拓扑感知的无线传感网络数据聚合方法

针对无线传感网络中数据聚合能耗和重建误差问题,提出了一种拓扑感知的数据聚合方法(TADA).首先,构建了一个包含网络初始化、数据分帧和数据预处理的数据流,形成无线传感网络的通信过程;然后,构造测量矩阵将数据分解为多个路径转发,从而进行全网络矢量分配,并提出了基于平衡最小生成树是数据聚合算法.通过实验表明:所提方法在数据聚合能耗和数据重建错误率要求上低于其它压缩感知的方法.     

基于谱顶层分割的网络社区层次抽取方法

针对网络层次中不同尺度上社区内连接密度的异构性,提出了基于谱顶层分割的网络社区层次抽取方法.首先,将网络的谱顶层分割定义为某个子网络的二分,给出了顶层分割的期望划分;然后,引入队列的思想计算社区连接密度,自顶向下逐层分解给定网络,并提出了社区层次抽取算法;最后,通过实验表明:所提出的方法比同步法和多尺度法在随机层次网络测试的性能更加优越,为社区教育和大数据行为特征识别提供了相关技术基础支持.