[发明专利]基于无线传感器网络的能量约束模糊c-均值聚类方法

说明书

本发明涉及一种传感器网络分簇方法，基于解决需要手动预设簇的数量问题的能量约束模糊c‑均值聚类算法，在该算法中主要思想是将传感器节点作为分类对象并将其划分为c个部分，其中每个部分都有一个聚类中心，在聚类过程中引入能量限制项来提高聚类算法对能量的敏感性，最佳聚类数由COS索引确定，该算法可以自动确定最优聚类数，大大降低计算成本，延长网络寿命。

技术领域

本发明涉及一种传感器网络分簇方法，特别是一种基于解决需要手动预设簇的数量问题的能量约束模糊c-均值聚类方法，在该方法中主要思想是将传感器节点作为分类对象并将其划分为c个部分，其中每个部分都有一个聚类中心，在聚类过程中引入能量限制项来提高聚类方法对能量的敏感性，最佳聚类数由COS索引确定，该方法可以自动确定最优聚类数，大大降低计算成本，延长网络寿命。

背景技术

现如今随着互联网和信息技术的快速发展，许多应用领域将产生大量数据。这些数据的规模和容量远远超过了人类的直接处理能力。为了更方便地表达和理解数据，通过计算机对数据进行分类或聚类是非常重要的。无线传感器网络(WSNs)是一种大型无基础设施无线传感器网络，由数千个传感器节点组成，并以自组织形式组织。传感器节点之间通过互助进行信息交互和数据采集与处理，在许多领域得到应用。网络中存在大量的特征信息，因此特别适合将聚类应用于无线传感器网络中。

LEACH(低能量自适应聚类层次结构)是最具代表性的层次聚类路由方法之一。其核心思想是通过随机周期选择簇头节点，将整个网络的能量负载均匀分布到每个节点，从而降低网络能耗，延长网络生命周期。LEACH-C集中选择簇头以使簇头的分布更加合理，但集中控制使得sink节点需要频繁地与所有节点交换信息，导致能源浪费。然后就有人提出了一种估算数值数据聚类中心的有效方法。该方法可用于确定簇的数量及其初始值，用于基于初始化迭代优化的聚类方法。但通过对结果的分析，确定最优聚类数量，大大提高了计算成本，因此本文提出了一种能量限制模糊c-均值聚类无线传感器网络聚类方法(FCM-E)，在聚类过程中引入能量限制项来提高聚类方法对能量的敏感性，通过COS值指数确定最佳聚类数。该方法可以自动确定最优聚类数，大大降低计算成本，延长网络寿命。

发明内容

本发明是一种基于解决需要手动预设簇的数量问题的能量约束模糊c-均值聚类方法，在该方法中主要思想是将传感器节点作为分类对象并将其划分为c个部分，其中每个部分都有一个聚类中心，在聚类过程中引入能量限制项来提高聚类方法对能量的敏感性，最佳聚类数由COS索引确定，这里，FCM-E方法给出了一个目标函数来调整聚类中心。当目标函数的值小于给定阈值时，停止迭代以获得最终聚类结果x＝{x₁,x₂,...x_n}，x是节点集，x_i表示每个节点。该方法可以自动确定最优聚类数，大大降低计算成本，延长网络寿命。

本发明包含网络模型、基于FCM-E的模糊聚类模型和选择最佳聚类数模块三个部分组成。网络模型为方法实现提供网络模型，具体为圆形网络。且在100*100监测区域中随机部署的100个传感器节点，并基于以下假设：

1.所有传感器节点都是同构的，能量有限，汇聚节点的能量是无限的。

2.汇聚节点和传感器节点在部署后是固定的，汇聚节点远离监控区域。

3.传感器节点之间的无线通信可以是对称的，位置信息可以通过GPS或定位方法确定并传输到汇聚节点。

所述的基于FCM-E的模糊聚类模型是一种基于改进模糊c均值聚类方法的聚类路由协议(FCM-E)。主要思想是将传感器节点作为分类对象并将其划分为c个部分，其中每个部分都有一个聚类中心，最佳聚类数由COS索引确定，这里，FCM-E方法给出了一个目标函数来调整聚类中心。当目标函数的值小于给定阈值时，停止迭代以获得最终聚类结果x＝{x₁,x₂,...x_n}，x是节点集，x_i表示每个节点。