不確定性數(shù)據(jù)聚類(lèi)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(wú)線(xiàn)信息傳輸技術(shù)在儀器及測(cè)試技術(shù)領(lǐng)域的普遍應(yīng)用,由環(huán)境干擾、測(cè)量誤差、測(cè)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(wèn)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(diǎn)。聚類(lèi)是數(shù)據(jù)處理過(guò)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(duì)不確定性數(shù)據(jù)聚類(lèi)問(wèn)題,從多個(gè)角度開(kāi)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(lèi)方法效率低、數(shù)據(jù)流模型與聚類(lèi)模型間的“失配”,以及

2、實(shí)際驗(yàn)證等問(wèn)題仍然是目前不可回避的研究挑戰(zhàn)。鑒于此,本文重點(diǎn)考慮不確定性數(shù)據(jù)中最普遍的隨機(jī)特性,針對(duì)上述挑戰(zhàn)開(kāi)展不確定性數(shù)據(jù)聚類(lèi)方法研究,并結(jié)合無(wú)線(xiàn)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(jì)問(wèn)題,實(shí)現(xiàn)對(duì)研究方法性能的驗(yàn)證和評(píng)價(jià),同時(shí)開(kāi)展此類(lèi)方法的應(yīng)用研究。研究?jī)?nèi)容主要包括以下四個(gè)方面:
　　(1)針對(duì)基于分割的不確定性數(shù)據(jù)聚類(lèi)方法存在不確定性信息難以獲取、聚類(lèi)效率低的問(wèn)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(lèi)方法UIDK-means(UncertainIntervalDataK-means)。該方法利用區(qū)間數(shù)結(jié)合統(tǒng)計(jì)信息來(lái)表示不確定性數(shù)據(jù),采用一種低計(jì)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(shí)現(xiàn)對(duì)靜態(tài)多維不確定性數(shù)據(jù)的聚類(lèi)。實(shí)驗(yàn)結(jié)果表明,在保證聚類(lèi)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(lèi)效率。
　　(2)針對(duì)動(dòng)態(tài)不確定性數(shù)據(jù)流聚類(lèi)方法存在的數(shù)據(jù)表示過(guò)于

4、理想化、聚類(lèi)模型更新不當(dāng),易導(dǎo)致聚類(lèi)模型和數(shù)據(jù)流模型之間“失配”的問(wèn)題,提出一種不確定性數(shù)據(jù)流聚類(lèi)方法UIMicro(UncertainIntervalDataMicro)。該方法采用統(tǒng)計(jì)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(guò)可動(dòng)態(tài)調(diào)整的兩層簇窗口聚類(lèi)模型結(jié)構(gòu),實(shí)現(xiàn)聚類(lèi)模型和數(shù)據(jù)流模型的實(shí)時(shí)匹配。實(shí)驗(yàn)結(jié)果表明,相對(duì)于其它相關(guān)不確定性數(shù)據(jù)流聚類(lèi)方法,UIMicro具有良好的模型更新和匹配能力,同時(shí)具有較高的聚類(lèi)質(zhì)量。
　　

5、(3)在不確定性數(shù)據(jù)聚類(lèi)方法研究的基礎(chǔ)上,針對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)定位中存在到達(dá)信號(hào)強(qiáng)度指示(ReceivedSignalStrengthIndicator,RSSI)數(shù)據(jù)的不確定性分析問(wèn)題,提出一種基于不確定性數(shù)據(jù)聚類(lèi)的靜態(tài)距離估計(jì)方法DEUDC(DistanceEstimationwithUncertainDataClustering),該方法利用RSSI的統(tǒng)計(jì)信息來(lái)表示其分布特性,并采用UIDK-means算法對(duì)RSSI分布特性進(jìn)行聚類(lèi)

6、,然后通過(guò)模式匹配的方式實(shí)現(xiàn)距離估計(jì),以提高無(wú)線(xiàn)傳感器網(wǎng)絡(luò)定位算法中的距離估計(jì)準(zhǔn)確度。在此基礎(chǔ)上,進(jìn)一步開(kāi)展基于不確定性數(shù)據(jù)聚類(lèi)距離估計(jì)的WSN定位方法驗(yàn)證。實(shí)驗(yàn)分析表明,該距離估計(jì)方法能夠有效提高距離估計(jì)準(zhǔn)確度,同時(shí)優(yōu)化基于測(cè)距的WSN定位方法,從而得到更高的定位準(zhǔn)確度。
　　(4)針對(duì)移動(dòng)環(huán)境中RSSI數(shù)據(jù)流的動(dòng)態(tài)變化和不確定性等特點(diǎn)導(dǎo)致動(dòng)態(tài)距離估計(jì)誤差較大的問(wèn)題,提出一種基于不確定性數(shù)據(jù)聚類(lèi)的動(dòng)態(tài)距離估計(jì)方法DDEUDC(D