基于分布式模糊控制器的无线传感器网络容错非均匀分簇算法

采用分布式模糊控制器方法, 对无线传感器网络进行容错非均匀分簇. 首先将节点剩余能量、 节点中心度以及节点到基站的距离输入模糊控制器, 通过IF-THEN规则进行推理, 输出“成为簇头机会”和“簇大小”值, 使性能最优节点成为簇头并组建大小合适的簇; 其次, 采用时分复用方式进行数据传输, 可容忍簇头和成员节点的临时和永久故障. 仿真结果表明, 该算法能有效均衡簇间负载, 降低网络能耗, 从而提高了网络的生命周期.     

综合负载均衡与能量消耗的无线传感器网络分簇算法

针对目前无线传感器网络分簇算法的能耗不均衡、网络生命周期短等问题,设计一种综合负载均衡与能量消耗的无线传感器网络分簇算法.首先根据传感器节点与基站节点间的距离,将节点合理划分到相应的簇中;然后引入负载均衡因子,建立无线传感器网络的数据聚合路由,节约数据传输能量;最后采用MATLAB2014工具箱进行性能分析.结果表明,该算法的节点能量利用率较高,能保持传感器节点能量消耗的均衡,且网络生存时间较长.     

一种基于融合器的多跳能量均衡算法

为了解决现有的分簇算法能量消耗不均衡问题,提出了一种新的基于融合器的多跳能量均衡(MEB)算法.该算法采用定时器并且考虑节点的剩余能量来优化簇头选举,通过选举簇中最多能量的节点作为融合器,对簇头转发的传感数据进行数据融合,然后通过由融合器构建的多跳路由树发送到基站.该算法同时达到了簇内和簇间的能量均衡.仿真结果表明,MEB算法第1个节点死亡的时间比LEACH算法延长了80%左右,比TB-LEACH算法延长了60%左右.MEB算法第1个节点死亡到最后1个节点死亡经历的时间非常短.因此,MEB算法实现了整个网络的能量均衡,提高了网络的稳定度,延长了网络的生命周期.     

一种基于蜂窝模型改进的分簇路由算法

为进一步提高无线传感器网络的能量有效性、网络可靠性并延长网络寿命,提出了一种基于蜂窝模型改进的无线传感器网络分簇路由算法。该算法引入正六角形蜂窝模型作为网络中传感器节点的分簇结构,并结合节点间的角度比和距离比感知位置自主选择簇头。仿真结果显示,该算法与传统的LEACH分簇算法和基于位置的GAF分簇算法相比,有效地抑制了孤立节点的产生,均衡了网络能量和负载,提高了网络能量有效性,确保了网络可靠性,延长了网络的生命周期。     

一种鲁棒的中等规模分簇结构水下传感器网络

针对现有水下传感器网络分簇算法负载不均衡和生命周期较短的问题,基于粒子群优化算法和遗传算法的基本思想,提出一种全局优化的智能分簇算法.为了使粒子初始化编码较为合理公平,根据节点近期当选过簇首的次数动态调整节点选举概率;通过对粒子整个编码区域进行循环搜索来捕获一个优良的随机交叉片段,保证了交叉后的粒子含有一定数量的历史较优簇首信息;通过节点编码位的变异提高算法的探索性,并确保解空间的存在性;在粒子评价函数中综合考虑簇首能量、负载均衡和分簇范围3个优化子目标.仿真结果表明,提出的算法更好地均衡了簇首负载,同时有效减少了网络能耗,延长了网络生命周期.     

基于WSN分布式聚类均衡路由算法的优化研究

有效减少网络能耗,从而提高整体网络寿命是无线传感网领域中的关键问题,LEACH和DEBR等分簇路由算法可以初步提高网络寿命和网络延展性.研究了簇头选择、簇的形成和数据路由3个阶段,提出了一种基于能量均衡的分布式聚类均衡路由算法,通过传感节点的剩余能量、邻居个数以及簇头能耗的混合权重来选择簇头和分簇,考虑每条路径的消耗来选择最佳路径,有效改进了LEACH随机选择簇头节点和DEBR传送延迟导致的网络分割和能耗不均等问题.仿真结果表明,该算法有效平衡并降低了节点能耗,使得网络中生存节点数在相同周期内有较大提升,从而延长了整个网络的生命周期.     

