Fairchid仙童传感器网络中的数据挖掘
随着通信技术、嵌入式计算技术和传感器技术的飞速发展和同益成 熟，具有感知能力、计算能力和通信能力的微型传感器开始在世界范围 内出现。由这些微型传感器构成的传感器网络引起了人们的极大关注。 现有的传感器网络数据处理系统只能向用户提供简单的查询操作。如何 高效的处理传感器网络的海量数据流，以及如何在其中获取有用的知识， 成为我们新的挑战。 

Fairchid仙童传感器网络中的数据挖掘
本文主要研究传感器网络中的数据挖掘技术，包括分类技术、关联 规则挖掘技术和聚类技术。本文提出了一种基于传感器网络的分布式决 策树分类算法，在准确性上保证了概率性的界限。该算法使用数值间隔 剪枝策略来处理数值数型，减少了处理数值属性所需的时间。算法采用 雨林算法框架，实验证明算法的通信负载和计算时间都较少，具有计算 高效性。本文研究了在传感器网络中挖掘关联规则的算法，首先在各个 传感器节点上产生局部的频繁项集，然后通过传感器网络逐层上传，合 并，zui终在中心节点形成全局的频繁项集，并产生相应的关联规则。实 验证明该算法具有较少的计算时间和内存使用量。本文还提出了一种基 于传感器网络的分布式K-平均聚类算法，首先由中心点下发k个质心的 初始值，各个节点将数据对象赋于质心距离它zui近的簇，并将簇的信息 通过传感器网络逐层上传，合并。然后中心点计算k个簇中对象的平均 值，再下发，进行迭代，直到各个簇满足误差准则，得到zui后的聚类结 果。实验证明，该算法准确率较高，计算时间较低。zui后，本文基于以 上算法，实现了一个传感器网络上的数据挖掘原型系统。
传感器网络配置可以有效布置传感器网络节点，合理覆盖感知数据 区域，延长感知区域传感器网络的运行周期，即能够准确地采集感知区 域的数据信息，又能够充分管理传感器网络资源，具有十分广阔的应用 前景。 目前学术界研究传感器配置的算法采用自配置方式和固定配置方 式。固定配置方式不需要了解感知区域传感器节点的分布情况，直接根 据感知区域地貌状况一次完成传感器节点的配置。国内没有发现相关的 研究成果，国外近年开展这方面的研究，提出一些算法，具有代 表性的是MAX_AVG_COV算法，采用贪心策略配置传感器网络，效 果好于随机配置算法（RANDOM）。文献[4]对MAx AvG_COV算法 加以改进，提出MAX_MrN_COV算法取得了明显的配置效果。但是这 些配置算法都是由目标区域的感知需求寻优感知目标的检测程度， 并没有根据感知目标的要求以及当前被感知程度寻优感知目标的相对检 测程度，也没有对配置算法的理论体系做较为完善的探讨。即使文献[2] 提出不确定配置算法（NDSP算法），、也是寻优感知目标的检测程度。
Fairchid仙童传感器网络中的数据挖掘

Fairchid仙童传感器网络中的数据挖掘
因此针对固定方式配置算法的理论体系做较为完善的探讨，对感知 区域的个性化需求提出解决方案。 本文在网格描述的感知区域基础上建立传感器网络检测模型，采用 不精确性概率检测方法采集感知区域目标数据。探讨信息感知的覆盖分 布规律，给出感知区域的度量空间和目标函数以及配置算法具备*解 的上界条件。提出基于传感器网络全局感知区域和局部感知区域的多个 配置算法，寻求在全局感知区域中用较少的传感器数量获得较佳的信息