دستيابی به كيفيت سرويس در شبكه های حسگر بيسيم با استفاده از آتوماتاهای يادگير سلولی

دستيابی به كيفيت سرويس در شبكه های حسگر بيسيم با استفاده از آتوماتاهای يادگير سلولی
دستيابی به كيفيت سرويس در شبكه های حسگر بيسيم با استفاده از آتوماتاهای يادگير سلولی
90,000 ریال 
تخفیف 15 تا 30 درصدی برای همکاران، کافی نت ها و مشتریان ویژه _____________________________  
وضعيت موجودي: موجود است
تعداد:  
افزودن به ليست مقايسه | افزودن به محصولات مورد علاقه

تعداد صفحات: 145 صفحه _ فرمت word _ دانلود مطالب بلافاصله پس از پرداخت آنلاین

فهرست مطالب
چکيده    8
1-    مقدمه    9
1-1-    شبكه هاي حسگر بي سيم    9
1-1-1-    مسائل مطرح در شبکه هاي حسگر بي سيم    12
1-1-2-    پوشش محيط در شبكه هاي حسگر بي سيم    14
1-1-3-    خوشه بندي در شبکه هاي حسگر بي سيم    15
1-1-4-    تجميع داده ها در شبكه هاي حسگر    16
1-2-    کيفيت سرويس در شبکه هاي حسگر بي سيم    17
1-2-1-    کيفيت سرويس در شبکه هاي داده اي سنتي    19
1-2-2-    کيفيت سرويس در شبکه هاي حسگر بي سيم    21
1-3-    آتوماتاي يادگير    24
1-3-1-    آتوماتاي يادگير    26
1-3-2-    معيار‌هاي رفتار اتوماتاي يادگير    29
1-3-3-    الگوريتمهاي يادگيري    30
1-3-4-    آتوماتاي يادگير با عملهاي متغير    34
1-4-    آتوماتاي يادگير سلولي    35
1-4-1-    آتوماتاي سلولي    35
1-4-2-    آتوماتاي يادگير سلولي (CLA)    39
1-5-    اهداف پايان نامه و ساختار آن    42
2-    پوشش محيط در شبكه هاي حسگر بي سيم با استفاده از آتوماتاهاي يادگيرسلولي    44
2-1-    مقدمه        44
2-1-1-    اشكال مختلف طراحي    45
2-2-    دسته بندي مسائل پوشش در شبکه هاي حسگر    46
2-2-1-    پوشش ناحيه اي    47
2-2-2-    پوشش نقطه اي    50
2-2-3-    پوشش مرزي        51
2-3-    روش پوشش CCP    53
2-3-1-    فرضيات مسئله    53
2-3-2-    تشريح روش        53
2-4-    حل مسئله پوشش(k-پوششي ) با استفاده از آتوماتاهاي يادگير    55
2-4-1-    فرضيات و مدل مسئله    57
2-4-2-    روش تشخيص افزونه بودن نود حسگر    58
2-4-3-    شبيه سازي        68
2-5-    جمع بندي        75
3-    خوشه بندي در شبکه هاي حسگر بي سيم با استفاده از آتوماتاهاي يادگير سلولي    76
3-1-    مقدمه        76
3-2-    کارهاي انجام شده    80
3-2-1-    پروتکل خوشه بندي LEACH    81
3-2-2-    پروتکل خوشه بندي HEED    84
3-3-    خوشه بندي در شبکه هاي حسگر بي سيم با استفاده از آتوماتاهاي يادگير    89
3-3-1-    روش خوشه بندي پيشنهادي    90
3-3-2-    شبيه سازي        98
3-4-    جمع بندي        103
4-    تجميع داده ها در شبكه هاي حسگر با استفاده از آتوماتاهاي يادگير سلولي        104
4-1-    مقدمه        104
4-2-    كارهاي انجام گرفته    105
4-3-    تجميع داده ها در شبكه هاي حسگر با استفاده از اتوماتاهاي يادگير    108
4-3-1-    بيان مسئله و مفروضات آن    109
4-3-2-    تشريح روش پيشنهادي    111
4-4-    شبيه سازي        115
4-4-1-    ازمايش اول        118
4-4-2-    ازمايش دوم        118
4-5-    جمع بندي        119
5-    نتيجه گيري    120
6-    پيوست الف: شبكه هاي حسگر بي سيم    121
6-1-    تاريخچه شبكه هاي حسگر    121
6-2-    ساختار هر گره حسگر    122
6-2-1-    اجزاء دروني يک گره حسگر    122
