无线传感器网络中一种有效的分布式簇划分算法

提出了一种快速有效的分布式簇划分算法,为每个节点设定一个初始时间,最先到期的节点成为簇头。考虑到簇头选举的合理性,时间衰减与节点连通度相关,并辅以随机化的方法消除时间同步对算法的影响。通过仿真验证该簇划分算法的有效性,并定量分析了通信半径与平均簇头个数的关系。

一种基于K-平均簇划分算法的图像分割方法

给出了一种对簇分布近似球状分布的图像进行分割的有效算法,与其他算法相比,这种算法不但是一种阈值自适应分割算法,而且正确分割率较高。

无线传感器网络CMR路由协议的改进

针对CMR路由协议在簇划分时分簇不均匀、孤立簇首较多等问题,提出新的簇划分算法来进行改进,并给出了算法的实现。改进后的算法选择连通度高的节点优先成为簇首,这样选择出的簇首更加利于簇的管理与维护。节点连通度的获取完全是分布式算法,具有较小的时间复杂度。实验表明,该算法大大降低了孤立簇首的个数,成簇饱和度较高。

基于co-occurrence相似度的聚类集成方法

首先提出了一种基于属性值的co-occurrence相似度概念,通过对其进一步的研究,提出了3个等价性表述;然后对属性值之间的co-occurrence相似度进行引申,给出了数据对象之间co-occurrence相似度的定义,并将其成功应用到聚类集成方法中。利用co-occurrence相似度在计算某个初始聚类结果中数据对象之间的相似度时,充分考虑了其他初始聚类结果和该初始聚类结果之间的相互影响和联系。实验表明,基于co-occurrence相似度的聚类集成(CSCE)方法能有效识别数据之间的细微结构,有助于提高聚类集成的效果。