基于ECDH算法的WSN密钥研究

提出了一种基于ECDH算法的WSN安全传输协议。在分簇路由模型的基础上,结合k均值算法的优点,通过簇头节点与基站之间的协商产生密钥,实现了协商密钥动态变化,并且不同簇之间密钥不相同。之后簇头节点向本簇内的sensor节点分发密钥,使整个WSN的信息传输过程均是安全可信的。同时,本文也考虑了节点能耗与首次通信安全性的问题,并给出了相应的解决方案。     

剩余能量相干均衡分簇能耗双阈值分配算法

在计算机多分簇任务执行中,由于初始能量有限,需要对网络分簇能耗进行优化分配,提高任务执行效率。提出基于剩余能量相干均衡的网络分簇能耗双阈值分配算法,算法考虑了节点当前能量、簇成员数量、簇首与节点间距离,设计了能耗指导的分布式网络能量采集和消耗均衡模型,采用收敛性度量值进行路由分配,实现能耗的双阈值分配,在系统的全局任务调度中心将所有任务进行融合,输入系统总调度器,设计剩余能量相干均衡算法,构建能耗分配的双阈值模型,实现网络分簇能耗双阈值分配。实验结果表明,算法能够降低任务调度关键路径延时,提高low-Vt单元使用率,降低相干功耗,形成最优化能耗管理输出,使得系统更加稳定。     

无线传感器网络簇头节点分配固定聚簇算法研究

在分簇无线传感器网络架构之下,提出一种簇头节点分配的固定聚簇优化算法.首先将感测区域划分为面积相同的规则簇集区域,再利用本文所提出的算法确定各簇内最小化能量消耗的最佳簇头节点位置.通过实验证明了其有效性.     

基于网格平台的实时任务调度算法

网格任务调度的目标是在最短的时间内将任务进行合理分配并实现负载均衡,最终得到实现全局的最优化调度方案.本文提出了一种兼顾任务之间的依赖关系和负载均衡的网格任务实时调度算法.首先,将网格分成若干个簇,每个簇由PC机、任务调度模块、任务控制器、数据集控制器以及数据存储器组成.簇负责接收用户提交的任务,将这些任务存放在本地任务队列中.通过对任务依赖关系的分析,将任务分配给网格的簇,并根据任务的截止期和依赖关系计算任务优先级,优先调度优先级高的任务.仿真实验表明,在Makespan和花费方面,本文算法都优于传统的Min-Min算法.     

HIGHT算法的差分故障攻击

对HIGHT进行了差分故障攻击.攻击采用单字节级的差分故障模型,在倒数第3轮和倒数第4轮进行故障诱导来恢复密钥.模拟实验结果显示采用大约32次故障诱导便可恢复密钥,分析的计算复杂度约为256.模加差分表预计算的复杂度为232.     

基于智能计算的无线传感网络分簇算法

分析了经典的LEACH算法,包括簇的建立阶段与稳定通信阶段.针对LEACH算法选择簇头时具有概率性且分布不均匀的缺点,基于粒子群思想提出了一种确定最优簇头坐标的计算方法.同时针对LEACH算法需要轮回更换簇头的缺点,设计了辅助簇头并且延长了每轮的持续时间,并且给出了辅助簇头产生的计算方法.经过MATLAB仿真表明,改进算法的网络能耗低于LEACH算法,有效地延长了网络的生命周期.     

基于簇头多跳算法的建筑内无线网络设计

本文以建筑环境为背景,根据建筑内无线网络、无线通信及LEACH协议的特点,采用簇头多跣(LEACH-M)算法构建无线网络模型.依据网络节点剩余能量和建立簇头复杂度之间的关系,以及簇头闻相对距离,对LEACH算法进行了改进.通过对簇头多跳算法的仿真,证明了簇头多跳算法比LEACH算法,具有更好的网络传输信息可靠性、节能性,更适于建筑内无线网络的设计.     

移动云计算簇间波动离散数据均匀量化算法

移动云计算成为一种新兴的数字信息处理技术,是移动通信数据信息处理的重要工具。在移动云计算中,对路由转发分簇簇间的波动离散数据进行量化处理是提高云计算并行数据分析效率的关键。传统方法采用时延估计方法进行量化处理,当用户信道分配出现时滞时,量化性能较差。提出一种基于贝叶斯粗糙集估计的移动云计算簇间波动离散数据均匀量化算法。构建移动云计算数据分簇模型和信道模型,进行波动离散数据采集,按照Logistic模式选择路径,得到移动云计算簇间波动离散数据均匀量化的最优概率密度,构建贝叶斯粗糙集均匀量化优化目标函数,实现算法改进。仿真结果表明,采用该算法能有效实现对移动云计算簇间波动离散数据的特征分类,对波动离散数据的量化效果较好,从而提高了云计算的并行计算效率。     

一种基于密度最大值的聚类算法

提出了一种结合了基于密度聚类思想的划分聚类方法——"密度最大值聚类算法(MDCA)",以最大密度对象作为起始点,通过考察最大密度对象所处空间区域的密度分布情况来划分基本簇,并合并基本簇获得最终的簇划分.实验表明,MDCA能够自动确定簇数量,并有效发现任意形状的簇,对于未知数据集的处理能力和聚类准确度都优于传统的基于划分聚类算法.     

基于Monte Carlo熵权决策的云计算数据预取算法

云计算数据预取算法设计是实现云平台环境下通信链路优化和任务调度均衡分配的基础技术。在传统的云计算据查询模式下,当由于缓存空间不足而导致新的缓存数据无法进入缓存时,导致数据预取拥堵,性能不好。提出一种基于Monte Carlo熵权决策的云计算数据预取算法,构建云计算数据查询模板模型,进行Hybrid缓存置换数据预取前置处理,采用Monte Carlo熵权决策方法,把云计算预取信号从缓存域变换到波束域,构建置换函数,实现了对算法的改进。仿真实验研究得出,该算法通过熵权特征提取,进行云计算数据预取决策,提高了云计算数据预取性能,大数据访问延迟率降低,云计算数据存取和调度效率提高,保真率较好。