基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法*

程 寧，李 超

(1.湖北輕工職業(yè)技術(shù)學院信息工程學院，湖北 武漢 430070；2.湖北大學信息化建設(shè)與管理處，湖北 武漢 430062)

無線傳感網(wǎng)絡(luò)[1]隨著IT(Information Technology)技術(shù)和通訊科技的不斷發(fā)展，其結(jié)構(gòu)復雜度逐漸提升，規(guī)模不斷擴大，網(wǎng)絡(luò)中的大數(shù)據(jù)隨之增加。無線傳感網(wǎng)絡(luò)中的大數(shù)據(jù)具異質(zhì)性、多樣性和復雜性等特點。 大數(shù)據(jù)的價值較高，在科學研究、經(jīng)濟和社會等領(lǐng)域中發(fā)揮著重要作用。 大數(shù)據(jù)聚類是分析大數(shù)據(jù)的基礎(chǔ)內(nèi)容與關(guān)鍵點[2]，在數(shù)據(jù)挖掘領(lǐng)域中，大數(shù)據(jù)聚類成為國內(nèi)外研究的重要課題，可以為人們認識和了解事物提供依據(jù)，在此背景下研究無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法具有重要的現(xiàn)實意義。

文獻[3]方法將大數(shù)據(jù)輸入卷積神經(jīng)網(wǎng)絡(luò)中，獲得數(shù)據(jù)粗特征，通過孔洞卷積訓練數(shù)據(jù)粗特征，得到數(shù)據(jù)的精細特征，并將其輸入膠囊網(wǎng)絡(luò)中完成大數(shù)據(jù)聚類。 該方法的聚類結(jié)果Jaccard 系數(shù)較低，數(shù)據(jù)聚類效果不佳。 文獻[4]方法在支持k離群度概念的基礎(chǔ)上獲取網(wǎng)絡(luò)大數(shù)據(jù)的非邊界點集和邊界點集，分別采用SMOTE 算法和基于距離的欠采樣算法對上述點集展開聚類處理，實現(xiàn)大數(shù)據(jù)分類，但是該方法的平均熵較高，聚類精度低。 文獻[5]方法在基于移動機器學習的分布式方案中高效運行k均值聚類，處理網(wǎng)絡(luò)上的大數(shù)據(jù)聚類，通過神經(jīng)處理器的k均值聚類技術(shù)，構(gòu)建了大數(shù)據(jù)聚類方法，但是該方法的聚類效果較差。

為了解決上述方法中存在的問題，提出基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法。 該方法主要引入了粒子群算法，并且結(jié)合了主成分分析和信息熵等方法，進一步優(yōu)化了大數(shù)據(jù)聚類效果，實現(xiàn)無線傳感網(wǎng)絡(luò)大數(shù)據(jù)高效聚類。

1 大數(shù)據(jù)降維處理

無線傳感網(wǎng)絡(luò)中的大數(shù)據(jù)維度較高，增加了聚類的難度，為此，須預處理無線傳感網(wǎng)絡(luò)大數(shù)據(jù)，即降維處理數(shù)據(jù)。 該降維處理過程為基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法，在主成分分析方法中引入信息熵概念[6-7]，對無線傳感網(wǎng)絡(luò)大數(shù)據(jù)展開降維處理。

1.1 信息熵

無線傳感網(wǎng)絡(luò)中數(shù)據(jù)源傳輸?shù)臄?shù)據(jù)存在m種取值X＝{s1，s2，…，sm}，每種取值的概率用a1，a2，…，am表示，同時存在。 信息熵J描述的是數(shù)據(jù)不確定性-logai的平均值，其表達式如下:

信息熵越小，表明數(shù)據(jù)中存在的信息量越小，相反，信息熵越大，表明數(shù)據(jù)中存在的信息量越多，因此在數(shù)據(jù)降維過程中，應該保留信息熵大的數(shù)據(jù)。

1.2 主成分分析法

主成分分析處理數(shù)據(jù)的過程如下:

①在無線傳感網(wǎng)絡(luò)中，對m條樣本數(shù)據(jù)展開n次觀測，根據(jù)觀測值xij建立觀測矩陣X:

②通過下式計算數(shù)據(jù)的均值ˉxj和標準差sj:

③建立數(shù)據(jù)的相關(guān)陣E:

式中:eij表示相關(guān)陣中存在的元素。

④通過下述過程分解矩陣E:

