基于多相关性的传感数据离群点检测与处理

针对传感数据中离群点造成结果精确度低的问题,设计了一种基于局部异常检测方法的改进离群数据检测算法。利用节点数据的时空相关性建立了时空变化因子模型,对局部异常检测算法中距离计算进行改进,使弥散数据更加密集,提高检测精确性。此外,还利用了不同数据间的属性相关性构建了一个线性回归模型,用于处理误差数据。为了验证算法的可行性,选用多个数据集进行对比测试。实验结果表明,该算法能够在实现高检测精度的前提下,将虚警率控制在较低水平。     

无线物联网感知层多源传感数据实时共享方法

无线物联网感知层的多源传感数据量较多,差异化较大,在数据共享阶段,由于大差异性导致存在异常数据的问题,提出了针对无线物联网感知层的多源传感数据实时共享方法。结合滑动窗口、ARIMA模型和K-means算法剔除多源传感数据中的异常数据,采用改进支持度函数加权算法融合数据后,依据共享条件引入ERDQN算法实现数据实时共享。仿真结果表明,所提方法能量消耗低于0.302 J、数据延迟均值低于0.388 s、数据到达率高于0.585、节点生存数目高于71个,解决了无线物联网感知层多源传感数据共享实时性较差的问题。     

物联网开放环境多源异构传感数据低能耗采集

物联网开放环境存在大规模异构数据,增加了传感数据采集的能耗,且容易导致采集误差。为此,提出了物联网开放环境多源异构传感数据低能耗采集。利用数据采集时间、负载均衡度和数据采集过程中的能量损耗为评价函数。并在此基础上构建数据采集分配模型,之后布置相关传感网络节点,收集数据信息。构建传感器节点优化部署模型,优化网络信道分配,降低数据采集能耗,以此达到低能耗数据采集的目的。实验验证表明,使用该方法对数据实施采集,当丢包率达到15%时,数据采集误差为0.03m。平均能量消耗为0.524 J,平均节点存活数量为141个,平均采集数据量为2.18 × 103 bit,该方法优化了数据采集误差和网络信道的分配性能,有效降低了传感数据的采集能耗。     

基于多尺度主成分分析的全网络异常检测方法

网络异常检测对于保证网络的可靠运行具有重要意义,而现有的异常检测方法仅仅单独利用流量的时间相关性或空间相关性.针对这一不足,同时考虑流量矩阵的时空相关性,提出了一种基于MSPCA的全网络异常检测方法.该方法综合利用小波变换具有的多尺度建模能力和PCA具有的降维能力对正常流量进行建模,然后采用Shewart控制图和EWMA控制图分析残余流量.此外,还利用滑动窗口机制对MSPCA异常检测方法进行在线扩展,提出了一种在线的MSPCA异常检测方法.因特网实测数据分析和模拟实验分析表明:MSPCA算法的检测性能优于PCA算法和近期提出的KLE算法;在线MSPCA算法的检测性能非常接近MSPCA算法,且单步执行时间很短,完全满足实时检测的需要.     

基于云框架直方图的无线传感网络数据异常检测方法

以提高无线传感网络环境安全性为目的,提出一种基于云框架直方图的数据异常检测方法。在高斯函数分类云模型中,划分不同数据的属性中心值,完成数据高维分类。然后针对可能存在异常数据的传感网络环境,在构建云框架直方图后计算数据间相似度。通过比较低的数据间相似度阈值完成数据异常粗检测,再在不同维度空间内,利用超矩形方法对比粗检测后数据是否处于同一数段,实现数据异常细检测。仿真结果表明：所提方法的归一化训练结果基本符合归一化处理的理论变化趋势,在数据量最大的情况下,其检测耗时仅用41 s、检测误差仅为1.2%,且在中心机房的能耗中占比较小。相比于传统方法来说,所提方法的检测耗时更少、误差更小、检测能耗更低。     

多源异构传感通信大数据的融合调度算法

本文研究了在能量受限条件下服务于多种类型的数据处理和传输的多源异构通信簇交通传感器节点系统的最优大数据的融合调度控制问题。传统方法需要大量关于系统动态的统计信息,并且求解效率低。使用针对更新帧的李雅普诺夫优化技术,本文设计了一种新的在线多源传感通信大数据融合调度算法来克服以上困难。仿真实验表明所设计算法稳定、鲁棒,为后续利用交通传感器网络传输大规模数据奠定基础。     

基于相似连接的多源数据并行预处理方法

大规模网络环境和大数据相关技术的发展对传统数据融合分析技术提出了新的挑战。针对目前多源数据融合分析过程灵活性差、处理效率低的问题，提出了一种基于相似连接的多源数据并行预处理方法，该方法采用了分治和并行的思想。首先，通过对多源数据中的相似语义进行统一、对个性语义进行保留的预处理方法提高了灵活性；其次，提出了一种改进的并行MapReduce框架，提高了相似连接的效率。实验结果表明，所提方法在保证数据完整性的基础上，使总的数据量减小了32%。与传统的MapReduce框架相比，改进后的框架在耗费时间方面减小了43.91%，因此该方法可以有效提高多源数据融合分析的效率。     

