基于内聚度和耦合度的二分K均值方法

聚类分析是数据挖掘中最重要的技术之一,它在社会经济的各个领域都具有重要作用,并被广泛应用。K均值算法是最经典、应用最广泛的聚类方法之一,但其缺点是过度依赖初始条件和聚类数目难以确定,这制约了其应用范围。引入簇的内聚度和耦合度的定义与度量方法,基于“高内聚低耦合”的原理,在二分K均值聚类过程中对得到的簇进行不断的分裂和合并,并判断聚类结果是否满足要求以确定聚类的次数和簇的个数,从而实现对二分K均值聚类过程的改进。在Iris数据集上的实验测试与分析表明该算法不仅更加稳定,而且其聚类结果的正确率也较高。     

电力无线专网D2D中继链路延时分析

电力无线专网采用电力行业专用频点对于配网、计量自动化业务数据进行传输,D2D通信是该网络架构下提高数据采集实时性的有效方式。基于电力行业末端节点配网和计量数据采集的场景,对D2D中继链路延时进行建模,并分析该机制下影响延时的主要因素,研究D2D中继汇聚机制时间差以及海量终端同频并发冲突退避机制对于整体网络延时的影响。通过计算机网络仿真,验证了采用D2D中继可以有效降低20-30%的传输延时,并讨论了信道数量对于延时的局限性。