基于无线传感器网络不确定数据的HPDBSCAN算法分析-计算机应用技术专业论文.docx

PAGE PAGE IV 目录 摘 要 I Abstract II 第一章 绪论 1 1.1 论文的研究目的和意义 1 1.2 国内外的研究现状 1 1.3 论文的研究内容 2 1.4 论文的组织结构 2 第二章 无线传感器网络体系结构及其特征 4 2.1 无线传感器网络的体系结构 4 2.2 无线传感器网络节点 4 2.3 无线传感网络特点 5 2.4 无线传感网络的应用 5 2.5 小结 6 第三章 无线传感器网络中不确定数据处理 7 3.1 无线传感器网络中不确定性数据 7 3.1.1 不确定性数据的概念 7 3.1.2 不确定性数据产生原因 9 3.2 不确定性数据查询 10 3.3 不确定性数据索引 10 3.3.1 R 树索引 10 3.3.2 不确定性数据概率阈值索引 12 3.4 不确定性数据连接 15 3.5 不确定性数据挖掘 16 3.5.1 不确定性数据挖掘算法分析 17 3.5.2 不确定性数据亟需解决的问题 17 3.6 小结 18 HYPERLINK \l _TOC_250017 第四章 Hilbert-R 树索引 19 HYPERLINK \l _TOC_250016 Hilbert 曲线及编码技术 19 HYPERLINK \l _TOC_250015 Hilbert 曲线的定义 19 HYPERLINK \l _TOC_250014 Hilbert 曲线的生成规则 20 HYPERLINK \l _TOC_250013 Hilbert 编码值的计算 21 HYPERLINK \l _TOC_250012 Hilbert-R 树索引 26 4.3 小结 28 HYPERLINK \l _TOC_250011 第五章 不确定性数据高效聚类算法 HPDBSCAN 30 5.1 相关概念和定义 30 HYPERLINK \l _TOC_250010 5.2 改进的 Hilbert 编码算法 31 HYPERLINK \l _TOC_250009 5.3 改进的 PTI 索引算法 33 HYPERLINK \l _TOC_250008 HPDBSCAN 聚类算法 35 HYPERLINK \l _TOC_250007 HPDBSCAN 算法参数分析 38 5.5.1 阈值密度对聚类值的影响 38 HYPERLINK \l _TOC_250006 5.5.2 阈值 Hilbert 编码差值对聚类值的影响 39 HYPERLINK \l _TOC_250005 5.5.3 Hilbert-R 树结点内数据量 M 对聚类值的影响 39 5.5.4 概率阈值对聚类值的影响 40 5.6 实验分析 41 HYPERLINK \l _TOC_250004 HPDBSCAN 算法的聚类效果 41 HYPERLINK \l _TOC_250003 Hilbert-R 树与 R*的 I/O 性能比较 42 HYPERLINK \l _TOC_250002 HPDBSCAN 与 PDBSCAN 相同数据量效率比较 42 HYPERLINK \l _TOC_250001 多维数据下的 HPDBSCAN 算法性能 43 HYPERLINK \l _TOC_250000 HPDBSCAN 算法性能分析 44 PAGE PAGE V 5.7 小结 44 第六章 总结和展望 45 参考文献 46 致谢 48 个人简历、在学期间发表的学术论文与研究成果 49 PAGE PAGE VI PAGE PAGE 1 第一章 绪论 1.1 论文的研究目的和意义 无线传感器网络由于其感知能力和适应性的优越性，具有巨大的研究前景。无线传感 器网络是由许多功能强大、能耗和成本较低的传感器结点组成的自组织网络。传感器节点 可以将诸多环境的变量因素如温度、湿度、压力等数据，采集传输至数据库，供分析使用。 无线传感器网络因其低成本、精度高、可以大量布置到人类无法到达的环境中等优势，在 环境监测、医疗救援、军事监控、航天航空等方面有重要应用价值。 在无线传感器网络中通过具有通信功能节点将监测感知的信息导入数据库，如何保证 传输到数据库的数据能实时反映被监测对象的状态，对于应用的下一步操作有着至关重要 的作用。但由于受硬件条件以及网络传输延时和丢包现象的影响，采集到的数据必须通过 一定的处理才能准确反映真实事物的状态。且电源和计算能力限制，信息的采集只能以离 散的方式进行。而客观对象的变化是连续的，如温室温度、光照强度以及物体的移动速度 等变化形式为连续的，离散感知到的数据可能已不能准确反映对象某特定时间内的真实状 态，这就产生不确定数