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。     

An efficient hybrid algorithm based on modified imperialist competitive algorithm and K-means for data clustering

Clustering techniques have received attention in many fields of study such as engineering, medicine, biology and data mining. The aim of clustering is to collect data points. The K-means algorithm is one of the most common techniques used for clustering. However, the results of K-means depend on the initial state and converge to local optima. In order to overcome local optima obstacles, a lot of studies have been done in clustering. This paper presents an efficient hybrid evolutionary optimization algorithm based on combining Modify Imperialist Competitive Algorithm (MICA) and K-means (K), which is called K-MICA, for optimum clustering N objects into K clusters. The new Hybrid K-ICA algorithm is tested on several data sets and its performance is compared with those of MICA, ACO, PSO, Simulated Annealing (SA), Genetic Algorithm (GA), Tabu Search (TS), Honey Bee Mating Optimization (HBMO) and K-means. The simulation results show that the proposed evolutionary optimization algorithm is robust and suitable for handling data clustering.     

一种能量均衡的无线传感器网络分簇算法*

为了延长网络的生存时间,提出了一种能量均衡的无线传感器网络分簇算法（EBCA）,该算法优先选择剩余能量较多的节点作为簇首,以平衡节点的能量消耗。仿真实验结果表明：无论同构网还是异构网,该算法都能显著地推迟网络第一个节点的死亡时间,其性能明显优于LEACH算法。     

MOFCA: Multi-objective fuzzy clustering algorithm for wireless sensor networks

This study introduces a new clustering approach which is not only energy-efficient but also distribution-independent for wireless sensor networks (WSNs). Clustering is used as a means of efficient data gathering technique in terms of energy consumption. In clustered networks, each node transmits acquired data to a cluster-head which the nodes belong to. After a cluster-head collects all the data from all member nodes, it transmits the data to the base station (sink) either in a compressed or uncompressed manner. This data transmission occurs via other cluster-heads in a multi-hop network environment. As a result of this situation, cluster-heads close to the sink tend to die earlier because of the heavy inter-cluster relay. This problem is named as the hotspots problem. To solve this problem, some unequal clustering approaches have already been introduced in the literature. Unequal clustering techniques generate clusters in smaller sizes when approaching the sink in order to decrease intra-cluster relay. In addition to the hotspots problem, the energy hole problem may also occur because of the changes in the node deployment locations. Although a number of previous studies have focused on energy-efficiency in clustering, to the best of our knowledge, none considers both problems in uniformly and non-uniformly distributed networks. Therefore, we propose a multi-objective solution for these problems. In this study, we introduce a multi-objective fuzzy clustering algorithm (MOFCA) that addresses both hotspots and energy hole problems in stationary and evolving networks. Performance analysis and evaluations are done with popular clustering algorithms and obtained experimental results show that MOFCA outperforms the existing algorithms in the same set up in terms of efficiency metrics, which are First Node Dies (FND), Half of the Nodes Alive (HNA), and Total Remaining Energy (TRE) used for estimating the lifetime of the WSNs and efficiency of protocols.     

能耗均衡的自供能无线传感器网络分簇路由算法

当前的采能技术已经能够让传感器节点自动从环境中获得适量的能量补给,针对现有自供能无线传感器网络分簇路由算法中未考虑位于不同地理区域的节点所获补给能量大小的不同,而导致能量补给少区域的簇头数过少、簇规模过大、全网能耗不均衡等问题,本文提出了一种能耗均衡的自供能无线传感器网络分簇路由算法-EBCS（energy balanced clustering with self-energized）,该算法结合实际能量补给场景对簇头选举机制进行了改进,并采用了一种自适应式簇间通信机制,充分保存与利用补给能量。理论和仿真实验表明：EBCS算法能够较好维持预设的簇头比例,在网络平均剩余能量、当前可用节点数量等性能方面优于另外两种现有算法。     

无线传感器网络中一种能量高效的分布式分簇算法

提出了一种适用于无线传感器网络的能量高效的分布式分簇算法（ＥＥＤＣ）,该算法使具有较高剩余能量及距离基站较近的节点有更大的机会成为簇头．理论分析表明该算法通信开销较小,而且有效地均衡了节点的能量消耗．为了确保ＥＥＤＣ 的正确性、完整性和可靠性,利用形式化方法———着色网对其关键属性进行建模和分析．仿真结果表明,ＥＥＤＣ 有效地延长了网络生命周期,提高了网络的能耗效率．     

