[发明专利]分布式模糊c均值数据聚类方法

权利要求书

1.一种分布式模糊c均值数据聚类方法，用于处理同步传感器网络的数据，该同步传感器网络包含多个传感器节点，包括：

步骤A：对同步传感器网络中各个传感器节点内的数据进行正规化；

步骤B：基于分布式k++算法确定该同步传感器网络的初始聚类中心；

步骤C：计算各个聚类中心与传感器节点所存储的数据之间的隶属度值；

步骤D：在整个同步传感器网络中执行平均一致性算法更新聚类中心；

步骤E：重复步骤C和步骤D直至聚类中心的值收敛。

2.根据权利要求1所述的分布式模糊c均值数据聚类方法，在执行所述步骤A前，若同步传感器网络的拓补结构是有向图，且权值不平衡，则执行镜像不平衡修正算法修正边的权值使图平衡。

3.根据权利要求1所述的分布式模糊c均值数据聚类方法，所述步骤A中，将传感器节点中数据各个维度的值放缩到[0，1]之间。

4.根据权利要求3所述的分布式模糊c均值数据聚类方法，所述步骤A包括：

步骤A1：在整个同步传感器网络中执行max-consensus算法找到存储于各个传感器节点中的数据各个维度的最大值，以[max_l，...，max_d]’的形式存储于各个传感器节点中；

步骤A2：在整个同步传感器网络中执行min-consensus算法找到存储于各个传感器节点中的数据各个维度的最小值，以[min_l，...，min_d]’的形式存储于各个传感器节点中；

步骤A3：在传感器i中，利用下式，从j＝1到d，计算正规化的数据值：

x_ij＝(x_ij-min_j)/(max_j-min_j)

其中，d表示数据的维度，i表示第i个传感器节点，j表示数据x_i的第j分量。

5.根据权利要求3所述的分布式模糊c均值数据聚类方法，所述步骤B中：对整个同步传感器网络执行分布式k++算法得到k个初始的聚类中心，以变量c(1)＝[c_l(1)’，...，c_k(1)’]’的形式存储于各个传感器节点内，(1)表示当前迭代步为1，包括：

步骤B1：每个传感器节点均生成一个(0，1)之间的随机数temp_i；

其中，i是传感器节点下标；

步骤B2：若当前初始聚类中心个数为0，对temp_i执行max-consensus算法；

否则，每个传感器节点计算本地数据到各个已有的聚类中心的距离，并找出最小值，记为d_i，计算temp_i＝d_i²×temp_i，再对temp_i执行max-consensus算法，将结果以变量temp的形式存储于各个传感器节点中；

步骤B3：在传感器i中，如果temp_i＝＝temp，置x_ic＝x_i，否则，置x_ic＝[-∞，...，-∞]’；

其中x_i是传感器节点i所存储数据；

步骤B4：对x_ic执行max-consensus算法，将结果以c_m(1)的形式存储于传感器节点i内；

其中，m表示所产生的第m个聚类中心；

步骤B5：如果已有聚类中心个数达到预设值k，则分布式k++算法结束，否则m+1并返回步骤B1。

6.根据权利要求5所述的分布式模糊c均值数据聚类方法，所述步骤C中，从迭代次数T＝1开始，利用下式计算各个聚类中心与传感器节点i所存储的数据之间的隶属度值：

其中，j表示聚类中心序号，l为一实数，表征模糊度。