本发明涉及环境
技术领域：
，具体涉及一种监测效果良好的环境监测系统。
背景技术：
：随着计算机技术的全面普及和高速发展，各领域的数据信息量随之急速增长，获得数据信息的手段越来越丰富，人们对于处理数据的要求也越来越高。如何从大量数据中快速发现隐藏在其中有价值的信息是当今急需要解决的问题。这正是数据挖掘技术研究的核心内容。在数据挖掘中，聚类分析是最成熟且广泛用于处理信息的技术之一，也是人们能够快速从数据中发现有用信息的重要手段之一。环境监测系统的监测效果依赖于强大的数据处理能力，现有的环境监测系统不能满足环境监测的需求。技术实现要素：针对上述问题，本发明旨在提供一种监测效果良好的环境监测系统。本发明的目的采用以下技术方案来实现：提供了一种监测效果良好的环境监测系统，包括环境监测终端、存储设备、处理设备和云端设备，所述环境监测终端用于监测预定区域内的环境信息，所述存储设备用于对监测数据进行存储，所述处理设备用于对所述存储的数据进行聚类，获取数据聚类结果，所述云端设备用于在云端存储所述数据聚类结果；所述处理设备包括聚类单元、聚类评价单元和反馈单元，所述聚类单元用于对数据进行聚类，获取数据聚类结果，所述聚类评价单元用于对根据数据聚类结果对所述聚类单元的聚类效果进行评价，获取评价结果，所述反馈单元用于将评价结果反馈给聚类单元。本发明的有益效果为：提供了一种环境监测系统，实现了数据的采集、聚类以及对聚类效果的评价及云端存储，通过将评价结果反馈给聚类单元，便于对聚类单元进行改进。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：环境监测终端1、存储设备2、处理设备3、云端设备4。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种监测效果良好的环境监测系统，包括环境监测终端1、存储设备2、处理设备3和云端设备4，所述环境监测终端1用于监测预定区域内的环境信息，所述存储设备2用于对监测数据进行存储，所述处理设备3用于对所述存储的数据进行聚类，获取数据聚类结果，所述云端设备4用于在云端存储所述数据聚类结果；所述处理设备3包括聚类单元、聚类评价单元和反馈单元，所述聚类单元用于对数据进行聚类，获取数据聚类结果，所述聚类评价单元用于对根据数据聚类结果对所述聚类单元的聚类效果进行评价，获取评价结果，所述反馈单元用于将评价结果反馈给聚类单元。本优选实施例提供了一种环境监测系统，实现了数据的采集、聚类以及对聚类效果的评价及云端存储，通过将评价结果反馈给聚类单元，便于对聚类单元进行改进。优选的，所述聚类单元包括一次处理单元、二次处理单元和三次处理单元，所述一次处理单元用于对数据进行一次聚类，获取一次聚类结果，所述二次处理单元用于对数据进行二次聚类，获取二次聚类结果，所述三次处理单元用于对所述一次聚类结果和二次聚类结果进行融合，获取数据聚类结果；所述一次处理单元用于对数据进行一次聚类，获取一次聚类结果：设采集的数据集合为PL＝{s1,s2,…,sN}，N表示数据的个数，将数据划分为M个互不相交的簇Z1,Z2,…,ZM，选定M个初始点，采用下式确定聚类准则：在式子里，CA1(s1,s2,…,sM)表示第一聚类函数，表示簇中的各数据si到簇中心数据ck的欧式距离平方和，表示簇内误差，si为数据集中的元素，i＝1,2,…,N，Zk表示第k个簇，k＝1,2,…,M，求取CA1(s1,s2,…,sM)的最小化结果，将CA1(s1,s2,…,sM)最小化结果作为一次聚类结果；所述M个初始点采用以下方式选取：假定数据聚类数目为1，此时，M＝1，将数据集合的中心作为初始点；假定数据聚类数目为2，此时，M＝2，进行N次k-均值运算，每一次进行k-均值运算的初始点通过以下方式选择：第一个初始点总是M＝1时数据集合的中心，在第i(i＝1,2,…,N)次运行时第二个初始点为数据si(i＝1,2,…,N)，在进行N次k-均值运算后，选择使得簇中的各数据到簇中心数据的欧式距离平方和最小的数据点作为最终的第二个初始点；依此类推，得到最终的M个初始点；所述二次处理单元用于对数据进行二次聚类，获取二次聚类结果：设采集的数据集合为PL＝{s1,s2,…,sN}，N表示数据的个数，将数据划分为M个互不相交的簇Z1,Z2,…,ZM，根据一次聚类结果对聚类的簇进行检测，若发现只包含一个数据的簇，则在数据集中删除此数据点，采用以下方式确定M个初始点：假定数据聚类数目为1，此时，M＝1，将数据集合的中心作为初始点；假定数据聚类数目为2，此时，M＝2，进行N-1次k-均值运算，每一次进行k-均值运算的初始点通过以下方式选择：第一个初始点总是M＝1时数据集合的中心，在第i(i＝1,2,…,N-1)次运行时第二个初始点为数据si(i＝1,2,…,N-1)，在进行N次k-均值运算后，选择使得簇中的各数据到簇中心数据的欧式距离平方和最小的数据点作为最终的第二个初始点；依此类推，得到最终的M个初始点；采用下式确定聚类准则：在式子里，CA2(s1,s2,…,sM)表示第二聚类函数，表示簇中的各数据si到簇中心数据ck的欧式距离平方和，表示簇内误差，si为数据集中的元素，i＝1,2,…,N，zk表示第k个簇，k＝1,2,…,M，求取CA2(s1,s2,…,sM)的最小化结果，将CA2(s1,s2,…,sM)最小化结果作为二次聚类结果；所述三次处理单元用于对所述一次聚类结果和二次聚类结果进行融合，获取数据聚类结果：若一次聚类结果和二次聚类结果相同，则将一次聚类结果作为数据聚类结果，若一次聚类结果和二次聚类结果不同，则将二次聚类结果作为数据聚类结果；本优选实施例聚类单元实现了数据的准确聚类，获取了全局的最优聚类结果，在对数据进行一次聚类和二次聚类的基础上进行融合聚类，提高了准确性的同时提高了聚类效率。优选的，所述聚类评价单元用于对聚类效果进行评价：采用簇内数据之间的接近程度和簇与簇之间距离的大小对聚类效果进行评价，所述簇内数据之间的接近程度用簇内数据的方差衡量，方差越小，簇内数据之间越接近，聚类效果越好，所述簇与簇之间距离的大小用某一簇的平方和与整个数据集的平方和之比衡量，比值越大，簇与簇之间的距离越大，聚类效果越好；本优选实施例聚类评价单元采用簇内数据之间的接近程度和簇与簇之间距离的大小对聚类效果进行评价，简单易行且评价准确。采用本发明监测效果良好的环境监测系统进行环境监测，选取5个监测区域进行实验，分别为监测区域1、监测区域2、监测区域3、监测区域4、监测区域5，对监测准确率和监测效率进行统计，同现有环境监测系统相比，产生的有益效果如下表所示：监测准确率提高监测效率提高监测区域129％27％监测区域227％26％监测区域326％26％监测区域425％24％监测区域524％22％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术监测区域应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页1 2 3