초록
무선 센서 네트워크에서는 직접 접근이 어려운 환경에 대량으로 센서 노드들이 배치된다. 배터리 교체나 재충전 등 전력 공급이 어렵다. 에너지를 센서 노드와 같이 사용하는 것이 매우 중요하다. 따라서, 네트워크의 수명을 늘리기 위해 중요한 고려 사항은 각 센서 노드의 에너지 소비를 최소화하는 것이다. 무선 센서 노드의 에너지가 에너지를 다하여 방전되면 센서 노드의 제 역할을 할 수 없으며, 네트워크 내 노드의 일정량(50% 또는 80%) 이상이 소진되면 네트워크가 제 역할을 하지 못한다. 따라서 노드의 에너지 소비를 최소화하고 네트워크를 장기간 유지하기 위해 다양한 프로토콜에서 제안된 방법이다. 우리는 클러스터의 중심점과 잔류 에너지를 고려하고 플롯 포인트와 K-평균을 고려한다(WSN은 최적의 클러스터링 클러스터링을 제안한다). KOCED 프로토콜에 대한 성능 평가를 하고자한다. 최근 머신러닝 방법 중 하나인 K-평균 알고리즘을 적용한 프로토콜을 비교하고 성능 평가 요소를 제시하고자 한다.
In a wireless sensor network, a large number of sensor nodes are deployed in an environment where direct access is difficult. It is difficult to supply power, such as replacing the battery or recharging it. It is very important to use the energy with the sensor node. Therefore, an important consideration to increase the lifetime of the network is to minimize the energy consumption of each sensor node. If the energy of the wireless sensor node is exhausted and discharged, it cannot function as a sensor node. Therefore, it is a method proposed in various protocols to minimize the energy consumption of nodes and maintain the network for a long time. We consider the center point and residual energy of the cluster, and the plot point and K-means (WSN suggests optimal clustering). We want to evaluate the performance of the KOCED protocol. We compare protocols to which the K-means algorithm, one of the latest machine learning methods, is applied, and present performance evaluation factors.
