分层的无线传感器网络非均匀分簇路由算法

为解决无线传感器网络分簇路由算法因簇间长距离通信而带来的高能耗以及路由寻址复杂的问题,提出了一种基于分层的非均匀分簇路由算法。该算法对非均匀分簇算法进行了改进,在竞争半径的计算上同时考虑了节点的位置和剩余能量,以使簇头的负载更加均衡。采用层间多跳通信方式进行数据传输,不仅避免了节点的长距离通信问题,而且简化了数据转发过程。仿真实验表明：与低功耗自适应分簇路由算法和非均匀分簇算法相比,该算法能够有效地节约簇头的能耗,减少网络的系统能量开销,延长网络的工作周期。     

非均匀分簇的无线传感器网络数据传送机制

针对无线传感器网络多跳数据传送过程中遇到的问题,提出一种非均匀分簇的数据传送机制(DTUC).其核心思想是:从概率的角度出发分层和分簇,使得靠近汇聚节点(Sink)分层内的簇数量较多,簇内节点数较少,而在远离Sink节点分层内的簇数量较少,簇内节点数较多,从而保证内层簇头节点减少其簇内开销,以节省更多的能量用于数据的簇间传送.同时,基于能耗均衡的思想对各层节点进行部署.使得各层能耗大体相当.仿真实验表明,DTUC算法能有效地平衡网络节点能耗,延长网络生命期,比EECS和LEACH的网络生命期分别提高了33%和54%.     

一种用于移动Ad hoc网络的自适应分布式权值分簇算法

利用分簇算法得到的分层结构可以提高移动Ad hoc网络性能.为有效解决Ad hoc网络簇结构的稳定性问题,在现有分簇算法基础上提出一种自适应分布式权值分簇算法.通过计算每个节点的移动性、平均邻居距离、节点度以及能量消耗4个因素的加权和而实现对随机分布节点自适应动态分簇,同时利用可用度优化簇内节点数.仿真结果表明,新分簇算法相对于已有的分簇算法具有更好的稳定性和负载均衡的优点.     

一种多簇头的Ad Hoc分簇算法

随着个人无线通讯设备的发展,Ad hoc网络已经成为网络发展的趋势.分簇算法作为一种划分网络结构的方法,有着重要的意义.本文提出了一种Ad hoc网络的分簇方法:首先,基于地理位置信息将网络划分成网格,每个网格为一个簇.其次,规定网格中的某区域为簇首生成区,每个簇生成多个簇首,即一个簇由多个簇头生成的三层树结构组成.文中对簇头个数的确定以及节点在簇与簇之间移动时产生的信息开销进行了计算,并给出了仿真结果.     

一种多簇头的Ad Hoc分簇算法

随着个人无线通讯设备的发展,Ad hoc网络已经成为网络发展的趋势.分簇算法作为一种划分网络结构的方法,有着重要的意义.本文提出了一种Ad hoc网络的分簇方法：首先,基于地理位置信息将网络划分成网格,每个网格为一个簇.其次,规定网格中的某区域为簇首生成区,每个簇生成多个簇首,即一个簇由多个簇头生成的三层树结构组成.文中对簇头个数的确定以及节点在簇与簇之间移动时产生的信息开销进行了计算,并给出了仿真结果.     

改进LEACH的传感器网络分簇路由算法

针对当前无线传感器网络分簇路由算法存在的节点能耗不平均、 节点过早死亡等缺陷, 提出一种改进低功耗自适应分簇(LEACH)的无线传感器网络路由算法. 首先针对无线传感器节点过早死亡的问题, 引入簇半径动态确定方式, 将整个无线传感器网络划分为多个不均匀的簇; 然后考虑簇首能量消耗过快的问题, 结合簇首所在位置和节点剩余能量选择每轮中的簇首; 最后改进数据传输机制保证节点能量消耗均衡, 并在MATLAB 2014平台上对无线传感器网络分簇路由算法的性能进行测试. 测试结果表明, 改进LEACH算法较好地解决了节点过早死亡的难题, 延长了无线传感器网络的寿命, 平衡了各节点能量消耗, 整个无线传感器网络的性能显著优于其他对比算法.     

