• 한국산학기술학회논문지
• /
• 제10권12호
• /
• pp.3675-3681
• /
• 2009

무선 센서네트워크를 효율적으로 운영하고 관리하기 위해서는 센서노드들이 에너지를 효율적으로 사용하도록 프로세스를 설계하고 운영하는 것이 매우 중요하다. 최소한의 자원으로 무인 동작되는 센서 시스템에 결함이 발생하거나 디바이스의 전력이 소진된다면 전체 네트워크에 치명적인 영향을 미치므로, 변화하는 환경을 감지하여 상황에 따라 처리하여 신뢰도를 높이기 위한 연구가 활발하다. 본 논문에서는 센서데이터들의 변화에 따라 환경변화를 인지하고 능동적으로 클러스터링을 재 수행 하게 함으로써 에너지 효율을 높일 수 있는 알고리즘을 제안하고 있다. 상황변화에 따라 변화하는 클러스터의 안정도를 물리량의 무질서 정도를 나타내는 엔트로피의 개념을 이용하여 기존의 확률적 접근방식을 보완하여 클러스터링에 활용하고 있다. 또한, 클러스터링 기반의 LEACH 알고리즘과 엔트로피를 이용하는 제안방법과의 비교를 위해 상황에 따른 조건을 정하여 실험하고 전체 센서노드의 생존율을 체크하여 실험결과를 비교분석 하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 추계학술대회
• /
• pp.377-380
• /
• 2010

이동 애드혹 네트워크(MANET)는 기반 네트워크 없이 구성되어 분산알고리즘을 통해 상호간 통신을 하게 된다. 이러한 MANET에서는 정적인 네트워크에 비해 토폴로지가 자주 변하고 노드의 에너지가 제한적이므로 이동성을 고려한 에너지 효율적인 라우팅 프로토콜이 요구된다. 기존에 연구된 RODMRP(Resilient Ontology-based Dynamic Multicast Routing Protocol)는 동적인 네트워크에서도 적응적으로 망 유지를 하는 라우팅 프로토콜이 제안되고 있으나, 제안된 구조에서의 최적화된 계층 깊이에 대해서는 고려하지 않았다. 따라서 본 논문에서는, 상황인식 기반을 활용한 계층적 클러스터링에서 노드의 계층 깊이 제어가 가능한 CACH-RODMRP(RODMRP Context-Awareness Clustering Hierarchy)를 제안한다. 본 논문에서 제안된 CACH-RODMRP는 토폴로지 변경에 대해 상황인식을 기반으로 하여 적응적으로 토폴로지의 계층구조의 깊이에 대한 제어가 가능하여 보다 효율적인 노드의 에너지 관리가 이루어짐을 확인 할 수 있었다.

• 한국정보통신학회논문지
• /
• 제27권1호
• /
• pp.124-130
• /
• 2023

본 논문에서는 K-평균 군집화 알고리즘을 사용하는 머신러닝을 활용하여 무선 센서 네트워크에서 센서 노드의 에너지 효율성을 향상시켜 네트워크의 수명을 향상시키고자 한다. 무선 센서 네트워크는 물리적인 센서로 배터리를 포함한 물리적 장치를 무선 네트워크로 구성한 것으로 센서 노드의 특성 상 에너지 소비를 최소화하여 네트워크 수 명을 최대화하기 위해 모든 자원을 효율적으로 사용해야 한다. 클러스터기반 접근 방식은 상대적으로 많은 수의 노 들로 구성된 그룹을 관리하는데 사용된다. 제안된 프로토콜에서는 기존의 LEACH 알고리즘을 개선하여 클러스터 기반 접근방식과 위치기반 접근 방식을 사용하여 클러스터 헤드를 선정하는 클러스터링 알고리즘을 제안한다. 개선 하고자 했던 성능 결과를 Matlab 시뮬레이션을 이용하여 측정하였다. 실험 결과를 통해 에너지 효율성 부분에 대해 K-means 클러스터링을 적용함으로써 에너지 효율이 개선되어 젠체 네트워크의 수명이 연장됨을 확인한다.

