High demands for industrial networks lead to increasingly large sensor networks. However, the complexity of networks and demands for accurate data require better stability and communication quality. Conventional clustering methods for ad-hoc networks are based on topology and connectivity, leading to unstable clustering results and low communication quality. In this paper, we focus on two situations: time-evolving networks, and multi-channel ad-hoc networks. We model ad-hoc networks as graphs and introduce community detection methods to both situations. Particularly, in time-evolving networks, our method utilizes the results of community detection to ensure stability. By using similarity or human-in-the-loop measures, we construct a new weighted graph for final clustering. In multi-channel networks, we perform allocations from the results of multiplex community detection. Experiments on real-world datasets show that our method outperforms baselines in both stability and quality.


翻译:对工业网络的高度需求导致日益庞大的传感器网络。然而,网络的复杂性和对准确数据的需求要求需要更好的稳定性和通信质量。特设网络的常规集群方法基于地形学和连通性,导致集群结果不稳定和通信质量低。在本文件中,我们侧重于两种情况:时间变化的网络和多通道特设网络。我们将特设网络建成图表,并为两种情况引入社区检测方法。特别是在时间变化的网络中,我们的方法利用社区检测结果来确保稳定性。我们通过使用类似或人到场的措施,为最终集群设计了新的加权图表。在多渠道网络中,我们从多路社区检测结果中进行分配。现实世界数据集实验显示,我们的方法在稳定性和质量两方面都超过了基线。

0
下载
关闭预览

相关内容

在网络中发现社区(称为社区检测/发现)是网络科学中的一个基本问题,在过去的几十年中引起了很多关注。 近年来,随着对大数据的大量研究,另一个相关但又不同的问题(称为社区搜索)旨在寻找包含查询节点的最有可能的社区,这已引起了学术界和工业界的广泛关注,它是社区检测问题的依赖查询的变体。
【如何做研究】How to research ,22页ppt
专知会员服务
108+阅读 · 2021年4月17日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
已删除
将门创投
3+阅读 · 2019年4月25日
Arxiv
0+阅读 · 2021年10月6日
Few-shot Scene-adaptive Anomaly Detection
Arxiv
8+阅读 · 2020年7月15日
Clustered Object Detection in Aerial Images
Arxiv
5+阅读 · 2019年8月27日
Arxiv
4+阅读 · 2019年5月1日
Arxiv
12+阅读 · 2019年1月24日
VIP会员
相关资讯
已删除
将门创投
3+阅读 · 2019年4月25日
Top
微信扫码咨询专知VIP会员