非均匀分布异构传感器网络动态多簇头成簇算法

延长网络寿命、提高监控质量是无线传感器网络成簇算法的重要设计目标,在对现有主要成簇算法进行研究的基础上,提出一种适应于节点非均匀分布环境下多级能量异构传感器网络的动态多簇头成簇算法.算法中,节点根据网络最优簇头数确定节点邻居感知半径.通过节点间的广播,每个节点获得感知半径内的邻居节点密度,节点根据邻居节点密度和节点当前能量确定节点成为主簇头的概率.根据主簇头的能耗,各簇独立判断是否选举辅助簇头以分摊主簇头的能耗.仿真结果表明,与现有主要成簇算法相比,新的成簇算法拥有更长的生存时间和更优的网络监测质量.     

基于EAD 协议的无线传感器网络高效成簇算法

在无线传感器网络中,成簇算法是减少能量消耗的一种关键技术,它能够增强网络的扩展性和延长网络生存时间.本文提出了一种基于EAD 协议的无线传感器网络高效成簇算法（EC-EAD）。 EC-EAD算法在确立簇头节点时,将节点能量,节点之间距离与轮回次数综合加权,决定节点发送延迟。剩余能量高且距离较远的节点成为簇头节点,降低了网络内的簇头数目,也保证了网络能量的均匀消耗,延长了网络的生存时间。模拟实验结果表明,EC-EAD 算法在延长网络生存期方面比EAD 具有一定的优越性。     

基于相对距离的多级能量异构传感器网络成簇算法

延长网络寿命并获得更好的监控质量是无线传感器网络成簇算法的重要性能指标。在分析现有主要成簇算法的基础上,提出了一种适应于多级能量异构传感器网络的基于相对距离的成簇算法RDCA(Relative Distance Clus-tering Algorithm)。算法中,节点根据通信范围内其他节点与自身的平均距离、节点自身与基站的距离以及节点当前剩余能量来确定节点成为簇头的概率。所有节点轮流成为簇头,以分摊能量消耗。仿真实验结果表明,与现有主要聚簇算法相比,在多级能量异构环境下,新的成簇算法拥有更长的生存时间和更优的网络监测质量。     

一种改进的无线传感器网络LEACH协议

利用成簇算法延长无线传感器网络的生命周期是一个研究热点。LEACH就是一种基于簇的协议。提出一种改进方案,成簇过程考虑传感器节点剩余能量和簇头与非簇头节点之间的距离,并增加了自我维护和局部成簇的特性,有效地提高了生命周期。     

一种节能的无线传感器网络路由协议的设计与实现

在无线传感器网络的路由协议中,基于簇的路由协议在拓扑管理、能量利用、数据融合等方面具有优势。本文针对目前已有协议能量消耗大、网络寿命短等问题,提出了一种能量感知的基于分布式簇算法的无线传感器网络协议EA-HEED。此协议改进了分布式的簇头选举算法,分配时分复用时隙并在簇头节点建立一棵路由树,从而提高簇头选举效率;设计了休眠冗余节点的簇内活动节点调度算法,减少能耗;采用考虑节点能量和节点与基站距离的簇头节点组织路由树方法、最小化网络开销以及能量负载平衡方法,优化路由协议,有效延长网络寿命。仿真结果表明,与LEACH和HEED协议相比,EAHEED协议可以进一步延长网络寿命。     

异构传感器网络的分布式能量有效成簇算法

为了延长网络的生存时间,需要设计能量有效的协议,以适应传感器网络的特点.成簇算法是传感器网络中减少能量消耗的一种关键技术,它能够增强网络的扩展性和延长网络的生存时间.研究了异构传感器网络中成簇算法在节省能量方面的性能,提出一种适应异构无线传感器网络的分布式能量有效的成簇方案.此方案基于节点剩余能量与网络节点的平均能量的比例来选举簇头节点.较高初始能量和剩余能量的节点比低能量节点拥有更多的机会成为簇头节点,从而使网络能量均匀消耗,延长网络的生存时间.模拟实验结果显示,与现有的重要成簇方案相比,新的成簇算法在异构网络下提供了更长的网络生存时间和更大的网络有效吞吐量.     

