Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/16329
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBENMAHDI-épouse-HABRI, Meryem Bochra-
dc.date.accessioned2021-04-11T09:46:40Z-
dc.date.available2021-04-11T09:46:40Z-
dc.date.issued2020-06-27-
dc.identifier.citationsalle des thèsesen_US
dc.identifier.issnDOC-003-23-01-
dc.identifier.urihttp://dspace.univ-tlemcen.dz/handle/112/16329-
dc.descriptionSilhouette, Elbow, K-Means, Rule of Thumb, Clustering, RCSFs, Algorithme génétique, Routage à grande échelle.en_US
dc.description.abstractReducing energy consumption and scalability are key requirements in wireless sensor networks (WSNs), as these networks are generally composed of a large number of sensors under energy constraint. Therefore, energy efficiency in this type of networks is considered a critical problem. One way to achieve this goal is to minimize the amount of redundant data sent to the base station through the clustering approach which is one of the best approaches in terms of energy efficiency in large-scale RCSFs. In this thesis, we have proposed energy-efficient solutions for large-scale RCSFs. These solutions are based on an improvement of the unsupervised learning approach (K-Means) and imply methods to determine the appropriate number of clusters (Silhouette, Elbow and "Rule of Tumb"). In the first contribution, we evaluated each of these methods in order to know the most suitable approach for determining the number of clusters. In the second contribution, we proposed a routing scheme based on an improved version of K-Means. The third contribution is a routing scheme based on dynamic clustering and the fourth contribution is a routing scheme which involves “Rule of Thumb” to determine the number of CHs, K-Means to organize the network into clusters and an improved genetic algorithm to establish the paths between each CH and the base station. The proposed routing schemes were developed over Matlab. Simulation results have shown the benefits of our solutions in terms of power consumption, lifetime and scalability compared to other routing schemes.en_US
dc.description.sponsorshipLa réduction de la consommation d'énergie et le passage à l’échelle sont des exigences clés dans les réseaux de capteurs sans fil (RCSFs), car ces réseaux sont généralement composés d'un grand nombre de capteurs sous la contrainte énergétique. Par conséquent, l'efficacité énergétique dans ce type de réseaux est considérée comme un problème critique. Une façon d'atteindre cet objectif est de minimiser le nombre de données redondantes envoyées à la station de base à travers l’approche de clustering qui est l’une des meilleures approches en termes d’efficacité énergétique dans les RCSFs à grande échelle. Dans cette thèse, nous avons proposé des solutions économes en énergie pour les RCSFs à grande échelle. Ces solutions se basent sur une amélioration de l’approche de l’apprentissage non supervisé (K-Means) et impliquent des méthodes pour déterminer le nombre de clusters approprié (Silhouette, Elbow et "Rule of Tumb"). Dans la première contribution, nous avons évalué chacune de ces méthodes dans le but de connaitre l’approche la plus adéquate pour déterminer le nombre de clusters. Dans la deuxième contribution, nous avons proposé un schéma de routage basé sur une version améliorée de K-Means. La troisième contribution est un schéma de routage basé sur un clustering dynamique et la quatrième contribution est un schéma de routage qui implique "Rule of Thumb" pour déterminer le nombre de CHs, K-Means pour organiser le réseau en clusters et un algorithme génétique amélioré pour établir les chemins entre chaque CH et la station de base. Les schémas de routage proposés ont été développés sous Matlab. Les résultats de simulations ont montré les avantages de nos solutions en termes de consommation d’énergie, de durée de vie et de passage à l’échelle comparées à d’autres schémas de routageen_US
dc.language.isofren_US
dc.publisher11-04-2021en_US
dc.relation.ispartofseriesBFST2720;-
dc.subjectSilhouette, Elbow, K-Means, Rule of Thumb, Clustering, WSNs, Genetic algorithm, Large-scale routing.en_US
dc.titleRoutage Intelligent dans les réseaux de capteurs à grande échelleen_US
dc.typeThesisen_US
Collection(s) :Doctorat LMD en en Physique

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
BENMAHDI-MeryeM-Bochra30-03-2021.pdf7,61 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.