فاصله ای جدید برای خوشه بندی با پشتیبانی از ویژگی های داده های ترکیبی و ارتقای قابلیت اطمینان داده ها و طول عمر شبکه در شبکه های حسگر بی سیم با مقیاس بزرگ

در شبکه های حسگر بی سیم، روش های مبتنی بر خوشه بندی به شناسایی داده های بیان شده با بهره برداری از مشخصه ی افزونگی داده کمک می کند. در شبکه های حسگر اغلب سخت افزارهای ارزان قیمت استفاده شده و ماهیت عملکرد خودکار گره ها در معرض بسیاری از شکست حملات، محدودیت منابع و عدم اعتماد اطلاعات جمع آوری شده یافت می شود. علاوه بر این، استفاده های نامحدود شبکه های حسگر در کاربردهای گوناگون ایجاد محدودیت بر روی پروتکل های حسگر جهت کنترل انواع داده های مختلط است. عمل مربوط به حداقل رساندن انرژی و اطلاعات قابل اطمینان یک خوشه ی توزیع شده ی متراکم با الگوریتم بازیابی نامرتب، DACAD نامیده می شود، و پیشنهادی برای تشخیص خواندن اشتباه در روش KNN است. علاوه بر این، برای پشتیبانی برنامه های کاربردی با خاصیت داده های مختلط، ما یک تابع فاصله ناهمگن HOEM طراحی می کنیم که کنترل هردو صفت غیر واقعی و پیوسته را به عهده دارد. در این مقاله ما عملکرد الگوریتم پیشنهادی از نظر نرخ هشدار غلط، میزان خطا و سرعت کشف و شناسایی را ارزیابی می کنیم. نتایج ما نشان می دهد که زمان رسیدن به هدف با نرخ ردیابی قابل مقایسه است با نرخ هشدار کم اشتباه و محاسبات و کنترل ارتباطات قابل توجه است در داده های غیر واقعی و پیوسته

Keywords:

شبکه های حسگر بی سیم , الگوریتم های خوشه بندی , فاصله منهتن , فاصله HOEM , کشف لایه های بیرونی.