6-2-2-    محدوديتهاي سخت افزاري يک گره حسگر    124
6-3-    پشته پروتکلي    125
6-4-    مزاياي شبکه هاي حسگر بيسيم    126
6-5-    کاربردهاي شبکه هاي حسگر بيسيم    128
7-    پيوست ب:آتوماتاي يادگيرسلولي    132
7-1-    تاريخچه آتوماتاي يادگير    132
7-2-    معيار‌هاي رفتار اتوماتاي يادگير    133
7-3-    آتوماتاي يادگير با عملهاي متغير    135
7-4-    آتوماتاي يادگير تعقيبي    136
7-5-    آتوماتاي يادگير سلولي (CLA)    145
7-6-    آتوماتاي يادگير سلولي باز(OCLA)    148
7-7-    آتوماتاي يادگير سلولي ناهمگام (ACLA)    149
8-    پيوست ج: شرح نرم افزار JSIM و پياده سازي الگوريتمهاي پيشنهادي با آن    151
8-1-    مقدمه        151
8-2-    شبيه ساز jsim    152
8-3-    پياده سازي الگوريتم خوشه بندي پيشنهادي    153
8-4-    پياده سازي الگوريتم پوشش پيشنهادي    175
مراجع    180

 
فهرست شکلها
شكل ‏3 1) يك مدل ساده از QoS    18
شكل ‏2 1) اتوماتاي يادگير تصادفي    28
شكل ‏2 9) (الف) همسايگي مور –  (ب) همسايگي ون نيومن براي اتوماتاي سلولي    37
شكل ‏2 10) قانون 54    42
شكل ‏4 1) پوشش ناحيه اي    48
شكل ‏4 2)پوشش نقطه اي    51
شكل ‏4 3) پوشش مرزي    52
شكل ‏4 4) نود حسگر موقعيت خود و همسايگانش را مي داند    59
شكل ‏4 5) مربع گريدي دربرگيرنده ديسك حسگري  نود حسگر    59
شكل ‏4 7) تعدادي از نقاط مربع گريدي افزونه بوده و درون ديسك حسگري قرار نمي گيرند    61
شكل ‏4 8) انتخاب شكل گريد به صورت شعاعي و بر روي دواير متحدالمركز    61
شكل ‏4 9) محاسبه مكان نقاط گريد بر روي ديسك حسگري با تغيير زاويه و شعاع    62
شكل ‏4 10) انتخاب نقاط گريد با فواصل يكسان و بدون افزونگي    62
شكل ‏4 11) ترتيب بررسي نقاط گريد در يک مثال نمونه با f =3    63
شكل ‏4 12) تعيين اندازه گريد به صورت مناسب    65
شكل ‏5 1) ارتباطات تک گامي و چندگامي بدون خوشه بندي    77
شكل ‏5 2)ارتباطات تک گامي و چندگامي با استفاده از خوشه بندي    78
شكل ‏5 3) شبه كد الگوريتم HEED    89
شكل ‏2 2) پارامترهاي الگوريتم تعقيبي پيوسته CPRP    138
شكل ‏2 3) الگوريتم تعقيبي پيوسته CPRP    139
شكل ‏2 4) پارامترهاي الگوريتم تعقيبي گسسته DPRI    140
شكل ‏2 5) الگوريتم تعقيبي گسسته DPRI    141
شكل ‏2 6) پارامترهاي الگوريتم تعقيبي پيوسته CPRI    142
شكل ‏2 7) الگوريتم تعقيبي پيوسته CPRI    143
شكل ‏2 8) الگوريتم تعقيبي گسسته DPRP    144
شكل ‏2 10) قانون 54    148
شكل ‏2 11) اتصال يک سلول نوعي با انواع محيطها و OCLA    148

 
چکيده
يک شبکه حسگر بي سيم از تعداد زيادي از نودهاي حسگر  در يک ناحيه خاص تشکيل شده است که هر يک از آنها توانايي جمع آوري اطلاعات ازمحيط را دارا مي باشد و داده هاي جمع آوري شده را به نود سينک ارسال مي کند. هر چند که به طور كلي راجع به شبکه هاي حسگر بي سيم تحقيقات زيادي صورت گرفته است، در مورد کيفيت سرويس در اين شبکه ها هنوز به اندازه کافي کار نشده است. کيفيت سرويس در شبکه هاي حسگر بي سيم نسبت به شبکه هاي سنتي بسيار متفاوت است. از آنجايي که زمينه کاربرد اين شبکه ها بسيار وسيع مي باشد، پارامترهاي کيفيت سرويس درآنها متفاوت است. بعضي از پارامترهايي که در ارزيابي کيفيت سرويس مورد استفاده قرار مي گيرند عبارتند از: پوشش شبکه, تعداد بهينه نودهاي فعال در شبکه, طول عمر شبکه و ميزان مصرف انرژي.
