买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利一种无线传感器网络上的分布式聚类方法、装置及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115935203B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211556497.6，技术领域涉及：G06F18/23；该发明授权一种无线传感器网络上的分布式聚类方法、装置及介质是由陈伟能;郭晓琦;龚月姣设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本一种无线传感器网络上的分布式聚类方法、装置及介质在说明书摘要公布了：本发明公开了一种无线传感器网络上的分布式聚类方法、装置及介质，其中方法包括：各传感器采用各自的数据库中的NP个最优数据，训练局部代理模型；通过全局模型融合合成一个全局代理模型；利用全局代理模型替代真实评估进行进化优化，将找到的候选解发给未终止的传感器；未终止的传感器接收候选解，若候选解在传感器的感知范围内，则通过聚类评估准则真实评估候选解的适应值，并更新数据库和局部代理模型；获取各传感器的新子代，并采用局部模型辅助评估新子代个体和历史的最优粒子；将预测值优于历史最优粒子预测值的新子代个体进行真实评估，并更新局部数据库。本发明对传感器上的聚类数据进行了隐私保护，可广泛应用于无线网络技术领域。

本发明授权一种无线传感器网络上的分布式聚类方法、装置及介质在权利要求书中公布了：1.一种无线传感器网络上的分布式聚类方法，其特征在于，包括以下步骤： S1、在各传感器上正则化各自具有的分布式聚类数据； S2、在各传感器上初始化第一代粒子群：生成具有NP个粒子的局部种群，对局部种群中的每个个体进行评估，将这些个体及其评估值作为数据项记录到数据库HDi； S3、各传感器采用各自的数据库HDi中的NP个最优数据，训练局部代理模型将训练后局部代理模型的发送给中心服务器； S4、中心服务器接收到局部代理模型后，通过全局模型融合合成一个全局代理模型； S5、中心服务器利用全局代理模型替代真实评估进行进化优化，以寻找候选解xp，将找到的候选解xp发给未终止的传感器； S6、未终止的传感器接收候选解xp，若候选解xp在传感器的感知范围内，则通过聚类评估准则真实评估候选解xp的适应值，并更新数据库HDi和局部代理模型 S7、获取各传感器的新子代，并采用局部模型辅助评估新子代个体xj和历史的最优粒子pbestXj； S8、将预测值优于历史最优粒子预测值的新子代个体xj进行真实评估，并更新局部数据库HDi； S9、若检测达到终止条件，则反正则化最优解，并输出最优解及其对应的聚类结果；反之，返回并继续执行步骤S3； 所述步骤S2具体包括： 首先生成具有NP个粒子的局部种群，每个粒子包含了K个聚类的中心根据粒子Mi,l指的聚类中心将聚类对象分到距离自己最近的聚类中心所处的聚类；每个聚类中心具有D维变量，因而Mi,l具有KD维变量； 然后基于局部数据的聚类评估准则作为优化的目标函数评估每个个体，并将这些个体及其评估值作为数据项记录到数据库HDi； 所述目标函数的公式表示如下： 其中K是聚类中心的数目，是粒子MI,l代表的第k个聚类的聚类中心，表示聚类对象属于根据粒子Mi,l得到的聚类结果的第k个聚类，指的是聚类对象与所属聚类的中心间的欧几里得距离； 步骤S4中的所述全局代理模型的表达式如下： 其中，S是传感器的数目，wix是权重； 权重wix的表达式如下： 权重wix与候选解向量x所处位置能够有多少传感器能感知的数目相关，其中tix表示传感器i的能否感知候选解x；tix＝0表示传感器i的感知范围未能覆盖候选解x，而tix＝1表示传感器i能够感知范围能够覆盖候选解x；ei是感知器上局部代理模型对其局部数据库中所有已知数据的预测均方根误差，i＝1,2,…,S。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。