一种有效的稀疏无线传感器网络路由方案

稀疏无线传感器网络中节点之间距离过远,使得移动代理节点成为最有效的数据收集方式,然而移动代理节点由于能量限制无法在一次数据收集中到达网络所有节点进行数据收集.为保证在能量受限的移动代理节点总路由路径最短,给出了一种稀疏无线传感器网络能量受限移动代理节点的路由方案.首先构建移动代理节点的路由数学模型,然后根据移动代理节点初始能量将无线传感器网络划分成不同的子集,最后采用旅行商人问题的模拟退火算法计算出每个子集最短路由,全部子路由的集合即最优路由.仿真及其分析结果表明:随着网络节点个数增多和移动代理节点能量增大,所给方案的总路由能够比较接近于理想情况,在实际应用中比较有效且适于推广.     

基于感应数据值的无线传感器网络分簇算法

提出了一种无线传感器网络的分簇算法,用于协助基于簇的入侵检测方案检测网络中的各种恶意攻击行为.它将整个网络划分成若干个簇,使得簇内各传感器节点物理位置临近,并且采集的数据值接近.这一特性使得识别异常节点非常容易,并且保证入侵检测方案具有较高的检测精度和较低的误报率.该算法也使得网内数据处理变得异常简单,从而能够有效节省传感器节点的能量,延长网络的寿命.     

基于无线信号不规则性的无线传感网层次型拓扑控制算法

构建层次型拓扑结构是延长网络生存时间的有效方法。该文将拓扑构建过程分为由簇成员组成的感知层和由簇头组成的平面数据转发层,建立了基于无线信号不规则性的网络能耗模型以及节点成簇稳定性模型,提出了基于无线信号不规则性的层次型拓扑控制(WSIBTC)算法。WSIBTC算法根据节点平均有效传输距离将监测区域划分为多个子区域,由成簇稳定性和节点在簇中的位置决定最终簇头,簇头间形成平面拓扑结构,延长网络生存时间。分析和仿真结果表明由WSIBTC算法得到的网络拓扑大幅度地提升了网络生存时间。     

一种基于有向感知模型的传感器节点覆盖算法

覆盖控制作为无线传感器网络中的一个基本问题,反映了传感器网络所能提供的“感知”服务质量.优化传感器网络覆盖对于合理分配网络的空间资源,更好地完成环境感知、信息获取任务以及提高网络生存能力都具有重要的意义.针对无线传感器网络方向个数固定的有向感知模型提出一种覆盖增强算法,采用复杂网络社团结构算法划分对网络进行节点子集划分,重新调整节点的感知方向,增强网络的覆盖率,同时有效降低了算法的时间复杂度.     

采用图划分技术的多端口RC网络约减方法

提出了一种采用分而治之的改进型RC网络约减方法.该方法首先将被约减的网络划分成若干子网络,然后用Krylov子空间算法逐个约减这些子网络,最后将所有被约减后的子网络链接起来就获得了原网络的约减网络.传统的Krylov子空间算法只能约减电路的节点数目,而该方法在保证精度的条件下不仅可以约减电路的节点数目,而且能够约减其元件数目.这可以极大地提高采用稀疏矩阵技术的电路模拟工具处理互连线的效率,因为这类电路模拟工具的计算成本主要取决于电路矩阵中非零元的个数,即电路中的元件数目.     

采用图划分技术的多端口RC网络约减方法

提出了一种采用分而治之的改进型RC网络约减方法.该方法首先将被约减的网络划分成若干子网络,然后用Krylov子空间算法逐个约减这些子网络,最后将所有被约减后的子网络链接起来就获得了原网络的约减网络.传统的Krylov子空间算法只能约减电路的节点数目,而该方法在保证精度的条件下不仅可以约减电路的节点数目,而且能够约减其元件数目.这可以极大地提高采用稀疏矩阵技术的电路模拟工具处理互连线的效率,因为这类电路模拟工具的计算成本主要取决于电路矩阵中非零元的个数,即电路中的元件数目.     

基于隶属度的社会化网络重叠社区发现及动态集群演化分析

社会化网络中节点的复合属性可能为临时或过时状态,并且节点拥有一定能力维持固有状态,所以不可单纯依据新增数据或节点现有特征确定社区划分.本文提出可重叠社区发现算法及集群动态更新方案,根据网络历史数据分析节点对原始集群的隶属程度,并结合新增数据确定节点变化趋势,实现网络结构分析及社区动态更新.本文分别在不同数据集中测试聚类效果,实验结果证明算法既保持对新增数据的敏感度,也防止了节点短暂特征或节点维持固有状态的能力对划分结果的负面影响.     

基于节点影响力的标签传播社区划分算法

针对高效的LPA社区划分算法存在结果不稳定性的问题,提出一种新的基于节点影响力的标签传播社区划分算法(Node Influence based Label Propagation Algorithm for Community Discovery,简称NIB算法),使得保持社区划分高效的同时可以尽可能地降低由于社区划分不合理带来的核心节点影响精度的损失。该算法首先为每个节点分配唯一标签并评估节点的影响力,然后按照影响力大小由高到低的次序迭代更新节点的标签,更新完毕可得到一个稳定的社区划分结果。最后在真实数据集上对NIB算法的稳定性与划分质量进行验证。     

基于传染病模型的LPA特征阀值社团划分方法

社团结构划分对于分析复杂网络的统计特性非常重要.在非均匀社交网络的信息传播中,社团结构划分更是一个广泛关注的研究热点,相关研究往往侧重于研究紧密连接的社团结构对于信息传播所产生的关键影响.传统社团划分方法大多基于点和边的相关特性进行构建,如标签传播算法LPA（Label Propagation Algorithm）通过半监督机器学习方法,基于网络节点标签的智能交换和社团融合过程进行社团划分,但运行效率较低.为提高LPA类算法的运行速度,使其快速收敛,并提高社团划分精度,特别是重叠社团划分精度,针对LPA算法划分中的低运行效率和低融合收敛速度,本文从标签传播的网络连接矩阵本质出发,将该矩阵的最大非零特征值与网络标签信息传播的阀值相结合,提出了新的基于传染病传播模型的社团划分方法（简称ESLPA算法,Epidemic Spreading LPA）.通过经典LFR Benchmark模拟测试网络、随机网络以及真实社交网络数据上的算法验证,结果表明该算法时间复杂度大幅优于经典LPA算法,在重叠社团划分上精确度优于基于LPA模型的经典COPRA算法,特别是在重叠社团较明显时,划分精度接近精度较高GA、N-cut和A-cut算法,明显优于GN、FastGN和CPM等经典算法.     

一种基于网格划分的有向传感网时空覆盖调度算法

针对有向传感器网络中的时空覆盖调度问题进行研究,从有向传感器节点感知模型出发,设计了基于网格划分的网络基本区域生成方法,在此基础上提出了节点最大覆盖调度迭代选择MaxGreedy算法.通过仿真实验验证了网格划分方法的有效性,设计了一系列的时空覆盖算法对比实验,深入评估MaxGreedy算法的性能.对比试验结果表明,MaxGreedy算法可以高效地生成网络的节点调度模式,并在一定程度上提高网络的时空覆盖率.