Phân cụm dựa trên logic mờ khảo sát năng lượng cho mạng cảm biến không dây

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC SƯ PHẠM ĐỖ GIANG SƠN PHÂN CỤM DỰA TRÊN LOGIC MỜ KHẢO SÁT NĂNG LƯỢNG CHO MẠNG CẢM BIẾN KHÔNG DÂY LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN Đà Nẵng - Năm 2017 ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC SƯ PHẠM ĐỖ GIANG SƠN PHÂN CỤM DỰA TRÊN LOGIC MỜ KHẢO SÁT NĂNG LƯỢNG CHO MẠNG CẢM BIẾN KHÔNG DÂY Chuyên ngành: Hệ thống thông tin Mã số: 61.49.01.04 LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN Người hướng dẫn khoa học: PGS.TS LÊ VĂN SƠN Đà Nẵng - Năm 2017 LỜI CAM ĐOAN Tôi xin cam đoan Những nội dung luận văn tơi thực hướng dẫn Thầy PGS.TS Lê Văn Sơn Mọi tài liệu tham khảo dùng để nghiên cứu thực luận văn trích dẫn ghi phần tài liệu tham khảo cuối luận văn Các kết quả, liệu nêu luận văn trung thực Tơi xin chịu hồn tồn trách nhiệm vi phạm quy chế Ban Khoa học Đào tạo Sau Đại học, Đại học Đà Nẵng phổ biến Người cam đoan Đỗ Giang Sơn MỤC LỤC MỞ ĐẦU 1 Lý chọn đề tài Mục tiêu nghiên cứu nhiệm vụ đề tài Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Ý nghĩa khoa học thực tiễn Cấu trúc luận văn CHƯƠNG TỔNG QUAN VỀ LOGIC MỜ VÀ MẠNG CẢM BIẾN KHÔNG DÂY 1.1 MỘT SỐ VẤN ĐỀ LIÊN QUAN VỀ LOGIC MỜ 1.1.1 Các phép toán Logic mờ 1.1.2 Khái niệm tập mờ 10 1.1.3 Suy diễn mờ 14 1.1.4 Cấu trúc hệ thống Logic mờ 20 1.2 CẤU TRÚC MẠNG CẢM BIẾN KHÔNG DÂY 22 1.3 ĐẶC ĐIỂM CỦA MẠNG CẢM BIẾN KHÔNG DÂY 27 1.4 KẾT LUẬN 32 CHƯƠNG THUẬT TOÁN PHÂN CỤM DỮ LIỆU MỜ 33 2.1 KHÁI NIỆM VÀ MỤC TIÊU CỦA PHÂN CỤM DỮ LIỆU 33 2.2 THUẬT TOÁN PHÂN CỤM DỮ LIỆU DỰA VÀO PHÂN CỤM TRUNG TÂM 34 2.3 KỸ THUẬT PHÂN CỤM DỮ LIỆU MỜ 39 2.3.1 Tổng quan phân cụm mờ 39 2.3.2 Thuật toán Fuzzy C-means (FCM) 40 2.4 MINH HỌA SỰ PHÂN CỤM ĐỐI VỚI THUẬT TOÁN FCM MỞ RỘNG 49 CHƯƠNG MÔ PHỎNG VÀ ĐÁNH GIÁ 53 3.1 GIỚI THIỆU MATLAB 53 3.2 MÔ PHỎNG VÀ KẾT QUẢ 56 3.3 ĐÁNH GIÁ 68 3.4 KẾT LUẬN 69 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 71 TÀI LIỆU THAM KHẢO QUYẾT ĐỊNH GIAO ĐỀ TÀI (BẢN SAO) DANH MỤC CÁC TỪ VIẾT TẮT Ý NGHĨA STT TỪ VIẾT TẮT WSNs – Wireless Sensor Networks Mạng cảm biến không dây ADC – Analog to Digital Converter Bộ chuyển đổi tương tự - số KPDL Khai phá liệu D – FLER – A Distributed Fuzzy Sự phân tán tập luật Logic Engine for Rule – based WSNs sử dụng Logic mờ Wireless Sensor Networks PCDL Phân cụm liệu DANH MỤC HÌNH VẼ Số hiệu hình Tên hình Trang 1.1 Các dạng hàm thành viên tập mờ 10 1.2 Hàm thành viên số mờ hình thang 11 1.3 Hàm thành viên số mờ hình tam giác 11 1.4 Cấu trúc hệ thống logic mờ 21 1.5 Cấu trúc D – FLER 22 1.6 Thành phần node Sensor 23 1.7 Cấu trúc hoạt động phân cụm WSN 24 1.8 Cấu trúc mạng cảm biến không dây 25 1.9 Các thành phần node cảm biến 27 1.10 Kiến trúc giao thức mạng cảm biến khơng dây 30 2.1 Thuật tốn FCM mở rộng 44 2.2 Mã thuật toán FCM mở rộng 49 2.3 Số lần thực thi thuật toán FCM 50 2.4 Tối ưu hàm mục tiêu thuật toán FCM 50 2.5 2.6 Kết phân cụm thuật toán FCM với số lượng cụm Kết phân cụm thuật toán FCM với số lượng cụm 51 51 3.1 Giao diện phần mềm Matlab 53 3.2 Cấu trúc logic mờ Matlab 55 3.3 Cấu trúc điều khiển mờ 56 3.4 Hệ mờ gồm n đầu vào – đầu 57 3.5 Hệ thống mờ TWSN – với Input – Output 57 3.6 Mơ hình hệ thống điều khiển mờ 58 3.7 Hệ thống sinh