[发明专利]基于密度改进K‑means算法的超密集网络分簇方法

权利要求书

1.一种基于密度改进K-means算法的超密集网络分簇方法，其特征在于，包括以下步骤：

步骤1、记录超密集网络中N个微小区基站的地理位置并计算每两个微小区基站之间的欧式距离；

步骤2、计算微小区基站的分布密度和分簇密度阀值；

步骤3、将分布密集大于分簇密度阀值的基站选为初始簇中心；

步骤4、将所有筛选出来的初始簇中心组成一个初始簇中心池，并按照分布密度大小由大到小降序排列；

步骤5、计算簇中心隔离距离；

步骤6、按照簇中心在初始簇中心池中的前后排列顺序，依次将池中两两之间距离小于簇中心隔离距离的两个中心里分布密度较小的簇中心从初始簇中心池中取出，直到池中任意两个初始簇中心间的距离都大于簇中心隔离距离；

步骤7、统计并记录最终获得的初始簇中心池里的簇中心的数目K以及对应的地理位置，将其作为传统K-means的输入参数并执行K-means算法，从而得到最终超密集网络中所有基站的分簇结果。

2.根据权利要求1所述的基于密度改进K-means算法的超密集网络分簇方法，其特征在于，步骤2所述的微小区基站的分布密度具体描述为：

且k≠j(1)

其中，λ_j代表N个微小区基站中第j个基站的分布密度，d_i,j代表微小区基站i和基站j之间的欧式距离

步骤2所述的微小区基站的分簇密度阀值具体描述为：

λ‾=αN·Σj=1Nλj---(2)]]>

α定义为初始簇中心数目的控制系数，其取值范围为α∈[0.6,1]。

3.根据权利要求2所述的基于密度改进K-means算法的超密集网络分簇方法，其特征在于，步骤3中利用的公式为：

λj>λ‾,α=1---(3)]]>

将分布密度大于分簇密度阀值的基站j定义为初始簇中心。