在無線傳感器網(wǎng)絡中,單跳通信范圍內的節(jié)點間必須通過消息交互進行鄰居發(fā)現(xiàn)才可以建立鄰居關系。大多數(shù)網(wǎng)絡由于能量有限采用低占空比模型,節(jié)點大多數(shù)時間處于睡眠狀態(tài),無法接收鄰居消息,這就增大了鄰居發(fā)現(xiàn)延遲。本文分析和比較現(xiàn)有的鄰居發(fā)現(xiàn)協(xié)議,采用主動推薦的方式改進鄰居消息交互機制,減少因節(jié)點過多的主動喚醒帶來的額外能量開銷;同時引入機器學習的方法評估選擇組內鄰居進行鄰居推薦,提高鄰居推薦的準確性到88%以上,從而減小了鄰居發(fā)現(xiàn)的延遲,降低了能耗。本文減小了傳統(tǒng)的協(xié)作式鄰居發(fā)現(xiàn)協(xié)議由于鄰居關系驗證帶來的能量開銷,提出新的具有動態(tài)占空比的協(xié)作式鄰居發(fā)現(xiàn)協(xié)議,同時提出了基于機器學習的鄰居推薦算法。通過與現(xiàn)有的鄰居發(fā)現(xiàn)協(xié)議比較,具有更高的鄰居推薦準確率,發(fā)現(xiàn)延遲降低16%,能耗降低24%以上。 

【文章來源】：北京林業(yè)大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 論文研究內容
    1.3 論文組織結構
2 理論基礎及相關工作
    2.1 理論基礎
        2.1.1 無線傳感器網(wǎng)絡概述
        2.1.2 無線傳感器節(jié)點結構
        2.1.3 占空比模型
        2.1.4 鄰居發(fā)現(xiàn)
        2.1.5 Xgboost集成學習
    2.2 相關工作
        2.2.1 鄰居發(fā)現(xiàn)協(xié)議分類
        2.2.2 確定性鄰居發(fā)現(xiàn)
        2.2.3 隨機性鄰居發(fā)現(xiàn)協(xié)議
        2.2.4 協(xié)作式鄰居發(fā)現(xiàn)協(xié)議
    2.3 本章小結
3 Smart-Ref協(xié)作式鄰居發(fā)現(xiàn)
    3.1 引言
    3.2 模型假設
    3.3 模型設計
    3.4 模型分析
    3.5 本章小結
4 基于Xgboost的鄰居推薦算法
    4.1 引言
    4.2 模型假設
    4.3 相似度定義
        4.3.1 距離分量一
        4.3.2 距離分量二
        4.3.3 聯(lián)合距離
    4.4 算法模型構建
        4.4.1 特征選擇
        4.4.2 Magic特征構建
        4.4.3 鄰居推薦分類器構建
    4.5 本章小結
5 仿真與對比分析
    5.1 仿真環(huán)境
    5.2 仿真結果分析
    5.3 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
參考文獻
個人簡介
導師簡介
獲得成果目錄
致謝



本文編號：3192757