態(tài)，以減少數(shù)據(jù)負(fù)載，從而降低數(shù)據(jù)傳輸時(shí)間和能源損耗。PCA的操作是在網(wǎng)格結(jié)構(gòu)上進(jìn)行，對(duì)數(shù)據(jù)集大小具有良好的可伸縮性，能處理大規(guī)模的數(shù)據(jù)集和發(fā)現(xiàn)任意形狀的簇，提高聚類效果，并能降低傳輸時(shí)間。

【參考文獻(xiàn)】：
期刊論文
[1]能量高效的WSNs分簇?cái)?shù)據(jù)融合算法[J]. 孫超,楊曉峰,彭力.  傳感器與微系統(tǒng). 2017(04)
[2]基于ZigBee的低功耗無(wú)線傳感器網(wǎng)絡(luò)改進(jìn)協(xié)議[J]. 向鳳紅,孔慶平,毛劍琳,付麗霞.  傳感器與微系統(tǒng). 2017(03)
[3]多傳感器室內(nèi)環(huán)境監(jiān)測(cè)系統(tǒng)[J]. 孫占鵬,李佳,歐文.  傳感器與微系統(tǒng). 2017(01)
[4]基于分布式聚類的有向傳感器網(wǎng)絡(luò)移動(dòng)目標(biāo)跟蹤算法研究[J]. 左現(xiàn)剛,張志霞,賈蒙.  傳感技術(shù)學(xué)報(bào). 2016(07)
[5]基于無(wú)線傳感網(wǎng)絡(luò)的環(huán)境監(jiān)測(cè)系統(tǒng)[J]. 王驥,林杰華,謝仕義.  傳感技術(shù)學(xué)報(bào). 2015(11)
[6]基于相對(duì)密度的不確定數(shù)據(jù)聚類算法[J]. 潘冬明,黃德才.  計(jì)算機(jī)科學(xué). 2015(S2)
[7]基于ZigBee和GPRS的大氣污染監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 梅志堅(jiān),馬婭婕,肖凡男.  武漢科技大學(xué)學(xué)報(bào). 2015(01)
[8]基于K-means聚類和橢圓擬合方法的白粉虱計(jì)數(shù)算法[J]. 王志彬,王開義,張水發(fā),劉忠強(qiáng),穆翠霞.  農(nóng)業(yè)工程學(xué)報(bào). 2014(01)
[9]DCAD:a Dual Clustering Algorithm for Distributed Spatial Databases[J]. ZHOU Jiaogen GUAN Jihong LI Pingxiang ZHOU Jiaogen, State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, 129 Luoyu Road, Wuhan 430079, China..  Geo-Spatial Information Science. 2007(02)



本文編號(hào)：3605173