無線傳感器網(wǎng)絡(luò)中面向圖像的模糊C均值聚類算法的研究.pdf

1、無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)是在一定區(qū)域內(nèi)隨機(jī)散播大量的傳感器節(jié)點(diǎn)并自主構(gòu)成的無線網(wǎng)絡(luò)。在實(shí)際應(yīng)用中，無線傳感器網(wǎng)絡(luò)會(huì)接收海量數(shù)據(jù)并存在大量的冗余數(shù)據(jù)，采用數(shù)據(jù)聚類機(jī)制，可以刪除冗余數(shù)據(jù)，同時(shí)減少無線傳感器網(wǎng)絡(luò)中傳輸?shù)臄?shù)據(jù)量，從而減少網(wǎng)絡(luò)中消耗的能量，從而使網(wǎng)絡(luò)的生命周期得以延長。模糊C均值聚類算法作為一種軟聚類方法，用途廣泛而且技術(shù)較為成熟。但是，一般的模糊C均值聚類算法對(duì)無線傳感器網(wǎng)絡(luò)

2、中節(jié)點(diǎn)的圖像數(shù)據(jù)進(jìn)行分析時(shí)仍面臨缺乏空間相關(guān)性和易陷入局部最優(yōu)解的問題。為解決這些問題，本文的主要做了以下兩方面的工作:
　　首先，針對(duì)無線傳感器網(wǎng)絡(luò)的圖像數(shù)據(jù)在模糊C均值聚類算法的分析時(shí)缺乏空間相關(guān)性的問題，提出一種改變了隸屬度函數(shù)的模糊C均值聚類算法(MFCM)，MFCM在分析數(shù)據(jù)時(shí)能保留鄰域像素點(diǎn)之間的空間相關(guān)性信息，使得在聚類迭代過程中能考慮圖像的這些信息，從而增強(qiáng)算法的圖像處理能力，減少噪聲帶來的影響并有效糾正錯(cuò)誤分類的

3、像素點(diǎn)。
　　其次，以模糊C均值聚類算法易陷入局部最優(yōu)解這一問題為切入點(diǎn)，在本文已改進(jìn)的模糊C均值聚類算法MFCM的基礎(chǔ)上，提出了基于螢火蟲算法的改進(jìn)的模糊C均值聚類算法（FAMFCM）。FAMFCM利用了螢火蟲算法在尋找全局最優(yōu)解的優(yōu)勢，使用螢火蟲算法替代了模糊C均值聚類算法中簇中心的迭代尋找過程，從而減少了算法的迭代次數(shù)，降低無線傳感器網(wǎng)絡(luò)的能量消耗，并使得簇中心的定位更準(zhǔn)確，算法聚類的準(zhǔn)確率得到提高，在處理無線傳感器網(wǎng)絡(luò)圖像