Geri Dön

A novel clustering approach for vehicular ad hoc networks

Araçsal (taşıtsal) ağlar için özgün bir kümeleme yaklaşımı

PDF İndir

  1. Tez No: 413429
  2. Yazar: MUHAMMED NUR AVCİL
  3. Danışmanlar: YRD. DOÇ. DR. MÜJDAT SOYTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Kümeleme, Kümeleme yöntemi, Clustering, Cluster method
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Kümeleme algoritmaları, çeşitli parçalara ayırma yöntemleri ile ağın yönetilebilmesini kolaylaştırmaktadır. Özellikle Araçsal ağlar (VANET) gibi bazı durumlarda kümeleme algoritmaları ile oldukça iyi performans gelişimi görülebilir, ancak ölçeklenebilirlik bakımından kümeleri birleştirme işlemi de ağ dengelilik özelliğini olumsuz yönde etkiler. Bu tezde, kümeleri birleştirmenin ağın dengesine etkilerini inceleyerek, elde edilen sonuçlara göre, yeni bir kümeleme algoritması, Yansız (Peşin Hükümsüz) Ortamlarda Göreceli Dengeli Kümeleme Algoritmasını (ReSCUE) öneriyoruz. ReSCUE'nun amacı ortam hakkında yanlı bir bilgi olmadan dengeli kümeler oluşturmaktır. ReSCUE algoritması, VANET araç karakteristiğinin zaman-mekan değişimlerini tutarak yerel alandaki bilgiler ile birlikte daha dengeli bir kümeleme yapmaktadır. ReSCUE algoritmasının performansını simülasyon ile değerlendirdiğimizde, kümelerin birleşmesinin engellenerek daha dengeli kümelerin oluşturulduğunu ve düğüm statü değişikliklerinin azaldığı görülmektedir.

Özet (Çeviri)

Clustering algorithms improve network manageability through several topology partitioning techniques. In some particular cases, such as vehicular ad hoc network (VANETs) communications, significant performance improvements can be introduced via clustered networking solutions whereas merging clusters for the sake of scalability may lead to degraded network stability. In this thesis, we explore the impact of merging clusters, and furthermore based on these results, we propose a new clustering technique, namely Relatively Stable Clustering for Unbiased Environments (ReSCUE). The objective of ReSCUE is primarily guaranteeing cluster stability in an unbiased manner. ReSCUE keeps track of the spatio-temporal changes in VANET node characteristics, and uses these characteristics along with local information to prevent biased clustering which is based on common and general node characteristics. We evaluate the performance of ReSCUE through simulations and show that ReSCUE can form relatively more stable clusters while reducing the frequency of cluster merges, as well as that of the node status changes.

Benzer Tezler

  1. Tez No

    932888

    Geliştirilmiş k-means kümeleme yöntemi ile araçlardan oluşan ad-hoc ağlarda (vanet'lerde) trafik yönetimi ve iletişim güvenilirliğinin iyileştirilmesi

    Enhanced K-means clustering for improved traffic management and communication reliability in vehicular ad-hoc networks (vanets)

    HAYDER BASIM HABEEB AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SELİN NACAKLI

  2. Tez No

    332210

    Multi-hop cluster and LTE based heterogeneous architecture for VANET

    Geçiçi araç ağları için çok sekmeli gruplama ve LTE bazlı heterojen mimariler

    SEYHAN UÇAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SİNEM ÇÖLERİ ERGEN

    DOÇ. DR. ÖZNUR ÖZKASAP

  3. Tez No

    642093

    A pathway graph kernel based multi-omics approach for patient clustering

    Hasta kümelemesi için yolak çizge çekirdeği bazlı bir çoklu-omik yaklaşımı

    YASİN İLKAĞAN TEPELİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZNUR TAŞTAN OKAN

  4. Tez No

    846786

    A novel data-adaptive network design methodology based on the k-means clustering and modified isodata algorithm for regional gravity field modeling via srbf

    Küresel radyal tabanlı fonksiyonlar ile bölgesel gravite alanı modellemesinde k-ortalamalı kümeleme ve değiştirilmiş ısodata algoritmasına dayalı veri uyarlamalı yeni ağ tasarım metodu

    RAŞİT ULUĞ

    Doktora

    İngilizce

    İngilizce

    2024

    Jeodezi ve FotogrametriOrta Doğu Teknik Üniversitesi

    Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı

    PROF. DR. ZUHAL AKYÜREK

  5. Tez No

    781209

    Dengesiz veri kümeleriyle sınıflandırma için kümelemeye dayalı yeni bir hibrit metodoloji

    A novel hybrid methodology based on clustering for classification with imbalance datasets

    ABDULLAH MARAŞ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Enformatik Ana Bilim Dalı

    DOÇ. DR. ÇİĞDEM EROL

Geri Dön