基于PSO的无线传感器网络非均匀分簇路由协议

提出并分析了一种能量均衡的集中式非均匀分簇路由协议EBUCP(energy-balanced unequal clusteringprotocol),本协议采用非均匀分簇和簇间多跳路由有机结合的方式。应用PSO算法,EBUCP选择一组最佳节点担任簇头并将网络划分为大小不等的簇,不仅最小化簇头和簇成员的距离以减小簇内通信能耗,同时使得距离基站较近的簇具有较小的几何尺寸来平衡不同位置簇头的能耗。EBUCP根据节点剩余能量和节点与基站距离确定簇间多跳路由,每个簇头在所有簇头集合中运用贪婪算法选择其中继节点。仿真实验结果表明,与LEACH和PSO-C协议比较,EBUCP的网络生存周期明显延长,能耗均衡性能更好。     

无线传感器网络中基于分层的非均衡分簇算法

降低网络能量消耗、延长网络寿命是无线传感器网络设计的重要目标,分簇是实现该目标的主要方法之一。针对矩形传感器网络,提出一种基于分层的非均衡分簇算法。算法根据节点的能量消耗情况计算出了每层的宽度,可以有效实现网络的能耗均衡。将非均衡分簇算法与LEACH协议进行了比较,仿真实验表明:基于分层的非均衡分簇算法可以更好地实现能耗均衡,能有效延长网络的寿命。     

一种能量高效的无线传感器网络分簇路由算法

无线传感器网络中节点的能量有限,提高能量的有效性便成为无线传感器网络路由协议设计的首要目标。设计了一种能量高效的分簇路由算法,它提出让候选节点在一定的覆盖范围内以剩余能量为标准来竞选簇头,以使簇头分布均匀;处于簇类交界的节点则根据能量和距离来选择归属的簇头,以平衡网络负载;新算法还采用多跳的簇间通信方式来降低大部分簇头节点的通信负载。仿真结果表明:新算法能够有效降低网络能耗,延长网络生存时间。     

DBCURE-MR: An efficient density-based clustering algorithm for large data using MapReduce

Clustering is a useful data mining technique which groups data points such that the points within a single group have similar characteristics, while the points in different groups are dissimilar. Density-based clustering algorithms such as DBSCAN and OPTICS are one kind of widely used clustering algorithms. As there is an increasing trend of applications to deal with vast amounts of data, clustering such big data is a challenging problem. Recently, parallelizing clustering algorithms on a large cluster of commodity machines using the MapReduce framework have received a lot of attention.In this paper, we first propose the new density-based clustering algorithm, called DBCURE, which is robust to find clusters with varying densities and suitable for parallelizing the algorithm with MapReduce. We next develop DBCURE-MR, which is a parallelized DBCURE using MapReduce. While traditional density-based algorithms find each cluster one by one, our DBCURE-MR finds several clusters together in parallel. We prove that both DBCURE and DBCURE-MR find the clusters correctly based on the definition of density-based clusters. Our experimental results with various data sets confirm that DBCURE-MR finds clusters efficiently without being sensitive to the clusters with varying densities and scales up well with the MapReduce framework.     

无线传感器网络中一种能量有效的分簇算法

传感器网络中簇头与基站的通信方式可分为两种:多跳和单跳.如果采用多跳方式,靠近基站的簇头因传送数据较多而导致较早死亡;而在单跳方式中,远离基站的簇头因传送数据能耗太高而很快死亡.针对上述问题,提出一种基于非均衡分簇的数据收集算法,使靠近基站的簇的大小小于远离基站的簇.仿真实验表明,非均衡分簇的数据收集算法能有效地延长网络的生命周期.     

无线传感器网络分簇方法的优化

现有的分布式分簇算法都是针对节点分布均匀的传感器网络设计的,不适用于节点分布不均匀的传感器网络,簇负载均衡和降低能耗成了节点不均匀部署的传感器网络的一个重要挑战。针对节点分布不均匀网络提出了一种基于区域密度的分布式分簇算法（RDCA）,算法中节点测试其所在区域的节点密度,根据区域节点密度,调节其通信的覆盖范围,从而使成簇后簇负载达到平衡。仿真实验结果显示,在节点部署不均匀的传感器网络中,本算法与LEACH、HEED相比较,可以更好地实现簇的负载平衡,有效地提高成簇后网络的稳定周期。     

一种分布式能量有效的无线传感器网络分簇路由协议

提出了一种分布式能量有效的无线传感器网络分簇路由协议DEEC(Distributed Energy-efficient Clustering Algorithm)。该协议采用基于时间的簇首选择算法,广播时间取决于自身剩余能量和其邻居节点的剩余能量。在数据传输阶段,采用簇内单跳与簇间多跳相结合的方式,引入权值函数优化簇首中继节点的选择。仿真实验结果表明,与LEACH,PEGASIS协议相比,DEEC能够有效地节约单个节点能量、均衡网络能耗、延长网络生存周期。     

