امروزه شبکه های حسگر بی سیم(wsns) برای کاربردهایی از قبیل کنترل, اندازه گیری و مانیتورینگ مورد توجه قوجه قرار گرفته اند. از مزایای اینگونه شبکه ها می توان به قابلیت پویایی و تحرک, همچنین افزایش سرعت دراستفاده و نصب آنها و مواردی دیگر اشاره نمود. در مقابل اینگونه شبکه ها دارای محدودیتهایی می باشند که از جمله آنها می توان به محدودیت درمصرف انرژی, در قدرت محاسباتی, در پهنای باند بخاطر ارتباطات بی سیم و محدودیت در فضای ذخیره سازی اشاره کرد. در سالهای اخیر از الگوریتم های خوشه بندی برای بهبود کارایی و تحلیل عملکرد در شبکه های حسگر بی سیم استفاده شده است . روش خوشه بندی چند گانه ( (co-clustering که نوعی تکنیک داده کاوی است اجازه خوشه بندی همزمان سطرها و ستون ها یک ماتریس را می دهد. خوشه بندی دوگانه, شامل پارتیشن بندی همزمان مجموعه ای از نمونه ها و صفات (attributes) آنها به زیر مجموعه هایی (بعضا دارای هم پوشانی) است که دارای بیشترین چسبندگی به هم می باشند (عاملهای هم پوشان). از خوشه بندی چندگانه می توان برای آنالیز الگوهای ترافیکی جهت تشخیص رفتارهای مخرب از رفتارهای طبیعی در شبکه های حسگر بی سیم استفاده نمود و بنابراین به کمک این روشها می توان حملات مختلف به شبکه های حسگر بی سیم را شناسایی نمود. اخیرا ابزار جدید پردازش مبتنی بر بهره برداری از خاصیت تنکی فضای نمونه ها ارائه شده است, و برای استخراج رفتار از شبکه های اجتماعی مورد استفاده قرار گرفته است. هدف از انجام این پروژه ارائه یک روش خوشه بندی چندگانه با بهره برداری از خاصیت تنکی موجود در عاملهای هم پوشان جهت نیل به پیچیدگی محاسباتی پایین, می باشد. در ادامه کاربردهای الگوریتم ارائه شده برای بهبود عملکرد در شبکه های حسگر بی سیم مورد توجه قرار می گیرد.