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.     

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。     

一种Ad Hoc网络混合式分簇路由算法

提出了一种Ad Hoc网络混合式分簇路由算法。在分簇的基础上,簇内使用先验式路由,簇间使用反应式路由,充分利用了分簇结构的特点和优势,将分簇算法与路由算法有机结合,有效地提高了网络的路由发现效率。与AODV,DSR的仿真结果进行比较表明,该算法路由控制开销小,路由速度快,占用带宽少,健壮性好。     

Ad Hoc网分簇算法探讨

对Ad Hoc网的分簇算法进行了深入的研究,提出一种用于Ad Hoc网络的分簇算法,该算法以改善分簇结构网络总体性能,减少系统总体开销,有效提高移动节点可靠性为目标.文中对该算法进行了详细描述,对其性能进行了分析研究.     

基于DSR的位置预测分簇算法

提出一种将动态源路由(DSR)协议与基于位置预测的分簇算法相结合的Ad hoc网络路由算法.算法中利用位置预测算法进行分簇,簇内成员无需路由功能,同时根据实际需要和应用环境做出合理的位置判断,针对动态变化的无线网络环境,进行归一化处理.算法中位置信息通过GPS或者自定位算法获取,簇头运行DSR协议充当路由转发器,使不同簇节点之间的通信依赖于各簇的簇头,大大减少了网络路由信息的冗余.模拟结果显示该算法性能具有良好的分组递交率和较低的平均端到端分组时延.     

一种节点特征累积的自适应加权分簇算法

本文针对Ad Hoc网络的稳定性问题,提出一种AOW-ANC分簇算法,该算法通过减少簇的更新次数来增强Ad Hoc网络的稳定性.其原理是通过节点的积累特征形成能适应变化环境的簇,并采用尽量避免机制和控制相应的因子来优化网络.仿真实验证明,该算法在实际应用环境中具有较好的稳定性和自适应性.     

基于小波神经网络预测的Ad Hoc网络分簇算法

针对Ad Hoc网络拓扑结构的动态特性,利用小波神经网络预测模型对节点地理位置进行预测.将预测的总保持时间与阈值比较,可以测得簇在下一时刻的稳定性.如果该簇结构在下一时刻趋于不稳定,则在链路失效之前启动路由预修复机制,以避免链路频繁断裂,从而大幅提高了网络性能.仿真结果表明,与传统最小ID算法和未加预测机制的LWCA分簇算法进行比较,所提出的分簇算法分组投递率分别提高了7%和5%,路由中断次数降低了约63%和50%.     

NAOW:一种改进的Ad Hoc网络AOW算法

针对Ad Hoc网络中异构网络节点的负载均衡问题和节点快速移动的稳定问题,提出一种改进的AOW算法即NAOW算法。通过增加节点处理能力属性,并赋予各节点不同的属性值,从而模拟异构网络中各种节点的性能,并用平均相对移动速度取代绝对移动速度,考虑整个簇而非单个节点的稳定性,从而减少统治集更新数。研究结果表明:在同构网络下,采用NAOW算法的负载均衡因子与其他算法相比有明显提高;在异构网络下,NAOW算法的负载均衡因子在不同传输范围内都有提高,且统治集更新数在实际应用网络的传输范围内有明显减少,增加了整个簇的稳定性。     

Ad hoc网络中的分簇算法比较

文章阐述了Ad hoc网络的体系结构和存在的问题。对Ad hoc网络中的典型分簇算法进行了详尽的比较分析.     

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.     

移动ad hoc网络多参数加权分簇算法

网络分簇支持资源空间复用,能增大系统容量;簇头构成虚拟骨干网,能降低路由开销;但簇生成和维护涉及信息交互,会增加通信开销,良好的分簇算法是维持簇稳定的关键。针对移动ad hoc网络,提出一种多参数加权分簇算法。该算法综合考虑节点剩余能量、邻居节点数和节点移动性,分别针对随机步行移动网络和参考点群组移动网络设计不同的节点稳定性参数,在随机步行移动网络中利用剩余能量参数、邻居节点参数和相对稳定性参数加权构成稳定性参数,而在参考点群组移动网络中采用剩余能量参数、邻居节点参数和移动相关性参数加权构成稳定性参数。仿     

Ad hoc网络中一种自适应的分布式权值簇生成算法

应用分簇算法得到的分级结构能提高Ad hoc网络的总体性能,本文在前人研究的基础上提出了一种自适应的分布式权值簇生成算法,簇首的选择基于节点移动性,最小平均发射功率,节点度及节点剩余能量四个参数的加权和.文中对算法思想,分簇建立和维护过程进行了详细描述,仿真结果表明该算法较以前提出的算法更具有稳定性和负载均衡的优点.     