تكنيكي كه ما جهت بهبود پارامترهاي کيفيت سرويس در شبكه ها ي حسگر مورد استفاده قرار داده ايم, روش هوشمند اتوماتاهاي يادگير سلولي(CLA) مي باشد. اتوماتاي يادگير سلولي يک رهيافت مكاشفه‌اي براي حل مسايل بهينه‌سازي پيچيده مي‌باشد که بررسي‌هاي اخير برروي آن، كارايي مناسب آن را به عنوان تكنيكي براي حل اين‌گونه مسائل نشان داده است.
در اين پايان نامه تعدادي از مسائل اساسي شبكه ها ي حسگر بي سيم مطرح گرديده و با هدف بهبود پارامترهاي کيفيت سرويس اين مسائل با استفاده از آتوماتاهاي يادگيرسلولي حل گرديده اند.
ابتدا مسئله پوشش محيط در شبكه هاي حسگر را با استفاده از غير فعال نمودن نودهاي غير ضروري و فعال نگه داشتن بهينه نودها حل مي گردد. تا در مصرف انرژي صرفه جويي به عمل آمده و عمر شبکه افزايش يابد و بدين ترتيب به چند پارامتر کيفيت سرويس در شبکه هاي حسگر به طور همزمان توجه مي گردد. سپس به مسئله خوشه بندي در شبکه حسگر پرداخته شده و با استفاده از آتوماتاهاي يادگير, شبکه هاي حسگر به گونه اي خوشه بندي مي شوند که انرژي به صورت يکنواخت در شبکه بمصرف رسيده وعمر شبکه  افزايش يابد. بنابراين در اين روش خوشه بندي معيارهاي کيفيت سرويس انرژي و طول عمر شبکه مد نظر قرار مي گيرند. و بعد از ان با استفاده از آتوماتاهاي يادگير يک روش تجميع داده هاي محيط حسگري پيشنهاد مي گردد که در مصرف انرژي شبکه صرفه جويي به عمل آورده و عمر شبکه را افزايش مي دهد ولذا به معيارهاي  انرژي شبکه, طول عمر و تعداد نودهاي فعال توجه مي گردد.

کلمات کليدي: کيفيت سرويس، شبکه هاي حسگر بي سيم، پوشش، خوشه بندي، تجميع داده ها، آتوماتاي يادگير

مراجع
 
[1]    Akyildiz I. F., Su W., Sankarasubramaniam Y. and Cayircl E., “A survey on sensor networks”, in: Proceedings of the IEEE Communication Magazine, Vol. 40, pp. 102-114, August 2002.
[2]    Ilyas M. and Mahgoub I., "Handbook of Sensor Networks: Compact Wireless and Wired Sensing Systems", in: Proceedings of the CRC Press, London, Washington, D.C., 2005.
