基于稀疏交界最大密度连通的模糊聚类方法

为解决现有密度聚类算法中参数设置依赖经验、复杂密度环境下聚类精度不高等问题,提出了基于簇间最大密度连通点进行密度簇分割与合并的模糊聚类方法。基于高斯混合模型计算数据点密度,形成高维离散密度空间,通过低精度网格连续数据空间,结合插值算法赋予空白网格相应密度,构建连续高维密度空间。对数据点按密度排序后,利用能否从大于当前密度的点集中连续可达识别密度极大值点,再以密度序实现极大值点的邻域扩张,以扩张矛盾实现稀疏交界处最大密度连通点识别、密度簇分割。最后基于最大密度连通点计算密度簇间隶属度,设定隶属度阈值,实现相关邻簇的合并,完成聚类。通过与多种密度聚类算法进行仿真对比验证,该算法大大降低了经验参数的依赖性,具有全局统一的合并隶属度,提升了多密度下的类识别能力。     

面向异构水声传感网的分布式负载均衡算法

水声传感网中节点能量有限,大多采用多跳通信。为解决通信过程中的负载均衡问题,提出了一种基于质距优化机制的水声传感器网络多跳通信策略,设计自适应负载均衡算法,加权评估普通传感器的通信质量与距离选择下一跳;在此基础上,提出了基于AUVs节点的数据平衡传输算法,分布式的实现了网络性能的进一步优化,以获得网络生命周期的最大化。最后,通过仿真实验验证了该方法的合理性和有效性。