• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Error-Aware Data Clustering for In-Network Data Reduction in Wireless Sensor Networks
【2h】

Error-Aware Data Clustering for In-Network Data Reduction in Wireless Sensor Networks

机译：在无线传感器网络中减少错误的数据聚类以减少网络中的数据

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A wireless sensor network (WSN) deploys hundreds or thousands of nodes that may introduce large-scale data over time. Dealing with such an amount of collected data is a real challenge for energy-constraint sensor nodes. Therefore, numerous research works have been carried out to design efficient data clustering techniques in WSNs to eliminate the amount of redundant data before transmitting them to the sink while preserving their fundamental properties. This paper develops a new error-aware data clustering (EDC) technique at the cluster-heads (CHs) for in-network data reduction. The proposed EDC consists of three adaptive modules that allow users to choose the module that suits their requirements and the quality of the data. The histogram-based data clustering (HDC) module groups temporal correlated data into clusters and eliminates correlated data from each cluster. Recursive outlier detection and smoothing (RODS) with HDC module provides error-aware data clustering, which detects random outliers using temporal correlation of data to maintain data reduction errors within a predefined threshold. Verification of RODS (V-RODS) with HDC module detects not only random outliers but also frequent outliers simultaneously based on both the temporal and spatial correlations of the data. The simulation results show that the proposed EDC is computationally cheap, able to reduce a significant amount of redundant data with minimum error, and provides efficient error-aware data clustering solutions for remote monitoring environmental applications.
机译：无线传感器网络（WSN）部署了数百或数千个节点，这些节点可能会随着时间的推移引入大规模数据。对于能量受限的传感器节点而言，处理如此大量的数据是一个真正的挑战。因此，已经进行了许多研究工作来设计WSN中的有效数据聚类技术，以在将冗余数据传输到接收器之前消除冗余数据的数量，同时保留其基本属性。本文开发了一种新的位于群集头（CH）的错误感知数据群集（EDC）技术，用于减少网络内数据。提议的EDC由三个自适应模块组成，允许用户选择适合其需求和数据质量的模块。基于直方图的数据聚类（HDC）模块将时间相关数据分组为聚类，并从每个聚类中消除相关数据。带有HDC模块的递归离群值检测和平滑（RODS）提供了可感知错误的数据聚类，该聚类功能使用数据的时间相关性检测随机离群值，以将数据归约误差保持在预定义的阈值内。使用HDC模块验证RODS（V-RODS）不仅可以检测随机离群值，还可以根据数据的时间和空间相关性同时检测频繁离群值。仿真结果表明，所提出的EDC在计算上便宜，能够以最小的误差减少大量的冗余数据，并为远程监控环境应用提供了有效的可感知误差的数据聚类解决方案。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号