A.設(shè)μ1≥μ2≥…≥μm≥0 表示矩陣E的特征值，通過下述公式計算特征值的貢獻率Vj:

B.選取Vj＞80%的特征值作為無線傳感網(wǎng)絡(luò)大數(shù)據(jù)的主成分，用r1，r2，…，rm表示特征值的特征向量。

C.選取r1，r2，…，rm中的前a個特征向量建立無線傳感網(wǎng)絡(luò)的主成分載荷陣Im×a＝(r1，r2，…，ra)；

⑤獲得無線傳感網(wǎng)絡(luò)數(shù)據(jù)的主成分。

1.3 基于信息熵的主成分分析方法

結(jié)合信息熵和主成分分析法[8-9]對無線傳感網(wǎng)絡(luò)展開降維處理，具體過程如下:

①設(shè)定信息熵閾值ε，將數(shù)據(jù)的J與ε對比，篩選數(shù)據(jù)特征，計算屬性ri對應的信息熵J(ri)，當J(ri)＞ri，在集合S中存入ri；

③計算數(shù)據(jù)之間的協(xié)方差矩陣Cov；

④獲取Cov 對應的特征向量和特征值；

⑤選取無線傳感網(wǎng)絡(luò)數(shù)據(jù)前l(fā)個特征值較大的特征向量，以此建立數(shù)據(jù)的特征向量矩陣Bn×l；

⑥獲得無線傳感網(wǎng)絡(luò)的降維結(jié)果U:

至此通過式(8)輸出降維結(jié)果，完成大數(shù)據(jù)降維處理，為引入粒子群算法，構(gòu)建無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類奠定基礎(chǔ)。

2 粒子群算法的大數(shù)據(jù)聚類優(yōu)化方法

在大數(shù)據(jù)降維處理后，基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化算法采用粒子群優(yōu)化算法優(yōu)化直覺模糊核聚類算法[10-11]的聚類中心，利用優(yōu)化后的算法完成無線傳感網(wǎng)絡(luò)大數(shù)據(jù)的聚類優(yōu)化。

設(shè)X＝{x1，x2，…，xn}表示粒子種群，由m維空間中存在的n個粒子組成，在粒子群算法中，設(shè)xid(t)表示當前時刻種群對應的位置，vid(t)表示當前時刻種群對應的速度，設(shè)置慣性因子ξ，通過式(9)更新種群中存在的第i個粒子在優(yōu)化過程中的位置xi＝{xi1，xi2，…，xin}和速度vi＝{vi1，vi2，…，vin}:

工程項目作為一個臨時的組織體系而獨立存在，為了實現(xiàn)企業(yè)的項目規(guī)劃目標，只有提升物資采購的管理水平，才能全面有效地保證工程項目建造的物資資源的精準供給。規(guī)范物資的采購機制，應用計算機、網(wǎng)絡(luò)技術(shù)及電商平臺等手段，縮短物資采購周期，降低采購成本；將工程建造過程與物資供應過程無縫對接，盡可能地減少庫存、消除二次搬運，避免停工待料的情況發(fā)生，避免物資延誤生產(chǎn)的事件發(fā)生，進而達到精準物資供應管理。

式中:t表示種群的迭代次數(shù)；c1、c2表示加速常數(shù)；xid(t＋1)、vid(t＋1)表示經(jīng)過上式更新后，粒子獲得的新位置和新速度；r1、r2為隨機數(shù)，于[0，1]區(qū)間內(nèi)取值。

粒子群優(yōu)化算法的收斂速度和全局搜索能力較強[12-13]，基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法利用這一特點，優(yōu)化直覺模糊核聚類算法，提高基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法的聚類效率。

用X＝{x1，x2，…，xn}表示數(shù)據(jù)樣本空間，數(shù)據(jù)聚類中心用粒子表示，構(gòu)成的集合V＝{v1，v2，…，vn}，設(shè)置粒子群優(yōu)化算法的適應度函數(shù)g(xi):

式中:Kkm(Ikν，Ikη，A)表示直覺模糊核，Ikν表示隸屬矩陣，Ikη表示非隸屬矩陣，A表示輸出最優(yōu)解時的聚類結(jié)果。

無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化的具體過程如下:

①初始化參數(shù)，具體包括速度最大值vmax、終止閾值φ、慣性因子ξ、最大迭代次數(shù)Ymax、常數(shù)c1、c2、種群規(guī)模z；

②對粒子群展開初始化處理，選取算法的初始種群V1，V2，…，Vz，數(shù)據(jù)的聚類中心構(gòu)成的集合{v1，v2，…，vv}可用粒子Vi表示；

③劃分無線傳感網(wǎng)絡(luò)大數(shù)據(jù)的非隸屬矩陣Ikη和隸屬矩陣Ikν，設(shè)FGK(xj，ai)表示數(shù)據(jù)聚類中心ai與數(shù)據(jù)xj之間存在的直覺模糊歐氏距離[14-16]。 當FGK(xj，ai)的值不為零時，存在下式:

式中:ν(b)ij、η(b)ij分別表示高斯核和模糊核。

令FGK(xj，ai)的值為零，存在下式:

④在式(10)的基礎(chǔ)上計算粒子的g(xi)。

⑤設(shè)Aid(t)表示粒子在尋優(yōu)過程中獲得的最優(yōu)值，對Aid(t)、g(xi)展開判斷:當最優(yōu)值A(chǔ)id(t)優(yōu)于g(xi)時，將Aid(t)作為粒子在種群中的新位置；設(shè)Vgd(t)表示粒子群在尋優(yōu)過程中獲得的最優(yōu)值時的速度，對Vgd(t)、g(xi)展開判斷:當Vgd(t)優(yōu)于g(xi)時，將Vgd(t)作為粒子群的新速度。

⑥對粒子在種群中的速度和位置展開更新，利用更新后的粒子構(gòu)成算法的下一代種群。

⑦在迭代更新次數(shù)為t＝t＋1 時，判斷算法是否符合終止條件，如果滿足，輸出算法此時的最優(yōu)解，獲得無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類結(jié)果A；如果不符合終止條件，則返回步驟③中；

⑧重新劃分無線傳感網(wǎng)絡(luò)大數(shù)據(jù)的非隸屬矩陣Ikη和隸屬矩陣Ikν；

⑨設(shè)置參數(shù)aνij、aηij、aπi，利用上述參數(shù)更新無線傳感網(wǎng)絡(luò)大數(shù)據(jù)的聚類結(jié)果A:

式中:K(·，·)表示高斯核函數(shù)，aνij為具有a個特征的數(shù)據(jù)高斯核聚類速度，xνj為粒子種群x到j(luò)點的聚類速度，aνj為具有a個特征的數(shù)據(jù)聚類到j(luò)點聚類速度，aνi為具有a個特征的數(shù)據(jù)聚類到i點的速度，aηij為具有a個特征的數(shù)據(jù)高斯聚類成功概率，xηj為粒子種群x到j(luò)點的聚類成功概率，aηj為具有a個特征的數(shù)據(jù)聚類到j(luò)點的概率，aηi為具有a個特征的數(shù)據(jù)聚類到i點的概率，aπj為具有a個特征的數(shù)據(jù)高斯核聚類距離。。

⑩設(shè)置粒子群算法的終止閾值φ，當?shù)麓螖?shù)為t＝t＋1 時，如果‖A(t＋1)-A(t)‖≥φ，返回步驟⑧中，如果‖A(t＋1)-A(t)‖＜φ，輸出無線傳感網(wǎng)絡(luò)大數(shù)據(jù)的聚類優(yōu)化結(jié)果A。

至此完成無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法設(shè)計，通過結(jié)合信息熵和主成分分析法實現(xiàn)對無線傳感網(wǎng)絡(luò)展開降維處理，最終引入粒子群算法，實現(xiàn)大數(shù)據(jù)聚類。

3 仿真分析

3.1 數(shù)據(jù)設(shè)置

為了有效分析設(shè)計方法的性能，仿真分析過程以Wine Quality Dataset 數(shù)據(jù)集為研究對象，該數(shù)據(jù)集具備大量的數(shù)據(jù)，符合研究的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)的特點，具體的數(shù)據(jù)設(shè)置如表1 所示。

表1 數(shù)據(jù)設(shè)置

上述的數(shù)據(jù)均采用數(shù)據(jù)集中的白葡萄酒樣品，其樣本數(shù)量為4 898 個，數(shù)據(jù)集預測平均值基準性能的均方根誤差(Root Mean Square Error，RMSE)為0.148 的質(zhì)量分數(shù)。

在仿真分析過程中，隨機選擇上述數(shù)據(jù)集中的1 000 個數(shù)據(jù)(包含12 類數(shù)據(jù))，并且隨機分布，其數(shù)據(jù)分布如圖1 所示。

