When ( 1 )  kr k r N N and p=0.8,

When ( 1 )  kr k r N N and p=0.8,we can arrive at q2=0.33,
q1=0.50 and b=1.76,the network lifetime of EBPC are 76%
more than LEACH.As shown in fig.5 is the relationship of the
proportion of cluster heads and network lifetime lengthen rate
to data fusion rate,where the network lifetime lengthen rate
is 2 1 1 (a  a ) / a . It is evident form fig.5(a) that as data fusion
rate increase,the number of cluster heads of k1 and k2 will
gradually reduced.When p=0.9,q1 will be 0.24 and q2 will be
0.33,network lifetime expectancy has increased by 45%.It is
evident form fig.5(b) that the network lifetime lengthen rate is
1.3 when p=0.5,and the smaller the data fusion rate,the bigger
the network lifetime extension rate,EBPC has more
advantages than LEACH which is due to the proportion of
cluster heads increased and the size of data from the common
nodes decreased which reduces the node’s average energy
consumption as the reduced of data fusion rate.In practice,due
to the number of cluster nodes is been restricted, therefore,we
need reasonable select the rate of cluster head to improve the
monitoring system.
(a)

ผลลัพธ์ (ไทย) 1:

เมื่อ (1)  kr k r N N และ p = 0.8 เราสามารถมาถึงที่ q2 = 0.33q1 = 0.50 และ b = 1.76, 76% มีอายุการใช้งานเครือข่ายของ EBPCมากกว่ากรอง ดังที่ปรากฏใน fig.5 เป็นความสัมพันธ์ของการสัดส่วนของอายุการใช้งานเครือข่ายและคลัสเตอร์หัวยาวราคาข้อมูลอัตราฟิวชั่น ที่ยืดอัตราของอายุการใช้งานเครือข่ายคือ 2 1 1 (เวอเป็น) / a มันเป็น fig.5(a) แบบฟอร์มชัดเจนที่เป็นหลอมรวมข้อมูลเพิ่มอัตรา จำนวนหัวคลัสเตอร์ k1 และ k2 จะค่อย ๆ ลดลง เมื่อ p = 0.9, q1 จะ 0.24 และ q2 จะ0.33, expectancy อายุการใช้งานเครือข่ายได้เพิ่มขึ้น 45% มันเป็นfig.5(b) แบบฟอร์มชัดเจนที่ยืดอายุการใช้งานเครือข่ายราคาถูก1.3 เมื่อ p = 0.5 และอัตราฟิวชั่นข้อมูลขนาดเล็ก ใหญ่อัตราขยายอายุการใช้งานเครือข่าย EBPC มีข้อได้เปรียบกว่ากรองซึ่งเป็นสัดส่วนของคลัสเตอร์หัวเพิ่มขึ้นและขนาดของข้อมูลจากการทั่วไปโหนที่ลดลงซึ่งลดพลังงานเฉลี่ยของโหนดการบริโภคเป็นการลดลงของอัตราการหลอมรวมข้อมูล ในทางปฏิบัติ ครบกำหนดจำนวนของคลัสเตอร์ โหนจะถูกจำกัด ดังนั้น เราต้องเลือกที่เหมาะสมของหัวคลัสเตอร์เพื่อปรับปรุงการการตรวจสอบระบบ(ก)

ผลลัพธ์ (ไทย) 2:

เมื่อ (1)  KR KR NN และ p = 0.8 เราสามารถประสบความสำเร็จในไตรมาสที่ 2 = 0.33,
Q1 = 0.50 และ B = 1.76, อายุการใช้งานเครือข่าย EBPC เป็น 76%
มากกว่า LEACH.As แสดงใน fig.5 เป็น ความสัมพันธ์ของ
สัดส่วนของหัวคลัสเตอร์และเครือข่ายตลอดอายุการใช้อัตราการยืด
เพื่อให้อัตราการส่งข้อมูลฟิวชั่นที่อายุการใช้งานเครือข่ายอัตราการยืด
เป็น 2 1 1 (กก) / A มันเป็นรูปแบบที่เห็นได้ชัด fig.5 (ก) เป็นข้อมูลที่ฟิวชั่น
อัตราการเพิ่มขึ้นจำนวนหัวกลุ่มของ K1 และ K2 จะ
ค่อยๆ reduced.When p = 0.9 ไตรมาสที่ 1 จะเป็น 0.24 และไตรมาสที่ 2 จะได้รับ
0.33, เครือข่ายอายุการใช้งานคาดหวังได้เพิ่มขึ้น โดย 45% มันเป็น
รูปแบบที่เห็นได้ชัด fig.5 (ข) อายุการใช้งานเครือข่ายที่อัตราการยืดเป็น
1.3 เมื่อ p = 0.5 และมีขนาดเล็กอัตราฟิวชั่นข้อมูลที่ใหญ่กว่า
อัตราการขยายอายุการใช้งานเครือข่าย EBPC มี
ข้อได้เปรียบกว่า LEACH ซึ่ง เป็นเพราะสัดส่วนของ
หัวคลัสเตอร์ที่เพิ่มขึ้นและขนาดของข้อมูลจากการที่พบบ่อย
โหนดลดลงซึ่งจะช่วยลดการใช้พลังงานเฉลี่ยของโหนด
บริโภคลดลงของการปฏิบัติ rate.In ข้อมูลฟิวชั่นเนื่องจาก
จำนวนของโหนดคลัสเตอร์จะถูก จำกัด ดังนั้น เรา
ต้องเลือกที่เหมาะสมอัตราของหัวคลัสเตอร์ในการปรับปรุง
ระบบการตรวจสอบ.
(ก)

ผลลัพธ์ (ไทย) 3:

เมื่อ (  1 )  KR K r n n และ p = 0.8 , เราสามารถมาถึง Q2 = 0.33 ,1 = 0.50 และ B = 1.76 , เครือข่ายชีวิต ebpc เป็น 76%มากกว่ากรอง ดังแสดงใน fig.5 คือความสัมพันธ์ของสัดส่วนของกลุ่ม และอัตราการใช้งานของโครงข่ายยืดหัวให้คะแนนของข้อมูลที่เครือข่ายยืดอายุการใช้งาน อัตรา2 1 1 (  ) / . มันเป็น fig.5 แบบเห็นได้ชัด ( ) เป็นฟิวชั่นข้อมูลอัตราการเพิ่มจำนวนของกลุ่มหัว K1 และ K2 จะค่อย ๆ ลดลง เมื่อ p = 0.9 , Q1 และ Q2 จะเป็น 0.240.33 , ความคาดหวังอายุการใช้งานเครือข่ายได้เพิ่มขึ้นเป็น 45 %fig.5 แบบเห็นได้ชัด ( b ) ที่อายุการใช้งานเครือข่ายยาวเท่ากันคือ1.3 เมื่อ p = 0.5 , และขนาดเล็กข้อมูลการอัตรา , ใหญ่อายุการใช้งานเครือข่ายขยายอัตรา ebpc ได้มากขึ้นข้อดีกว่ากรองซึ่งเป็นเนื่องจากสัดส่วนของกลุ่มหัวเพิ่มขึ้น และขนาดของข้อมูลจากสามัญของโหนดโหนดลดลงซึ่งจะช่วยลดพลังงานเฉลี่ยการลดลงของอัตราการเป็นข้อมูล ในการปฏิบัติงาน เนื่องจากจำนวนของโหนดคลัสเตอร์จะถูก จำกัด ดังนั้นเราจึงต้องการที่เหมาะสมเลือกคะแนนของกลุ่มหัวเพื่อปรับปรุงระบบการตรวจสอบ( A )