本發(fā)明專利技術(shù)的一種災(zāi)害場景下改進(jìn)的地面?zhèn)鞲衅鞴?jié)點(diǎn)聚類算法，包括步驟1、輸入傳感器節(jié)點(diǎn)坐標(biāo)；步驟2、N
【技術(shù)實(shí)現(xiàn)步驟摘要】
一種災(zāi)害場景下改進(jìn)的地面?zhèn)鞲衅鞴?jié)點(diǎn)聚類算法
[0001]本專利技術(shù)涉及無人機(jī)輔助應(yīng)急通信
，尤其涉及一種災(zāi)害場景下改進(jìn)的地面?zhèn)鞲衅鞴?jié)點(diǎn)聚類算法。
技術(shù)介紹
[0002][0003]災(zāi)后應(yīng)急場景具有時間突發(fā)性、地點(diǎn)復(fù)雜性以及業(yè)務(wù)緊急性的特點(diǎn)，在這種災(zāi)害場景的緊急情況下，正常的通信短時間內(nèi)很難恢復(fù)，面對突發(fā)型自然災(zāi)害，應(yīng)急決策體制的建立就尤為重要，應(yīng)急決策體制能夠在自然災(zāi)害發(fā)生的第一時間建立應(yīng)急救援機(jī)制，最大限度減少應(yīng)急區(qū)域人員的傷亡和經(jīng)濟(jì)損失，而應(yīng)急決策體制的成功運(yùn)轉(zhuǎn)則離不開應(yīng)急通信系統(tǒng)的建立；
[0004]為防范化解重特大安全風(fēng)險，健全公共安全體系，整合優(yōu)化應(yīng)急力量和資源，2019年，應(yīng)急管理部發(fā)布了“應(yīng)急管理信息化發(fā)展戰(zhàn)略規(guī)劃框架”，其中要求整合無人機(jī)等空基網(wǎng)絡(luò)資源，實(shí)現(xiàn)對災(zāi)害事故易發(fā)多發(fā)頻發(fā)區(qū)域全方位、立體化、無盲區(qū)的災(zāi)情監(jiān)測與通信覆蓋；
[0005]在災(zāi)害場景下，無人機(jī)輔助應(yīng)急通信技術(shù)時，主要使用多旋翼無人機(jī)群搭載基站部署在地面無線傳感器節(jié)點(diǎn)上方，對節(jié)點(diǎn)持有的災(zāi)害信息進(jìn)行收集。
[0006]現(xiàn)有技術(shù)，在基站無人機(jī)部署研究中，僅對地面無線傳感器節(jié)點(diǎn)進(jìn)行簡單的區(qū)域劃分，或使用傳統(tǒng)K
?
means算法對地面進(jìn)行聚類，
[0007]K
?
means算法最早在1957年提出，在1967年被命名，是一種通過選定類別中心點(diǎn)作為劃分依據(jù)、以數(shù)據(jù)點(diǎn)到類別中心點(diǎn)之間的距離大小作為分類的判斷標(biāo)準(zhǔn)、以最大化劃分的類內(nèi)緊致程度作為目標(biāo)，不斷迭代更新直至類別指派不再發(fā)生變化的聚類方法；
[0008]現(xiàn)有技術(shù)中，手肘法是K
?
means算法中確定聚類數(shù)K的常用方法，但手肘法存在肘部拐點(diǎn)不明顯的缺點(diǎn)，需要人為肉眼觀察折線確定最佳聚類數(shù)量，具有一定主觀性；
[0009]現(xiàn)有技術(shù)中，傳統(tǒng)的K
?
means算法中的聚類數(shù)量需要根據(jù)經(jīng)驗(yàn)人為給定，但在實(shí)際工程中，特別是在災(zāi)害場景下，存在很多無法根據(jù)先驗(yàn)知識給定聚類數(shù)量的情況，現(xiàn)有技術(shù)無法自動尋找初始聚類數(shù)量，因此現(xiàn)有技術(shù)的原始的聚類方法不能滿足災(zāi)害場景下對地面無線傳感器節(jié)點(diǎn)的聚類需求；
[0010]現(xiàn)有技術(shù)中，傳統(tǒng)的K
?
means算法，初始聚類中心隨機(jī)選取的方式使得聚類過程的收斂速度無法保證，極易陷入局部最優(yōu)解，且無法自動跳出，從而無法找到更為優(yōu)異的聚類結(jié)果；
[0011]現(xiàn)有技術(shù)中，聚類數(shù)量和簇心初始化的是隨機(jī)進(jìn)行初始的，而聚類數(shù)量和簇心初始化的影響波動極大，特別是在災(zāi)害場景下，這使得聚類質(zhì)量不穩(wěn)定性增加；并且現(xiàn)有的傳統(tǒng)K
?