无线传感器网络时间同步与成簇算法

无线传感器网络的时间同步和成簇算法是目前国际上研究的热点。在目前的研究中,往往假设节点间的数据通信是没有冲突的,忽略了避免消息冲突机制的设计。在设计节点时间同步算法的基础上,提出了一种节点自组织成簇的算法,着重对算法的设计思想和工作过程进行了分析和论述。算法通过综合考虑候选节点的剩余能量、节点的度等参数来优化簇头的选择,同时,通过更换簇头,减少和均衡每个传感器耗能,以延长全网寿命,实验结果表明了算法的有效性。     

传感器网络中基于节点密度的分布式成簇算法

在分簇路由协议中,延长传感器网络的寿命,很大程度上依赖于簇头节点选择的合理性。提出一种基于传感器节点分布密度的分布式成簇算法,该算法是对LEACH算法的改进,在选取簇头的时候除了考虑节点轮流成为簇头的问题,同时还考虑各节点的分布密度。仿真实验证明,新算法能比LEACH算法更有效地降低网络的能量消耗,均衡网络能耗水平,从而使得传感器网络的生命周期在LEACH算法的基础上有较大提高。     

一种新型能耗优化的无线传感器网络成簇算法

能量消耗一直是限制WSN广泛应用的热门问题之一,能源容量的大小对各个传感器节点产生重要的影响.针对WSN中能耗过快,以及网络区域内能量消耗不均衡而导致的网络生命周期缩短的问题,同时为了提高WSN的能量利用率,提出了一种新型能耗优化的无线传感器网络非均匀成簇算法(UCNE).该算法首先根据节点的历史能耗来竞选簇头节点,将整个网络划分为不均匀的簇群从而平衡簇内节点通信与簇间节点通信的能耗.其次设立新的能量阈值作为网络重新分簇的标准,减少了频繁分簇造成的不必要的控制消息能耗.最后为了降低簇头节点的负担,竞选副簇头节点作为中继转发节点转发主簇头加工的数据并根据权值选择向前向簇头节点传递数据.通过对比相关协议,UCNE协议在平衡网络能耗,延长网络寿命方面表现更优.     

一种改进的WSN成簇算法

从保证无线传感器网络(WSN)感知覆盖性能角度出发,分析节点剩余能量、重叠感知覆盖率与簇头选择的关系,改进LEACH协议中簇头阈值选择前的信息采集过程,提出一种适用于高密度随机部署的WSN成簇算法。实验结果表明,该算法可有效保持网络感知覆盖率,从而延长网络寿命。     

VANET随机部署环境下基于改进型共享最近邻密度峰聚类的快速分簇算法

针对车辆高速移动场景下,网络拓扑变化过大导致网络分簇结果不稳定的问题,提出一种基于改进型共享最近邻密度峰聚类的快速成簇算法SNNCA(shared nearest neighbor clustering algorithm);通过综合考虑节点的链路生存周期和移动相似性,提出一种全新的节点连接稳定程度评估指标,并将该评估指标应用于节点共享最近邻的计算过程,以组织网络节点为划分合理的多跳簇结构;为适应网络环境的动态变化,提出一种簇维护策略,其中每个层级的簇成员承担着维护下一层级簇成员的任务,该策略能够对簇成员进行批量分离或合并,从而实现了算法的分布式快速收敛;根据随机部署场景中进行的仿真实验结果显示,相比其他较新算法,SNNCA算法降低了74%的簇数量,并且簇成员的平均存活时间增加了近1倍,表现出更好的网络稳定性和健壮性。     

A power- and coverage-aware clustering scheme for wireless sensor networks

A common and critical operation for wireless sensor networks is data gathering. The efficient clustering of a sensor network that can save energy and improve coverage efficiency is an important requirement for many upper layer network functions. This study concentrates on how to form clusters with high uniformity while prolonging the network lifetime. A novel clustering scheme named power- and coverage- aware clustering (PCC) is proposed, which can adaptively select cluster heads according to a hybrid of the nodes' residual energy and loyalty degree. Additionally, the PCC scheme is independent of node distribution or density, and it is free of node hardware limitations, such as self-locating capability and time synchronization. Experiment results show that the scheme performs well in terms of cluster size (and its standard deviation), number of nodes alive over time, total energy consumption, etc.     

基于亲和度累积的人工免疫网络聚类

当数据集聚类边界不清晰或存在噪声干扰时,人工免疫网络聚类算法通常无法获得有效的聚类划分。受抗体免疫差异性的启发,提出一种基于抗体亲和度累积的人工免疫网络聚类算法。该算法在抗体中引入亲和度累积及有效的更新策略,使用记忆网络中抗体的亲和度累积强度分布表达数据集的空间密度变化趋势,从而在记忆网络中通过二次免疫抑制,使网络中抗体的聚类结构更加清晰。实验结果表明,该算法对聚类边界不清晰的数据集可获得较精确的聚类划分,同时具有很强的噪声抑制能力。     

基于节点数据密度的分布式K-means聚类算法研究*

P2P(peer-to-peer)网络分布式聚类算法是利用P2P网络上各个节点的计算、存储能力以及网络的带宽,将算法的时间复杂度和空间复杂度平摊到各个节点,使处理和分析海量分布式数据成为可能,从而克服传统基于单个服务器的集中式聚类算法在数据处理能力等方面的限制。提出一种基于节点置信半径的分布式K-means聚类算法,该算法通过计算节点上数据分布的密度,找到同一类数据在节点的稠密和稀疏分布,从而确定聚类置信半径并指导下一步的聚类。实验表明,该算法能够有效地减少迭代次数,节省网络带宽;同时聚类结果也接近集中式聚类算法的结果。     

