مشخصات

زبان

بانک اطلاعاتی

فایل ها

توضیحات

m فایل متلب ، کامنت گذاری کدها و فیلم نحوه اجرا دارد

۷۷,۰۰۰ تـــــومان

مطالب مرتبط

خوشه بندی در شبکه حسگر بی سیم ناهمگن با الگوریتم K-means در متلب

تصویر clustering-heterogeneous-wsn-kmeans-matlab_5487_1 خوشه بندی در شبکه حسگر بی سیم ناهمگن با الگوریتم K-means در متلب

خوشه بندی در شبکه حسگر بی سیم ناهمگن با MATLAB

در این بخش پروژه خوشه بندی در شبکه حسگر بی سیم ناهمگن با الگوریتم K-means در نرم افزار MATLAB آماده کرده ایم که در ادامه توضیحاتی با توجه به موضوع پروژه ارائه شده و فیلم و تصاویر خروجی پروژه در محیط متلب قرار داده شده است.

خوشه بندی در شبکه حسگر بی سیم

یکی از روش های مهم کاهش مصرف انرژی در شبکه های حسگر بی سیم (WSN) ، خوشه بندی یا Clustering است که در تحقیقات اخیر با استفاده از روش های مختلف به صورت گسترده ای مورد تجزیه و تحلیل قرار گرفته است. عملکرد مناسب این شبکه ها وابستگی بسیاری به الگوریتم خوشه بندی کارآمد دارد. در بین روش های خوشه بندی LEACH یکی از اصلی ترین الگوریتم ها و معروف ترین الگوریتم ها می باشد که پایه اصلی اکثر الگوریتم ها به حساب می آید. جهت حل مشکل مصرف انرژی در سرخوشه ها، الگوریتم LEACH در شبکه WSN نقش سرخوشه در هر دور را پیشنهاد کرده است.

با توجه به اینکه انتخاب سرخوشه ها به صورت تصادفی صورت می گیرد، از این رو محدودیت های بسیاری برای پروتکل لیچ مطرح شده است. اکثر محدودیت های اشاره شده از استراتژی گزینش سرخوشه ها می  باشد که در آن یک عدد تصادفی تولید و با حد آستانه مورد مقایسه قرار می گیرد. این حد آستانه و گزینش احتمالی باعث می شود تا در برخی از دورها هیچ گره ای به عنوان سرخوشه گزینش نشود. در نتیجه نود ها انرژی بالای را برای ارسال اطلاعات به ایستگاه اصلی (Sink) مصرف می کند و باعث کاهش طول عمر شبکه می شوند.

الگوریتم خوشه بندی K-means در شبکه WSN

روش خوشه بندی K-means بر اساس کمترین فاصله های هر گره از مرکز یک خوشه (میانگین)، خوشه بندی را انجام می دهد. الگوریتم K-means دارای یک پارامتر k است که نماینده تعداد خوشه های مدنظر می باشد. در این پروژه الگوریتم K-means برای خوشه بندی در شبکه حسگر بی سیم ناهمگن (Heterogeneous WSN) مورد استفاده قرار گرفته است. الگوریتم خوشه بندی کی مینز یا K میانگین دارای روند تکراری است که برای تعداد ثابتی از خوشه ها سعی در تخمین موارد زیر دارند: 1- بدست آوردن نقاطی به عنوان مراکز خوشه ها، این نقاط در واقع همان میانگین نقاط متعلق به هر خوشه است. 2- نسبت دادن هر گره به یک خوشه که آن گره کمترین فاصله تا مرکز آن خوشه را دارا باشد.

 


تصویر 1
تصویر 2
تصویر 3
تصویر 4
تصویر 5
تصویر 6
تصویر 7
باکس دانلود
شناسه:
۵۴۸۷
توضیحات:
m فایل متلب ، کامنت گذاری کدها و فیلم نحوه اجرا دارد
قیمت:
۷۷,۰۰۰ تـــــومان
ثبت نظر
ریفریش کنید!
نظرات کاربران (۰ مورد)

هیچ نظری ثبت نشده است