Enhancements for clustering stability in mobile ad hoc networks
Notice bibliographique
Résumé
In most MANET clustering protocols, the clusterhead nodes take on a special role in managing routing information. However, the frequent changes of the clusterheads affect the performance of all the protocols that rely on it. Due to the dynamic nature of the mobile nodes, their association and disassociation to and from clusters perturb the stability of the network and the problem becomes worse if these nodes are clusterheads. Eventually, the clustering stability in MANET would be significantly affected. To enhance the network stability, in this paper we introduce a new approach to reform the cluster, namely the Smooth and Efficient Re-Clustering (SERC) protocol. This approach is based on providing a secondary clusterhead (SCH) for each clusterhead which we call here primary clusterhead (PCH). This SCH, which is a regular member node, is identified and assigned by its PCH to be the future leader of the cluster. The SCH will be triggered to be the PCH when the former PCH can no longer be a clusterhead. Since the future clusterhead is known by the cluster members, the cluster leadership will be transferred smoothly and the cluster will be reformed immediately with no need to invoke the clustering algorithm. Also, since the member nodes are associated with the cluster with its subsequent clusterheads, the cluster looks stable to the other clusters. Hence, the smooth clusterhead transfer from a node to another aims at increasing the cluster residence time, which will sustain the stability of the network, decrease the clustering communication overhead and, minimize the time spent by each node to join or to reform a cluster.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».