[3]    Kahn J.M., Katz R.H. and Pister K.S.J., “Next century challenges: mobile networking for smart dust”, in: Proceedings of the ACM MobiCom 99, Washington, USA, pp. 271–278,1999.
[4]    D. Chen and K. Varshney, “QoS Support in Wireless Sensor Networks: A Survey” Department of EECS, Syracuse University Syracuse, NY, U.S.A 13244, 2004
[5]    A. Ganz, Z. Ganz, and K. Wongthavarawat, Multimedia Wireless Networks:Technologies, Standards, and QoS , Prentice Hall, Upper SaddleRiver, NJ, 2004.
[6]    E. Crawley et al., “A Framework for QoS-Based Routing in the Internet, ” RFC 2386, http://www.ietf.org/rfc/rfc.2386.txt, Aug. 1998.
[7]    Z. Demetrios, “A Glance at Quality of Services in Mobile Ad-Hoc Networks, ” http://www.cs.ucr.edu/ csyiazti/cs260.html, November 2001.
[8]    D. Zeinalipour, S. Aristeidou, S. Kazeli, “IP Quality of Services (in Greek), ” http://www.cs.ucr.edu/ csyiazti/downloads/papers/ipqos/ papers/ip-qos.pdf, 1999
[9]    K. Wui, J. Harms, “QoS Support in Mobile Ad Hoc Networks, ” Crossing Boundaries – an interdisciplinary Journal, Vol 1, No 1, Fall 2001.
[10]    S. Chakrabarti and A. Mishra, “QoS Issues in Ad Hoc Wireless Networks, ” IEEE Communications Magazine, pp. 142-148, February 2001.
[11]    S. Meguerdichian, F. Koushanfar, M. Potkonjak, and M. B. Srivastava, “Coverage Problems in Wireless Ad-hoc Sensor Networks, ” in proceedings of IEEE Infocom, 2001, pp. 1380-1387
[12]    S. Meguerdichian, F. Koushanfar, G. Qu, and M. Potkonjak, “Exposure in Wireless Ad-hoc Sensor Networks, ” in Mobile Computing and Networking, 2001, pp. 139-150.
[13]    R. Iyer and L. Kleinrock, “QoS Control for Sensor Networks, ” in ICC 2003, May 2003.
[14]    S. Tilak, N. Abu-Ghazaleh and W. Heinzelman, “A taxonomy of wireless micro-sensor network communication models, ” ACM Mobile Computing and Communication Review(MC2R), June 2002.
[15]    Narendra K. S., Thathachar M. A. L.; "Learning automata: An introduction"; Prentice Hall, 1989.
[16]    Narendra K.S., Thathachar M. A. L. "Learning automata a survey"; IEEE Transactions on Systems, Man and Cybernetics, vol. 4, no. 4, July 1974.
[17]    Mance, E., and Stephanie, S., H., "Reinforcement learning: A tutorial," Wright Laboratory, 1996.
[18]    Sutton, R. S., and Barto, A.G.; "Reinforcement learning: Introduction"; MIT Press, 1998.
[19]    Lakshmivarahan S., Thathachar M. A. L.; "Absolutely expedient learning algorithms for stochastic automata"; IEEE Transactions on Systems, Man and Cybernetics, vol. 6, pp. 281-286, 1973.
[20]    Mars, P., Chen, J. R., and Nambiar, R., Learning algorithms theory and applications in signal processing, control and communications, CRC Press, 1996.
[21]    Lakshmivarahan S.; "Learning algorithms: theory and applications"; New York: Springer-Verlag, 1981.
[22]    Lakshmivarahan S., Thathachar M. A. L.; "Optimal non-linear reinforcement schemes for stochastic automata"; Information Science, vol. 4, pp. 121-128, 1982.
[23]    Lakshmivarahan S., Thathachar M. A. L.; "Absolute expediency of Q and S-model learning algorithm"; IEEE Transactions on Systems, Man and Cybernetics, vol. 6, pp. 222-226, 1976.
[24]    Viswanathan R., Narendra K. S.; "Expedient and optimal variable structure stochastic automata"; Technical report CT-31, Dunham Lab., Yale University, New Haven, Connecticut, U.S.A., April 1970.
