当前位置：文档之家 › 利用地理网格簇增强定向扩散协议

利用地理网格簇增强定向扩散协议

  • 格式：pdf
  • 大小：231.08 KB
  • 文档页数：4

利用地理网格簇增强定向扩散协议
曹志研 ， 季振 洲 ， 胡铭 曾
（ 尔滨 工业 大学 计 算机 科 学 与技 术 学 院 ，黑 龙 江 哈 尔滨 １０ ０ ） 哈 ５０ １
摘 要 ： 向扩 散 协 议 是 一 种 用 于 无 线 传 感 器 网 络 的数 据 分 发 协 议 。 定 向 扩 散 中 ， 趣 和 探 测 数 据 采 用 泛 洪 的 方 法 在 网 定 在 兴
０ 引 言
无 线 传 感 器 网络 ” 。由大 量 具 有 传 感 、 算 和 通 信 能 力 的 计 节 点通 过 自组 织 的 方 式 形 成 。网络 中 节 点 相 互 合 作 共 同 完 成
各 种 监 视 任 务 。 线 传 感 器 网 络 在 军 事 和 民用 领 域 都 具 有 广 无
（ｃ ｏｌ ｆ ｏ ｕｅ Ｓ ｉ ｃ ｄＴ ｃｎ ｌｇ， Ｈａ ｉ ｓｔｔ ｏ ｃｎ ｌｇ， Ｈ ｒｉ ０ ０ ， Ｃ ｉａ Ｓｈ ｏ ｏ ｍｐ ｔ ｃｅ ｅ ｎ ｅｈ ｏｏ ｙ Ｃ ｒ ｎ ａ ｒ ｎ ｎｔｕｅ ｆ ｅｈ ｏｏ ｙ ａｂｎ１ ０ ｈ ） ｂ Ｉ ｉ Ｔ １ ５ ｎ
Ｆ ｒ ｉ ｇｃｕ ｔ ｒ ａ ｌ ｖ ａｅｂ ｏ ｄ ａ ｔ ｔ ｒ ｒ ｂ ｅ ．Ｖｉ ｕ ｌ ｅ ｇ ａ ｈ ｃｇ ｉ ｌ ｓｅ ｓ ｒ ｏ ｓｒ ｃｅ ｅｆｏ ｇ ｎ ｚ ｄｂ ｏ ｅ ｓｎ ｅ — ｏ ｍ ｎ ｌ ｓｅ ｎ ａｌ ｉ ｔ ｒ ａ ｃ ｓ ｓｏ ｐ ｏ ｌｍ ｃ ｅ ｍ ｒ ａ ｏ ｒ ｐ ｉ ｄｃｕ ｔｒ ｅｃ ｎ ｔｕ ｔ ｄｓ ｌ ｒ ａ ｉｅ ｙ ｎ ｄ ｓ ｉ ｇｇ ｏ ｔ ｇ ｒ ａ － ｕ
地 理 自适 应 保 真 （ ＡＦ 是 一 种 能 量 高 效 的 路 由保 真 方 Ｇ ）
法 ， 网络 中 把 节 点 划 分 到 一 些 虚 拟 的地 理 网格 中 ， 个 网格 在 每 仅 有 一个 节 点 无 线 收 发 器 打 开 ， 其 它 的都 关 闭 ， 个 节 点 负 而 这
ｇ ａ ｈ ｃ ｌｃ ｔ ｎ ｉ ｆ ｒ ａ ｉ ｎ Ｉ ｌ ｓｅ ， ｏ ｌ ｎ ｏ ｅ ｉ ｒ ｓ ｏ ｓｂ ｅｆ ｒ ｒ ａ ｃ ｓｉ ｇ ｉ ｔｒ ｓ ｄ ｅ ｐ ｏ ａｏ ａａ Ｔｈ ｉ ｌｔ ｎ ｒ ｐ ｉ ａｉ ｏ ｏ ｏ ｎ ｍ ｔ ． ｎ ａｃ ｕ ｔｒ ｏ ｎ ｙ ｏ ｅ ｎ ｄ ｅ ｐ ｎ ｉ ｌ ｏ ｄ ａ ｔ ｅ ｅ ｔ ｓ ｏ ｂ ｎ ｎ ｎ ａ ｘ ｌｒ ｔ ｒ ｄ ｔ ． ｙ ｅ ｓｍｕ ａ ｉ ｏ
Ｅｎ ａ ｃ ｉｅ ｔ ｄｄ ｆ ｓｏ ｔ ｅ ｇ ａ ｈ ｃｇ ｉ ｌ ｓｅ ｈ ｎ ｅｄｒ ｃｅ ｉ ｕ ｉｎ ｗｉ ｇ ｏ ｒ ｐ ｉ ｒｄｃｕ ｔｒ ｈ