luật với minh họa 19 luật sở luật 59 Số hiệu hình 3.8 3.9 3.10 3.11 3.12 3.13 3.14 3.15 3.16 3.17 Tên hình Các hàm thuộc biến Năng _ lượng độ(A~) Hàm thuộc hợp hạng tử biến Năng_ lượng(A~) Mức tiêu hao lượng trung bình mạng WSNs Mức tiêu hao lượng mạng WSNs với minh họa 48.8% Mức tiêu hao lượng sau giảm khoảng cách nút đến CH Mức tiêu hao lượng sau giữ nguyên diện tích hoạt động Mức tiêu hao lượng hệ thống mạng hoạt động tối đa Mức tiêu hao lượng hệ thống mạng hoạt động 50% thời lượng Mức tiêu hao lượng hệ thống mạng ngừng hoạt động Mức tiêu hao lượng hệ thống mạng hoạt động liên tục Trang 61 61 63 64 65 65 66 66 67 67 MỞ ĐẦU Lý chọn đề tài Bước vào kỷ 21, gới có phát triển vượt bậc, đặc biệt năm gần đây, với phát triển nhanh đạt nhiều thành tựu lớn lượng lẫn chất hầu hết lĩnh vực kinh tế, kỹ thuật, quân sự, văn hoá, xã hội, … Xã hội phát triển nhu cầu truyền khai thác thơng tin ngày cao Nhu cầ u truyề n thông ngày càng lớn đòi hỏi những dich ̣ vu ̣ chấ t lươ ̣ng cao, cầ n phải có sở ̣ tầ ng đáp ứng cho quá trình truyề n thông nhiề u môi trường khác Đă ̣c biê ̣t sự đời ma ̣ng cảm biến không dây đã đáp ứng mô ̣t phầ n nhu cầu truyề n thông cho nơi mà ma ̣ng có dây không thể thực hiê ̣n tố t đươ ̣c Với phát triển nhanh vũ bảo ngành cơng nghệ thơng tin nói chung hướng nghiên cứu hệ thống mạng cảm biến khơng dây nói riêng vấn đề quan tâm nghiên cứu hàng đầu Mạng cảm biến không dây tập hợp node Sensors hệ thống mạng liên kết với sóng vơ tuyến Mỗi node mạng bao gồm đầy dủ chức nhằm thực nhiệm vụ cảm nhận, thu thập, xử lý truyền liệu đến node gốc cách trao đổi gián tiếp với Các nodes mạng thường thiết bị đơn giản, nhỏ gọn, giá thành thấp, với số lượng lớn phân bố phạm vi rộng ngẫu nhiên tạo thành cấu trúc kiểu AD – HOC với phân bố diện rộng nodes mạng cảm biến Vì mức tiêu hao lượng mạng cảm biến không dây vấn đề nhà khoa học tập trung nghiên cứu Xuất phát từ thực tế trên, hướng dẫn PGS.TS Lê Văn Sơn, chọn đề tài “Phân cụm dựa Logic mờ khảo sát lượng cho mạng cảm biến không dây” Mục tiêu nghiên cứu nhiệm vụ đề tài Đề tài tập trung nghiên cứu tài liệu mạng cảm biến không dây hệ thống logic mờ việc phân cụm mạng cảm biến không dây, thuật toán phân cụm Nhằm đánh giá độ hội tụ thuật toán phân cụm Mặt khác, xây dựng chương trình mơ phỏng, đánh giá khả ứng dụng Logic mờ mạng nhằm khảo sát nguồn lượng hệ thống mạng Đối tượng phạm vi nghiên cứu Đề tài tập trung nghiên cứu dựa nghiên cứu khảo sát nhà nghiên cứu kiến trúc cấu hình Topo cho phép tiết kiệm lượng hoạt động mạng cảm biến không dây Một kỹ thuật phổ biến kỹ thuật phân cụm (Cluster) Chủ yếu dựa sở luật hệ thống Logic mờ để mờ hóa phân cụm, từ để tính tốn nhằm đánh giá thời gian sống tối đa nodes hệ thống mạng cảm biến không dây Phương pháp nghiên cứu Tìm hiểu nghiên cứu tài liệu liên quan đến vấn đề nghiên cứu luận văn tốt nghiệp Tìm hiểu số thuật tốn phân cụm dựa Logic mờ Mạng cảm biến không dây, đồng thời mơ thuật tốn phân cụm FCM mở rộng phân bố rộng khắp node mạng Sử dụng phần mềm Matlab để mô với nhiều kịch bản, đánh giá kết mô dựa sở lý thuyết Ý nghĩa khoa học thực tiễn Với phát triển mạnh mẽ Công nghệ thông tin, mạng cảm biến không dây dường trở thành giải pháp hấp dẫn mang đến tiện ích nhiều phương diện, đặc biệt nhiều trường hợp chí cịn hạn