[发明专利]一种面向普适计算感知数据流的协同进化聚类方法

说明书

技术领域

本发明是一种用于普适计算应用领域，基于通信消息机制的协作数据处理技术，实现对感知网络大规模数据流的有效、隐含且具有使用价值的信息挖掘。本技术属于网络信息分布式计算应用领域。

背景技术

以“无处不有的网络，无所不在的计算”为特征的普适计算，其实现目标是建立一个充满计算和通信能力的环境，同时使这个环境与人们逐渐地融合在一起。为实现这样的目标，普适计算环境需要传感器代替用户去感觉物理世界；需要各种传感器定位用户位置、感知用户意图。无线传感器网络(WSNs)是一种由大量集成传感器、数据处理单元和短距离无线通信模块的微小节点组成的以数据为中心的无线自组织网络。传感器网络具有广阔的应用前景，随着传感器网络研究的深入和相关技术的不断发展和完善，各种各样的传感器网络将遍布我们的生活环境，从而真正实现“无处不在的计算”。因此传感器网络技术已成为普适计算思想体系中的一个典型应用。

面向普适环境的传感器网络拓扑由一定数量的传感器节点和基站/汇聚节点组成。位于监测区域的传感器节点负责数据信息的采集、聚合与转发，汇聚节点则负责数据收集任务的发布以及将收集的数据转发到外部网络。传感器网络的数据以分布式的流数据方式存在。现有与传感器网络数据管理相关的研究中，学者已提出将分布式数据库技术应用于感知数据处理，从而实现传感器网络环境下具有特征属性数据的连续查询与聚集处理。但在面向普适计算的应用领域中，对感知流数据的查询则更关注于数据中潜在的知识以及未来的数据。

流数据挖掘技术的研究主要集中数据流的在线分析、聚类、分类、频繁项集挖掘以及续查询等方面。数据流聚类是传统聚类方法在数据流环境下的延伸，依据在数据中发现的描述对象及其关系的信息，将其聚集成类，使类间相似性尽量大，类内相似性尽量小。

进化计算是模拟生物进化过程与机制来求解问题的自适应人工智能技术，协同进化算法是在协同进化论基础上提出的一类新的进化算法，其主要考虑了种群与环境之间、种群与种群之间在进化过程中的协调。在面向普适计算的感知数据流挖掘中引入协同进化算法，采用多种群协同进化的机制，实现流数据分类，进一步提高数据信息挖掘的有效性与精确性。

发明内容

技术问题：本发明的目的是提供一种面向普适计算感知数据流的协同进化聚类方法，利用进化协同的策略完成信息处理，解决普适环境下感知数据流的聚类问题。与目前已研究出来的数据聚类相关算法不同，本方法基于协同策略演化，通过使用本发明提出的方法可以在一定程度上针对空间流数据分布不均匀情况，提高整体数据的聚类性能。

技术方案：本发明的方法是一种启发策略性的方法，采用定向传输模式下的消息通信机制。汇聚节点以数据包形式发布收集数据的请求消息以及数据聚类任务。各数据源节点完成本地数据聚类，携带所需的信息通过响应消息来应答请求。数据聚类的策略基于节点间通信协作。汇聚节点负责聚类任务的决策、分解、派发，各传感器节点则协同完成感知数据流聚类操作。

一、体系结构

结合无线传感器网络数据的分布式特点以及数据聚类任务的分派方式，通信消息机制模型如图1所示。当汇聚节点需要从传感器区域收集数据时，它以数据包形式发布一个请求消息，该消息包括以下内容：

(1)所需收集的数据类型，一般为特定属性值，如温度、压力、湿度、光照等；

(2)与消息所匹配的信息传送时间间隔；

(3)消息的生存期；

(4)消息发布的区域；

(5)数据聚类任务策略；

源节点携带所需的信息通过响应消息来应答请求。响应消息数据包中除了通信应用层数据外，还包括用于协同聚类的服务数据。

基于普适环境下的感知数据的特点，如下分别给出流数据、流数据聚类的形式化结构定义：

设定在一个分布N个传感器节点的普适环境区域内，感知流数据由一系列按照时间顺序连续到达的数据点构成，表示为X＝{X₁，X₂，…，X_i}i∈N，综合无线传感器网络中数据的实时性、分布性、流动性、多元性的特征，每个数据点的数据结构可以表示为<id，a，d，t>，其中，id表示传感器标识，a表示属性向量<a₁，a₂，…，a_n>，d表示a对应的数据值向量<d₁，d₂，…，d_n>，t表示传感器节点获得数据的时间。