基于最优连通功率的无线传感器网络稳定成簇算法

针对节点实际部署中网络易割裂及热点区域节点密集、竞争激烈的情况,提出了一种基于最优连通功率的无线传感器网络稳定成簇算法。算法基于最优邻居节点数,利用可变功率调制技术,有效提高了网络的信道利用率和网络吞吐量,实现了分簇网络的稳定连通和稳定成簇,简化了网络拓扑结构,最大限度地延长了网络生命周期。实验仿真结果表明,算法有效维持了网络的连通性和稳定性,具有较强的自适应能力,在提升网络的整体性能上作用明显。

基于互邻信息的树型近邻分类方法

为了提升分布不均匀样本的分类性能,该文提出了一种基于互邻信息的树型近邻(Tree-based k近邻,k Tree)分类方法,以此提高k近邻分类的准确率。首先,采用回归模型刻画样本之间的紧密程度,获取每个样本的最优k值,从而获得最优邻居,并采用k Tree提升搜索效率。其次,对于每一个测试样本,基于互邻信息准则,确定其邻域空间,完成k近邻分类。最后,数据集的试验结果表明,该文提出的基于互邻信息的k Tree分类准确率高于传统k近邻分类等其他分类算法。该文提出的方法也为k近邻分类的改进提供了新的方向。