无线传感器网络分布式离群数据检测研究

近年来,无线传感器网络离群数据检测研究越来越受到人们的关注.无线传感器网络离群数据检测在火灾监测、欺诈和入侵检测等诸多领域都有非常重要的作用.针对无线传感器网络集中式离群数据检测算法能量消耗过快的问题,提出了一种基于密度的分布式离群数据检测算法,并通过引入时空关联性有效提高了检测精度.通过NS2仿真实验,验证了该分布式算法节省了能量消耗,同时保持了较高的检测准确率.     

无线结构健康监测传感器网络中的时间序列同步算法

现有的无线传感器网络时间同步算法的同步精度较低,无法满足分布式结构损伤检测系统的要求.文章提出一种基于最小化序列能量差的时间同步算法.该算法通过比较传感器节点在不同时刻记录的采样信号序列,采用比较能量差的方法进行时间序列自同步.经过理论分析及多次实验证明,采用该方法的同步精确度符合无线结构健康监测系统对时间同步精度要求.     

基于椭球模型的无线传感器网络的局部离群点检测

针对现有的无线传感器网络(WSNs)的局部离群点检测算法由于存在未考虑监测环境的异质性而造成邻域划分不准确、检测精度低的问题,提出适用于异质监测环境的基于椭球模型的无线传感器网络的局部离群点检测算法.算法用椭球模型刻画数据分布,节点间只传输模型参数,用椭球参数式方程计算椭球间的相异度;将数据分布的不一致性引入到邻域划分的过程中,最终利用传感数据的时空关联性来确定局部离群点.实验结果表明,提出的算法具有通信量低、检测精度高和误检率低的优点.     

无线传感器网络时间同步综述

时间同步是无线传感器网络技术研究的一个新热点,很多无线传感器网络应用都要求传感器节点的时钟保持同步;由于无线传感器网络自身的特点,它在同步范围、能量消耗以及同步精度上都有特殊的要求,这使传统的时间同步方法并不适合无线传感器网络,对目前典型的无线传感器网络时间同步算法进行了论述,并指出了进一步的研究方向。     

无线传感网离群点检测技术研究综述

无线传感器网络(wireless sensor network,WSN)受电池能量、计算能力、通信能力和内存空间及传感数据多维特征的限制,传统的离群点检测技术不能直接应用于WSN,因此出现了一系列针对WSN的离群点检测技术.对已有的WSN离群点检测技术进行了概述,根据各离群点检测技术的特征进行了分类和分析,并结合现有技术的缺陷和需求,展望了WSN离群点检测技术的未来研究方向和目标.     

无线传感器网络时间同步技术研究

时间同步技术是无线传感器网络的一项重要技术,它对无线传感器网络中许多技术的实现具有重大意义.有限的电池能量,存储以及带宽限制等传感器固有特性的存在,导致传统的时间同步算法不适合无线传感器网络.具体介绍了现有的无线传感器中的一些时间同步问题和时间同步算法,并对其具体特性进行了深入的分析比较.     

无线传感器网络的时间同步算法研究

时间同步是研究多跳ad hoc无线网络的重要问题,例如无线传感器网络,许多具体应用需要传感器节点本地时钟的同步,要求各种程度的同步精度.无线传感器网络设备的一些固有属性,例如能量的限制、存贮、计算和带宽,与节点分布的高密度结合,使传统的时间同步算法不适合于这些网络.因此,越来越多的研究集中在设计适合于无线传感器网络的时间同步算法.首先回顾了时间同步的问题和无线传感器网络时间同步的需要,然后详细介绍了针对无线传感器网络设计的基本的时间同步算法,最后对各种算法进行了比较分析,并指出了下一步的研究方向.     

无线传感器网络时间同步机制研究

时间同步是无线传感器网络中一项重要的底层支撑技术,是实现节点的协同感知、通信、能量管理等网络功能的前提条件。针对无线传感器网络不同的应用需求,相继提出了不同种类的时间同步算法。归纳了无线传感器网络时间同步机制的分类方法,分析了每类典型的时间同步机制,最后总结了无线传感器网络时间同步机制的发展方向和未来的研究热点。     

无线传感器网络数据压缩技术的研究进展

随着传感器技术、嵌入式计算以及无线通讯技术的发展,无线传感器网络应运而生。因为无线传感器网络中的节点只有有限的电池能量,而数据的无线传输是能量消耗的主要部分,过多的无线传输将会快速耗尽节点的电池能量,从而引起节点失效。因此,如何在不危及网络的任务条件下尽可能地压缩数据是一个重要的研究问题。本文从时间相关性、空间相关性以及时空相关性三个方面综述了近年来无线传感器网络数据压缩技术的研究进展,讨论了目前存在的一些问题以及未来的一些研究方向。     