chế nguy hiểm cho người môi trường làm việc khắc nghiệt, chẳng hạn nodes mạng thay làm việc trực tiếp người mơi trường có độc tính hay nhiệt độ cao, áp suất cao… Bên cạnh đó, mạng cảm biến khơng dây đời đáp ứng nhu cầu thu thập thông tin môi trường, tập hợp điểm xác định khoảng thời gian định nhằm phát xu hướng quy luật vận động môi trường 71 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Luận văn tập trung nghiên cứu phần nhiều phương pháp nhằm khảo sát tối ưu hóa lượng cho hệ thống mạng WSNs, từ có kiến thức cần thiết để xây dựng chương trình mơ với hỗ trợ môi trường Matlab Kết đạt Luận văn giới thiệu cách có hệ thống kiến thức khái niệm hệ thống Logic mờ, vấn đề mặt lý thuyết Mạng cảm biến không dây, thuật toán phân cụm đặc biệt nghiên cứu thuật toán phân cụm FCM giáo sư Bezdek hệ thống suy diễn mờ Đây kiến thức cần thiết để thực việc mô Em mô giải thuật phân cụm thuật tốn FCM Bên cạnh thiết kế mơ hình mơ nhằm khảo sát lượng hệ thống mạng dựa sở lý thuyết hệ thống logic mờ Dưới hướng dẫn thầy PGS.TS.Lê Văn Sơn thời gian thực luận văn tốt nghiệp cao học với đề tài: “Phân cụm dựa logic mờ khảo sát lượng cho mạng cảm biến không dây” em rút số nhận xét sau: • Ưu điểm - Nghiên cứu sâu mặt lý thuyết kỹ thuật ứng dụng - Nội dung nghiên cứu vấn đề cấp thiết có nhiều ứng dụng thực tế • Nhược điểm - Do thời gian có hạn, nên chương trình mơ chưa thiết kế cách hồn chỉnh chưa mang lại ứng dụng thực tiễn điều kiện sở vật chất - Với kết nghiên cứu đạt được, đánh giá tiêu hao lượng nodes mạng dựa tiêu chí việc xác định số cụm bán kính phân bố 72 Hướng phát triển Từ sở nghiên cứu mặt lý thuyết trên, thời gian đến luận văn tiếp tục nghiên cứu tìm hiểu thuật toán phân cụm mờ với độ hội tụ nhanh hơn, phương pháp hữu hiệu nhằm tiết kiệm nguồn lượng hệ thống mạng Tiếp tục mở rộng số nút cảm biến khu vực phân bố mô Cuối với kết đạt luận văn này, cịn có hạn chế giúp em có nghiên cứu vấn đề phân cụm nhằm tiết kiệm lượng mạng cảm biến không dây Bên cạnh đó, với kết đạt luận văn này, làm tài liệu phục vụ cho công tác giảng dạy tài liệu tham khảo TÀI LIỆU THAM KHẢO Tiếng Việt Nguyễn Cát Hồ, Nguyễn Cơng Hào (2009), Giáo trình sau đại học Logic mờ ứng dụng, Huế Tổng quan mạng cảm biến khơng dây ( Tạp chí tự động hóa ngày ) Tiếng Anh L.X Wang and J.M Mendel Generating fuzzy rules by learning from examples, IEEE Trtrrls Sw~ws, Morl CJhrr- I7VI 22 (1992) 1414 – 1427 Jang JSR (1993) ANFIS: adaptive – network – based fuzzy inference system IEEE Trans Syst Man Cybern 665 – 684 http://grvc.us.es/aware/papers/aware_paper_13.pdf (DFLER) M Marin-Perianu, T.J Hofmeijer, and P J M.Havinga Implementing business rules on sensor nodes In 11th IEEE International Conference on Emerging Tech-nologies and Factory Automation (ETFA), pages 292– 299, 2006 (DFLER) C S Raghavenda, Krishna M.Sivalingam and Taied Znati, “Wireless Sensor Networks”, Kluwer Academic Publishers, 2004 Akyildiz, I F., W Su, Y Sankarasubramaniam, and E Cayirci, “Wireless sensor networks: A survey,” Computer Networks, Vol 38, No 4, 393– 422, March 2002 Q L Haining Shu and J Gao, "Wireless Sensor Network Lifetime Analysis Using Interval Type-2 Fuzzy Logic Systems," IEEE Transactions on Fuzzy Systems, vol 16, no 2, pp 416-427, 2008 10 S A a o Budiarto (2012, Jul.) The