ＣＡＯ ｉｙ ｎ Ｊ ｅ — ｈ ｕ Ｚｈ — ａ ， ＩＺｈ ｎ ｚ ｏ ， ＨＵ ｉ ｇ ｚ ｎ Ｍ ｎ —ｅ ｇ
Ａｂ ｔ ａ ｔ Ｄｉｅ ｔｄ ｄ ｆｕ ｉ ｎ ｉ ａ ｄ ｔ ｉｓ ｍｉ ａ ｉ ｎ ｐ ｏ ｏ ｏ ｏ ｒ ｌ ｓ ｅ ｓ ｒ ｅ ｗｏ ｋ ． Ｉ ｉ ｃｅ ｉ ｓｏ ， ｆｏ ｄｎ Ｓ ｓ ｄ ｆ ｒ ｓｒ ｃ ： ｒ ｃｅ ｉ ｓｏ Ｓ ａ ａｄ ｓ ｅ ｎ ｔ ｒ ｔ ｃ ｌ ｒｗｉ ｉｎ ｌ ｏ ｉ ｇ １ ｅ ｏ ｆ ｅ ｎ ｅ ｕ ｕ ｏ
法有 效 地 降 低 了 网络 的 能 量 消 耗 。
关键 词 ： 线传感 器 网络 ；数据 中心路 由；定 向扩散 ； 广播风暴 ；簇 协议 无 中图法分 类号 ： Ｐ ９ Ｔ ３３ 文献标 识码 ： Ａ 文 章编 号： ００７２ （０７ １— １９０ １０ ０ ４ ２ ０） ７４ ２ —４
ｄ ｓ ｅ ｎ ｔ ｎｏ ｔ ｒ ｓ ｎ ｘ ｌ ｒ ｔ ｒ ａａ ｗｈ ｃ ｌ ｂ ｎ ｒ ａ ｃ ｓ ｓｏ ｍ ｓ ｌ ｎ ｕ ｓａ ｔ ｌ ｎ ｒ ｙ ｃ ｎ ｕ ｔ ｎｏ ｎ ｔ ｏ ｋ ． ｉｓ ｍｉ ａ ｉ ｆ ｎ ｅ ｅ ｔ ｄｅ ｐ ｏ ａｏ ｙ ｄ ｔ ， ｏ ｉ ａ ｉ ｈｗｉ ｒ ｇｂ ｏ ｄ ａ ｔ ｔ ｒ ｒ ｕ ｔ ｇｉ ｓ ｂ ｔ ｎ ｉ ｅ ｇ ｏ ｓ ｍｐ ｉ ｆ ｅ ｌｉ ｅ ｉ ｎ ａｅ ｏ ｗ ｒｓ
络 中散 布 ， 将 引起 广播风 暴导 致 网络 能量的 大量 消耗 。在 网络 中通 过形成 簇结 构可 以缓解 广播风暴 问题 ，每 个节点 利用 这 本 身的地 理位 置信 息 自组 织形成虚 拟 地理 网格簇 ，簇 中仅有 一个 节点 负责兴趣 和探 测数据 的广播 。模 拟试 验表 明 ， 这种 方
ｓ ｏ ａ ｅｍｅｈ ｄｅ ｅ ｔ ｅ ｙｒ ｄ ｃ ｓ ｈ ｅ ｏ ｋｅ ｅ ｇ ｏ ｓ ｍｐ ｉ ｎ ｈ ｗｓｔ ｔ ｈ ｔ ｏ ｆ ｃｉ ｌ ｅ ｕ ｅ ｅｎ ｔ ｒ ｎ ｒ ｙ ｃ ｎ ｕ ｔ ． ｈ ｔ ｖ ｔ ｗ ｏ Ｋｅ ｒ ｓ ｗｉ ｌ ｓ ｅ ｓ ｒ ｅ ｏ ｋ ； ｄ ｔ — ｅ ｔｉ ｏ ｔ ｇ ｄ ｒ ｃｅ ｉ ｓ ｎ ｂ ｏ ｄ ａ ｔ ｔ ｒ ； ｃ ｕ ｔｒｎ ｒ ｔ ｃ ｌ ｙ ｗｏ ｄ ： ｒ ｅ ｓｓ ｎ ｏ ｔ ｒ ｓ ｅ ｎｗ ａ ａ ｃ ｎｒｃｒ ｕ ｉ ； ｉｅ ｔｄ ｄ ｆ ｉ ； ｒ ａ ｃ ｓ ｏ ｎ ｕ ｏ ｓ ｍ ｌ ｓｅ ｉ ｇ ｐ ｏ ｏ ｏ
维普资讯
第 ２ 卷 第 １ 期 ８ ７
ＶＯ ． １ ２８
Ｎ Ｏ． ７ １
计 算 机 工程 与设 计
Ｃｏ ｕ ｅ ｎ ｉ ｅ ｎ ｎ ｓｇ ｍｐ ｔｒＥ ｇｎｅ ｒ ｇ ａ ｄＤｅ ｉｎ ｉ
２０ 年 ９ ０７ 月
Ｓｅ ｔ ０ ７ ｐ ．２ ０