means算法中，并沒有針對災(zāi)害場景做具體的約束，聚類效果差。
[0012]因此，本領(lǐng)域技術(shù)人員致力于開發(fā)一種災(zāi)害場景下改進(jìn)的地面?zhèn)鞲衅鞴?jié)點(diǎn)聚類算法，旨在解決現(xiàn)有技術(shù)中存在的缺陷問題。
技術(shù)實(shí)現(xiàn)思路
[0013]有鑒于現(xiàn)有技術(shù)的上述缺陷，本專利技術(shù)所要解決的技術(shù)問題是目前現(xiàn)有技術(shù)中，現(xiàn)有算法還需要人為肉眼觀察折線確定最佳聚類數(shù)量，具有主觀性；并且聚類數(shù)量需要根據(jù)經(jīng)驗(yàn)人為給定，在災(zāi)害場景下，存在很多無法根據(jù)先驗(yàn)知識給定聚類數(shù)量的情況，現(xiàn)有技術(shù)無法自動尋找初始聚類數(shù)量，因此現(xiàn)有技術(shù)的原始的聚類方法不能滿足災(zāi)害場景下的聚類需求；初始聚類中心隨機(jī)選取的方式使得聚類過程的收斂速度無法保證，極易陷入局部最優(yōu)解，且無法自動跳出，從而無法找到更為優(yōu)異的聚類結(jié)果；現(xiàn)有技術(shù)中，聚類數(shù)量和簇心初始化的是隨機(jī)進(jìn)行初始的，而聚類數(shù)量和簇心初始化的影響波動極大，特別是在災(zāi)害場景下，這使得聚類質(zhì)量不穩(wěn)定性增加；并且現(xiàn)有的傳統(tǒng)K
?
means算法中，并沒有針對災(zāi)害場景做具體的約束，聚類效果差。
[0014]為實(shí)現(xiàn)上述目的，本專利技術(shù)一種災(zāi)害場景下改進(jìn)的地面?zhèn)鞲衅鞴?jié)點(diǎn)聚類算法，包括如下步驟：
[0015]步驟1、輸入傳感器節(jié)點(diǎn)坐標(biāo)；
[0016]步驟2、N
?
Elbow+算法確定聚類數(shù)量K；
[0017]步驟3、使用Sobol序列初始化簇心；
[0018]步驟4、計算數(shù)據(jù)點(diǎn)到每個簇心的距離；
[0019]步驟5、按照節(jié)點(diǎn)分配策略將節(jié)點(diǎn)分配到對應(yīng)的簇內(nèi)；
[0020]所述步驟1中的傳感器節(jié)點(diǎn)坐標(biāo)，是災(zāi)害場景下地面留存的節(jié)點(diǎn)；
[0021]所述步驟1傳感器節(jié)點(diǎn)坐標(biāo)的輸入，采用自動節(jié)點(diǎn)坐標(biāo)輸入和手動坐標(biāo)節(jié)點(diǎn)輸入相結(jié)合的方式；
[0022]步驟2、使用N
?
Elbow+算法確定聚類數(shù)量K；
[0023]所述步驟2在對地面?zhèn)鞲衅骶垲愡^程中，選擇使用基于誤差平方和(sum of squared error，SSE)的手肘法；以原始手肘法所達(dá)到的聚類質(zhì)量為下限，按照實(shí)際聚類需要，使其可自動輸出等同于或高于該質(zhì)量下限的類別數(shù)量K；
[0024]所述步驟2、首先通過災(zāi)區(qū)半徑和無人機(jī)覆蓋半徑初步計算類別數(shù)量的最小值k
min
，作為決定N
?
Elbow+算法迭代次數(shù)的限制條件，公式如下：
[0025][0026]式中：為向上取整符號，只要該符號內(nèi)的數(shù)字后面有小數(shù)就取前面的整數(shù)加1作為計算結(jié)果；R
disa
為災(zāi)區(qū)受損基站的覆蓋半徑，R
BU_
為每架基站無人機(jī)最大覆蓋半徑；
[0027]所述步驟2中的N
?
Elbow+算法，在進(jìn)行迭代時，需要計算區(qū)間內(nèi)K值對應(yīng)的SSE、區(qū)間首尾K值與其對應(yīng)的SSE值確定的直線、以上二者的差值，尋找最大差值對應(yīng)的K值，將其作為本次迭代區(qū)間內(nèi)找到的最佳類別數(shù)量自動輸出，即完成一次迭代任務(wù)；
[0028]步驟3、使用Sobol序列初始化簇心；
[0029]所述步驟3為采用低差異Sobol序列用于聚類中心初始化；
[0030]所述步驟3采用的低差異性序列，使其自身分布更加均勻，減少了簇心更新迭代次數(shù)，使得算法自身的收斂速度加快；
[0031]所述步驟3中，所采用的Sobol序列，隨著簇心數(shù)量的增加，生成的簇心不僅均勻而
且密度增大，由于地面節(jié)點(diǎn)服從隨機(jī)分布，低差異Sobol序列生成的簇心避免了離群和聚集的偶然性，具有更快的收斂速度；
[0032]所述步驟3中，低差異Sobol序列中樣本點(diǎn)的廣泛分布，增加了初始簇心對全局空間的利用率；
[0033]步驟4、計算數(shù)據(jù)點(diǎn)到每個簇心的距離；
[0034]所述步驟4計算數(shù)據(jù)點(diǎn)到簇心之間的距離，即傳感器節(jié)點(diǎn)坐標(biāo)與簇心坐標(biāo)之間的距離；
[0035]所述步驟4中，計算數(shù)據(jù)點(diǎn)到每個簇心的距離時，RSSE僅在SSE每個平方項(xiàng)前乘了等級因子，因此相同條件下，在令RSSE和SSE的導(dǎo)數(shù)為零求解二者的最小值時，所得到的簇心坐標(biāo)均為每一類中所有點(diǎn)的均值點(diǎn)；
[0036]步驟5、按照節(jié)點(diǎn)分配策略將節(jié)點(diǎn)分配到對應(yīng)的簇內(nèi)；
[0037]所述步驟5中，對于每個簇點(diǎn)的分配策略不做改變，僅改進(jìn)聚類有效性評價指標(biāo)，不本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
【技術(shù)特征摘要】
1.一種災(zāi)害場景下改進(jìn)的地面?zhèn)鞲衅鞴?jié)點(diǎn)聚類算法，其特征在于，包括如下步驟：步驟1、輸入傳感器節(jié)點(diǎn)坐標(biāo)；步驟2、N
?
Elbow+算法確定聚類數(shù)量K；步驟3、使用Sobol序列初始化簇心；步驟4、計算數(shù)據(jù)點(diǎn)到每個簇心的距離；步驟5、按照節(jié)點(diǎn)分配策略將節(jié)點(diǎn)分配到對應(yīng)的簇內(nèi)；所述步驟2在對地面?zhèn)鞲衅骶垲愡^程中，選擇使用基于誤差平方和的手肘法；以原始手肘法所達(dá)到的聚類質(zhì)量為下限，按照實(shí)際聚類，使其自動輸出等同于或高于該質(zhì)量下限的類別數(shù)量K；所述步驟3為采用低差異Sobol序列用于聚類中心初始化；所述步驟4計算數(shù)據(jù)點(diǎn)到簇心之間的距離，即傳感器節(jié)點(diǎn)坐標(biāo)與簇心坐標(biāo)之間的距離；所述步驟5中，按照節(jié)點(diǎn)分配策略進(jìn)行分配時，若有節(jié)點(diǎn)重新分配，則返回至步驟4，再次計算數(shù)據(jù)點(diǎn)到每個簇心的距離。2.如權(quán)利要求1所述聚類算法，其特征在于，所述步驟1中的傳感器節(jié)點(diǎn)坐標(biāo)，是災(zāi)害場景下地面留存的節(jié)點(diǎn)；所述步驟1傳感器節(jié)點(diǎn)坐標(biāo)的輸入，采用自動節(jié)點(diǎn)坐標(biāo)輸入和手動坐標(biāo)節(jié)點(diǎn)輸入相結(jié)合的方式。3.如權(quán)利要求1所述聚類算法，其特征在于，所述步驟2、首先通過災(zāi)區(qū)半徑和無人機(jī)覆蓋半徑初步計算類別數(shù)量的最小值k
min
，作為決定N
?
Elbow+算法迭代次數(shù)的限制條件，公式如下：式中：為向上取整符號，只要該符號內(nèi)的數(shù)字后面有小數(shù)就取前面的整數(shù)加1作為計算結(jié)果；R
disa
為災(zāi)區(qū)受損基站的覆蓋半徑，R
BU_max
為每架基站無人機(jī)最大覆蓋半徑；所述步驟2中的N
?
Elbow+算法，在進(jìn)行迭代時，計算區(qū)間內(nèi)K值對應(yīng)的SSE、區(qū)間首尾K值與其對應(yīng)的SSE值確定的直線、以上二者的差值，尋找最大差值對應(yīng)的K值，將其作為本次迭代區(qū)間內(nèi)找到的最佳類別數(shù)量自動輸出，即完成一次迭代任務(wù)。4.如權(quán)利要求1所述聚類算法，其特征在于，所述步驟2中，所述算法迭代至輸出的K值滿足工程要求即停止，也可根據(jù)實(shí)際使用情況適當(dāng)減少或增加迭代次數(shù)；所述步驟2中，能基于信息重要等級對聚類有效...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李夢麗，王霄，孟磊，吳青，張芳，陶彥亭，
申請(專利權(quán))人：貴州大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。