圖1 數(shù)據(jù)分布圖

3.2 仿真環(huán)境

在完成仿真分析對象的選擇后，配置仿真設(shè)備，在仿真分析的過程中，主要涉及計算機主機和部分軟件，具體如表2 所示。

表2 仿真設(shè)備

按照上述配置設(shè)置仿真環(huán)境。

3.3 仿真參數(shù)設(shè)置

在驗證設(shè)計方法性能前，需要設(shè)置仿真參數(shù)，為仿真分析做準備，具體仿真參數(shù)設(shè)置如表3 所示。

表3 仿真參數(shù)設(shè)置

在仿真開始前，按照上述參數(shù)值設(shè)置仿真參數(shù)。

3.4 性能指標

為了有效分析基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化算法的性能，需要選擇具體的性能指標，通過性能指標驗證方法，考慮全面性和有效性，該仿真分析以數(shù)據(jù)聚類效果、Jaccard 系數(shù)、數(shù)據(jù)平均熵和時間復雜度為性能指標，其中Jaccard 系數(shù)可以用于數(shù)據(jù)聚類精度的評價，Jaccard 系數(shù)Ja的計算公式如下:

式中:ci表示數(shù)據(jù)聚類結(jié)果；函數(shù)Nu(·，·)的主要目的是獲取符合條件的數(shù)據(jù)對數(shù)量；函數(shù)sa(·，·)的主要作用是判斷數(shù)據(jù)的類別。

數(shù)據(jù)平均熵性能指標的計算如下:

數(shù)據(jù)熵J(ci)的表達式如下:

式中:Ah表示在類別ci中數(shù)據(jù)h所占的比例。 為了有效反映方法的性能，取數(shù)據(jù)熵的平均值，公式為:

時間復雜度性能指標的計算公式為:

式中:R表示數(shù)據(jù)屬性的總和，Y表示屬性數(shù)，p表示迭代次數(shù)，k表示聚類數(shù)，s表示Y個屬性的取值種數(shù)的平均值。

四個性能指標中，Jaccard 系數(shù)的數(shù)值越大，則表明聚類方法的性能越好，而數(shù)據(jù)平均熵和時間復雜度的數(shù)值越低，則表明聚類方法的聚類效果越好，而數(shù)據(jù)聚類效果通過直觀地展示數(shù)據(jù)聚類情況，直接分析聚類效果，數(shù)據(jù)越聚堆，并且聚集的類別數(shù)量與實際數(shù)據(jù)一致，則表明方法的聚類效果越好。

仿真分析采用對比分析的形式，對比方法分別為基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法、文獻[3]中的膠囊網(wǎng)絡(luò)數(shù)據(jù)聚類方法和文獻[5]中的k均值聚類方法。

3.5 性能分析

3.5.1 數(shù)據(jù)聚類效果

應用三種方法聚類數(shù)據(jù)，將隨機分布的數(shù)據(jù)進行聚類，驗證不同方法的數(shù)據(jù)聚類效果，其結(jié)果如圖2所示。

圖2 不同方法的數(shù)據(jù)聚類效果

根據(jù)圖2 所示的數(shù)據(jù)聚類效果可知，所提出的基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法有效聚類了樣本數(shù)據(jù)，聚類的數(shù)據(jù)類別與實際樣本數(shù)據(jù)一致，均為12 類，并且數(shù)據(jù)經(jīng)過本文方法聚類后，聚類效果較好，沒有數(shù)據(jù)未被聚類；而膠囊網(wǎng)絡(luò)數(shù)據(jù)聚類方法的聚類效果較差，該方法雖然將數(shù)據(jù)聚類了12 類，但是同類別的數(shù)據(jù)相對分散，聚類效果弱于本文方法；k均值聚類方法僅聚類了10 類數(shù)據(jù)，樣本數(shù)據(jù)中的2 類數(shù)據(jù)未被聚類，表明該方法將其中的2 類數(shù)據(jù)誤聚類成其他類型數(shù)據(jù)，由此可知，本文方法的數(shù)據(jù)聚類效果最好。

3.5.2 Jaccard 系數(shù)分析

為了驗證基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法的整體有效性，需要對其展開分析。首先采用Jaccard 系數(shù)對基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法、膠囊網(wǎng)絡(luò)數(shù)據(jù)聚類方法和k均值聚類方法的聚類效果展開評價，其結(jié)果如圖3 所示。

圖3 不同方法的Jaccard 系數(shù)

