CMESR: A hybrid approach for data collection and sensor redeployment using mobile element in WSNs
Notice bibliographique
Résumé
The data collection schemes in wireless sensor network (WSNs), have been intensively studied in the decade yet still a very active area. A number of schemes, such as the multihop data forwarding and the mobile element (ME) gathering, have been proposed. In the majority of the literatures, the full sensing field coverage and network connectivity are usually ignored or assumed to be true. However, such conditions may not be satisfied in reality due to the random deployment of the sensor nodes (SNs) over the target area. In this paper we jointly consider the network connectivity, field coverage and data collection, and propose a hybrid approach called cluster-based mobile element scanning and redeployment (CMESR) to achieve these goals simultaneously. CMESR combines the intra-cluster data gathering and the ME harvesting to collect data and redeploy SNs adaptively. Furthermore, the mechanisms of low-overhead multihop routing, redundant sensing and transmission avoidance, dynamic cluster-head selection and SN redeployment are provided. The performance of CMESR is simulated extensively and compared to other cluster-based schemes such as LEACH, BCDCP and PEGASIS. The results have shown that using CMESR, not only the energy consumption is significantly reduced and balanced among the SNs, but also the latency is minimized. The 100% field coverage and network connectivity can also be ensured by using the ME to redeploy SNs adaptively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».