自己組織化マップとホタル最適化アルゴリズムを用いたIoTセンサーネットワークにおけるデータ集約の改善
Hassan Sh Alshehri1, Fuad Bajaber1
1Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah 21589, Saudi Arabia.
Sensors (Basel, Switzerland)
|December 11, 2025
まとめ
本研究では、自己組織化マップ（SOM）とホタル最適化アルゴリズム（FOA）を統合したIoTセンサーネットワーク向けのハイブリッドデータ集約フレームワークを紹介します。この新しいアプローチは、IoTシステムにおけるネットワーク寿命を延長し、エネルギー消費を削減します。
科学分野:
- コンピュータサイエンス
- 電気工学
- 人工知能
背景:
- IoTセンサーネットワークは、冗長なデータ伝送による効率への影響という課題に直面しています。
- エネルギー効率、ネットワーク寿命、データ信頼性は、IoTセンサーネットワークの可能性を最大限に引き出すために重要です。
- 既存のデータ集約方法は、重複データを効果的に管理し、ネットワークパフォーマンスを最適化するのに苦労しています。
研究 の 目的:
- IoTセンサーネットワーク向けの新しいハイブリッドデータ集約フレームワークを提案すること。
- エネルギー効率、ネットワーク寿命、データ伝送信頼性など、IoTセンサーネットワークにおける主要な課題に対処すること。
- スケーラブルでエネルギー効率の高いIoTセンサーネットワーククラスタリングのためのインテリジェントで適応的なソリューションを開発すること。
主な方法:
- 適応的な教師なしクラスタリングのための自己組織化マップ（SOM）の統合。
- 堅牢な多目的最適化のためのホタル最適化アルゴリズム（FOA）の適用。
- MATLABおよびIntel Berkeley Research Labデータセットを使用した実験的検証。
主要な成果:
- 提案されたハイブリッドフレームワークは、ベンチマークと比較してネットワーク寿命を15%延長します。
- 新しいアプローチにより、エネルギー消費が10%削減されます。
- 注目すべき分類率が達成され、方法の有効性を示しています。
結論:
- SOMとFOAの相乗的な統合は、IoTセンサーネットワーククラスタリングの新しい方法論を提供します。
- このフレームワークは、実際のIoTシステムに対して、よりインテリジェントで適応性があり、実用的なソリューションを提供します。
- 提案された方法は、IoTセンサーネットワークにおけるネットワーク寿命とエネルギー効率を大幅に改善します。