合集下载

多源域自适应的经典方法

多源域自适应的经典方法

多源域自适应的经典方法1. 领域自适应 (Domain Adaptation, DA)：多源域自适应的经典方法之一是领域自适应。

它旨在将知识从一个源域（有标签数据）迁移到一个目标域（无标签数据），以减少目标域的分类误差。

领域自适应方法可以分为基于实例和基于特征的方法。

基于实例的方法尝试通过调整源域和目标域之间的实例分布来减少领域间的差异。

基于特征的方法则试图通过寻找源域和目标域之间的共享特征来减轻领域间的差异。

2. 迁移学习 (Transfer Learning)：迁移学习是多源域自适应的另一种经典方法。

迁移学习利用从一个相关任务中学到的知识来改善在目标任务上的性能。

通过利用源域和目标域之间的相关性，迁移学习可以帮助减少目标域上的标记样本数量。

3. 领域间对抗网络 (Domain Adversarial Networks, DANN)：DANN是一种使用对抗训练来学习源域和目标域之间的特征表示的方法。

DANN包括一个特征提取器、一个分类器以及一个领域分类器。

特征提取器和分类器通过最小化分类误差来确保目标域上的任务性能。

领域分类器通过最大化源域和目标域之间的差异，来使特征表示在领域上不可分。

4. 领域自适应神经网络 (Domain Adaptation Neural Networks, DANN)：DANN是一种基于神经网络的方法，用于解决多源域自适应问题。

DANN通过在损失函数中引入领域分类器，来让网络具有领域不可分的特性。

通过最大化源域和目标域之间的分布差异，DANN可以生成领域无关的特征表示。

5. 迁移深度神经网络 (Transfer Deep Neural Networks, TDNN)：TDNN是一种利用深度神经网络实现迁移学习的方法。

TDNN通过将网络的低层特征共享，使得网络可以在目标域上学到更好的特征表示。

通过将源域和目标域共享的层连接起来，并用目标域上的训练数据对网络进行微调，TDNN可以提高目标任务上的性能。

基于组播树的改进一致性数据融合算法

基于组播树的改进一致性数据融合算法


融合 算 法并 对其 加 以改进 ．
本 算 法 将 分 为 如 下 ３个 阶 段 来 实 现 ： 趣 散 布 兴 阶段 ， 播 树 构 造 阶 段 和 数 据 反 向 融 合 阶段 ． 组
定 义 ３ 给 定 一 组 Ｄ ∈ Ｖ， 示 函 数 Ｉ ： 一 指 。 （ ， ） 义 为 ： 果 Ｕ∈ Ｄ， （ 一 ０ 如 果 “ Ｄ， ０ １定 如 ） ， Ｉ （ ）一 １ 指 示 函 数 用 于 区 分 节 点 Ｄ 是 否 属 于 组 。“ ． 播 节点组 ．
信半 径 内均 可 以收 到． 当然 ， 果 考 虑 到 节 点 可 以 如 自适 应 的调整 发射 功 率 ， Ｃ（）应 该 是 两个 直接 则
相 邻 节 点 的距 离 ． 定 义 ２ 在 生 成 的 Ｓ ｅ ｅ 树 中 ， 属 于 Ｄ 的 节 ｔｉ ｒ ｎ 称
能获 得 的信 息 的鲁棒 性 和准 确 性 ． 这样 ， 感 器 节 传 点所 采 集 的数 据 就存 在较 大 的冗余 性 ． 在各 个 节点 将监 测 数据 通过 多 跳 路 由传 送 给 收集 数 据 的 汇节 点 的路 径 中 ， 要 进 行数 据 融 合 以减 少 冗 余 信 息 ． 需
第 ３期
梁 小 宇等 ： 于 组 播 树 的改 进 一致 性 数 据 融 合 算 法 基
布式 的特 点 ， 样 对传 感 器 网络 而 言 ， 具 有 实 用 这 才
性 ． 目 前 典 型 的 求 解 Ｓｅｎ ｒ树 的 算 法 包 括 ： ｔｉｅ ＫＭＢ。 法 ，Ｐ ＿ Ｅ 算 Ｓ Ｈｌ ４ 法 等． 算
过 ｆ ｏ ｉｇ的 方 式 进 行 散 布 ， 种 方 式 当 网 络 规 模 ｌ ｄｎ ｏ 这
比较小 ， 而且 Ｓｎ ｉｋ节 点 的 兴 趣 变 化 比较 缓 慢 的情 况 下 由于实 现简 单 ， 有 较 好 的性 能 ． 当 网 络规 具 但 模 很大 ， 兴 趣 变 化 比较 频 繁 时 ，ｌｏ ｉｇ并 不 合 或 ｆ ｄｎ ｏ 适， 这里 采用 一 种基 于分簇 的优 化定 向扩 散路 由进
WSN协议分类

