不確定性數(shù)據(jù)聚類方法及其應(yīng)用研究.pdf

1、隨著網(wǎng)絡(luò)化信息采集技術(shù)和無線信息傳輸技術(shù)在儀器及測試技術(shù)領(lǐng)域的普遍應(yīng)用,由環(huán)境干擾、測量誤差、測量噪聲、數(shù)據(jù)丟失(或者缺失)以及人為等因素導(dǎo)致的不確定性數(shù)據(jù)問題逐漸成為影響數(shù)據(jù)處理可信度和系統(tǒng)可靠性的主導(dǎo)因素之一,并成為研究熱點。聚類是數(shù)據(jù)處理過程中特征形成和提取的重要分析方法,因此很多學(xué)者針對不確定性數(shù)據(jù)聚類問題,從多個角度開展研究,并取得了相應(yīng)的成果。但是,不確定性信息難以獲取、聚類方法效率低、數(shù)據(jù)流模型與聚類模型間的“失配”,以及

2、實際驗證等問題仍然是目前不可回避的研究挑戰(zhàn)。鑒于此,本文重點考慮不確定性數(shù)據(jù)中最普遍的隨機特性,針對上述挑戰(zhàn)開展不確定性數(shù)據(jù)聚類方法研究,并結(jié)合無線傳感器網(wǎng)絡(luò)(WirelessSensorNetworks,WSN)定位方法研究中必須解決的距離估計問題,實現(xiàn)對研究方法性能的驗證和評價,同時開展此類方法的應(yīng)用研究。研究內(nèi)容主要包括以下四個方面:
　　(1)針對基于分割的不確定性數(shù)據(jù)聚類方法存在不確定性信息難以獲取、聚類效率低的問題,提

3、出一種基于區(qū)間數(shù)的多維不確定性數(shù)據(jù)聚類方法UIDK-means(UncertainIntervalDataK-means)。該方法利用區(qū)間數(shù)結(jié)合統(tǒng)計信息來表示不確定性數(shù)據(jù),采用一種低計算量的不確定性數(shù)據(jù)距離度量方法表示不確定性數(shù)據(jù)間的距離,實現(xiàn)對靜態(tài)多維不確定性數(shù)據(jù)的聚類。實驗結(jié)果表明,在保證聚類準(zhǔn)確度的前提下,與其它相關(guān)方法比較,UIDK-means具有更高的聚類效率。
　　(2)針對動態(tài)不確定性數(shù)據(jù)流聚類方法存在的數(shù)據(jù)表示過于

4、理想化、聚類模型更新不當(dāng),易導(dǎo)致聚類模型和數(shù)據(jù)流模型之間“失配”的問題,提出一種不確定性數(shù)據(jù)流聚類方法UIMicro(UncertainIntervalDataMicro)。該方法采用統(tǒng)計信息與區(qū)間數(shù)相結(jié)合的不確定性數(shù)據(jù)流表示方法,通過可動態(tài)調(diào)整的兩層簇窗口聚類模型結(jié)構(gòu),實現(xiàn)聚類模型和數(shù)據(jù)流模型的實時匹配。實驗結(jié)果表明,相對于其它相關(guān)不確定性數(shù)據(jù)流聚類方法,UIMicro具有良好的模型更新和匹配能力,同時具有較高的聚類質(zhì)量。
　　

5、(3)在不確定性數(shù)據(jù)聚類方法研究的基礎(chǔ)上,針對無線傳感器網(wǎng)絡(luò)定位中存在到達信號強度指示(ReceivedSignalStrengthIndicator,RSSI)數(shù)據(jù)的不確定性分析問題,提出一種基于不確定性數(shù)據(jù)聚類的靜態(tài)距離估計方法DEUDC(DistanceEstimationwithUncertainDataClustering),該方法利用RSSI的統(tǒng)計信息來表示其分布特性,并采用UIDK-means算法對RSSI分布特性進行聚類

6、,然后通過模式匹配的方式實現(xiàn)距離估計,以提高無線傳感器網(wǎng)絡(luò)定位算法中的距離估計準(zhǔn)確度。在此基礎(chǔ)上,進一步開展基于不確定性數(shù)據(jù)聚類距離估計的WSN定位方法驗證。實驗分析表明,該距離估計方法能夠有效提高距離估計準(zhǔn)確度,同時優(yōu)化基于測距的WSN定位方法,從而得到更高的定位準(zhǔn)確度。
　　(4)針對移動環(huán)境中RSSI數(shù)據(jù)流的動態(tài)變化和不確定性等特點導(dǎo)致動態(tài)距離估計誤差較大的問題,提出一種基于不確定性數(shù)據(jù)聚類的動態(tài)距離估計方法DDEUDC(D