| 摘要:现有复杂传感网络边聚类数据挖掘方法未考虑数据异构性，容易造成边缘信息干扰，导致挖掘精度较低。提出一种基于K-Means的复杂传感网络边聚类数据集成化挖掘方法。首先，通过图论知识确定数据边聚类的权值，以减少因复杂传感网络数据异构性所造成的不相关边缘信息对数据挖掘参数的干扰。然后，以上一操作为基础，获取复杂传感网络数据挖掘参数，为复杂传感网络边聚类数据集成化挖掘提供可靠的输入。最后，计算边向量的相似度，确定区域半径，获取聚类中心，通过改进K-Means聚类算法实现集成化挖掘。结果表明，所提方法挖掘复杂网络数据的最小化簇内距离较为准确，将该方法应用于复杂网络中，挖掘精度高于98%。 |
| 关键词: 复杂传感网络 边聚类数据 数据集成化挖掘 权值 相似度 K-Means聚类 |
|
|
|
|
| Abstract: |
| Key words: |