[发明专利]一种基于污染源溯源的药效提升空气检测系统

说明书

本发明提供一种基于污染源溯源的药效提升空气检测系统，其特征在于：采用熵的聚类算法污染源溯源追踪模块，数据点在某一聚类上的归属越确定时，也就是监测到污染源附近的数据点时，该聚类的信息熵越小。通过非参数估计法估计密度函数，再利用类内熵和类间熵进行聚类和确定聚类的数目。这种算法不需要用户输入与聚类有关的参数，能根据数据分布的特征自动获取要聚类的数目，并能发现任意形状和大小的聚类。根据拓扑相似度公式计算每两个点之间的相似熵，再利用最小带权相似熵准则对选定的点进行相似熵的拓展，反复进行聚类直到没有可扩展点为止。本发明解决空气净化设备无法对污染源进行定点喷洒与调整药物喷洒量的问题。

技术领域

本发明属于物联网空气监测控制系统信息处理领域，具体来说，涉及一种污染源信息处理系统，更准确的说，涉及一种污染源空气信息溯源检测系统；本发明还涉及一种基于人工神经网络的药效提升方法。

发明内容

针对现有技术存在的缺乏对污染源的溯源追踪、不能调节药物喷洒量的问题，本发明利用熵的聚类算法与人工神经网络技术，提出一种基于污染源溯源的药效提升空气检测系统，发明目的是解决空气净化设备无法对污染源进行定点喷洒与调整药物喷洒量的问题。

为了实现上述目的，本发明的技术方案为：

一种基于污染源溯源的药效提升空气检测系统，包括：

采用熵的聚类算法污染源溯源追踪模块，数据点在某一聚类上的归属越确定时，也就是监测到污染源附近的数据点时，该聚类的信息熵越小。通过非参数估计法估计密度函数，再利用类内熵和类间熵进行聚类和确定聚类的数目。这种算法不需要用户输入与聚类有关的参数，能根据数据分布的特征自动获取要聚类的数目，并能发现任意形状和大小的聚类。根据拓扑相似度公式计算每两个点之间的相似熵，再利用最小带权相似熵准则对选定的点进行相似熵的拓展，反复进行聚类直到没有可扩展点为止。

本发明所述的基于熵的聚类算法污染源溯源方法步骤如下：

给定一个网络，将采集到的空气成分数据集中的每个点单独作为一类并编号；

可选地，计算数据集两点之间的拓扑相似度，将拓扑相似度转化为相似熵包括：

使用熵值法计算数据对象各属性的权值。

将数据集均分为k₁(k₁＞k)个子集，从每个子集中随机选择一个数据对象，把随机选择的k₁个数据对象作为聚类种子的中心。

可选地，扫描所有的数据对象，根据其与各聚类种子中心的相似度，将其归入与其最相似的聚类包括：

给定的空气监测传感网络中，选一个未标记点v，以它为种子初始化模块C＝{v}并标记v。搜索模块C新加入点u的所有未标记的邻居。

计算每个类的质心。

进一步地，计算k₁个聚类的σ_i(i＝1,2,…,k₁)，并按照σ_i值递增顺序排列，选前k个σ_i值对应的质心作为初始聚类的中心。

可选地，扫描所有的数据对象，根据其与k个初始聚类中心的相似度，将其归类最近的聚类包括：

若存在点w满足条件H(C)-H(C+{w})>σ，那么就将w加入到模块C中，并标记w。保留未搜索的点，并对该步骤进行迭代运算，直到满足条件为止，得到一个最小带权熵的模块。

计算k个类的质心。

进一步地，任取一点将其加入其他类中，用公式H(C_K)＝-logV(C_K)计算这点加入到这类后的熵，根据公式：