分簇算法综述.pptVIP

分簇算法综述 review of clustering algorithms in wsn 2014年11月27日 分簇算法综述 基本思想 意义 分类 比较 总结 分簇基本思想 什么是分簇 基本过程 簇首产生 簇的形成 数据传输 Sink Cluster Cluster head 建立和维护数据传输路径 网络拓扑结构控制 分簇的意义 解决的问题 优势 评测指标 有效的消除数据冗余，促进网内数据融合 减少了通信量和通信距离 可扩展性强，低负载，低能耗，避免冲突，负载均衡，鲁棒性强 能耗 生命周期 融合率 网络时延 分簇算法的分类 路由驱动 LEACH，HEED以及在此基础上的改进算法等 编码驱动 分布式信源编码 融合驱动 考虑数据相关性，分簇并选择代表节点 LEACH 最经典的路由协议 按轮周期性运行 建簇阶段：节点以一定的概率，随机的选举成为簇首 数据传输阶段：各个簇成员节点与簇首节点进行通信，再转发给sink节点 完全基于通信 将地理上相近的节点划分到一簇 没有具体的融合策略 缺点 Distributed Source Coding 编码 + 路由 利用节点的边信息(side information)进行编码 结合分簇策略，利用局部信息 缺点 每个源只压缩一次 大部分编码方式需要全局的相关性信息 压缩编码复杂度较高 self-coding foreign-coding a b c a b c Sr Sr 2Sr+Se Sr+2Se Sr Sr Data Correlation-Based 基本思想 建立数据模型 - 选择簇首节点 - 分簇 - 代表节点发送数据 α-local 空间相关性分簇算法 定义了一个空间相关性权值，衡量节点与其邻居节点的平均相关程度 选举的簇首需要满足两个条件：权值大于上界或小于下界；同时保证 邻居节点中没有其他簇首节点 其他节点则根据地理空间距离选择加入最近的簇 PCC，DDCD等 各类算法的比较 名称 分类 算法策略 能量效率 网络时延 扩展性 负载均衡 算法 复杂度 LEACH 路由驱动 分布式 低 低 低 中等 低 HEED 路由驱动 分布式 中等 中等 中等 中等 中等 DOC 编码驱动 分布式 中等 高 低 中等 高 MEGA 编码驱动 集中式 高 中等 低 好 中等 α-local 融合驱动 分布式 高 低 高 差 高 PCC 融合驱动 集中式 高 高 低 好 中等 总结和展望 以数据为中心的传输和数据融合技术的结合 形成合理的网络拓扑结构，便于管理和控制 有效的感知数据的相关性，获得最佳分簇效果 消除数据冗余和容错性检验兼顾 均衡算法的复杂度和网络时延 参考文献 [1] Liu X. A survey on clustering routing protocols in wireless sensor networks[J]. Sensors, 2012, 12(8): 11113-11153. [2] Rajagopalan R, Varshney P K. Data aggregation techniques in sensor networks: A survey[C]//Comm. Surveys Tutorials, IEEE. 2006. [3] Luo H, Liu Y, Das S K. Routing correlated data in wireless sensor networks: A survey[J]. Network, IEEE, 2007, 21(6): 40-47. [4] Heinzelman W R, Chandrakasan A, Balakrishnan H. Energy-efficient communication protocol for wireless microsensor networks[C]//System Sciences, 2000. Proceedings of the 33rd Annual Hawaii International Conference on. IEEE, 2000: 10 pp. vol. 2. [5] Younis O, Fahmy S. HEED: a hybrid, energy-efficient, distributed clustering approach for ad hoc sensor networks[J]. Mobile computing, IEEE Transactions on, 2004, 3(4): 366-379. [6] Slepian D, Wolf J K. Noiseless codi