一种改进的基于Delaunay三角网的聚类算法

Mundur等提出了一种基于Delaunay三角网的聚类算法,并将其应用于视频帧的多维特征数据的聚类以生成视频摘要,取得了较好的效果。但是,该算法计算量太大,导致效率不高。为提高该算法的效率,以适合于对大数据集的处理,提出了一种改进的基于Delaunay三角网的聚类算法。通过在典型数据集上的实验,提出了一种新的确定全局聚类阈值的方法,使得计算量大为减少。实验结果表明,该算法无需用户提供聚类参数,也能得到良好的聚类结果,因此能够实现聚类过程自动化;并且计算速度更快,效率更高,适合于大数据集的处理。     

能量高效的无线传感器网络动态分簇算法研究

为了提高无线传感器网络的能量利用率和延长网络的生命周期,提出了基于地理位置的能量高效的动态成簇算法(GL-DC),在簇的建立阶段,采用非均匀分簇方法,解决了簇首能量消耗不均衡问题。在网络运行过程中,采用基于剩余能量和距离来动态生成新的簇首,避免了靠近SINK节点的簇头因转发大量数据而过早耗尽能量。仿真实验结果表明,该方法具有更好的性能,与EADEEG、LEACH和PEGASIS等路由协议相比,GL-DC路由协议有效地均衡了节点能量消耗,显著地延长了网络生命周期。     

无线传感器网络中能量有效的多层分簇算法*

针对无线传感器网络中每轮能耗和簇内节点负载不均衡问题,本文提出了一种能量有效的多层分簇算法(EEMLC)。基站在首轮按照各层的最优簇头数对整个网络逐层进行虚拟分区,在接着的轮次中,各个分区根据本轮节点的剩余能量来选取下一轮簇头,前者使得网络每轮总能耗最小并有效保证各轮的能耗均衡,后者确保分区内节点的负载平衡,从而最大限度地延长网络的生命周期。实验仿真结果表明,与LEACH算法相比,EEMLC算法的每轮能耗均衡性有了显著提高,网络的生命周期延长了11.3%。     

一种高效中文文本聚类算法

文本聚类算法面临着文本向量高维和极度稀疏的问题,传统降维方法多数是在假设关键词相互独立的前提下,通过统计的方法进行特征提取,这种方法往往忽略了文本在上下文语境中的语义关系,导致文本语义大量丢失。利用《知网》知识库,通过计算语义类相似度,构建了带权值的多条词汇链,根据权值大小,从中选取权值最大和次大的前两个词汇链组成代表文本的关键词序列,在此基础上提出了基于主题词汇链的文本聚类算法—TCABTLC,不但可以解决文本向量高维和稀疏导致的聚类算法运行效率低的问题,而且得到了较好的聚类效果。实验表明,在保持较好准确率下,该聚类算法的时间效率得到了大幅度提高。     

一种抗干扰半静态分簇路由算法

针对无线传感器网络( WSNs)分簇路由算法中的能量洞、热点和抗干扰问题,设计一种抗干扰半静态分簇( AlSSC)路由算法,给无线传感器网络提供能量多、距离短、链路质量好的路径来传输数据.该算法利用节点定位获取节点地理位置,综合考虑传感器节点剩余能量和干扰信噪比,通过节点距离度量、节点聚簇、簇间融合、簇头选举和簇头轮换五个步骤进行无线传感器网络节点的分簇.仿真结果表明:这种路由算法可以提高无线传感器网络通信链路质量,均衡网络能量消耗.     

一种新型自适应加权分簇算法的性能研究

自适应加权(AOW)分簇算法是移动自组网中一种性能良好的分簇算法,在这里被引入无线传感器网络,并针对其算法复杂的缺点,提出一种简化的MAOW(mended AOW)算法。仿真结果表明:MAOW算法具有较低的复杂性,并在负载平衡性上有较大提升。介绍分簇算法的背景和相关定义,说明几种已有算法的特点,接着引入自适应加权算法,又重点提出改进的MAOW算法,最后,通过仿真对全部算法进行分析比较。     

改进的半监督模糊聚类算法

针对Ｇｒｉｒａ等近期提出的利用点对约束的半监督模糊聚类算法,其约束项与竞争聚类算法（ＣＡ）的目标函数之间数量级不一致,造成隶属度调整过度的问题,在重新定义目标函数的基础上提出一种改进算法,约束惩罚函数采用约束点对中两个样本新的联合表达式,使数量级与经典模糊聚类算法一致．实验结果显示,新算法的约束项与ＣＡ目标函数之间能很好地协调合作,并能通过对模糊隶属度的适度调整,实现更准确的聚类．