无线传感器网络中基于HEED的多层分簇路由算法

基于HEED算法中簇首与基站通信能量消耗过大的问题,提出了一种新的成簇路由算法.在参考HEED路由算法的基础上,整合多层分簇的思想,通过在网络拓扑的底层构建多个簇头节点的簇集合、在拓扑的顶层构建多跳转发机制,提出基于HEED的多层分簇路由算法.实验表明,该算法在簇头节点分布和网络生存时间方面较已有的算法有较大的提高.     

无线传感网中能量高效自适应Chameleon分簇协议研究

深入研究了LEACH、LEACH-C和SEP协议,提出能量高效自适应Chameleon分簇协议,将网络中的传感器节点稀疏化为k-最近邻图,然后使用多层图划分算法来划分k-最近邻图,最后根据簇间互联性和紧密性合并簇对.Chameleon算法使所有的节点形成簇尺寸分布均匀的分簇,减小了节点与Sink节点之间的平均通信距离,将网络负载均衡到传感器节点上.Matlab仿真实验表明,Chameleon算法缩减了节点与Sink节点之间的通信量,降低了能耗,延长了网络生存期.     

一种基于非均匀分层的WSN分簇路由算法

为了解决无线传感器网络中的热区问题并延长网络生命周期,该文基于对LEACH,EEUC分簇算法的研究,提出了一种非均匀分层的WSN分簇路由算法ULRA.该算法的思想是以基站为圆心将网络分成宽度递增的区域,越靠近基站的区域内的节点成簇半径越小,实现了网络不均匀分簇.节点依据剩余能量来启动定时器以合理选择簇首,剩余能量越高的...     

无线传感器网络中一种基于神经网络模型的分簇算法

将神经网络引入到无线传感器网络中,提出了一种基于神经网络模型的分簇算法.为了建立合理有效的分簇结构,算法采用了一种基于三层神经网络模型的分簇式无线传感器网络体系结构,在进行分簇时根据相对信息熵来确定簇内的成员节点,保证了簇内节点的相关性较高.同时,还借鉴了神经系统的机制,根据节点间的相关性等参数让一部分节点处于抑制状态从而来均衡簇内的能耗.仿真实验结果表明,该算法能有效延长网络的寿命.     

一种基于近似类抽样的组合聚类方法

FCM聚类算法具有线性的时间复杂度,但它对初始化非常敏感。而k-中心点轮换法对初始化不太敏感,但其缺点就是时间复杂度较高,不能直接应用到海量数据集的聚类分析中。为克服这两类聚类算法的缺点,而充分利用它们的优点,很自然地提出一种基于近似类抽样的组合聚类算法。这种组合聚类算法的时间复杂度是O（n2m）。仿真实验表明,它具有稳定的聚类结果。     

Ad Hoc网络中一种基于权值的分簇算法

Ad Hoc网络是一种多跳的自组织网络,网络是由移动的节点组成。Ad Hoc网络的许多应用都依赖层次结构的支持,簇结构是Ad Hoc网络中应用最为广泛的层次结构,而这种层次结构的形成和维护依赖于某种分簇算法。提出了一种新的基于权值的分簇算法(NWBCA),该算法考虑了移动节点的最佳连接度和电池能量两个因素,通过对算法进行分析和仿真测试,证明了该算法的有效性。     

降噪分层映射算法在多维聚类分析中的优化研究

为了在多维聚类分析中运用有效的深度特征选择方法排除冗余和无关的特征属性,学习数据元素的非线性关系提取最佳特征,提出一种降噪分层映射算法(DHM).首先,基于降噪自动编码器构建非循环神经网络,容错数据经过隐藏层加权和激活函数的训练获取输入数据的非线性关系得到特征空间,实现特征重构选取最佳特征.其次,特征空间用于调整自组织特征映射神经网,通过计算最小化加权平方欧式距离寻找匹配的获胜神经元.最后,结合特征选择网络和无监督聚类网络为降噪分层映射神经网,通过整体模型迭代训练,使权重参数和偏差向量同时得到优化,实现有效的无监督聚类方案.在真实数据集上的实验结果表明,同AESOM,DCSOM和S-SOM算法相比,DHM算法在提高聚类质量及准确性方面有更好的表现.     

移动自组网中一种基于信誉的安全分簇算法

针对分级结构移动自组网的安全问题,提出基于信誉的安全分簇算法.利用信誉提高簇结构安全性,信誉由邻居节点通过对网络行为的监测进行计算,通过节点间信誉的交换提高信誉评估的准确性,并通过相关度和相对移动性两个指标保障簇结构的稳定性.依据通信需求和网络运行状况综合考虑信誉、相关度和相对移动性三个因素进行节点权值计算,利用节点权值进行簇结构的建立、维护和更新,加强对簇首和网关节点的安全监管.仿真结果表明,该算法提高了系统的安全性和稳定性.     

