无线传感器网络修正权值网格质心法目标定位算法

在无线传感器网络研究中,由于传统质心定位法存在很大误差,须将目标定位存在的区域进行进一步缩小,并且将此区域划分为许多网格。利用定位节点和目标的探测关系,从而得到有效网格,再对这些有效网格利用修正权值的方法进行目标定位,即提出的修正权值网格质心定位法。仿真表明:这种方法得到的目标位置误差只有0.6m左右,而传统质心定位法和普通网格质心定位法的误差分别为3.6,2.4m左右。表明修正权值网格质心定位法精度远远高于这2种方法,同时它的实时性也可靠,从而显示了修正权值网格质心定位法的优越性。

网格质心运动的聚类初始化方法

针对以k-means为代表的分割聚类算法初始参数的很难选取这一难题,提出基于网格质心运动的初始化算法。划分网格后,定义网格的质量,利用物质质心运动理论,提取样本的聚类中心,并由此确定样本分类数k。实验表明,该算法可以有效地提取初始聚类中心,消除噪声点,可以提高后续聚类分析的效果和效率。

基于网格耦合的混合属性大数据聚类算法研究

由于对聚类网格之间的相互影响未作出考虑,导致数据聚类算法出现聚类质量差等情况。因此,提出一种基于网格耦合的混合属性大数据聚类算法。通过网格耦合定义相关参量的基础,得到网格耦合过程中网格质心间距,利用网格进行大数据聚类,充分分析各个网格间权重影响情况。该聚类算法分别从在线和离线两个阶段开展:在线阶段更新网格特征向量,并根据属性动态变化划分网格;离线阶段构建无向图,顶点设置为网络中心点,质心距离以及中心点间距作为边构建无相图,根据该图获得最小生成树同时切断该树第r-1最大边,最终获取混合属性大数据的k个聚类,实现混合属性的准确聚类。实验结果表明,该算法在质心调节参数与质心距离取值较适中情况下具有良好聚类效果,且聚类质量与聚类效率较高。

高分辨率全球非结构网格生成实践

球面质心Voronoi网格(SCVT)是一种高质量的非结构网格,被国内外知名地球系统模式所采用。国际上,已有开源项目Message Passing Interface SCVT(MPI-SCVT)实现了并行的SCVT生成。然而,尽管MPI-SCVT可以很好地适用于一般分辨率网格的生成,当所需网格的分辨率非常高时,MPI-SCVT的使用会出现多个问题,包括初始网格点质量差、大数据MPI通信、外部库调用以及I/O问题。对于这些问题,提出了一整套解决方案。实践表明,应用此方案可以顺利完成全球1.9 km分辨率网格的生成,且到达相同精度时所需迭代步数显著减少,节约了计算时间。

基于压缩感知的区域离散化矿井目标定位方法

针对电磁波测距定位方法受井下电磁干扰导致定位精度低,指纹定位方法离线构建指纹特征库面临海量离线数据连续测量和存储的问题,提出了基于压缩感知的区域离散化矿井目标定位方法。首先对定位区域划分网格进行离散化处理,离线测量网格处信号强度,构建指纹特征库;然后将在线采样的少量信号强度通过压缩感知得到包含目标位置信息的稀疏位置矩阵,从而估计目标可能存在的位置;最后通过网格质心法对目标精确定位。实验结果表明,该方法提高了定位精度、缩短了定位时间,实现了矿井目标精确定位。