不确定性无线传感器网络数据流的聚类问题研究及其在银川地区气溶胶监测中的应用

Wireless sensor networks (WSNs) are widely used for monitoring meteorological environment. Analyzing and processing those data streams produced by wireless sensor networks plays an important role in theory and practice. This project, aiming at the uncertainty of WSN data stream, studies the clustering problems of uncertain data stream with the background of rough set theory, including: 1) uncertainty analysis and modeling of WSN data stream; 2) clustering uncertain WSN data stream according to the rough set theory; 3) hybrid clustering methods of uncertain data stream; 4) application of above achievements in Yinchuan aerosol monitoring..This project not only is an important development and complement for the existing culstering algorithms and models of uncertain data stream, in practice, it also will provid some useful and valuable support for Yinchuan aerosol monitoring.

无线传感器网络被广泛用于气象环境的监测中，对于无线传感器网络产生的数据流的分析与处理具有重要的理论与实践意义。本项目针对无线传感器网络数据流的不确定性，以粗糙集理论为技术背景，研究不确定数据流的聚类问题，具体研究：（1）无线传感器网络数据流的不确定性分析及建模；（2）无线传感器网络数据流不确定性的粗集理论的解析及基于粗集理论的数据流聚类问题；（3）不确定数据流杂合聚类问题；（4）基于不确定性无线传感器网络数据流聚类的银川地区气溶胶监测的应用。本研究不仅对现有的数据流的不确定性理论及数据流的聚类的模型和算法都是一个重要的发展和补充，也将为银川地区气溶胶的监测提供重要的技术支持。

无线传感器网络被广泛用于气象环境的监测中，对于无线传感器网络产生的数据流的分析与处理具有重要的理论与实践意义。本项目针对无线传感器网络数据流的不确定性，以粗糙集理论为技术背景，研究不确定数据流的聚类问题。具体研究：（1）对数据流的不确定性分析及建模，提出了变精度概率相容粗糙集模型、约束容差粗糙集模型、结构化变精度粗糙集模型，在以上研究基础上提出了基于粗糙集理论的数据流聚类算法；（2）从群体寻优的角度，来研究不确定数据聚类问题，为此，首先，对群体智能算法开展了研究，提出了基于相似度的改进粒子群算法、基于聚集度的异化磷虾群算法、一种改进算的鸟群算法、基于聚集度改进的多过程搜索鸟群算法，再利用群体智能算法寻优能力，来改进不确定聚类的三支聚类算法；（3）采用动态网格划分的方法来进行数据流的增量式聚类，通过稀疏网格来处理簇边界的不确定问题，得到局部网格动态聚类算法；（4）为了更进一步解决无线传感器中数据流传输所消耗的能源问题，提出一种双重聚类算法；异常在数据网络中是一种常见的现象，许多表现为入侵行为，这种入侵行为会严重妨碍正常秩序，为有效检测网络环境中的安全性，提出一种改进三层som神经网络的不确定数据流的分层分类方法。.本项目的开展，不仅对现有的数据流的不确定性理论及数据流的聚类的模型和算法都是一个重要的发展和补充，也为银川地区气溶胶的监测提供重要的技术支持。

内容获取失败，请点击重试