[25]    Mason L.G.; "An optimal learning algorithm for s-model environments"; IEEE Transactions on Automatic Control, pp. 493-496, October 1973.
[26]    Thathachar M. A. L., Bhaskar R. H.; "Learning automata with changing number of actions"; IEEE Transactions on Systems, Man and Cybernetics, vol. 17, no. 6, November 1987.
[27]    Meybodi M. R., Beigy H., Taherkhani M.; "Cellular Learning Automata and Its Applications"; Journal of Science and Technology, University of Sharif, No. 25, pp.54-77, Autumn/Winter 2003-2004.
[28]    Meybodi M. R., Kharazmi M. R.; "Cellular Learning Automata and Its Application to Image Processing"; Journal of Amirkabir, Vol. 14, No. 56A, pp. 1101-1126, 2004.
[29]    Meybodi M. R, Kharazmi M. R., "Image Restoration Using Cellular Learning Automata", in Proceedings of the Second Iranian Conference on Machine Vision, Image Processing and Applications, Tehran, Iran, pp. 261-270, 2003.
[30]    Meybodi M. R., Khojaste M. R., "Application of Cellular Learning Automata in Modeling of Commerce Networks", in Proceedings of 6th Annual International Computer Society of Iran Computer Conference CSICC2001, Isfahan, Iran, pp. 284-295, 2001.
[31]    Meybodi M. R., Mehdipour F., "VLSI Placement Using Cellular Learning Automata", in Proceedings of 8th Annual International Computer Society of Iran Computer Conference CSICC2001, Mashhad, Iran, pp. 195-203, 2003.
[32]    Meybodi, M. R., and Taherkhani, M., "Application of Cellular Learning Automata to Modeling of Rumor Diffusion", in Proceedings of 9th Conference on Electrical Engineering, Power and Water institute of Technology, Tehran, Iran, pp. 102-110, May 2001.
[33]    Beigy H., Meybodi M. R.; "A Mathematical Framework for Cellular Learning Automata"; Advances on Complex Systems, Vol. 7, No. 3, pp. 1-25, 2004.
[34]    V. Raghunathan, C. Schurgers, S. Park, and M. B. Srivastava, “Energy-Aware Wireless MicrosensorNetworks,” IEEE Signal Processing Magazine, Vol 19, pp 40-50, March 2002.
[35]    M. Cardei and J. Wu “Coverage inWireless Sensor Networks” Department of Computer Science and Engineering Florida Atlantic University Boca Raton, FL 33431, 2004.
[36]    S. Slijepcevic and M. Potkonjak, “Power Efficient Organization of Wireless Sensor Networks,” Proc. of IEEE International Conference on Communications, Vol 2, pp 472-476,Helsinki, Finland, June 2001.
[37]    M. Cardei, D. MacCallum, X. Cheng, M. Min, X. Jia, D. Li, and D.-Z. Du, “Wireless Sensor Networks with Energy Efficient Organization”, Journal of Interconnection Networks, Vol 3, No 3-4, pp 213-229, Dec 2002.
[38]    D. Tian and N. D. Georganas, “A Coverage-Preserving Node Scheduling Scheme for Large Wireless Sensor Networks,” Proc. of the 1st ACM Workshop on Wireless Sensor Networks and Applications, 2002.
[39]    W. R. Heinzelman, A. Chandrakasan, and H. Balakrishnan, “Energy-Efficient Communication Protocols for Wireless Microsensor Networks,” Proc. of HICSS, Jan 2000.
[40]    F. Ye, G. Zhong, S. Lu, and L. Zhang, “Energy Efficient Robust Sensing Coverage in Large Sensor Networks,” Technical Report UCLA, 2002.
[41]    C.-F. Huang and Y.-C. Tseng. The coverage problem in a wireless sensor network. In ACM International Workshop on Wireless Sensor Networks and Applications (WSNA), 2003, pp. 115–121.
[42]    M. Cardei and D.-Z. Du, “ImprovingWireless Sensor Network Lifetime through Power Aware Organization”, accepted to appear in ACM Wireless Networks.