一种具有成员限制的移动自组网络簇生成算法

在移动自组网络中,许多应用都依赖层次结构的支持.簇结构是移动自组网络中应用最为广泛的层次结构.然而,由于受节点的资源限制,当节点密度较高时,簇首不可能服务所有邻居节点.基于max-degree算法提出一种具有成员限制的簇生成算法CMLA,根据簇首节点选择成员的方式不同,提出了最小权值、最大权值以及随机簇成员选择策略.模拟实验表明,在节点密度较高的移动自组网络中,采用最小权值簇成员选择策略的CMLA算法在簇首节点数量以及负载均衡度等方面均优于其他策略和算法.     

一种基于密度的网格动态聚类算法的研究

聚类算法是数据挖掘领域中一个非常重要的研究方向.至今为止人们已经提出了许多适用于大规模的、高维的数据库的聚类算法.基于密度的聚类算法是其中一个比较典型的研究方向,文中以DBSCAN为基础,提出一种基于密度的网格动态聚类算法.新算法将网格的原理运用到基于密度的聚类算法中,并采用了动态的参数法,能自动根据数据的分布情况进行必要的参数更改,有效减少DBSCAN对初始参数的敏感度,从而提高了聚类的效率和效果,降低了算法I/O的开销.算法不仅能挖掘出各种形状的聚类,并能准确的挖掘出数据集中突出的聚类.     

A dynamic fuzzy clustering method based on genetic algorithm

A dynamic fuzzy clustering method is presented based on the genetic algorithm. By calculating the fuzzy dissimilarity between samples the essential associations among samples are modeled factually. The fuzzy dissimilarity between two samples is mapped into their Euclidean distance, that is, the high dimensional samples are mapped into the two-dimensional plane. The mapping is optimized globally by the genetic algorithm, which adjusts the coordinates of each sample, and thus the Euclidean distance, to approximate to the fuzzy dissimilarity between samples gradually. A key advantage of the proposed method is that the clustering is independent of the space distribution of input samples, which improves the flexibility and visualization. This method possesses characteristics of a faster convergence rate and more exact clustering than some typical clustering algorithms. Simulated experiments show the feasibility and availability of the proposed method.     

基于信息熵改进的 K-means 动态聚类算法

初始聚类中心及聚类过程产生的冗余信息是影响K-means算法聚类性能的主要因素,也是阻碍该算法性能提升的主要问题.因此,提出一个改进的K-means算法.改进算法通过采用信息熵对聚类对象进行赋权来修正聚类对象间的距离函数,并利用初始聚类的赋权函数选出质量较高的初始聚类中心点;然后,为算法的终止条件设定标准阈值来减少算法迭代次数,从而减少学习时间;最后,通过删除由信息动态变化而产生的冗余信息来减少动态聚类过程中的干扰,以使算法达到更准确更高效的聚类效果.实验结果表明,当数据样本数量较多时,相比于传统的K-means算法和其他改进的K-means算法,提出的算法在准确率和执行效率上都有较大提升.     

A Novel Multi-Level Trust Algorithm for Mobile Ad Hoc Networks

Firstly, a multilevel trust algorithm for MANET （mobile ad hoe networks） is presented in this paper and the trust level is defined as a three-tuple type in this multilevel trust algorithm. The paper introduces the multilevel trust into MANET, thereby controlling restricted classified information flows among nodes that have different trust levels. Secondly, the infrastructure of MANET that suit to our multi-level trust is presented, Some conclusions are given at lastly.     

基于混合聚类算法的动态R-树

针对动态R-树是通过动态插入算法建立起来的, 其节点分裂算法的性能直接影响到R-树的性能和查询效率的问题, 为了使动态R-树适应多维复杂空间数据的要求, 提出一种用于实现R-树节点分裂的混合聚类算法（HCR）, 它建立在普通聚类算法的基础上, 并进行了一系列扩充. 针对空间对象的均匀分布与不均匀分布, HCR算法在实现R-树节点分裂时分别采用不同的聚类准则以提高其聚类效果和查询效率. 此外, 还将HCR算法与其他算法进行对比实验, 结果表明该算法具有较高的查询效率.     

基于动态Fisher聚类算法的多时段二次划分

现有多时段划分方法大多只考虑时间维度下交通流宏观变化,即大范围趋势变化规律,未能考虑交通微观变化下的波动情况。针对这种情况,深入分析交通流的宏观和微观变化,提出了基于动态Fisher聚类算法的多时段二次划分方法。选取济南济泺路—汽车厂东路交叉口对提出的方法进行了验证,实验结果表明与传统方法相比,该方法能更好的适应实际交通流的变化趋势。     

一种广义加权模糊聚类算法

提出了一种广义的加权模糊聚类新算法来处理具有不同特征贡献和不同数据分布的混合属性数据.分别利用样本概率密度思想和ReliefF算法为每一个样本和每一维特征分配权值,通过样本和特征的加权,将模糊c均值算法、模糊c-modes算法、模糊c-原型算法以及样本加权聚类算法统一为一个通用的框架.不同测试数据集的实验结果证明,这种广义的模糊聚类新算法对于处理不同分布以及具有不同特征贡献的大数据集是相当有效的.