无线传感器网络分簇算法分析与性能比较

文中在介绍无线传感器网络路由协议的基础上,重点分析了几种有代表性的分簇路由协议算法。然后对各种分簇算法从10个评价参数上进行了一个综合对比,总结了无线传感器网络现有分簇路由协议的优点和存在的问题。最后从网络安全性和协议的实用性等方面,并对无线传感器网络分簇路由协议算法进行了展望。     

无线传感器网络路由分簇协议研究

无线传感器网络与传统网络的特点不同,且与人们日常生活应用息息相关。无线传感器网络不能利用传统的路由协议,网络层的路由技术在无线传感器网络体系结构中非常重要。数据融合简单、拓扑管理方便、能量利用高效是分簇路由具有的优点,是当前研究非常热门的路由技术。文章分析了无线传感器网络分簇路由概念,着重对无线传感网络路由分簇协议的分类和协议系统进行分析,为路由无线传感器网络路由分簇协议的进一步研究提供参考。     

基于半固定分区的无线传感器网络分簇算法

经典分簇路由算法在每轮的数据采集过程中均需要重新选举簇头和簇的划分,使得网络的拓扑结构极不稳定以及增加了不必要的网络开销,因此提出了一种基于半固定分区的无线传感器网络分簇算法.该算法在首轮,对传感器网路进行簇头的随机选举和簇的划分且其它轮不再重新分簇,然后在各个簇内依据节点的剩余能量和到汇聚节点的距离进行簇头的选举.实验结果表明,与传统分簇协议中的全网广播簇头选举机制相比,该算法不仅拥有稳定的簇结构,而且网络工作稳定期延长了约69.62%,有效地提高了无线传感器网络的可靠性.     

一种WSN中分簇路由算法的改进

在无线传感器网络中,基于分簇的路由协议对提高网络的寿命有着重要作用,LEACH是一种应用比较广泛的层次路由协议。本文提出一种新的基于最优分簇的无线传感器网络分簇路由（LEACH-O）算法,在簇的形成过程考虑到节点的集中程度和节点的剩余能量,从而减少传感器节点的能量消耗,优化资源利用率。仿真实表明,与传统的LEACH算法相比,该算法配传感器节点间数据传输提供了高效路由,从而延长网络的生命周期。     

无线传感器网络中的分簇算法

分簇算法是无线传感器网络中实施分层路由所采用的重要方法,尤其是传感器节点受到能量和带宽的严重制约。如何合理、有效地利用分簇算法使得网络中节点的能量分布趋于一致,从而延长网络的生命周期,提高系统的整体性能指标,成为当前无线传感器网络研究领域内的热点问题之一。本文从能量有效性的角度出发,对最新的分簇算法进行研究与分析,指出如何根据无线传感器网络不同的分布区域、应用场景和多样的无线环境,生成性能优越的分簇算法。     

无线传感器网络分簇算法研究

对无线传感器网络分簇算法中的簇头选择标准和算法执行过程进行总结和归纳。     

基于LEACH的WSN路由算法研究

为了提高无线传感器网络的可扩展性在其路由协议中通常会采用分簇技术。由于无线传感器网络由能量有限的节点组成,网络中节点的能量多为电池供电,因此高效节能以延长网络生命周期是无线传感器网络必须要充分考虑的问题。针对LEACH(低功耗自适应分簇)路由算法在簇首选择时存在的问题,提出一种改进建议。对改进算法利用仿真工具NS2进行仿真,并对节点存活率和网络能耗两个方面进行比较与分析,仿真结果表明,改进算法很好地延长了网络的寿命。     

无线传感器网络LEACH改进算法的设计与仿真

在众多的无线传感器网络分簇路由协议中,低功耗自适应分簇(Low Energy Adaptive Clustering Hierarchy,LEACH)算法是其中比较流行的协议之一,但它并没有考虑到每个节点的能量状态,而且最优簇首数一旦确定,整个网络通信期间不再改变,因而不能更有效地提高网络的生存时间.文章在LEACH协议的基础上提出了一种改进的高能效无线传感器网络协议-EECRP(an Energy Efficient Cluster Routing Protocol).仿真结果表明,与LEACH相比,EECRP具有更好的能量有效性,并且提高了无线传感器网络的寿命.     

基于动态簇半径的非均匀分簇算法

在无线传感器网络分簇路由算法中,针对节点能耗不均衡所引发的"热区"问题,提出了基于动态簇半径的非均匀分簇算法(UCDCR)。该算法在簇组建阶段,对网络进行区域划分,不同区域的候选簇首通过簇竞争半径来构建大小不同的簇,使簇首随网络的运行动态的改变簇竞争半径,为数据转发预留更多能量。仿真结果表明:与EEUC算法和CUCRA算法相比,UCDCR算法更加有效地均衡了节点能耗,延长了网络生命的周期。     

无线传感器网络簇间节能路由算法

针对基于分簇网络的无线传感器网络簇间路由协议,让簇首和Sink节点直接通信或通过簇首节点转发数据造成能耗不均,节点过早死亡的缺陷。文中提出一种基于网关节点模型的无线传感器网络簇间路由算法,通过簇头与网关节点、网关节点自身建立虚电路,制定存储转发路由,将数据转发给Sink节点。并引入延时等待机制,增强了簇间信息的融合度,此算法适用于大规模无线传感器网络,有良好的可扩展性。仿真表明在能量节省等性能上与传统簇间路由算法相较有较大提高。     

