[发明专利]传感器网络中基于混合因子分析模型的分布式聚类方法

说明书

本发明公开了传感器网络中基于混合因子分析模型的分布式聚类方法，该方法用混合因子分析模型来建模传感器网络中各节点处待聚类的数据，各节点基于自身数据计算局部充分统计量，而后将该量扩散广播给其邻居节点，当节点收到所有来自邻居节点的局部充分统计量之后，其可以获得联合充分统计量，并基于该统计量估计出混合因子分析模型中的各个参数，最终基于估计出的模型完成聚类。本发明建立混合因子分析模型可以在聚类的同时完成数据的降维，采用分布式聚类方式，避免传统的集中式处理方式中由中心节点带来的网络崩溃。在本发明分布式聚类方法中，各节点间传输的是充分统计量而不是数据，既大大节省了通信开销，又可以较好地保护数据中的隐私信息。

技术领域

本发明涉及一种传感器网络中基于混合因子分析模型的分布式聚类方法，属于数据的并行分布式处理方法与应用的技术领域。

背景技术

传感器网络是由部署在监测区域里的大量静止或移动的微型传感器节点所组成的，其单个传感器节点对于数据的采集、存储、处理和传输的能力十分有限。因此，对于传感器网络中的数据处理而言，需要对传统的数据处理进行改进。目前，在传感器中的数据处理主要有两种方式，集中式处理和分布式处理。在集中式处理方式中，将其中某个节点指定为中心节点，其他节点将采集到的原始数据传输汇总到中心节点，在中心节点处完成数据的处理，而后再将处理结果返回到各节点。该方式的缺点在于一旦中心节点失效则会给整个网络带来致命影响。另一种处理方式为分布式处理。在该方式中，所有节点地位相同，通过邻居节点间的通信和协作，最终完成数据处理任务。与集中式数据处理相比，分布式处理可以避免因为中心节点的失效所带来的不利影响，整个网络的鲁棒性更强。而本发明能够很好地解决上面的问题。

发明内容

本发明目的在于解决了现有技术的缺陷，提出了一种在传感器网络中基于混合因子分析模型的分布式聚类方法，聚类是指通过一定的方法将数据分成多个类的过程。由聚类所生成的类是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。由于在聚类中，数据所属的类标签是未知的，因此在机器学习领域，对数据的聚类是一个无监督学习的过程。现有的数据聚类方法很多，但是绝大多数假设全部数据的聚类都在一个处理中心上完成，而在传感器网络中，分布式处理十分关键，因此，该方法正是为了解决这一问题，设计一种基于混合因子分析模型的分布式聚类方法。其优点主要有：(1)混合因子分析模型可以有效的处理高维数据；(2)通过设计节点间协作方式，只传输中间结果就可以获得满意的聚类结果，与传输原始数据方式相比，既减小了通信的开销，又保护了数据上的隐私信息，确保了网络中的数据安全。

本发明解决其技术问题所采取的技术方案是：一种传感器网络中基于混合因子分析模型的分布式聚类方法，该方法包括如下步骤：

设传感器网络中有M个传感器节点，第m个节点采集到N_m个数据，表示为其中y_m,n表示节点m处的第n个数据，维度为p。用混合因子分析模型(MFA)来描述Y_m(m＝1,...,M)的分布，注意所有节点的数据公用同一个MFA。MFA为一个成分数为I的混合模型；对于每一数据y_m,n，其可以表示为：

y_m,n＝μ_i+A_iu_m,n+e_m,n,i以概率π_i(i＝1,...,I)，