本文以校园物联网健康监控系统为研究对象搭建无线传感网络(Wireless sensor network,WSN)进行相关研究。校园物联网健康监控系统是通过手环作为传感节点,校园通信网络作为传输媒介,以收集每一个在校人员的健康数据为目的的无线传感网络。当前针对校园网络的信道分配策略主要有贪婪算法和拍卖算法,但是都存在只能获取局部最优解的问题。针对当前无线网络信道分配中的诸多方法,本文设计了以启发式算法为基础,通过遗传算法不断变异提供进化方向,通过物竞天择适者生存原则决定进化策略,搜索最优的分配策略,为下文算法提供大数据基础。利用这些大数据进行机器学习模型训练。通过散点图、密度图和热力图三种方式构建图形化网络拓扑模型,并对不同网络模型区分度对比,选出最优网络模型构建方法,构建网络模型。通过比较不同网络的相似度搜索最佳匹配结果,将信道分配策略赋予目标网络。通过对比三种网络模型对于不同网络的区分度结果,得出了热力图对于同网络的区分高于散点图和密度图,故选择了基于热力图的图形化拓扑作为算法分配的模型。相比较于传统的贪婪算法的满足重用距离要求的首个可用信道分配给调用的分配方法,基于热力图的信道分配算法其分配的网络吞吐量远优于贪婪算法。由于网络拓扑信息和数据库中的分配策略是一对一的对应关系,在进行搜索时搜索量极大,无法使用机器学习进行标签。为了使得分配策略更具有普遍性,可利用机器学习进行标签,通过聚类的方法,将分配策略进行分簇处理。通过巴拿赫不动点定理进行机器学习模型训练,并仿真证明模型可行性。将机器学习模型应用于本文研究网络,提出基于热力图的相似度聚类信道分配算法,利用梯度下降法则对算法进行优化。