MANET中一种新的基于移动代理的分簇策略

分析了几种常见分簇算法,在此基础上提出了一种新的基于移动代理的分簇策略。对策略的原理、步骤到仿真结果进行了详细分析。实验结果表明,新算法较常见分簇算法更能够延长网络寿命。     

SOM＋K-means两阶段聚类算法及其应用

在众多聚类算法中,K-means和自组织神经网络（SOM）是较为经典的2个。在分析2种算法优缺点的基础上,提出基于SOM的K-means两阶段聚类算法,该算法根据SOM算法自动聚类的优点得到初步聚类数目和各类中心点,以此作为K-means算法的初始输入进一步聚类,从而得到精确的聚类信息。最后,应用该算法对某地区电信家庭客户数据进行分析,结果表明该算法有较好的聚类效果。     

一种K-MEANS算法在网络异常检测中的应用

在研究K-MEANS算法和网络入侵的基础上将一种已知聚类中心的K-MEANS聚类算法用于网络的异常检测中.该算法避免了由于传统聚类算法随机选取初始聚类中心而带来的网络异常检测中检测率低的问题.在实例中验证了该算法的可行性和优越性.结果表明该算法相对传统聚类算法在检测率方面有了很大提高,并且能通过无监督学习的方法来获得对新型攻击的检测.     

Fuzzy Rule-Based Mobility and Load Management for Self-Organizing Wireless Networks

Mobility management in a cluster-based, multihop ad hoc network is studied. It is shown that the process of clustering the network into groups of stations has similarities to data analysis, in particular, pattern recognition. In data analysis, the term clustering refers to the process of unsupervised learning, which also describes the situation in a mobile ad hoc network.In this paper, existing data-clustering algorithms are first classified into different categories. Some of the most important types of algorithms are afterwards described, and their applicability to the problem of mobility management in an ad hoc network is studied. It is shown that most of the pattern-recognition algorithms are not suited to the application under consideration.This is why we have developed a new clustering scheme that incorporates some of the ideas of the data classification schemes. The new clustering scheme is based on a rule-based fuzzy inference engine. The main idea consists of the consideration of dynamic clustering events chosen as a consequence of the fuzzy rules. Four types of clustering events are considered.The performance of the clustering algorithm has been evaluated by computer simulation.     

LUCA: An Energy-efficient Unequal Clustering Algorithm Using Location Information for Wireless Sensor Networks

Over the last several years, various clustering algorithms for wireless sensor networks have been proposed to prolong network lifetime. Most clustering algorithms provide an equal cluster size using node??s ID, degree and etc. However, many of these algorithms heuristically determine the cluster size, even though the cluster size significantly affects the energy consumption of the entire network. In this paper, we present a theoretical model and propose a simple clustering algorithm called Location-based Unequal Clustering Algorithm (LUCA), where each cluster has a different cluster size based on its location information which is the distance between a cluster head and a sink. In LUCA, in order to minimize the energy consumption of entire network, a cluster has a larger cluster size as increasing distance from the sink. Simulation results show that LUCA achieves better performance than conventional equal clustering algorithm for energy efficiency.     

基于复杂网络的社区划分算法分析

近年来,复杂网咯吸引了大量的学者,作为一个新兴起来的学科,来自各个领域的学者们都开始对其进行研究分析。社区划分是复杂网络的重要特征之一。针对复杂网络中社区划分问题,对三种的社区划分算法进行了研究,传统GN算法、FN算法和谱聚类算法,分别阐述了各种算法的基本原理,并对这两种算法基于真实世界网络模型进行了适当的分析和比较,选取出较为高效的谱聚类算法,用于现实世界复杂网络中的社区划分,为实际应用中社区划分算法的认识与应用提供了方法参考。     

一种面向可重构网络的业务聚类方法

 可重构网络是在传统网络体系结构僵化、功能单一、可控性差的背景下提出的一种新型网络体系架构,业务聚类是可重构网络的关键机制之一。该文通过对业务聚类需求和聚类算法特性的详细分析,选择了基于平衡迭代规约的层次聚类(Balanced Iterative Reducing and Clustering using Hierarchies, BIRCH)算法来实现业务的聚类;并针对BIRCH对任意形状的簇识别能力差的缺点,设计了一种分裂改进型BIRCH(Advanced Split BIRCH, AS-BIRCH)算法;实验证明该算法在业务聚类方面取得了较好的效果。     

数据流聚类算法研究

近几年来,流数据成为主流的数据形式之一。如网络入侵监测数据,股票数据等都是不断变化的流数据。聚类作为数据挖掘领域的主要技术手段之一,因此流数据的聚类也受到了众多学者的广泛关注。而流数据不同于静态数据的特性给流数据的聚类带来了挑战。本文总结了传统数据的聚类算法和流数据聚类挖掘的研究方法,并提出了对未来将群智能应用于流数据聚类算法的展望。