无线传感器网络中能量有效分簇路由算法

由于无线传感器节点的电源能量有限,提出了一种能量有效分簇路由算法(EECRA).该算法是基于最小能量的数据转发并运用于簇内路由中,簇头由基站根据节点的剩余能量和簇头之间的距离来选定,为了减小簇头节点的能量开销,簇头之间采用了多跳中继的方式将采集的数据发送到基站.仿真结果证明:该算法与LEACH协议相比,不仅提高了网络寿命,同时节点的能耗均衡性、网络扩展性和可靠性都大大的提高.     

基于分层簇树结构的无线传感器网络的设计与仿真

针对无线传感器网络中传感器节点能量有限的特点,提出了一种分层树结构的无线传感器网络分簇组网算法.算法中,将整个网络分簇架构模型分为上层和下层,上层为簇间层,下层为簇内层.网络设计开始于指派设备DD,组网过程中优先选取剩余能量高的节点作为簇头,且在簇间层启用中继节点这种新型节点将簇头连接起来,最终形成以DD为树根的多跳分层树网络.仿真结果表明了这种分层树结构的分簇算法比传统的LEACH更有效.     

��ͨ��Ϣ�ɼ���WSN�ִ��㷨�о�

无线传感网是采集实时交通信息的重要工具.因其节点能量有限,必须设计高能效的分簇路由算法以延长网络周期.本文通过建立一种智能交通中无线传感器网络的应用模型,根据其特点和要求分析LEACH协议的优缺点并提出一种能量负载均衡的分簇算法.该算法对LEACH协议当中的簇首机制进行改进,综合考虑候选节点的剩余能量和簇首节点的分布位置;建立簇间多跳路由机制以避免单跳通信的大能量消耗;创造一种簇重构方法,避免过于频繁的簇重构引起的不必要能量消耗.仿真结果表明,能量均衡算法可有效平衡节点能量消耗分布,延长网络生命周期,可很好的应用于基于WSN的ITS当中.     

一种基于低能量的双簇首WSN路由算法

通过对无线传感器网络经典路由分簇算法LEACH、PEGASIS的研究,提出了基于低能量的双簇首路由分簇算法BLEDCH,该算法使能量最小的K个节点尽可能的接近主簇首,使簇内节点趋近于同时消亡,当发送数据时在簇内选择能量较大且距离基站较近的节点作为Data簇首,并通过各个簇的Data簇首建立一条连接基站的关键路径,使各个簇融合后的数据能够以多跳的方式传送给基站,从而减轻了主簇首的负担,仿真结果表明,该算法延迟了第一个死亡节点出现的时间,延长了网络的生存时间,减少了能量消耗,优于LEACH和PEGASIS算法.     

基于刚分簇与鸡群优化的深井无线传感网络定位算法

针对矿井环境因素对无线传感器网络定位的制约,提出一种基于刚性分簇与鸡群优化的无线传感器网络定位算法(RCCSO). 首先,以传感网络中均匀分布的锚点为簇头,基于刚性图理论提出分簇算法对整个网络进行分簇并保证每个簇都是全局刚性的;其次,利用鸡群算法对簇内进行相对定位,求得簇内最优相对位置解集;再次,不同簇以锚点为旋转中心旋转不同角度,并利用鸡群算法求出旋转角度的最优解集,进而求得全局节点最优位置;最后,仿真结果显示,与多维标度MDS-MAP算法及自适应局部区域循环搜索DALSA相比,所提算法在精度上有较明显的提高.      