結(jié)合圖3 中的數(shù)據(jù)可知，Jaccard 系數(shù)與數(shù)據(jù)量之間呈線性關(guān)系，隨著數(shù)據(jù)量的增加，三種方法的Jaccard 系數(shù)不斷減小，Jaccard 系數(shù)越低，數(shù)據(jù)聚類精度越低，但是本文方法在數(shù)據(jù)量達到1 000 個時，Jaccard 系數(shù)仍在0.70 以上，而膠囊網(wǎng)絡(luò)數(shù)據(jù)聚類方法和k均值聚類方法的Jaccard 系數(shù)僅為0.41 和0.38，三種方法相比，本文方法的Jaccard 系數(shù)高出另兩種方法0.29 和0.32，因此，本文方法的Jaccard系數(shù)最高，表明所提方法的數(shù)據(jù)精度高，具備了一定的可行性。

3.5.3 數(shù)據(jù)平均熵分析

為了進一步驗證上述方法的聚類精度，引入熵方法對數(shù)據(jù)聚類效果展開分析，分別分析本文方法、膠囊網(wǎng)絡(luò)數(shù)據(jù)聚類方法和k均值聚類方法的數(shù)據(jù)平均熵，其結(jié)果如圖4 所示。

圖4 不同方法的數(shù)據(jù)平均熵

數(shù)據(jù)平均熵越大，數(shù)據(jù)聚類精度越低，相反平均熵越小，數(shù)據(jù)聚類精度越高。 分析圖4 中的數(shù)據(jù)可知，平均熵與Jaccard 系數(shù)相反，隨著數(shù)據(jù)量的增多而增大，本文方法在數(shù)據(jù)量達到1 000個時，其數(shù)據(jù)平均熵達到了0.36，而膠囊網(wǎng)絡(luò)數(shù)據(jù)聚類方法和k均值聚類方法的數(shù)據(jù)平均熵分別達到了0.63 和0.64，數(shù)值均超過了0.60，三種方法相比，本文方法的數(shù)據(jù)平均熵降低了0.27 和0.28，該結(jié)果表明本文方法的數(shù)據(jù)平均熵最低，驗證了本文方法的聚類性能更佳。

3.5.4 時間復雜度

在上述仿真分析中，通過Jaccard 系數(shù)和平均熵分析了三種方法的聚類精度，在此基礎(chǔ)上分析方法在聚類過程中的時間復雜度，三種方法的時間復雜度如圖5 所示。

圖5 不同方法的時間復雜度

分析圖5 中的數(shù)據(jù)可知，在無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類過程中，本文方法、膠囊網(wǎng)絡(luò)數(shù)據(jù)聚類方法和k均值聚類方法的時間復雜度隨著數(shù)據(jù)量的增大逐漸增大，表明數(shù)據(jù)量的增加，會增加三種方法聚類所需的時間，通過對比發(fā)現(xiàn)，本文方法的時間復雜度增加幅度最低，在數(shù)據(jù)量達到1 000 個時，時間復雜度僅為26.3%，而膠囊網(wǎng)絡(luò)數(shù)據(jù)聚類方法和k均值聚類方法的時間復雜度均達到了50.0%左右，其中膠囊網(wǎng)絡(luò)數(shù)據(jù)聚類方法的時間復雜度達到了51.9%，三種方法相比，本文方法的時間復雜度降低了23.0%以上，因此，本文方法具有較低的時間復雜度，具備了更高的應用價值。

4 結(jié)束語

針對目前聚類方法面對無線傳感網(wǎng)絡(luò)中大量數(shù)據(jù)表現(xiàn)出的聚類精度低和時間復雜度高等問題。 提出基于粒子群算法的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)聚類優(yōu)化方法，該方法首先對高維的無線傳感網(wǎng)絡(luò)大數(shù)據(jù)展開降維處理，其次結(jié)合粒子群算法和直覺模糊核聚類算法，實現(xiàn)數(shù)據(jù)的聚類處理。 同時通過仿真分析驗證了該方法可在短時間內(nèi)精準地完成無線傳感網(wǎng)絡(luò)大數(shù)據(jù)的聚類，聚類的數(shù)據(jù)類別與實際樣本數(shù)據(jù)一致，均為12 類，并且聚類效果較好，其Jaccard 系數(shù)達到了0.70 以上，數(shù)據(jù)平均熵僅為0.36，時間復雜度僅為26.3%，驗證了該方法的可行性和有效性，其具備更高的應用價值。