[43]    S. Meguerdichian, F. Koushanfar, M. Potkonjak, and M. Srivastava, “Coverage Problems in Wireless Ad-Hoc Sensor Networks,” IEEE Infocom 2001, Vol 3, pp 1380-1387, April 2001.
[44]    G. Xing, X. Wang, Y. Zhang, C. Lu, R. Pless, and C. Gill, “Integrated coverage and connectivity configuration for energy conservation insensor networks,” ACM Transactions on Sensor Networks, vol. 1, no. 1,pp. 36–72, August 2005.
[45]    Crossbow Technology, Inc., http://www.xbow.com/Products/Product_pdf_files /Wireless_pdf/6020-0042-01_A_MICA2.pdf.
[46]    A. R. Shahani, D. K. Schaeffer, T. H. Lee, ”A 12 mW Wide Dynamic Range CMOS Front-End for a portable GPS Receiver”, Digest of Technical Papers, IEEE International Solid State Circuits Conference, Vol. 40, pp. 368-369, February 1997.
[47]    S. Capkun, M. Hamdi, J. P. Hubaux, ”GPS-free Positioning in Mobile Ad-hoc Networks”, Proceedings of the 34th Annual Hawaii International Conference on System Sciences (HICSS-34), January 3-6, 2001.
[48]    D. Niculescu, B. Nath, ”Ad Hoc Positioning System (APS)”, IEEE Global Telecommunications Conference 2001, Vol. 5 , pp. 2926-2931, November 2001.
[49]     C. Savarese , K. Langendoen, J. Rabaey, ”Robust Positioning Algorithms for Distributed Ad-hoc Wireless Sensor Networks”, Proceedings of the 2002 USENIX Annual Technical Conference, Monterey, pp. 317-27, June 2002.
[50]    D. Perkins, R. Tumati, ”Reducing Localization Errors in Sensor AdhocNetworks”, 23rd IEEE International Conference on Performance, Computing and Communications, Phoenix, pp. 723 - 729, April 2004.
[51]    ] T. Yan, T. He, J. A. Stankovic, ” Differentiated Surveillance for Sensor Networks” SenSys’03, November 5–7, 2003, Los Angeles, California, USA.
[52]    D. Tian and N. Georganas, “A coverage-preserving node scheduling scheme for large wireless sensor networks,” in Proc. of First ACM International Workshop on Wireless Sensor Networks and Applications, Atlanta, GA, September 2002, pp. 32–41.
[53]    F. Ye, G. Zhong, J. Cheng, S. Lu, and L. Zhang, “Peas: A robust energy conserving protocol for long-lived sensor networks,” in Proc. of International Conference on Distributed Computing Systems (ICDCS’03),Providence, RI, May 2003, pp. 28–37.
[54]    O. Younis and S. Fahmy, "Distributed Clustering in Ad-hoc Sensor Networks: A Hybrid, Energy-Efficient Approach", In Proc. of IEEE INFOCOM, volume 1, pp. 629-640, March 2004.
[55]    W.Heinzelman, A. Chandrakasan, and H. Balakrishnan, Energy efficient Communication Protocol for wireless microsensor networks, Proc of Hawaii conference on System Science, Jan 2000.
[56]    Seema Bandopadhyay, Edward J.Coyle, An Energy efficient hierarchical clustering algorithm for wireless sensor networks, Proc. of IEEE INFOCOM 2003, San Francisco, CA.
[57]    Srejan Raghuwanshi and Amitabh Mishra, A Self adpative clustering based algorithm for increased energy efficiency and scalability in WSN,Proc. IEEE VTC 2000.
[58]    Gaurav Gupta, Mohammed Younis, Load balanced clustering in wireless sensor networks, proc of IEEE ICC 2003.
[59]    Li Chunwang, Chung Wei Wang, A cross layer design of clustering architecture for WSN, Proc. of IEEE ICNSC, 2004 Taipei, Taiwan.
[60]    Ewa Hansen, Jonas Neander, Mikael Nolin, Mats Bjorkman; Efficient Cluster Formation for Sensor Networks, MRTC report ISSN 1404-3041 ISRN MDH-MRTC-199/2006-1-SE, M?lardalen Real-Time ResearchCentre, M?lardalen University.