• 정보처리학회논문지C
• /
• 제18C권6호
• /
• pp.445-450
• /
• 2011

차량 애드혹 네트워크 환경에서 브로드캐스트 메시지 전송을 위한 효율적인 기법으로 클러스터링 기법이 있다. 대부분의 클러스터링 기법들은 안정적인 클러스터 구성을 위해 차량들 간에 정보를 교환하거나 이동성 정보를 계산하는 오버헤드를 야기한다. 이러한 오버헤드를 줄이기 위해 차량의 절대 속도를 기반으로 클러스터를 구축하는 CF-IVC[1]가 제안되었으나, CF-IVC의 경우 도로 혼잡 상황이나 운전자의 운전 행태를 고려하지 않음으로써 클러스터를 비효율적으로 구성하는 문제가 있다. 따라서 본 논문에서는 도로의 최고 제한 속도 및 도로 혼잡 상황을 고려한 차량 자체 정보 기반의 효율적인 클러스터 구축 기법을 제안한다. 제안 방식을 simple 플러딩 및 CF-IVC와 NS-2 시뮬레이션을 통해 비교함으로써 성능의 우수성을 입증한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.447-449
• /
• 2021

에너지 소비를 최소화하여 네트워크를 오랫동안 유지하기 위해 다양한 무선 센서 네트워크 프로토콜이 제안되었다. K-평균 군집화 알고리즘을 사용하면 최종 군집이 설정될 때까지 중심점을 반복적으로 이동해야 하기 때문에 기존 계층형 알고리즘보다 군집화에 시간이 더 오래 걸린다. K-평균 클러스터링 기반 프로토콜의 경우 클러스터 헤드가 선택되었을 때 클러스터 중심점 근처의 노드 또는 노드의 잔류 에너지만 고려된다. 본 논문에서는 앞서 언급한 문제를 개선하면서 에너지 효율을 개선하기 위해 K-평균 클러스터링을 기반으로 하는 새로운 무선 센서 네트워크 프로토콜을 제안한다.

• 전기학회논문지
• /
• 제60권4호
• /
• pp.862-870
• /
• 2011

In this paper, we introduce a new topology of Radial Basis Function-based Polynomial Neural Networks (RPNN) that is based on a genetically optimized multi-layer perceptron with Radial Polynomial Neurons (RPNs). This study offers a comprehensive design methodology involving mechanisms of optimization algorithms, especially Fuzzy C-Means (FCM) clustering method and Particle Swarm Optimization (PSO) algorithms. In contrast to the typical architectures encountered in Polynomial Neural Networks (PNNs), our main objective is to develop a design strategy of RPNNs as follows : (a) The architecture of the proposed network consists of Radial Polynomial Neurons (RPNs). In here, the RPN is fully reflective of the structure encountered in numeric data which are granulated with the aid of Fuzzy C-Means (FCM) clustering method. The RPN dwells on the concepts of a collection of radial basis function and the function-based nonlinear (polynomial) processing. (b) The PSO-based design procedure being applied at each layer of RPNN leads to the selection of preferred nodes of the network (RPNs) whose local characteristics (such as the number of input variables, a collection of the specific subset of input variables, the order of the polynomial, and the number of clusters as well as a fuzzification coefficient in the FCM clustering) can be easily adjusted. The performance of the RPNN is quantified through the experimentation where we use a number of modeling benchmarks - NOx emission process data of gas turbine power plant and learning machine data(Automobile Miles Per Gallon Data) already experimented with in fuzzy or neurofuzzy modeling. A comparative analysis reveals that the proposed RPNN exhibits higher accuracy and superb predictive capability in comparison to some previous models available in the literature.