无线多跳传感器网络中能量消耗均衡分簇策略

针对在无线多跳传感器网络中节点间能量消耗不均衡、中继节点容易过早失效的问题,基于几何规划提出一种自适应的分簇算法.该算法通过节点的能量水平和位置来调节其竞争簇头的概率,同时通过簇头的能量水平和离汇聚点的距离调节簇头"管辖"范围.仿真表明:本算法很好地均衡了网络能量开销,使得网络的生命周期延长了25%,稳定周期延长了50%.     

分布式能量高效的WSN非均匀分簇路由多跳算法

针对无线传感器网络路由存在能量空洞的问题,提出一种分布式非均匀分簇路由算法.该算法在选择候选簇首时引入位置因子和平均能量因子来平衡全网节点的剩余能量;网络运行过程中,候选簇首通过自适应校正其竞争半径进行非均匀分簇.采用基于能量和距离的能耗函数入簇机制以均衡全网能量消耗,利用多跳动态路由以避免稳定传输阶段转发节点因能耗过大而快速死亡.通过构建网络模型,采用Matlab对文中算法和UCR算法进行仿真分析比较.仿真结果表明:文中算法簇首消耗能量的方差波动不大较稳定,相比UCR更好地均衡了簇首能量消耗,并且能够有效避免能量空洞,均衡网络负载,网络生命周期较UCR算法提高了约34%.     

无线传感器网络LEACH算法的改进研究

针对LEACH算法节点生命周期短和能耗不均衡的问题,提出了一种改进的LEACH算法。算法在簇头节点选择时综合考虑节点剩余能量和当前位置问题,使簇头的分布更均匀;同时在估算最优簇头数的基础上,改进了分簇方法,减少了分簇次数,节省了网络能量消耗。仿真实验表明,改进的LEACH算法使整个网络能耗更加均衡,延长了无线传感器网络的生命周期。     

基于节点划分的无线传感器网络自适应分簇算法

为延长网络的生命周期,针对随机部署的无线传感器网络节点均匀分布和能量有限的特点,提出了一种基于节点划分的分布式自适应分簇算法.通过节点的划分均衡簇内负载,利用节点的剩余能量与通信距离信息的自适应加权来优化调整节点竞选簇头的概率.模拟实验结果表明,该算法可有效延长网络的稳定周期和生存时间,数据传输量比LEACH-E算法增加了近20%.     

一种新的最近邻聚类算法

在分析现有最近邻聚类算法所存在问题的基础上,提出了一种先利用均值规格化的思想来确定算法的初始半径,然后根据启发式规则修改聚类半径的新的最近邻聚类算法.同时,给出了聚类有效性函数对得到的聚类结果进行合理性判断.     

改进的神经网络最近邻聚类学习算法及其应用

提出了一种改进的RBF(Radial Basis Functions，径向基函数)神经网络最近邻聚类学习算法。并将其应用于股市预测问题。模拟结果表明，改进算法的拟合效果与拟合误差均明显好于常规最近邻聚类学习算法，可以较大幅度提高RBF神经网络的预测性能。     

基于连接的频繁集聚类算法

针对大型事务数据库中频繁集的多属性聚类问题,提出一种高效的频繁集聚类算法.以往聚类算法采用基于距离的计算方法,由于受到属性数据的制约,在频繁集挖掘中具有一定的限制.在属性聚类基础上,基于连接对频繁集进行聚类.在算法中先找出数据点的邻居和计算相似度,构造邻居矩阵;然后计算连接数目,确定邻居数目矩阵;最后通过设置判定函数和阈值确定聚类数.通过实验证明,算法能够不仅能有效地完成频繁集的多属性聚类问题,而且还可以进一步发现频繁集在某一层次的相关性.     

融合相对密度与近邻关系的密度峰值聚类算法

密度峰值聚类算法(density peaks cluster,DPC)是一种基于密度的聚类算法,该算法可以聚类任意形状的类簇.在类簇间有密度差距的数据集上,DPC不能准确地选择聚类中心.DPC的非中心点分配策略会引起连续错误,影响算法的聚类效果.模糊k近邻密度峰值算法(fuzzy k-nearest neighbor DPC,FKNN-DPC)是一种改进的DPC算法,该算法采用边界点检测并结合2步分配策略来避免连续错误.当类簇间有密度差距时,FKNN-DPC的边界点检测效果不理想,此外,其非中心点分配策略缺乏对样本近邻信息的考虑.定义相对密度(relative density)并结合近邻关系(nearest neighbor relationship)提出RN-DPC算法解决上述问题.针对DPC因为类簇间的密度差距而不能准确选择聚类中心的问题,定义相对密度用于消除类簇间的密度差距.基于反向k近邻关系检测边界点并且引入共享最近邻关系来对FKNN-DPC的分配策略进行改进.RN-DPC算法在人工数据集和真实数据集上分别与不同的聚类算法进行了对比,实验结果验证了RN-DPC算法的有效性和合理性.     