[61]    S. Basagni, “Distributed Clustering Algorithm for Ad-hoc Networks,” in International Symposium on Parallel Architectures, Algorithms, and Networks (I-SPAN), 1999.
[62]    S. Banerjee and S. Khuller, “A Clustering Scheme for Hierarchical Control in Multi-hop Wireless Networks,” in Proceedings of IEEE INFOCOM, April 2001.
[63]    M. Gerla, T. J. Kwon, and G. Pei, “On Demand Routing in Large Ad Hoc Wireless Networks with Passive Clustering,” in Proceeding of WCNC,2000.
[64]    C. R. Lin and M. Gerla, “Adaptive Clustering for Mobile Wireless Networks,” in IEEE J. Select. Areas Commun., September 1997.
[65]    W. R. Heinzelman, A. Chandrakasan, and H. Balakrishnan, “An Application-Specific Protocol Architecture for Wireless MicrosensorNetworks,” IEEE Transactions on Wireless Communications, vol. 1,no. 4, pp. 660–670, October 2002.
[66]    S. Bandyopadhyay and E. Coyle, “An Energy-Efficient HierarchicalClustering Algorithm for Wireless Sensor Networks,” in Proceedingsof IEEE INFOCOM, April 2003.
[67]    D. Estrin, R. Govindan, J. Heidemann, and S. Kumar, “Next Century Challenges: Scalable Coordination in Sensor Networks,” in Proceedings of the ACM/IEEE International Conference on Mobile Computing and Networking (MOBICOM), August 1999.
[68]    H. Chan and A. Perrig, “ACE: An Emergent Algorithm for Highly Uniform Cluster Formation,” in Proceedings of the First European Workshop on Sensor Networks (EWSN), January 2004.
[69]    V. Mhatre and C. Rosenberg, “Design Guidelines for Wireless Sensor Networks Communication: Clustering and Aggregation,” Ad-hoc Networks ournal, 2004.
[70]    J. Kulik, W. R. Heinzelman, and H. Balakrishnan, “Negotiation-Based Protocols for Disseminating Information in Wireless Sensor Networks,” ACM Wireless Networks, vol. 8, no. 2-3, pp. 169–185, 2002. [Online]. Available: citeseer.nj.nec.com/kulik99negotiationbased.html
[71]    M. Esnaashari, M. R. Meybodi, “Irregular Cellular Learning Automata and Its Application to Clustering in Sensor Networks” ICEE, 2007
[72]    Farajzadeh, N. and Meybodi, M. R., "Learning Automata-based Clustering Algorithm for Sensor Networks", Proceedings of 12th Annual CSI Computer Conference of Iran, Shahid Beheshti University, Tehran, Iran, pp. 780-787, Feb. 20-22, 2007
[73]    Esnaashari, M. and Meybodi, M. R., "A Cellular Learning Automata based Clustering Algorithm for Wireless Sensor Networks", Sensor Letters, 2008, to appear
[74]    M. Ilyas, I. Mahgoub, "Handbook of Sensor Networks : Compact Wireless and Wired Sensing Systems", CRC Press, London, Washington, D.C., 2005.
[75]    K. Akkaya, M. Younis, "A Survey on Routing Protocols for Wireless Sensor Networks", Elsevier Ad Hoc Network Journal, pp. 325-349, 2005.
[76]    R. Shah and J. Rabaey, "Energy Aware Routing for Low Energy Ad Hoc Sensor Networks", in Proceedings of the IEEE Wireless Communications and Networking Conference (WCNC), Orlando, Florida, March 2002.
[77]    Y. Xu, W. C. Lee, J. Xu, and G. Mitchell, "Processing Window Queries in Wireless Sensor Networks", IEEE International Conference on Data Engineering (ICDE'06), Atlanta, GA, April 2006.
[78]    R. Rosemark and W. C. Lee, "Decentralizing Query Processing in Sensor Networks", the Second International Conference on Mobile and Ubiquitous Systems: Networking and Services (Mobiquitous'05), San Diego, CA, July, 2005, pp. 270-280.
