کاهش پیچیدگی زمانی الگوریتم لیچ با استفاده از ایده جدید در تجمیع داده

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 کاهش پیچیدگی زمانی الگوریتم لیچ با استفاده از ایده جدید در تجمیع داده دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد کاهش پیچیدگی زمانی الگوریتم لیچ با استفاده از ایده جدید در تجمیع داده  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی کاهش پیچیدگی زمانی الگوریتم لیچ با استفاده از ایده جدید در تجمیع داده،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن کاهش پیچیدگی زمانی الگوریتم لیچ با استفاده از ایده جدید در تجمیع داده :

سال انتشار : ۱۳۹۹

تعداد صفحات : ۱۲

در سال های اخیر، عرصه ی فناوری رشد بسیاری را در زمینه شبکه های حسگر بی سیم شاهد بوده است. شبکه های حسگر بیسیم شاملتعداد زیادی از گره های حسگر بسیار کوچک می باشند که برای جمع آوری و پردازش اطلاعات محیطی، مورد استفاده قرار می گیرند. برخلاف شبکه های موردی که شاید در نگاه اول بسیار شبیه به شبکه های حسگر به نظر بیایند، گره ها در شبکه های حسگر، معمولا فاقدآدرس های منحصر بفرد می باشند و آنچه بیشتر در این شبکه ها حائز اهمیت است، اطلاعات جمع آوری شده توسط حسگرهای شبکهاست. همچنین به دلیل عدم دسترسی به گره ها پس از فرآیند پراکندن آنها در محیط، گره های شبکه پس از مصرف انرژی موجود،عملا بدون استفاده شده و خواهند مرد. بنابراین مساله انرژی و بهینه سازی مصرف آن، یکی از چالش های موجود در این شبکه ها است.یکی از راهکارهای کاهش مصرف انرژی در سبکه حسگر بی سیم، کاهش تعداد بسته هایی است که در شبکه منتقل می شوند. تکنیکتجمیع داده ها که داده های به هم مرتبط را با یکدیگر ترکیب می نماید و از ارسال بسته های اضافی در شبکه جلوگیری می نماید می توانددر کاهش تعداد بسته های ارسالی در شبکه موثر باشد. این امر موجب کاهش پیچیدگی زمانی و نیز افزایش طول عمر شبکه حسگربی سیم خواهد شد که با استفاده از الگوریتم Leach در این مقاله انجام می شود. در روش پیشنهادی جهت جلوگیری از تجمیع داده هادر زمان پخش تصادفی گره ها در شبکه حسگر بی سیم، از روش بهبود یافته الگوریتم خوشه بندی knn استفاده شده است و با توجه به اینکه این الگوریتم از یک معیار به نام فاصله اقلیدسی برای تعیین فاصله بین گره ها استفاده می کند، جهت کاهش زمان مصرفیمسیریابی تجمیع داده ها، کاهش زمان مصرفی کشف و حذف داده های تکراری به کار گرفته می شود.