基于能量迭代的无线传感器网络非均匀分簇路由算法

能量空洞是影响无线传感器网络性能的关键问题之一,据此提出了一种基于能量迭代的非均匀分簇路由算法。该算法首先在簇头选举时通过减少迭代次数,降低能量消耗,同时综合考虑节点能耗速度、节点到汇聚节点的距离等因素,选出最优簇头;其次,考虑到节点到汇聚节点距离和节点密度对网络生命周期的影响,提出了非均匀分簇算法,实现网络能耗均衡的目的。仿真实验表明,当最大簇半径为50m ,选举因素所占权重为0.4 ,簇半径调节系数为0.7时,本算法达到最优,与LEACH-E和LEACH相比,网络生命周期分别延长125%和136%,同时有效避免了能量空洞现象的产生。     

A novel cluster center fast determination clustering algorithm

As one of the most important techniques in data mining, cluster analysis has attracted more and more attentions in this big data era. Most clustering algorithms have encountered with challenges including cluster centers determination difficulty, low clustering accuracy, uneven clustering efficiency of different data sets and sensible parameter dependence. Aiming at clustering center determination difficulty and parameter dependence, a novel cluster center fast determination clustering algorithm was proposed in this paper. It is supposed that clustering centers are those data points with higher density and larger distance from other data points of higher density. Normal distribution curves are designed to fit the density distribution curve of density distance product. And the singular points outside the confidence interval by setting the confidence interval are proved to be clustering centers by theory analysis and simulations. Finally, according to these clustering centers, a time scan clustering is designed for the rest of the points by density to complete the clustering. Density radius is a sensible parameter in calculating density for each data point, mountain climbing algorithm is thus used to realize self-adaptive density radius. Abundant typical benchmark data sets are testified to evaluate the performance of the brought up algorithms compared with other clustering algorithms in both aspects of clustering quality and time complexity.     

改进聚类的索引建立方法研究

传统的基于网格与密度的聚类方法需要用户输入间隔距离和密度阀值参数,聚类的结果不平滑,不能很好地判断边界对象的网格归属。提出了一种自动根据对象的数量确定间隔的距离和聚类的数量的聚类方法,合理地将对象进行聚类划分,并将聚类的结果构建Hilbert R-tree索引,通过实验表明算法在建立时间和其他性能上均优于传统的Hilbert R-tree索引。     

基于节点竞争力的网络分簇拓扑控制算法

通过提出节点竞争力的新定义和研究网络分簇拓扑控制过程中簇头选择的新策略,提出了一种基于节点竞争力的网络分簇拓扑控制算法APBCS。该算法以节点剩余能量的比值、节点之间的距离和邻居节点的密度作为竞争簇头的参数,采用分环的方式实现簇头间的多跳通信。仿真实验表明,APBCS算法与LEACH算法相比较分簇更均匀,簇头选择更合理,第一个死亡节点出现时间推迟了92%,与EBAPC算法相比较,第一个死亡节点出现时间推迟了4.6%,说明比较显著地延长了网络生命周期。     

一种可扩展的WSN节能分簇算法

为了减少网络重建所带来的能量消耗,提出一种可扩展的WSN节能分簇算法(AEECA);首先根据节点的剩余能量在全网范围内进行候选簇首的选举,然后普通节点根据候选簇首的价值度、剩余能量、邻居节点数目等因素来选择自己要加入的簇首;当簇内平均剩余能量大于某个阈值时,采用簇内簇首轮换的方式,不需在全网范围重新选择簇首;当新节点申请入网时,根据周围簇首剩余能量、当前负载、位置分布等因素来计算入网许可值,选择许可值最大的簇首加入,并通过簇首分配的预留时隙进行数据传输;仿真结果表明:与LEACH、EEUC等经典分簇算法相比,所提算法可以有效地均衡节点的能量消耗,延长网络的生命周期.     

一种多协议网络日志二次聚类方法研究

为了处理网络日志规模过大及其相关问题,并为后期日志分析提供简洁的数据源,提出一种多协议网络日志二次聚类方法。该方法采用划分网格的方式把网络日志进行网格内初次聚类,然后再依据相似度判断对初次聚类簇进行二次聚类,最后输出聚类后的日志记录及一些稀疏数据和孤立点数据。经实验测试证明,在不破坏网络日志的完整性和准确性,且不影响用户正常网络访问的前提下,该方法日志规模压缩效果显著,时间复杂度低以及能够处理实际的动态数据,实现增量式聚类。