[79]    J. Winter, Y. Xu, and W. C. Lee, "Energy Efficient Processing of K Nearest Neighbor Queries in Locationaware Sensor Networks", the Second International Conference on Mobile and Ubiquitous Systems: Networking and Services (Mobiquitous'05), San Diego,CA, July, 2005, pp. 281-292.
[80]    G. Bontempi and Y. Le Borgne, “An adaptive modular approach to the mining of sensor network data”, Workshop on Data Mining in Sensor Networks, SIAM SDM, Newport Beach, CA, USA, April 2005.
[81]    C. Liu, K. Wu, and J. Pei, "A Dynamic Clustering and Scheduling Approach to Energy Saving in Data Collection from Wireless Sensor Networks", In Proceedings of the Second Annual IEEE Communications Society Conference on Sensor and AdHoc Communications and Networks (SECON'05), Santa Clara, California, USA, September, 2005.
[82]    O. Younis and S, Fahmy, "An Experimental Study of Routing and Data Aggregation in Sensor Networks", In Proceedings of the International Workshop on Localized Communication and Topology Protocols for Ad hoc Networks (LOCAN), held in conjunction with The 2nd IEEE International Conference on Mobile Ad Hoc and Sensor Systems (MASS-2005), November 2005.
[83]    R. Virrankoski and A. Savvides, “TASC : Topology Adaptive Spatial Clustering for Sensor Networks”, Second IEEE Intl. Conf. on Mobile Ad Hoc and Sensor systems", Washington, DC, November, 2005.
[84]    S. Soro and W. Heinzelman, "Prolonging the Lifetime of Wireless Sensor Networks via Unequal Clustering," Proceedings of the 5th International Workshop on Algorithms for Wireless, Mobile, Ad Hoc and Sensor Networks (IEEE WMAN '05), April 2005.
[85]    M. Lotfinezhad and B. Liang, “Effect of partially correlated data on clustering in wireless sensor networks,” in Proceedings of the IEEE International Conference on Sensor and Ad hoc Communications and Networks (SECON), Santa Clara, California, October 2004.
[86]    C. Guestrin, P. Bodik, R. Thibaux, M. Paskin and S. Madden, “Distributed Regression : An Efficient Framework for Modeling Sensor Network Data”, Intel corporation, 2004.
[87]    K. Dasgupta, K. Kalpakis and P. Namjoshi, “An Efficient Clustering-based Heuristic for Data Gathering and Aggregation in Sensor Networks”, IEEE Wireless Communications and Networking Conference, Vol.4, No. 1, March, 2003.
[88]    J. Beaver, M. A. Sharaf, A. Labrinidis, and P. K. Chrysanthis, “Location-Aware Routing for Data Aggregation in Sensor Networks”, Proc. of the 2nd Hellenic Data Management Symposium, 2003.
[89]    P. Radivojac, U. Korad, K. M. Sivalingam and Z. Obradovic, "Learning from Class-Imbalanced Data in Wireless Sensor Networks," IEEE Semiannual Vehicular Technology Conference, VTC-Fall 2003, Vol. 5, pp. 3030-3034, Orlando, Florida, U.S.A., October 2003.
[90]    P. Beyens, M. Peeters, K. Steenhaut and A. Nowe, "Routing with Compression in Wireless Sensor Networks: a Q-learning Approach", In "Fifth European Workshop on Adaptive Agents and Multi-Agent Systems (AAMAS 05), Paris, France.", 2005.
[91]    M. Esnaashari, M. R. Meybod, “A Learning Automata Based Data Aggregation Method for Sensor Networks”, CSICC 2007

نظري براي اين محصول ثبت نشده است.


نوشتن نظر خودتان

براي نوشتن نظر وارد شويد.

محصولات
نظر سنجي
نظرتون در مورد ویکی پروژه چیه؟
  •   مراحل ثبت نام خیلی زیاده!
  •   مطلب درخواستیم رو نداشت!
  •   ایمیل نداشتم که ثبت نام کنم!
  •   مطلبی که میخواستم گرون بود!
نظرنتيجه