自组网络的分簇算法

当自组网络（ad hoc）的规模增大时，控制分组在网络中的传输急剧增多，这大大降低了路由和转发的性能．分簇是提高ad hoc网络可扩展性的重要手段．针对已有分簇算法的缺陷以及静态和动态ad hoc网络的特性，分别提出了新的静态分簇算法SACA和动态分簇算法DACA．其中SACA算法将分簇数量减小到已有算法的大约一半，但不增加簇成员数量，提高了分簇效率，减少了分簇时间；DACA算法将簇间的公共节点数目大大降低，从而有效降低了分簇结构的维护开销，提高了网络运行的效率、路由和转发性能．     

移动自组网中基于分簇的通用一致性协议

提出解决移动自组网一致性问题的基于分簇的通用一致性协议(VCBC)。VCBC协议分为检测与分簇层和一致性实施层。检测与分簇层在对移动自组网分簇的同时,与附加的不可靠故障检测器一起向一致性实施层提供网络的当前状态。同时,分簇可以合并消息,减少网络中的消息数量,节省网络资源;一致性实施层利用检测与分簇层提供的层次化网络,采用一种通用的模型来解决移动自组网中一致性问题。通过NS2软件进行仿真实验,实验结果表明:VCBC协议在平均轮数(NR)、平均跳数(NH)和执行时间(ET)等3个方面均优于其他协议。     

移动自组网中一种基于信誉的安全分簇算法

针对分级结构移动自组网的安全问题,提出基于信誉的安全分簇算法.利用信誉提高簇结构安全性,信誉由邻居节点通过对网络行为的监测进行计算,通过节点间信誉的交换提高信誉评估的准确性,并通过相关度和相对移动性两个指标保障簇结构的稳定性.依据通信需求和网络运行状况综合考虑信誉、相关度和相对移动性三个因素进行节点权值计算,利用节点权值进行簇结构的建立、维护和更新,加强对簇首和网关节点的安全监管.仿真结果表明,该算法提高了系统的安全性和稳定性.     

链路可用性的MANET网络分簇算法

针对MANET网络中分簇拓扑管理开展研究。为了提高网络逻辑拓扑的稳定性,对经典的Lin-Gerla分簇算法进行改进。改进算法充分考虑了通信系统中节点的移动性,引入了相对运动的概念,选取运动较为稳定的节点成为簇头,使得在随机方向模型下的移动网络的稳定性有所加强。针对可能出现分簇集中度过高的问题,提出了一种应用于簇维护阶段快速的簇分裂方法。最后对改进算法进行了仿真和性能分析。     

基于分簇的车载自组网可信路由协议研究

针对较适用于车载自组网的分簇式路由协议的安全问题,提出一种基于分簇的可信路由算法,即在簇头选择过程根据权重因子进行筛选．该算法将节点通信过程中在一定时间内收发数据包的好坏程度作为其信誉值,在选择簇头过程中将节点的信誉值作为重要的权重因子,由于通信过程中信誉值实时更新,可将低于信誉阀值的节点剔除,从而达到安全目的,实现了在车载自组网中的可信路由．实验结果表明,该算法较WCA（weighted clustering algorithm）算法具有较高的抵抗自私节点的能力．     

自组网中基于簇的入侵检测方案

基于补图团的着色思想提出了分布式分簇算法,并在此基础上给出了一种基于簇的入侵检测方案.     

基于连通可靠度约束的分簇算法研究

在研究了一些分簇算法基础上,提出基于连通可靠度约束的、适合大规模随机部署的快速成簇算法。仿真表明基于连通可靠度约束的快速成簇算法得到的分簇覆盖面广、簇头分布合理、稳定性强,与最小ID分簇及优化的最大连接数分簇算法相比,得到簇头数量少,分簇更合理,各成员节点与簇头的连通可靠度好,能保证网络的稳定性与健壮性,大大减少重构开销带来的通信代价,有利于均衡网络能量消耗,延长网络生命周期。     

移动自组网中一种基于簇的能量优化路由算法

移动自组网是在没有中心基础设施情况下由一些移动用户自组织形成的多跳无线移动网络,通常部署在一些特殊的场合。由于网络中终端设备均由电池供电,节省能耗就成为了移动自组网的一个核心问题。本文提出了一种基于分簇的簇头轮换和辅助网关的能量优化路由算法。通过簇头轮换均衡网络中的能量消耗,通过网关节点减轻簇头负担。该算法大大延长了整个网络的寿命。     

适用于集群无人机的自组网安全分簇算法

集群无人机自组网的节点数量多、移动速度快,适合采用分簇的网络拓扑结构,而安全的分簇算法是簇结构自组网安全性的重要基础。分析了集群无人机自组网的特点和其对安全分簇算法的需求,提出了一种适用于集群无人机自组网的安全分簇算法,该算法结合使用密码机制和信任机制来保证网络分簇过程中的信息安全并且选出可信度较高的簇首,分析证明了其具有较高的安全性和可行性。     

Ad Hoc网分簇算法探讨

对Ad Hoc网的分簇算法进行了深入的研究,提出一种用于Ad Hoc网络的分簇算法,该算法以改善分簇结构网络总体性能,减少系统总体开销,有效提高移动节点可靠性为目标.文中对该算法进行了详细描述,对其性能进行了分析研究.     

动态迭代聚类算法分析基因序列数据

聚类技术在知识发现方面发挥了很重要的作用，K—均值算法是聚类分析中最常用的算法，但K—均值算法必须预先选择类的数目作为先验值，即研究者需要确定数据空间内有意义类的数目．针对这个问题，本文提出一种新的聚类算法—动态迭代聚类算法，动态选取K个边缘相似度的数据对象作为最初的初始聚类点，并根据类内或类间的相似度离差程度不断地精练(合并或分割)初始类群．模拟实验结果表明，该算法提高了聚类质量，使聚类具有更高的准确性。     

基于流形距离的段混合聚类算法研究

聚类分析是一种数据缩减技术,即基于数据特征的相似性将数据聚集成不同的类,是数据挖掘中一种非常有效的工具,得到了人们广泛的关注。从聚类算法中的相似性度量问题入手,采用基于流形距离的相似性度量替代传统的基于欧氏距离的相似性度量,通过二阶段聚类解决引入流形距离带来的计算量增大问题,并将这种聚类算法应用到聚类分析当中。     

会计电算中窗口录入的算法研究

本文介绍了解决会计电算中汉字录入速度的一种方法－窗口录入，并给出该方法的算法设计。     

联机增量聚类算法研究

研究了联机数据挖掘系统中的并行和增量聚类算法,并给出了算法伪码。实验表明,联机增量聚类算法相对于传统的Apriori算法具有较大优势,同时证明了增量聚类算法及其联机数据挖掘系统的实用性。     

基于通讯网络安全模糊聚类与量子遗传理论的入侵检测研究

提出了一种新的自适应的检测算法——量子遗传模糊聚类算法（QGFC）.该算法利用量子遗传理论,在无监督的条件下,通过模糊聚类的方法对数据集进行自动分类,以达到自主识别入侵行为的目的.实验仿真结果显示,此算法可以有效地对入侵行为进行检测.     

一种改进的遗传算法

传统的遗传算法有两个严重的缺点,即不能有效地克服过早收敛现象,以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的一种全局最优化方法,它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。本文将遗传算法与模拟退火算法相结合,提出模拟退火遗传算法,实验结果表明,该算法在性能上有较大的提高。     

基于双簇头无线传感器网络分簇算法的研究

针对无线传感器网络分簇协议中簇头及附近节点能量消耗不均衡的问题,提出了一种基于双簇头的无线传感器网络分簇路由算法。该算法利用双簇头的网络模型来解决节点侦测信道消耗能量的问题;构造了适应值函数和能量消耗函数用于选择和优化簇头,提高网络能量消耗的均衡性,降低网络能耗。实验结果证明了该算法的有效性。     

遗传算法的并行处理分析

随着高性能计算机与网络的发展,将遗传算法与并行处理相结合,可大大提高遗传算法的执行效率.分析了遗传算法并行化的动因和实现模型.     

数据挖掘中关联规则及聚类并行算法研究

数据挖掘在各行业发挥着越来越重要的作用,随着数据挖掘中数据量的高速增长以及大规模计算在数据挖掘中的应用,挖掘算法处理海量数据的能力问题日益突出。研究并行算法是解决这一问题的有效途径,该文对常见的数据挖掘关联规则及聚类并行算法进行了研究探讨。     

面向科技管理的流数据聚类算法研究

介绍了科学管理流数据的流数据管理系统及根据BIRCH算法中聚类特征的概念,利用簇特征设计与实现了一种新的动态流数据聚类算法。这种新算法改善了基于滑动窗口流数据聚类的有效性以及空间和时间复杂度问题。理论分析和实验结果证明该算法能够有效地处理滑动窗口流数据集,使聚类算法具有良好的可扩展性。