فایل ورد کامل استفاده از خوشه بندی برای ردیابی هدف در شبکه های ادهاک وسایل نقلیه
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد
متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم
فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل استفاده از خوشه بندی برای ردیابی هدف در شبکه های ادهاک وسایل نقلیه،به هیچ وجه بهم ریختگی وجود ندارد
تعداد صفحات این فایل: ۴۴ صفحه
بخشی از ترجمه :
نتیجه گیری ها
در این مقاله، عملکرد دو الگوریتم خوشه بندی ارائه شده ی طراحی شده برای ردیابی وسایط نقلیه در VANETها ارزیابی می شود که عبارتند از: الگوریتم DCTT و الگوریتم PCTT. الگوریتم DCTT چارچوب ردیابی هدف مبتنی بر خوشه اصلی می باشد که طراحی می شود تا در روش توزیع شده ای کار کند. الگوریتم PCTT الگوریتم مبتنی بر پیش بینی و متمرکز است که عملکرد خوشه بندی را بطور قابل توجهی بهبود می بخشد. نتایج شبیه سازی نشان می دهد که الگوریتم PCTT در مقایسه با الگوریتم DCTT و مکانیزم حمل و ارسال بدون ساختار عملکرد بهتری دارد و دلیل آن مکانیزم های انتخاب سر خوشه و حفظ خوشه مبتنی بر پیش بینی آن است. علاوه بر این، نتایج عملکرد برای DCTT ثبات چشمگیر و بهبود یافتگی سربار در مقایسه با الگوریتم خوشه بندی مبتنی بر ID یعنی MDMAC اتخاذ شده را نشان می دهد. علاوه بر این، الگوریتم بدون ساختار برای ردیابی هدف در VANETها پیاده سازی می شود تا ضرورت یک پروتکل مبتنی بر خوشه برای ردیابی هدف در VANETها را نشان دهد. نتایج شبیه سازی الگوریتم بدون ساختار در مقایسه با DCTT و PCTT به دلیل تلفات چشمگیر در بسته بخصوص در سناریوهای تراکم بالا، نسبت تحویل پائین را نشان می دهد. آخرین بار نیست که، چارچوب ارتباطات وسیله نقلیه به زیرساختار (V2I) در الگوریتم های ما با توسعه دو تکنیک برای انتشار داده از سر خوشه به سمت مرکز کنترل ارزیابی می شود. روش حمل و ارسال با الگوریتم مسیریابی چند هاپ مقایسه می شود.
عنوان انگلیسی:Using Clustering for Target Tracking in Vehicular Ad Hoc Networks~~en~~
Conclusions
In this paper, we have assessed the performance of two proposed clustering algorithms designed for vehicle tracking in VANETs: the DCTT and the PCTT algorithms. The DCTT algorithm is the basic cluster-based target tracking framework that is designed to work in a distributed manner. PCTT algorithm is a centralized and prediction-based algorithm which improves clustering performance considerably. Simulation results showed that the PCTT algorithm outperforms DCTT and the structure-less carry and forward mechanism because of its prediction-based cluster maintenance and cluster head selection mechanisms. In addition, the performance results for DCTT shows significant stability and overhead improvement as compared to an ID-based clustering algorithm, i.e., the adapted MDMAC. Furthermore, a structure-less algorithm for target tracking in VANETs was implemented so as to demonstrate the necessity of a cluster-based protocol for target tracking in VANETs. Simulation results of the structure-less algorithm shows low delivery ratio due to considerable packet loss, specially in high density scenarios, when compared to DCTT and PCTT. Last but not least, the vehicle-to-Infrastructure (V2I) communication framework in our algorithms has been evaluated by extending two techniques for data dissemination from the cluster head towards the control center. The carry-and-forward method is compared to a multi-hop routing algorithm.
$$en!!
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
مهسا فایل |
سایت دانلود فایل 