无线传感器网络是近年来最有发展前景的技术之一。很多传感器网络的应用是对环境或感兴趣的物理世界相关信息进行监测，如果直接将数据传回基站或者sink节点，那么将浪费大量的通信能量同时也可能使网络阻塞，为此需要一种分布式、可网内实现的数据压缩的方法，并且压缩的后的数据又不损失过多的原始数据结构。数据回归将是解决这一问题的最好的方法。 本文首先介绍并分析了两种回归模型，一种是分布式核回归模型，它采用了分布式的高斯消元算法，实现了对回归模型的计算，另外一种是基于树的多项式回归模型，该模型提出了分簇的思想，每个树内节点计算自身覆盖区域的回归系数，然后沿着查询树层层向上传递，最后根节点获得整个网络的回归模型。这两种回归模型各有特点，但同时也有着不足，本文针对这些特点和不足，结合两种回归模型的思想精华，对第一种算法进行改进，提出了一种新的基于分簇的半分布式回归建模方法。该方法的基本思想是，通过在区域内设立簇头节点收集区域内的信息，从而减少高斯消元时的冗余信息的传递，优化了网络通信量，达到进一步延长网络生存时间的目的。 最后，针对该回归模型的不足：利用人为的经验进行区域的划分，提出了一种解NP问题的方法，不依赖人为经验完成对网络覆盖区域的智能化、准确的区域划分，提高了回归模型的可信度。