WSN 中基于节点密度优化的DB-K-means 分簇算法
2021-04-24胡光远李昊
网络安全技术与应用 2021年4期
◆胡光远 李昊
(1.南京六九零二科技有限公司 江苏 210009;2.近地面探测技术重点实验室 江苏 214035)
1 研究现状
无线传感器网络技术针对恶劣环境与无人区域的感知监测已经成为必不可少的技术。在传统WSN 中,网络结构有平面结构和分簇结构两种。分簇结构适用于大规模网络中,依靠节点的自适应分簇以及数据融合传输实现感知信息的收集与传输。当前对于分簇结构最常用的路由协议为低能量自适应分层路由协议LEACH 算法,因此对LEACH 协议的改进方法一直是国内外学者的研究热点[1]。
文献[2]中介绍了LEACH 协议的相关研究,并针对LEACH 算法的缺陷提出改进的LEACH 算法,传感器将自己的节点剩余能量和位置信息发送给基站,由基站根据发送信息确定合适的簇头数量。文献[3]中,作者提出将K-means 均匀分簇和数据回归的WSN 能量均衡策略进行结合,采用数据回归的方法来减少普通节点与簇首的通信量,以达到降低功耗的作用。文献[4]中,作者提出一种基于K-means 的WSN 移动汇聚路由算法,该算法通过K-means 聚类将网络中的节点划分至不同的集群,选择通信成本最低的节点作为各集群的簇首.稳定传输阶段通过移动Sink 进行数据采集,针对不同的延迟分别规划Sink 节点的移动轨迹。文献[5]中介绍了一种基于Mini Batch K-Means和SVM 的入侵检测方案。该方法利用特征库和异常行为样板库进行Mini Batch K-Means 分簇,取得簇头作为各簇的代表样本设置权值,将其传入SVM 训练器作为训练数据,这样可以有效解决如K-Means,KNN,SVM 等传统分簇算法在大数据样本集数据分析中面临的低效率问题。……
登录APP查看全文
