-خوشه بندی شبکه حسگر بی سیم مبتنی بر الگوریتم انتشار برچسب

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، مهندسی نرم‌افزار، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران. رایانامه: mys.16560@gmail.com

2 استادیار، گروه مهندسی برق کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران. رایانامه: mromoozi@gmail.com

چکیده

شبکه حسگر بی‌سیم یک فناوری در حال رشد است.در شبکه‌های سنسور بی‌سیم کارایی شبکه معمولاً تحت تأثیر محدودیت انرژی است. در این مقاله روش پیشنهادی بر مبانی الگوریتم انتشار برچسب برای غلبه بر این محدودیت ارائه‌شده است. ابتدا از سنسورها گراف تشکیل‌شده و در مرحله بعدی وزن دهی به یال‌های این گراف بر اساس چهار معیار شباهت انجام می‌شود. سپس برای هر گره مرکزیت و برچسب اولیه به دست می‌آید و درنهایت با به‌روزرسانی برچسب‌ها، گره‌هایی که برچسب یکسان دارند در یک خوشه قرار می‌گیرند. نتایج حاصل‌شده از روش پیشنهادی با معیارهای تعداد گره‌های زنده و میانگین انرژی گره‌های زنده با روش لیچ (leach) مقایسه شده است. که نتایج نشان‌دهنده این است که درروش پیشنهادی محل قرار گرفتن سنسورها و تنظیم مقدار آستانه برای تشکیل گراف از سنسورها جز متغیرهای اساسی است و مقایسه نشان‌دهنده برتری روش پیشنهادی نسبت به روش لیچ است.

کلیدواژه‌ها


عنوان مقاله [English]

wireless sensor network clustering based on label propagation algorithm

نویسندگان [English]

  • Monireh Sadat Younespour 1
  • Morteza romoozi 2
1 Student in software engineering, Kashan branch, Islamic Azad university, Kashan, Iran. Email: mys.16560@gmail.com
2 Assistant Prof. faculty of computer and electrical engineering, Kashan branch, Islamic Azad university, Kashan, Iran. Email: mromoozi@gmail.com
چکیده [English]

Wireless sensor network is a growing technology.  In wireless sensor networks, performance is usually affected by energy constraints. In this paper, a method is proposed based on the label propagation algorithm for this limitation. At first, the sensors are composed of a graph In the next stage weighing the edges of this graph is based on four similarity measure  Then for each node, the centrality and the initial label are obtained And finally, by updating the lebel,nodes with the same label are placed in a cluster The results of the proposed method have been compared with  the number of live nodes and the mean energy of live nodes measures by the leach method The results indicate that in the proposed method of positioning the sensors and setting the threshold value for the formation of the graph from the sensors are only fundamental variables And the comparison shows that the proposed method is superior to the leach method

کلیدواژه‌ها [English]

  • Wireless sensor network
  • clustering
  • label propagation
Abdullah M, Eldin HN, Al-Moshadak T, Alshaik R, Al-Anesi I (2015) Density grid-based clustering for wireless sensors networks. In: International Conference on Communication, Management and Information Technology (ICCMIT2015), Procedia Computer Science, vol 65, pp 35–47 Doi: https://doi.org/10.1016/j.procs.2015.09.074
Albath J, Thakur M, Madria S (2013) Energy constraint clustering algorithms for wireless sensor networks. Ad Hoc Netw 11:2512–2525 Doi: https://doi.org/10.1016/j.adhoc.2013.05.016
Azizi N, Karimpour J, Seifi F (2012) HCTE: hierarchical clustering based routing algorithm with applying the two cluster heads in each cluster for energy balancing in WSN. Int J Comput Sci Issues 09:57–61 Doi: https://doi.org/10.4236/wsn.2013.52004
Bore Gowda SB, Puttamadappa C, Mruthyunjaya HS, Babu NV (2012) Sector based multi-hop clustering protocol for wireless sensor networks. Int J Comput Appl 43(13):32–38 Doi: https://doi.org/10.5120/6165-8574
Deshpande VV, Patil ARB (2013) Energy efficient clustering in wireless sensor network using cluster of cluster heads. In: Proceedings of WOCN, pp 1–5 Doi: https://doi.org/10.1155/2022/5566365
Elbhiri B, Saadane R, Aboutajdine D (2009) Stochastic distributed energy-efficient clustering (SDEEC) for heterogeneous wireless sensor networks. ICGST-CNIR J 09(02):11–17 Doi: https://doi.org/10.1504/IJAHUC.2011.037849
Guo L-Q, Xie Y, Yang C-H, Jing Z-W (2010) Improve by LEACH by combining adaptive cluster head election and two-hop transmission. Int Conf Mach Learn Cybern (ICMLC) 4:1678–1683 Doi: https://doi.org/10.1109/ICMLC.2010.5580988
Haibo Z, Yuanming W, Yanqi H, Guangzhong X (2008) A novel stable selection and reliable transmission protocol for clustered heterogeneous wireless sensor networks. In: computer communications, pp 1843–1849 (in press, corrected proof) Doi: https://doi.org/10.1016/j.comcom.2010.06.001
Kang SH, Nguyen T (2012) Distance based thresholds for cluster head selection in wireless sensor networks. IEEE Commun Lett 16(9):1396–1399 Doi: https://doi.org/10.1109/LCOMM.2012.073112.120450
Kuila P, Jana PK (2014) Energy efficient clustering and routing algorithms for wireless sensor networks: particle swarm optimization approach. Eng Appl Artif Intell 30:127–140 Doi: https://doi.org/10.1016/j.engappai.2014.04.009
Kumar D, Aseri TC, Patel RB (2009) EEHC: energy efficient heterogeneous clustered scheme for wireless sensor networks. Comput Commun 32:662–667 / Doi: https://doi.org//10.1016/j.comcom.2008.11.025
Laurence YZ, Yang T, Chen J (2010) RFID and sensor networks. AUERBACH Pub, CRC Press, Lodon Doi: https://doi.org/10.1201/9781420077780    
Qian, K. G. (2013, December). A clustering routing algorithm for sensor network based on distance probability. In 2013 10th International Computer Conference on Wavelet Active Media Technology and Information Processing (ICCWAMTIP) (pp. 113-116). IEEE. Doi: https://doi.org/10.1016/j.comnet.2020.107376
Radicchi, F. Castellano, C. Cecconi, F. Loreto, V. & Parisi, D. (2004). Defining and identifying communities in networks. Proceedings of the National Academy of Sciences, 101(9), 2658-2663. Doi: https://doi.org/10.1073/pnas.0400054101
Sun, H. Liu, J. Huang, J. Wang, G. Yang, Z. Song, Q. & Jia, X. (2015). CenLP: A centrality-based label propagation algorithm for community detection in networks. Physica A: Statistical Mechanics and its Applications, 436, 767-780 Doi: https://doi.org/10.1016/j.physa.2015.05.080 
Varma S, Nigam N, Tiwary US (2008) BSHeterogeneous wireless sensor network using clustering. In: Wireless communication and sensor networks, WCSN, pp 1–6 Doi: https://doi.org/10.1155/2019/7367281
Wang A, Yang D, Sun D (2012) A clustering algorithm based on energy information and cluster heads expectation for wireless sensor network. Des Anal Wirel Syst Emerg Comput Archit Syst 38:662–671 Doi: https://doi.org/10.1109/NBiS.2010.59
CAPTCHA Image