时态网络节点相似性度量及链路预测算法

详细分析和阐述了时态网络中的链路预测问题，将时态网络按时间顺序划分为具有相同时间间隔的多层网络快照序列.针对基于共同邻居的相似性指标对网络链路刻画粒度较粗糙的问题，提出了基于邻居节点聚类系数的相似性度量指标NCC和NCCP，并基于此提出时态网络链路预测算法.通过在真实数据集上的对比实验验证了利用邻居节点的聚类信息可以提高预测精度.利用真实邮件数据集验证了所提出的链路预测算法预测效果的优越性，并且实验结果证明越接近预测时间的网络结构对预测结果影响越大.     

一种基于语义距离的高效文本聚类算法

摘　要：提出了一种基于语义进行文本聚类的新方法。该方法从语义上具体分析文档,利用文档具体语义计算文档间的相似度,使得文档聚类结果更合理。文本聚类主要采用最近邻聚类算法,并提出第二次聚类算法改进最近邻算法对输入次序敏感的问题。类特征词的选择上根据相似度权重优胜略汰类特征词,使得最后类特征词越来越逼近类的主题。实验结果表明本文所提出的算法在聚类精度和召回率上均优于基于VSM的K-Means聚类算法。     

基于改进径向基函数网络的电力系统短期负荷预测

电力系统短期负荷预测是电力生产部门的重要工作之一,本文利用径向基函数网络（RBF）进行负荷预测,针对RBF在负荷预测中隐含层节点数难求问题,提出了一种改进的最近邻聚类学习算法即可解决该难点,又可提高RBF神经网络收敛速度和负荷预测精度．根据某地区电网的实例进行研究,结果发现本文算法比改进前的算法预测的最小、最大相对误差分别减小0．14和1．12,证明了改进后算法有效性和可行性,为电力系统负荷预测提供了一种新途径．     

基于X2接口TD-LTE系统邻区自优化流程设计

邻区关系的自动建立和更新作为SON(self-organized network)的一个重要方面,直接影响到网络的整体性能和切换性能。基于传统的邻区列表优化方法,通过对传统邻区流程添加自优化功能,提出了一种新的邻区列表优化方法。在核心网和基站间建立X2接口连接,并通过对该接口中的连接信息进行分析和判断,解决PCI(physi-cal cell identity)冲突及PCI不稳定问题。仿真结果表明,该方法能够自动完成邻区列表更新,解决邻区列表的不合理配置,并且能够提高切换成功率,减小小区掉话率。     

一种对于K-means算法的改进

数据聚类是一个功能强大的技术,它能够把数据特征相似的对象划分为一类,但是并不是所有的聚类算法的实现都能产生相同的聚类结果;并且K均值算法的结果很大程度上依赖它的初始中心的选择;提出了一种新颖的关于K均值初始中心选择的策略;该算法是基于反向最近邻(RNN)搜索,检索一个给定的数据集,其最近的邻居是一个给定的查询点中的所有点;使用这种方法计算初始聚类中心结果发现是非常接近聚类算法所需的迭代聚类中心;对提出的算法应用到K均值聚类中给予了证明;用几种流行的数据集的实验结果表明了该算法的优点。     

基于簇内RSSI测距改进的DV-Hop算法

针对DV-Hop定位算法在实际环境中的定位精度较低、通信量较大等问题,在DV-Hop定位算法的基础上提出了一种基于簇内RSSI测距改进的DV-Hop定位算法.该算法利用以信标节点为簇头的分簇策略后,信标节点只发送校正值给其邻居节点,无需泛洪广播,且未知节点只需被动接收,无需交互通信,从而降低网络通信总量;簇内节点利用RSSI测距方案计算其与最近信标节点的距离,相比DV-Hop定位算法以校正值代替一跳通信范围内的所有节点距离更加精确,从而提高节点定位精度.