无线Ad Hoc网络中一种基于簇结构的多播路由算法

在无线Ad Hoc网络中，采用分簇的方法将移动自组网进行簇划分，形成由簇头、簇间节点和簇内节点构成的分簇网络结构，从而提供对无线Ad Hoc网络资源进行管理的一种简便构架，文中基于无线AdH oc网络簇结构的特点，提出了一种在无线AdHoc网络中实现的多播路由算法，该算法通过对无线AdHoc网络分簇，形成由簇头和簇间节点构成的虚拟骨干网，再对其进行回路检测和冗余剪枝算法处理，最终得到一个能满足多播要求的多播树．通过对仿真实验结果的分析，该算法具有稳定的数据包发送率，较低的路由建立时间。     

WSN中改进的基于压缩感知的分簇数据采集算法

WSNs中节点的能量受限,为节约网络节点的功耗,提出了一种将LEACH模型和CS理论相结合的基于节点时空相关性的压缩感知算法。LEACH算法对网络节点进行分簇并选择簇首,然后,采用CS理论对簇首节点进行采样,将采样后的数据通过多跳路由的方法传至远端的汇聚节点,最后,汇聚节点对来自簇首的少量数据采用重构算法以对原始信号进行精确恢复。仿真结果表明,该方法有效减小了数据传输量,降低了网络节点的功耗,延缓了网络寿命。     

分簇无线传感器网络密钥管理方案

针对无线传感器网络能量、计算能力、存储空间及带宽等局限性问题,提出了一种基于分簇结构的无线传感器网络密钥管理方案.该方案采用组合设计方法,以保证同一簇内所有节点可直接建立共享密钥,而不同簇的节点可通过基站构建多路径密钥.理论分析和仿真结果表明:节点只要存储10个以上密钥,就能保持网络连通概率为1.     

一种基于主观逻辑的无线传感器网络可信路由算法

无线传感器网络中高敏感度数据传输业务要求路由协议设计时必须考虑能量与安全约束.LEAcH分簇路由算法没有考虑节点与所选路径的安全性,文中提出的基于主观逻辑的可信LEACH路由算法(TLEACH_BSL)充分考虑节点可信度评价,对改进前后路由算法作了理论性分析及仿真实验比较,为可信路由算法体系的研究提供了思路.     

无线传感器网络分簇路由协议分析

路由技术是无线传感器网络研究的关键技术之一,分簇路由协议成为目前重点研究的路由技术。分析了无线传感器网络分簇路由机制,着重从分簇路由簇头的产生、簇的形成和簇的路由的3个过程。系统地分析了当前典型的分簇路由算法,并进一步提出了算法未来的研究重点。     

Research on Improved Low-Energy Adaptive Clustering Hierarchy Protocol in Wireless Sensor Networks

In wireless sensor networks (WSNs), due to the limited battery power of the sensor nodes, the communication energy consumption is the main factor to affect the lifetime of the networks. A reasonable design of the communication protocol can effectively reduce the energy consumption of the network system. Based on low-energy adaptive clustering hierarchy (LEACH), an improved LEACH protocol in WSNs is proposed. In order to optimize the cluster head (CH) election in the cluster setup phase, the improved LEACH takes into account a number of factors, including energy consumption of communication between nodes, remaining energy of the nodes, and the distance between nodes and base station (BS). In the steady phase, one-hop routing and multiple-hop routing are combined to transmit data between CHs to improve energy efficiency. The forward CH is selected as relay node according to the values of path cost. The simulation results show that the proposed algorithm performs better in balancing network energy consumption, and it can effectively improve the data transmission efficiency and prolong the network lifetime, as compared with LEACH, LEACH-C (LEACH-centralized) and NDAPSO-C (an adaptive clustering protocol based on improved particle swarm optimization) algorithms.     

基于簇形均衡评估的高速公路收费数据聚类

高速公路收费数据是一种高维、海量、分布特征未知的数据集,因此难以选择 何种算法和参数最适合此类数据的聚类.针对此问题,提出一种基于簇形均衡的聚类评估 指标IBCS,对各簇的形状、分布、密度和尺寸等多种形态进行均衡综合评估.该指标根据 数据集稀疏程度自适应调整邻域置信区间来度量簇结构的分散度和分离度;度量密度使 得IBCS 具有面向数据集的算法选择能力;度量簇大小避免簇划分过于悬殊的问题.UCI 数据集上多种候选算法评估比较实验验证了该指标灵活有效,能获得准确簇数并合理划 分.最后,基于IBCS 评估的西宝高速公路收费数据聚类结果表明,采用K-means 算法,簇 数为5时聚类模式最佳.     

基于改进的FCM在人脑MR图像分割中的应用

为解决模糊C-均值聚类（FCM）算法在医学图像分割中存在计算量大、运行时间过长以及样本集不理想会导致不好的聚类结果的问题,提出了相应的改进算法．利用收敛速度快的K均值聚类法得到的聚类中心作为FCM算法的初始聚类中心,并将样本对于各个聚类的隶属度之和为1这一约束条件,改变为所有样本对各类的隶属度总和等于样本总数．实验表明,该方法用于人脑磁共振图像分割时,运行速度提高了近3倍,分割准确度明显得到提高．     

Improved Kernel Possibilistic Fuzzy Clustering Algorithm Based on Invasive Weed Optimization

Fuzzy c-means(FCM) clustering algorithm is sensitive to noise points and outlier data, and the possibilistic fuzzy c-means(PFCM) clustering algorithm overcomes the problem well, but PFCM clustering algorithm has some problems: it is still sensitive to initial clustering centers and the clustering results are not good when the tested datasets with noise are very unequal. An improved kernel possibilistic fuzzy c-means algorithm based on invasive weed optimization(IWO-KPFCM) is proposed in this paper. This algorithm first uses invasive weed optimization(IWO) algorithm to seek the optimal solution as the initial clustering centers, and introduces kernel method to make the input data from the sample space map into the high-dimensional feature space. Then, the sample variance is introduced in the objection function to measure the compact degree of data. Finally, the improved algorithm is used to cluster data. The simulation results of the University of California-Irvine(UCI) data sets and artificial data sets show that the proposed algorithm has stronger ability to resist noise, higher cluster accuracy and faster convergence speed than the PFCM algorithm.     

基于python的汽车运行状态参数对油耗影响的聚类

随着汽车保有量持续不断上升,石化燃料消耗量也随之不断增加,汽车节能问题引人关注。为找出车辆运行工况和发动机工作状态参数对油耗的影响。文章通过OBD检测仪获取车辆运行状态参数,即怠速比例(I R)、匀速比例(C R)、加速比例(A R)、减速比例(R R)、平均速度(v A)、平均转速(N A)、热车时间(T H)、平均节气门开度变化率(P A)、平均节气门开度(T A)和平均油耗(F A)等行程片段的数据,利用Python编程语言平台,使用K-means算法对其进行聚类分析,使用轮廓系数法和手肘法确定聚类数,根据聚类结果可分析出车辆在市区内运行时,在车辆运行工况一组聚类中,处于怠速比例高的簇中,匀速比例较少,频繁地加减速行驶以致于一部分能量以加速阻力或制动时的热能形式消失,导致油耗较高。在发动机工作状态参数一组聚类中,油耗高的簇是由于其平均车速较低,发动机处于低负荷运行状态所致。     

基于MFCM的改进聚类算法及其在交通中的应用

在交通流状态模糊化的过程中,对已有的交通模糊控制研究引入了太多的主观因素.为了解决这个问题,提出了一种基于MFCM算法的分级递减聚类算法,利用MFCM算法寻找类中心,再自适应确定该类中心的隶属度阈值,将聚类进行分级处理,实现未知类别数数据集的聚类.将改进算法应用到交通流状态聚类中,可以更科学地确定交通流状态的聚类数和各类模糊隶属度函数的结构等,最后,通过算例,说明了该算法对于未知聚类数及服从高斯分布的数据集具有聚类效果好、收敛速度快的特点.     

基于灰关联测度的分裂式层次聚类算法

为估计数据集的聚类数目及获得较好的聚类性能,提出了一种基于灰关联测度的分裂式层次聚类算法.该算法用灰关联测度衡量数据对象之间的相似程度,以基于密度扩展的方式自顶向下分裂成不同层次的数据集划分;然后,根据灰关联测度定义聚类有效性指标;最后将有效性指标曲线极值点对应的聚类划分用于估计最佳聚类数目.实际数据和合成数据集的实验表明,与FCM聚类相比,该算法的聚类正确率平均提高3.7%,并且能够识别任意形状的簇.