• 한국정보과학회논문지:정보통신
• /
• 제35권2호
• /
• pp.139-148
• /
• 2008

센서 네트워크를 사용하는 응용분야에 따라 보다 고차원적인 데이타 처리를 필요로 하는 경우 모든 센서 노드의 수집 데이타를 싱크 노드로 전송한다. 수집된 데이타는 일반적으로 센서 네트워크의 환경적인 특성상 시간적으로 혹은 공간적으로 연관성을 지닌다. 이러한 연관성은 싱크 노드가 일부의 데이터만 수집하고도 모든 데이타를 복원할 수 있는 기회를 제공한다. 센서 네트워크에서는 데이타 수집을 위한 기법으로 클러스터링 기법을 널리 사용한다. 하지만 기존의 클러스터링 기법의 경우 수집한 데이타의 연관성을 고려하지 않고, 센서 노드의 지역성(locality)만을 고려하여 클러스터를 생성하기 때문에 이러한 기회를 활용하기에 비효율적이다. 본 논문에서는 수집된 데이타를 중심으로 클러스터를 생성하고, 싱크 노드로 전송되는 데이타의 크기를 획기적으로 줄일 수 있는 클러스터링 기법을 제안한다 제안하는 클러스터링 기법의 우수함을 보이기 위해 시뮬레이션을 통한 성능 평가를 수행하였으며, 그 결과 기존 기법들에 비해 네트워크 트래픽이 약 $4{\sim}40%$ 감소하고, 네트워크의 수명이 약 $20{\sim}30%$ 연장되었다.

• 한국정보기술응용학회:학술대회논문집
• /
• 한국정보기술응용학회 2005년도 6th 2005 International Conference on Computers, Communications and System
• /
• pp.27-30
• /
• 2005

Because of unreplenishable power resources, reducing node energy consumption to extend network lifetime is an important requirement in wireless sensor networks. In addition both path length and path cost are important metrics affecting sensor lifetime. We propose a dynamic clustering scheme based on location in wireless sensor networks. Our scheme can localize the effects of route failures, reduce control traffic overhead, and thus enhance the reachability to the destination. We have evaluated the performance of our clustering scheme through a simulation and analysis. We provide simulation results showing a good performance in terms of approximation ratios.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제6권7호
• /
• pp.1735-1755
• /
• 2012

Wireless sensor networks (WSNs) are becoming increasingly attractive for a variety of applications and have become a hot research area. Routing is a key technology in WSNs and can be coarsely divided into two categories: flat routing and hierarchical routing. In a flat topology, all nodes perform the same task and have the same functionality in the network. In contrast, nodes in a hierarchical topology perform different tasks in WSNs and are typically organized into lots of clusters according to specific requirements or metrics. Owing to a variety of advantages, clustering routing protocols are becoming an active branch of routing technology in WSNs. In this paper, we present an overview on clustering routing algorithms for WSNs with focus on differentiating them according to diverse cluster shapes. We outline the main advantages of clustering and discuss the classification of clustering routing protocols in WSNs. In particular, we systematically analyze the typical clustering routing protocols in WSNs and compare the different approaches based on various metrics. Finally, we conclude the paper with some open questions.

• 디지털산업정보학회논문지
• /
• 제5권2호
• /
• pp.1-11
• /
• 2009

This study presents HCWS algorithm for researcher grouping on a weighted researcher network. The weights represent intensity of connections among researchers based on the number of co-authors and the number of co-authored research papers. To confirm the validity of the proposed technique, this study conducted an experimentation on about 80 research papers. As a consequence, it is proved that HCWS algorithm is able to bring about more realistic clustering compared with HCS algorithm which presents semantic relations among researchers in simple connections. In addition, it is found that HCWS algorithm can address the problems of existing HCS algorithm; researchers are disconnected since their connections are classified as weak even though they are strong, and vise versa. The technique described in this research paper can be applied to efficiently establish social networks of researchers considering relations such as collaboration histories among researchers or to create communities of researchers.