使用模糊系统增强DBSCAN集群,以提高基于物联网的WBAN性能
Mehdi Hosseinzadeh1,2,3, Amir Haider4, Saqib Ali5
1Institute of Research and Development, Duy Tan University, Da Nang, Vietnam. mehdihosseinzadeh@duytan.edu.vn.
Scientific reports
|August 4, 2025
概括
这项研究通过使用模糊逻辑优化的DBSCAN来增强无线体域网 (WBAN) 数据集群. 该方法提高了物联网医疗保健应用的网络稳定性和能源效率.
科学领域:
- 基于物联网的医疗保健
- 无线人体区域网络 (WBANs) 是一种无线的网络.
- 网络系统 网络系统是网络系统.
背景情况:
- 网络面临着动态条件和资源限制,影响数据集群和能源管理.
- 像DBSCAN这样的传统集群方法与WBAN的大节点数量,有限的能量和多样化的数据作斗争.
- 低于最佳的性能源于传统集群技术中的静态参数.
研究的目的:
- 为WBAN引入一种新的集群方法,可以动态地适应网络条件.
- 为了增强DBSCAN算法,使用模糊系统进行实时参数优化.
- 为了提高数据聚类的准确性,能源效率和资源有限的WBAN网络的网络稳定性.
主要方法:
- 增强的DBSCAN算法结合了模糊系统.
- 动态优化DBSCAN参数 (Epsilon和MinPts) 使用实时节点速度和RSSI.
- 与传统集群方法 (古典DBSCAN,PSO集群,LEACH,PEGASIS) 相比的比较模拟分析.
主要成果:
- 拟议的模糊增强的DBSCAN实现了卓越的集群精度和能源效率.
- 观察到集群稳定性的显著改善:比古典DBSCAN有80%的改善,比PSO有28.57%,比LEACH有38.46%,比PEGASIS有20%.
- 提高网络寿命和集群质量证明了该方法的有效性.
结论:
- 模糊增强的DBSCAN为WBAN中的数据聚类提供了一个强大的解决方案.
- 动态参数适应对于优化资源有限的物联网医疗环境中的性能至关重要.
- 这种方法为可靠的实时健康监测系统提供了有希望的进步.
