Results for кластеризация
-
Метод адаптивной кластеризации текстовых документов
The article was published in issue №2
В статье предложен метод адаптивной кластеризации текстовых документов – результатов работы поисковой системы. Реализация метода предполагает, что для настройки параметров кластеризации должна использоваться информация, полученная не только от пользователя, но и в результате поиска документов. Идея заключается в использовании нечеткого алгоритма кластеризации Гюстафсона–Кесселя. Для решения задачи определения количества кластеров при инициализации алгоритма предлагается использовать самоорганизующиеся карты Кохонена с динамически изменяемыми размерами. Приведены описание используемых алгоритмов и положительные результаты апробации метода на модельной задаче об ирисах Фишера. Показано, что на основе предложенного решения может быть построен список рубрик, объединяющих семантически связанные источники информации.
-
Developing the idea of clustering networks of the Internet of things
The article was published in issue №1
The development of new algorithms, methods and technologies that help reduce energy consumption in Internet of Things networks is a relevant task. Sensor nodes of the Internet of things consume limited energy resources when performing computing operations, receiving and transmitting data. One of the well-known approaches to reduce the energy consumption of sensor nodes is network clustering. The head node of the cluster assumes the functions of a relay of data from sensor nodes.
The paper proposes an algorithm that develops the idea of clustering networks of the Internet of things. The algorithm is based on bee swarm intelligence that assumes determining the current round cluster head and potential heads of clusters for subsequent rounds of the cycle immediately at the be-ginning of the cycle. Thus, the phase of choosing the cluster head node becomes redundant starting from the second round of the cycle, and sensor nodes do not need to perform energy-intensive calcula-tions associated with choosing the cluster head.
The simulation results show the superiority of the bee swarm algorithm in comparison with the well-known LEACH adaptive clustering algorithm with low energy consumption in terms of the duration of a wireless sensor network.