خوشه بندی در شبکه های حسگر بی سیم با استفاده از روش گراف و منطق فازی جهت کاهش مصرف انرژی سنسورها و افزایش طول عمر شبکه
Publish place: 1st National Innovation Conference on Computer Engineering and Information Technology
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,687
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
CEIT01_051
Index date: 30 June 2014
خوشه بندی در شبکه های حسگر بی سیم با استفاده از روش گراف و منطق فازی جهت کاهش مصرف انرژی سنسورها و افزایش طول عمر شبکه abstract
در سالهای اخیر شبکه های حسگر بی سیم با توجه به کاربرد بسیاری که دارند مورد توجه محققین قرار گرفته است. یکی از مسائل مهم دراین شبکه مسئله محدودیت مصرف انرژی است که مستقیماً با طول عمر شبکه در ارتباط است یکی از اصلی ترین کارهایی که در سالهای گذشته به منظور مقابله با این مسئله انجام شده است خوشه بندی می باشد. در این مقاله سعی شده روش خوشه بندی ارائه شود که در دو مرحله اقدام به خوشه بندی می کند که در مرحله اول با استفاده از روش گراف براساس معیار درجه همسایگی و در مرحله دوم، برای گره های باقیمانده از مرحله اول با استفاده از منطق فازی اقدام به خوشه بندی سنسورهای شبکه می نماید. مزیت روش خوشه بندی مورد ارائه این است که در مرحله دوم خوشه بندی براساس 4 پارامتر اصلی تعداد همسایگان، تعداد گره های سرخوشه همسایه، اندازه سطح انرژی نودها و فاصله هر نود تا گره سینک صورت گرفته است که منجر می شود بهترین گره ها بعنوان گره های سرخوشه انتخاب شوند. در ادامه اتصال پذیری شبکه مورد ارزیابی قرار می گیرد. بنابر این از این طریق با خوشه بندی مناسب حسگرهای یک مجموعه، انرژی بیشتری ذخیره شده و در نتیجه طول عمر شبکه افزایش می یابد.
خوشه بندی در شبکه های حسگر بی سیم با استفاده از روش گراف و منطق فازی جهت کاهش مصرف انرژی سنسورها و افزایش طول عمر شبکه Keywords:
خوشه بندی در شبکه های حسگر بی سیم با استفاده از روش گراف و منطق فازی جهت کاهش مصرف انرژی سنسورها و افزایش طول عمر شبکه authors
جواد آرمیده
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد، ساری ، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :