在物联网传感器网络中改进数据聚合,使用自组织地图和火优化算法.
Hassan Sh Alshehri1, Fuad Bajaber1
1Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah 21589, Saudi Arabia.
Sensors (Basel, Switzerland)
|December 11, 2025
概括
本研究介绍了物联网 (IoT) 传感器网络的混合数据聚合框架,集成自组织地图 (SOM) 和火优化算法 (FOA). 这种新的方法提高了网络的寿命,并降低了物联网系统的能源消耗.
科学领域:
- 计算机科学 计算机科学
- 电气工程 电气工程
- 人工智能的人工智能
背景情况:
- 物联网 (IoT) 传感器网络面临冗余数据传输的挑战,影响效率.
- 能源效率,网络寿命和数据可靠性对于实现物联网传感器网络的全部潜力至关重要.
- 现有的数据聚合方法难以有效地管理重复数据并优化网络性能.
研究的目的:
- 为物联网传感器网络提出一种新的混合数据聚合框架.
- 解决物联网传感器网络的关键挑战,包括能源效率,网络寿命和数据传输可靠性.
- 为可扩展和节能物联网传感器网络集群开发智能和适应性解决方案.
主要方法:
- 集成自组织地图 (SOMs) 进行自适应,无监督的集群.
- 应用火优化算法 (FOA) 进行强大的多目标优化.
- 使用MATLAB和英特尔伯克利研究实验室数据集进行实验验证.
主要成果:
- 与基准相比,拟议的混合框架将网络寿命延长15%.
- 通过这种新方法,能源消耗减少了10%.
- 取得了显著的分类率,证明了该方法的有效性.
结论:
- SOM和FOA的协同集成为物联网传感器网络集群提供了一个新的方法.
- 该框架为现实世界物联网系统提供了更智能,更适应和更实用的解决方案.
- 拟议的方法显著改善了物联网传感器网络中的网络寿命和能源效率.