wireless sensor network [Online] accessed on 26th Aug 2012, http://students.netindonesia.net/blogs/ ui_thefarmers/archive/2010/04/23/wireless-sensor-networks-how-dotheywork.aspx 11 T.M F Kuhn and R Wattenhofer, "Initializing newly deployed ad hoc and sensor networks," in 10th annual international conference on Mobile computing and networking, New York, NY, USA, 2004, pp 260-274 12 http://www-users.york.ac.uk/~yw679/styled-6/styled-3/styled/index.html 13 U.M Fayyad, G Piatetsky-Shapiro, P Smyth, and R Uthurusamy, Advances in Knowledge Discovery and Data Mining AAAI/MIT Press, 1996 14 https://sites.google.com/site/dataclusteringalgorithms/k-means-clusteringalgorithm 15 L Kaufman and P.J Rousseeuw, Finding Groups in Data: An Introduction to Cluster Analysis New York: John Wiley & Sons, 1990 16 V Capoyleas, G Rote, and G Woeginger, ªGeometric Clusterings,º J Algorithms, vol 12, pp 341-356, 1991 17 A.K Jain and R.C Dubes, Algorithms for Clustering Data Englewood Cliffs, N.J.: Prentice Hall, 1988 18 A.K Jain, M.N Murty, and P.J Flynn, ªData Clustering: A Review,º ACM Computing Surveys, vol 31, no 3, pp 264-323, 1999 19 A.K Jain, P.W Duin, and J Mao, ªStatistical Pattern Recognition: A Review,º IEEE Trans Pattern Analysis and Machine Intelligence, vol 22, no 1, pp 4-37, Jan 2000 20 K Fukunaga, Introduction to Statistical Pattern Recognition Boston: Academic Press, 1990 21 J MacQueen, ªSome Methods for Classification and Analysis of Multivariate Observations, º Proc Fifth Berkeley Symp Math Statistics and Probability, vol 1, pp 281-296, 1967 22 J C Bezdek, Editor, “Pattern Recognition with Fuzzy Objective Function Algorithms”, Springer Publishers, New York, (1981) 23 https://sites.google.com/site/dataclusteringalgorithms/k-means-clusteringalgorithm 24 E H Ruspini, J Information Sciences, vol 2, no 3, (1970) 25 J C Dunn, J Cybernetics, vol 3, no 3, (1974) 26 J C Bezdek, R Ehrlich and W Full, J Computers & Geosciences, vol 10, (1984), pp 2-3 27 R L Cannon, J V Dave and J C Bezdek, J IEEE Transactions on Pattern Analysis and Machine Intelligence, vol 8, no 2, (1986) 28 Klawonn F, Kruse R (1997) Constructing a fuzzy controller from data Fuzzy Sets Syst 85:177–193 29 Park B-J, Pedrycz W, Oh S-K (2008) Polynomial-based radial ba-sis function neural networks (P-RBF NNs) and their application to pattern classification Appl Intell 32(1):27–46 30 L Bai, J Liang, C Dang and F Cao, “A novel fuzzy clustering algorithm with between – cluster information for categorical data [J]”, Fuzzy Sets and Systems, vol.125, no 16, (2013), pp 55 – 73 31 J Lin, K Cheng, and C Mao, “A fuzzy Hopfield neural network for medical image segmentation”, IEEE Trans Nuclear Sci, vol.43, 1996 32 N R Pal and I C Bezdek, J IEEE Transactions on Fuzzy Systems, vol 3, no 4, (1995) 33 Hathaway R.J and Bezdek J.CNTT (2000), “Generlized fuzzy c – means clustering Strategies using 𝐿𝑝 Norm Distances”, IEEE Trans.Fuzzy Syst, No 5, pp.576 – 582 34 Jacek Leski (2001), “An 𝜀 – Insensitive Approach To Fuzzy clustering”, International Journal Applied Mathematics and Computer Sciences, Vol.11, No.4, 2001, pp.993 – 1007 35 The Matworks, Inc “Fuzzy Logic Toolbox for Use with MATLAB” www.matworks.com DAI HOC DA NANG TRUONG Dtl HQC SU PHtM Sb: 99 /QD-DHSP C