WSN协议分类

WSN的路由协议分类2011年11月07日14:03 来源：本站整理作者：秩名我要评论(0) 目前国内外科研人员已设计了多种面向WSN的路由协议，将其分为四类：以数据为中心的、分层次的、基于位置的、基于数据流模型和服务质量（QoS）要求的。

（1）以数据为中心的路由协议此类路由协议是基于查询和目标数据命名之上的，通过数据融合减少冗余的数据传输。

①Flooding协议和Gossiping协议：这是两个最经典和简单的传统网络路由协议，在Flooding协议中，节点产生或收到数据后向所有邻节点广播，数据包直到过期或到达目的地才停止传播。

该协议具有严重缺陷：内爆（implosiON），节点几乎同时从邻节点收到多份相同数据；交叠（overlap），节点先后收到监控同一区域的多个节点发送的几乎相同的数据；资源利用盲目（resource blindness），节点不考虑自身资源限制，在任何情况下都转发数据。

Gossiping协议是对Flooding协议的改进，节点将产生或收到的数据随机转发，避免了内爆，但增加了时延。

这两个协议不需要维护路由信息，也不需要任何算法，简单但扩展性很差。

②SPIN协议：SPIN（sensor protocols for inf°rmatlon vla negotiation）协议节点利用三种消息进行通信：数据描述ADV、数据请求REQ和数据DATA。

该协议以抽象的元数据对数据进行命名，命名方式没有统一标准。

节点产生或收到数据后，用包含元数据的ADV 消息向邻节点通告，需要数据的邻节点用REQ消息提出请求，然后将DATA消息发送到请求节点。

该协议的优点是ADV消息减轻了内爆问题；通过数据命名解决了交叠问题；节点根据自身资源和应用信息决定是否进行ADV通告，避免了资源利用盲目问题；与Flooding 协议和Gossiping协议相比，有效地节约了能量。

其缺陷是：SPIN的广播机制不能保证数据的可靠传送，当产生或收到数据的节点的所有邻节点都不需要该数据时，将导致数据不能继续转发，以致较远节点无法得到数据；而当某sink点对任何数据都需要时，其周围节点的能量容易耗尽。

【计算机系统应用】_路由算法_期刊发文热词逐年推荐_20140725

【计算机系统应用】_路由算法_期刊发文热词逐年推荐_20140725


推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38
科研热词 推荐指数 无线传感器网络 7 通信能耗 1 适配层路由 1 轮换簇头 1 路由算法 1 路由 1 负载均衡 1 融合 1 节能 1 能量反馈 1 能量 1 老人监护 1 簇头对 1 算法 1 生存时间 1 标识符 1 智能温室 1 无线传感网 1 数据融合 1 数据聚合 1 数据可靠性 1 性能分析 1 心电监护 1 射频识别 1 图像采集 1 压缩感知 1 分簇路由协议 1 低功耗 1 wireless sensor networks 1 routing algorithm 1 rdcr 1 load 1 leach 1 ipv6 1 image acquisition 1 compressed sampling 1 chord协议 1 bp神经网络 1
2008年 序号 1 2 3 4 5 6 7 8
科研热词 集中式算法 路由算法 无线自组织网络 嵌入式 实验床 动态多播 分布式算法 qos

推荐指数 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11
科研热词 路由算法 路由协议 覆盖网 无线传感器网络 拓扑意识 分层链树 wsn raq pegasis协议 ns2 leach