检索结果-内蒙古大学图书馆

微电子学与计算机 2007年第9期24卷 116-119页

作者：殷新春徐力杰扬州大学计算机科学与工程系江苏扬州225009

基于无线传感器网络中监测数据具有较高时空相关性的应用场景。提出了一种基于数据融合的局部能量高效汇聚分簇协议LEEAC,该协议通过反映局部空间相关性的数据相异度对节点剩余能量进行约束,并使用约束后的预测能量作为竞选簇头的主要依... 详细信息

基于无线传感器网络中监测数据具有较高时空相关性的应用场景。提出了一种基于数据融合的局部能量高效汇聚分簇协议LEEAC,该协议通过反映局部空间相关性的数据相异度对节点剩余能量进行约束,并使用约束后的预测能量作为竞选簇头的主要依据,被选举的簇头在传感器网络中具有良好的分布性。同时通过引入数据鉴定码,减少了簇内数据传输阶段的通信量以及簇头数据融合的工作量,从而大大节约了能量消耗。实验结果表明,LEEAC协议能够有效均衡网络能量消耗,延长网络生存时间。

关键词：无线传感器网络数据融合能量高效数据相异度预测能量数据鉴定码

来源：评论

学校读者我要写书评

暂无评论

WSN中一种基于数据融合的能量高效分簇路由协议

WSN中一种基于数据融合的能量高效分簇路由协议

引用

2007年全国开放式分布与并行计算机学术会议

作者：殷新春徐力杰扬州大学计算机科学与工程系

关键词：无线传感器网络数据融合能量高效数据相异度预测能量数据鉴定码

来源：评论

学校读者我要写书评

暂无评论

无线传感器网络分簇路由协议研究

无线传感器网络分簇路由协议研究

引用

作者：孙奎杰吉林大学

学位级别：硕士

无线传感器网络中基于层次结构(特别是簇结构)的路由协议可以有效减少数据延迟,增强网络的可扩展性,保证网络的负载平衡,目前已成为WSN领域的研究热点。如何进一步降低网络能耗、延长网络生命周期是该研究需要解决的核心问题。本文主要... 详细信息

无线传感器网络中基于层次结构(特别是簇结构)的路由协议可以有效减少数据延迟,增强网络的可扩展性,保证网络的负载平衡,目前已成为WSN领域的研究热点。如何进一步降低网络能耗、延长网络生命周期是该研究需要解决的核心问题。本文主要研究如何合理利用节点能量设计出负载平衡、能量高效的无线传感器网络分簇路由协议算法,主要工作如下:(1)研究了传统无线传感器分簇路由协议的设计原理和算法性能;(2)分析了EADEEG协议的算法流程及设计原理;(3)在对EADEEG协议进行改进的基础上,提出一种基于数据融合、能量更加高效的无线传感器网络数据收集算法ABDEEG。ABDEEG通过对时空冗余数据进行数据融合的方法,能够有效地延长网络寿命;(4)通过模拟实验证明了无论节点初始能量同构还是异构,ABDEEG算法在网络寿命上优于EADEEG算法。本文提出的ABDEEG协议算法有如下特点:在簇首选举过程中,采用了一种全新的簇头竞争参数,能够划分出更加合理的分簇;在簇内数据收集过程中,将具体的空间数据冗余度信息加入到簇内节点调度算法中,在不增加额外控制开销的条件下关闭冗余节点节省网络能量。因此,ABDEEG协议算法不但能够更好地解决节点能量异构问题,还能进一步有效的延长网络生命周期。

关键词：无线传感器网络分簇路由数据融合能量感知 EADEEG 簇内覆盖数据相异度

来源：评论

学校读者我要写书评

暂无评论

一种基于密度的增量k-means聚类算法研究

引用

长春工程学院学报（自然科学版） 2016年第2期17卷 99-102页

作者：司福明安徽机电职业技术学院信息工程系安徽芜湖241002

介绍了k-means和DBSCAN聚类算法的基本原理和优缺点,针对传统聚类算法无法有效处理高维混合属性数据集的问题,对原有的数据归一化方法进行改进,在k-means和DBSCAN聚类算法的基础之上,结合增量聚类的思想和数据之间相异度的计算方法,提... 详细信息

介绍了k-means和DBSCAN聚类算法的基本原理和优缺点,针对传统聚类算法无法有效处理高维混合属性数据集的问题,对原有的数据归一化方法进行改进,在k-means和DBSCAN聚类算法的基础之上,结合增量聚类的思想和数据之间相异度的计算方法,提出了基于密度的增量k-means聚类算法,有效处理具有高维混合属性的数据集,改进了数据相异度的计算方法。

关键词： k-means聚类算法改进数据相异度

来源：评论

学校读者我要写书评

暂无评论

一种基于密度的增量k-means聚类算法研究

引用

新余学院学报 2016年第3期21卷 114-117页

作者：司福明安徽机电职业技术学院信息工程系安徽芜湖241002

针对传统聚类算法无法有效处理高维混合属性数据集的问题,对原有的数据归一化方法进行改进。在kmeans和DBSCAN聚类算法的基础之上,结合增量聚类的思想和数据之间相异度的计算方法,提出了一种基于密度的增量k-means聚类算法。该算法能有... 详细信息

针对传统聚类算法无法有效处理高维混合属性数据集的问题,对原有的数据归一化方法进行改进。在kmeans和DBSCAN聚类算法的基础之上,结合增量聚类的思想和数据之间相异度的计算方法,提出了一种基于密度的增量k-means聚类算法。该算法能有效处理具有高维混合属性的数据集,在准确度和效率方面都得到提高。

关键词：基于密度 DBIK-means聚类算法数据相异度

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：