基于汉明距离的传感器网络分层拓扑发现算法

针对传感器网络能源有限的特性,提出了一种基于汉明距离的分层拓扑发现(LTIHD)算法.根据在汇聚节点收集到网络内部节点报文接收或丢失的情况,利用汉明距离识别相邻两层节点之间的父子关系,逐层推测网络的拓扑,不增加网络负担.仿真试验表明:推测18节点传感器网络需要60轮数据采集和1.56 s的推测时间;推测120节点传感器需要140轮数据采集和4.12 s的推测时间.该算法可以准确快速地推测传感器网络的拓扑,适合大规模传感网络的拓扑推测.

基于二部图的快速聚类算法

谱聚类算法是一种可有效学习数据流形分布和非凸状分布的聚类算法,但其过程涉及构建相似图、特征分解等高计算复杂度步骤,难以直接用于大规模聚类.提出一种基于二部图的快速聚类算法(fast clustering based on bipartite graph,FCBG),通过对数据采样降低原有数据结构规模,然后基于二部图学习采样数据和原有数据关系.通过对二部图对应的拉普拉斯矩阵施加秩约束,FCBG算法可在优化二部图的边的权重的同时,保持二部图的类簇结构,最终直接给出聚类结果,不依赖构图时每条边的初始权重分配.算法计算复杂度与数据大小呈线性关系.实验表明,FCBG算法可有效学习二部图的权重,并在较少的时间消耗下获得高质量的聚类结果.