改进k-medoids算法: 无线Mesh网络节点空间聚类优化

本文档主要探讨了"无线Mesh网络节点聚类属性分析"这一主题，发表于2012年的东南大学学报（自然科学版）。作者黄书强、张震和周继鹏针对无线Mesh网络中节点的空间分布特性提出了一个改进的k-medoids网络节点聚类算法。k-medoids是一种基于聚类分析的算法，它将网关部署问题转换为一个空间节点数据聚类问题。 首先，论文构建了网络拓扑图的邻接矩阵，利用这个矩阵来选择具有最多一跳连接节点数的对象作为初始的簇中心。这种选择方法确保了初始聚类中心能够有效地连接到网络中的其他节点。传统的聚类算法通常使用距离作为参数，而这里作者创新性地采用了网络跳数作为替代，目的是最小化节点间的跳数之和，这反映了实际传输数据时的效率。 通过迭代方法，算法不断优化聚类结果，使得每个簇内的节点之间具有较低的跳数，从而提高了网络的整体连通性和性能。实验结果显示，无线Mesh网络中的节点在空间上存在明显的聚类特性，这有助于更好地组织节点并发现网关。这种方法的优势在于能够得到更小的平均跳数和最大跳数，对于节点分组和网关定位具有重要意义，进而提高了网络的效率和稳定性。 关键词包括无线Mesh网络、聚类、网络跳数和k-medoids算法。这篇论文的研究成果对于理解和优化无线Mesh网络的架构设计、路由策略以及资源分配有着实际的应用价值，对无线网络研究领域有深入的理论贡献。该论文提供了一种实用且高效的节点聚类方法，适用于处理大规模、动态变化的无线Mesh网络环境。