مرور روش های خوشه بندی در شبکه اینترنت اشیاء
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 107
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICOCS06_115
تاریخ نمایه سازی: 5 تیر 1402
چکیده مقاله:
اینترنت اشیاء شامل برنامه هایی مانند نظارت بر محیط زیست، دارویی و دفاعی است که به جمع آوری و استانداردسازی داده ها در زمان واقعی نیاز دارند. شبکه های حسگر بی سیم در این سناریو به عنوان یک بستر محیطی فراگیر برای کاربردهای مهم هستند. گره های حسگر، ظرفیت محدودی برای مدیریت منابع، سیستم های ذخیره سازی، ارتباطات و توان محاسباتی دارند. خوشه بندی، یک روش مهم تجزیه وتحلیل داده ها برای استخراج دانش و الگوهای پنهان در داده ها است. اخیرا الگوریتم های خوشه بندی ترکیبی برای حل مسئله بهینه محلی به دلیل انتخاب نادرست سرخوشه اولیه در الگوریتم های خوشه بندی سنتی، پیشنهاد شده اند. در الگوریتم های ترکیبی، خوشه بندی به عنوان یک مسئله بهینه سازی با فراخوانی الگوریتم های بهینه سازی برای یافتن سرخوشه بهینه حل می شود. بسیاری از الگوریتم های خوشه بندی ترکیبی با ادغام الگوریتم های مختلف هوش ازدحامی و الگوریتم های خوشه بندی سنتی پیشنهاد شده اند. در این مقاله، روش های خوشه بندی در اینترنت اشیاء موردبررسی قرار گرفته اند. روش های موردبررسی شامل روش های مبتنی بر روش LEACH، روش CRPSH، روش SFC، روش ETSDEEC، روش LDCA، یادگیری ماشین، شبکه های عصبی مصنوعی، یادگیری تقویتی و فازی هستند. سپس روش های خوشه بندی در اینترنت اشیاء مبتنی بر الگوریتم های فراابتکاری مرور می شوند.
کلیدواژه ها:
نویسندگان
مسعود بابادی
کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی، دزفول، ایران .