无线Mesh网络节点聚类属性分析

通过分析无线Mesh网络节点空间属性,提出了一种改进的k-medoids网络节点聚类算法.该算法基于聚类思想,将无线Mesh网络中的网关部署问题转化为空间节点数据聚类问题.构建了网络拓扑图的邻接矩阵,并利用邻接矩阵选择具有最多一跳连接节点数的对象作为初始簇中心.然后以网络跳数代替传统聚类算法中的距离参数,将最小化跳数之和作为优化目标,通过迭代方法获得稳定的聚类和分组结果.实验结果表明,离散的网络节点在空间上具有聚类特性,利用该方法可以获得更小的平均跳数和最大跳数,因此可以较好地实现网络节点分组和网关发现.     

一种改进的RBF神经网络混合学习算法

提出一种基于粒子群优化算法、K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法.该算法使用减聚类方法确定隐层节点数,具有自适应确定隐层节点的能力,避免了调整隐层节点的人为干预.通过K-means算法形成粒子群优化(PSO)算法初始粒子群,避免了初始粒子群的随机性,提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数.数值结果表明,改进的混合算法具有更高的分类准确率。     

基于部分匹配方式的可扩展P2P搜索算法

理想的P2P(Peer-to-Peer)搜索算法应该同时具有信息检索水平的查询质量和有效的搜索性能。然而,现有的搜索算法都不能同时较好地满足这两点。基于这两个目标,该文提出一种基于层次聚类的分布层层次聚类(DHC)搜索算法。该算法中首先利用向量空间模型将文件内容表示成向量的形式,然后经过层次聚类操作得到一棵关于全网所有文件向量的层次树,层次树信息分布式地存储于整个网络中,以层次树为路由线索,路由深度不会超过树的高度。初步仿真试验表明,该算法的查全率在80%以上,并具有对数量级的搜索与更新代价。     

基于坐标的网络节点聚类在Internet中的实验研究

在分布式网络应用中,节点聚类是构建高效网络体系结构的有效办法. 网络坐标能够反映节点在Internet中的位置,利用网络坐标可以对网络节点之间的距离进行预测. 在测量各个节点的网络坐标的基础上,利用Triangulated heuristic方法对节点间的网络距离进行预测,提出了网络距离作为参数对网络节点进行分布式聚类的算法,并在PlanetLab分布式实验床遍布全球的156个节点上进行了实际的测量和分析. 分析结果表明,算法能够在网络规模较大的情况下对网络节点进行分布式聚类,算法有较高的可靠性和可扩展性.     

基于能量效率的非均匀分簇无线传感器路由算法

自然环境中的监控节点分布具有天然的不均匀性,如南方有大量水塘的区域,典型的层次路由协议普遍存在节点分簇中的“热区”情况．针对这种监控对象特点,为了提高能量效率确保区域覆盖的有效性和时效性,本文提出了一种改进的非均匀分簇无线传感器网络路由算法．改进算法首先结合节点分布密度优化簇头选举,再对簇的竞争半径进行控制实现非均匀分簇,然后由各簇头计算距离系数和离散系数来确定各簇内部通信方式,最后在簇头之间采用单跳和多跳结合的传输机制．模拟实验结果表明,改进算法能较好地提高网络的能量效率,能显著地延长网络整体的生存时间．     

基于半监督ISHC层次描述的Mashup服务聚类

针对传统Mashup服务推荐在网络构建方式的成本和计算复杂性过高问题, 提出一种基于半监督层次聚类描述的Mashup服务推荐算法. 首先, 利用网爬工具收集ProgrammableWeb上的Mashup服务信息, 并采用后缀剥离算法把Mashup服务的标签信息修改为名词形式, 以此作为研究分析的数据集; 其次, 为提高聚类精度, 提出一种半监督层次描述聚类算法, 通过植入层次聚类算法顶层核心集方式, 有效解决了传统层次描述聚类因顶层分类集构造失败而影响Mashup服务推荐算法的准确度. 通过在聚类数据集和网爬Mashup服务数据库上的实验表明, 该算法的Mashup服务推荐准确率优于对比算法.