无线传感器网络时间同步协议

出了基于层次结构的无线传感器网络时间同步协议。首先以汇聚点为根节点建立一个具有层次结构的树,然后采用成对同步法沿着该树建立一个全网统一的时钟。仿真结果显示该协议能满足无线传感器网络的时间同步要求。     

WSN中基于加速动态时间弯曲的异常数据流检测

在无线传感器网络下,进行分布式系统下数据流时间序列的离群检测研究,对实际生活中的火灾检测、欺诈、入侵检测和金融分析等诸多领域都有非常重要的作用。本文先对序列进行标准化,再利用动态时间弯曲距离进行序列间离群检测,较大地提高了检测的精度。同时针对DTW的计算复杂度瓶颈问题,加入了提前终止的思想,并利用多级判断来进一步提速。通过NS2仿真实验,验证了本文所提出的分布式系统下离群序列的加速检测方法既节省了能量消耗,又保持了较高的检测准确率和速度。     

时间序列增量异常模式检测算法

在k-近邻局部异常检测算法的基础上,结合时间序列的分割方法,提出一种高效率的时间序列增量异常模式检测算法。将时间序列按序列重要点进行数据分割,利用局部异常检测方法检测出时间序列的异常模式。当插入一些新数据时,邻近分割模式发生变化,增量异常检测算法更新相应的最近邻模式。通过该算法可以高效率地发现时间序列的异常模式。     

一种基于LLM的高维时间序列数据异常检测方法

以国家重大建设项目稽察中的数据一致性判别问题为应用背景,针对时间序列型高维数据提出了一种基于局部线性映射(Local Linear Mapping,LLM)的数据变换方法,该方法将各高维数据点通过其相邻点的线性重构映射至低维空间,从而很好地保留了高维空间中各数据点与相邻数据点的相关性。基于LLM的映射特性,提出了三种异常指标,并将其应用于面向国家重大建设项目稽察数据一致性判别问题的高维时间序列数据异常检测中。数值计算表明,所提出的方法对时间序列异常检测具有很好的效果,适合于较大规模高维时间序列数据的异常检测应用。     

基于混合方法的多维时间序列驾驶异常点检测

针对传统异常点检测模型难以准确分析汽车驾驶异常行为的情况,建立一种基于自动编码器与孤立森林算法的多维时间序列汽车驾驶异常点检测模型。利用滑动窗口计算原始多维时间序列范数、范数变化率及相关统计信息值提取数据特征,通过自动编码器重构特征数据,并结合孤立森林算法实现异常点检测。实验结果表明,与基于LOF、OCSVM、iForest和LSTM-AE的异常点检测模型相比,该模型的召回率和F1度量值可分别提升至6%和2.4%以上,综合性能更优。     

基于时间序列相似性的自动观测数据时空异常探测方法研究

针对野外无线传感器获取的时空数据的特点,总结常见的时空异常探测方法,提出了一种根据时间序列相似性度量时空邻域的时空异常探测方法,用于准确检测时空数据的异常情况。采用2012年7月15日黑河流域生态水文无线传感器观测网中13个观测节点的数据进行验证,结果表明:该算法能够有效地探测到无线传感器网络时空数据中的异常,并能识别由于灌溉或降雨造成的伪异常,对其他数据处理探索研究有一定指导意义。     

基于距离和DF-RLS的时间序列异常检测

为能同时检测时间序列中的附加异常和革新异常,改进自回归模型,提出距离因子递推最小二乘(DF-RLS)线性预测算法。在此基础上,给出一种基于距离和DF-RLS的联合异常检测方法——DDR-OD。实验结果表明,与当前其他时间序列异常检测方法相比,DDR-OD的检测效果较优。     

基于离群指数的时序数据离群挖掘

离群数据挖掘(0utlier mining,简称离群挖掘)是数据挖掘的重要内容.该文针对时序数据进行离群数据挖掘方法的研究,提出了离群指数的概念,在此基础上设计了时序数据离群数据挖掘算法,并对某钢铁企业电力负荷时序数据进行离群数据挖掘,结果表明了算法的有效性.     

基于一类分类的时间序列异常值检测

论文结合相空间重构理论与一类分类方法提出一种时间序列中的异常值检测方法。该方法首先将时间序列映射到相空间,然后对相空间中的点实行一类分类,最后,根据KKT条件进行异常值检测。仿真实验结果表明了所给方法的可行性和有效性。     

一个基于小波的时序数据异常探测新算法

本文针对时序数据提出了一种基于小波的异常探测算法。首先应用小波变换将时域空间的时序数据分解成不同的频率成份,通过低频信号的特性缩短待处理的数据处理。对于变换后的数据,再采用基于密度的LOF异常探测方法挖掘异常数据。最后,对某烟草公司的烟叶收购数据序列进行了实验,结果表明了该算法的有效性。