2025
H-TERF: A hybrid approach combining fuzzy multi-criteria decision-making techniques and enhanced random forest to improve WBAN-IoT
KHOSHVAGHT, Parisa; Jawad TANVEER; Amir Masoud RAHMANI; Mohammad MOHAMMADI; Amin MEHRANZADEH et al.Základní údaje
Originální název
H-TERF: A hybrid approach combining fuzzy multi-criteria decision-making techniques and enhanced random forest to improve WBAN-IoT
Název česky
H-TERF: Hybridní přístup kombinující techniky fuzzy vícekriteriálního rozhodování a rozšířený náhodný les pro zlepšení WBAN-IoT
Autoři
KHOSHVAGHT, Parisa; Jawad TANVEER; Amir Masoud RAHMANI; Mohammad MOHAMMADI; Amin MEHRANZADEH; Jan LÁNSKÝ a Mehdi HOSSEINZADEH
Vydání
Internet of Things, Amsterdam, Elsevier, 2025, 2542-6605
Další údaje
Jazyk
angličtina
Typ výsledku
Článek v odborném periodiku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Nizozemské království
Utajení
není předmětem státního či obchodního tajemství
Impakt faktor
Impact factor: 7.600 v roce 2024
Označené pro přenos do RIV
Ano
Kód RIV
RIV/04274644:_____/25:#0001216
Organizační jednotka
Vysoká škola finanční a správní
UT WoS
EID Scopus
Klíčová slova česky
Internet věcí; DBSCAN shlukování; Fuzzy TOPSIS; Fuzzy AHP; Vylepšený náhodný les
Klíčová slova anglicky
Internet of Things; DBSCAN clustering; Fuzzy TOPSIS; Fuzzy AHP; Enhanced random forest
Štítky
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 26. 1. 2026 13:02, Mgr. Jitka Štruncová
V originále
The Internet of Things (IoT) technology today has grown rapidly compared to the last few years, and the use of this technology has increased the quality of service to users day by day. The various applications of IoT have caused the attention of this innovation to enhance among different organizations. One of the important challenges of the IoT is routing, which can affect having a stable network. In this research, a hybrid approach called H-TERF (Hybrid TOPSIS and Enhanced Random Forest) is proposed for achieving efficient routing in IoT networks, specifically in Wireless Body Area Networks (WBAN). This method initially cluster nodes by using the DBSCAN clustering algorithm to optimize intra-cluster communication. Then, for routing, the nodes are ranked using the Fuzzy TOPSIS and Fuzzy AHP. This ranking is determined by several criteria, including the remaining energy of nodes, node memory, and throughput. Additionally, to manage more complex criteria such as node historical records and traffic rate, the initial ranking by the TOPSIS approach, along with the other mentioned criteria, is fed into an enhanced random forest model to identify the optimal path. This hybrid method enhances network performance in terms of lifespan, efficiency, delay, and packet delivery ratio. The outcomes of the simulation show that the suggested method surpasses existing approaches and is highly effective for application in IoT and WBAN networks. For example, the performance improvement of the proposed approach over the F-EVM, DECR, and DHH-EFO approaches in energy consumption was 20.62%, 25.85%, and 32.57%, respectively.
Česky
Technologie internetu věcí (IoT) dnes zaznamenala ve srovnání s posledními několika lety rapidní rozvoj, a používání této technologie den ode dne zvyšuje kvalitu služeb pro uživatele. Různé Aplikace IoT vedly k nárůstu pozornosti této inovace mezi různými organizacemi. Jednou z důležitých výzev IoT je směrování, které může ovlivnit stabilní síť V tomto výzkumu byl použit hybridní přístup nazvaný H-TERF (Hybrid TOPSIS a Enhanced Random Forest) je navržen pro dosažení efektivního směrování v sítích IoT, konkrétně v Bezdrátové sítě v oblasti těla (WBAN). Tato metoda zpočátku seskupuje uzly pomocí DBSCAN. algoritmus shlukování pro optimalizaci komunikace v rámci shluku. Pak jsou pro směrování uzly seřazené pomocí Fuzzy TOPSIS a Fuzzy AHP. Toto pořadí je určeno několika kritérii, včetně zbývající energie uzlů, paměti uzlů a propustnosti. spravovat složitější kritéria, jako jsou historické záznamy uzlů a míra provozu, počáteční pořadí podle Přístup TOPSIS je spolu s dalšími zmíněnými kritérii zadán do vylepšeného náhodného lesa. model pro identifikaci optimální cesty. Tato hybridní metoda zlepšuje výkon sítě z hlediska životnosti, efektivity, zpoždění a poměru doručení paketů. Výsledky simulace ukazují, že Navrhovaná metoda překonává stávající přístupy a je vysoce efektivní pro aplikace v IoT a sítě WBAN. Například zlepšení výkonu navrhovaného přístupu oproti Podíl spotřeby energie u přístupů F-EVM, DECR a DHH-EFO byl 20,62 %, 25,85 % a 32,57 %.