Data clustering in P2P networks using K-means algorithm

Abstract

.

Este proyecto se basa en el clustering en una red peer-to-peer utilizando un algoritmo adaptado k-means. El algoritmo obtiene los datos de la database Sensor Community, donde cada sensor es tratado como un nodo de la red. El conjunto de todos los nodos constituye la red. Para conseguir el clustering en la red peer-to-peer, se ha utilizado la herramienta Peersim. Por razones de simplicidad, se ha escogido un entorno estático en el que los nodos no se unen ni salen de la red mientras el algoritmo está en marcha. Además, los datos se han extraído en un instante determinado de tiempo.

Aquest projecte es basa en el clustering a una xarxa peer-to-peer utilizant un algorisme adaptat k-means. Clustering de dades en xarxes P2P mitjançant l'algorisme K-means L'algorisme obté les dades de la database Sensor Community, on cada sensor és tractat com un node de la xarxa. El conjunt de tots els nodes constitueix la xarxa. Per aconseguir el clustering a la xarxa peer-to-peer, s'ha utilitzat l'eina Peersim. Per raons de simplicitat, s'ha escollit un entorn estàtic on els nodes no s'uneixen ni surten de la xarxa mentres l'algorisme està en marxa. A més a més, les dades han estat extretes en un instant determinat de temps.

This project focuses on clustering data in Peer-to-Peer networks using an adapted Kmeans algorithm. The K-means algorithm clusters data taken from Sensor's community, where each sensor which is able to take data will be treated as an individual node. The set of all nodes constitutes the peer-to-peer network. In order to accomplish the clustering in the peer-to-peer, the Peersim tool has been used. For simplicity reasons, a static environment is selected, so nodes will not join or leave while the algorithm is running. Moreover, the data will be extracted from one specific time.