基于多任务学习的多源数据分类研究

针对现有方法在处理多源数据时忽视数据源之间关联性的问题,提出了一种可以同时实现多分类效果的多源学习框架。该框架将不同的数据源看作多个相关的任务,将多源问题转换为经典的多任务学习问题,通过提取数据源之间的关联,来提高单个数据源的分类性能。此外,该框架利用聚类分析原理,对带标记样本实现多分类效果。实验结果表明,该框架优于只针对单个数据源学习的单任务学习框架和只针对二分类进行处理的传统的多任务学习框架。     

基于密度的多波束水深数据异常检测方法仿真

针对传统的多波束水深数据异常检测方法无法满足大区域、高密度测水深的要求,提出了基于密度的多波束水深数据异常检测方法。分析多波束系统的原始数据格式,对原始多波束水深数据进行提取。在分析系统主要误差来源的基础上,对条带辅助参数进行预处理。利用中值滤波、局部方差以及小波分析相结合的方法来定位异常数据,实现多波束水深数据异常检测。为验证上述研究方法的有效性,进行一次实验。实验结果表明,与传统方法相比,所提方法能够高精度检测出水深探测中的异常数据,且在实际应用中具有更小的残差值。根据实验结果可以得出结论:上述研究所设计的多波束水深数据异常检测方法符合该领域应用要求。     

基于激光雷达多源数据融合的路障检测系统设计

车辆行驶模式的改变会导致道路障碍观测盲区的出现,如何在满足车辆运行安全的条件下,对道路障碍进行快速检测已经成为了一项亟待解决的问题;基于此引入激光雷达多源数据融合理论,设计路障检测系统;利用多源以太网接口电路,提供激光图像传感器、路障特征提取分类器、TVPS150PBS图像解码器所需的应用电子量,再借助可编程逻辑器件,对待融合多源数据进行整合,完成路障检测系统硬件设计;规划雷达工作模式的识别环境,利用多源异构传感器设备,对检测角点特征进行提取处理,整合上述所有数据信息,完成雷达脉冲组序列的建模处理,实现基于激光雷达多源数据融合路障检测系统的应用;实验结果表明,激光雷达多源数据融合原理支持下路障检测系统的PF指标最大数值与最小数值的差值为60 MHz;PR指标的差值为4800 MHz,PW指标的差值为700 MHz;以上指标表明所设计系统的观测盲区更小,可在满足车辆运行安全的条件下,实现对道路障碍的快速检测.     

基于大数据的网络信息数据流量异常检测方法

网络结构日益复杂,网络故障出现的频率也逐渐增多,对网络管理带来了挑战。在网络管理中,最重要的任务是通过对网络信息数据流量异常情况进行检测,提前进行处置,将故障率降低到最低。对此,笔者提出基于大数据的网络信息数据流量异常检测方法。通过对比实验证明,该方法具有更高的准确率,且检测性能良好,能够满足目前大数据环境下对网络信息数据流量异常的检测要求。     

多源信息融合的设备热缺陷智能实时检测方法

针对现有算法对多类变电站设备热缺陷诊断效率不高,难以满足边缘端实时检测需求等问题,提出了一种基于多源信息融合的设备热缺陷智能实时检测方法。首先利用粒子群优化的SIFT描述子实现多源图像的配准。其次提出改进的YOLOv4算法实现设备检测,将特征提取网络CspDarket53替换为轻量级网络GhostNet,并将特征融合模块的普通卷积层替换为深度可分离卷积,使模型轻量化;将三尺度检测扩充为四尺度,加强对遮挡目标的检测;在特征融合部分嵌入ASFF模块,提升设备检测精度。最后完成设备的热缺陷诊断以及缺陷等级判定。实验结果表明,文中方法达到93.56%的mAP值,推理速度达到35FPS,可用于变电站设备热缺陷的实时监测。     

基于多源数据融合的海上异常目标识别与应对系统架构研究

随着海洋强国战略的不断推进,远海远域已经成为各国争夺的下一个战略高地,这对海上侦察监视能力提出了更高的要求。围绕海上异常目标识别与应对,提出了一种基于多源数据融合的海上异常目标识别与应对系统架构,从系统组成、技术架构和运行流程对系统总体架构进行分析阐述。所构设的系统可以帮助决策者直观地感知海上态势,快速发现海上异常活动目标,并科学派遣军地力量组织联动处置应对,有效提升海上侦察监视能力与处置应对能力。     

多传感数据的判别分析方法

在多传感数据的处理过程中 ,有时要利用多传感器对某一对象进行不同方面观测 ,针对所获得数据研究观察对象属性。此类问题的本质是判别对象的归属类型 ,就此问题利用多元统计理论 ,提出一种简明的判别方法。     

基于多源数据集成的松嫩平原

以数字地球科学和数据仓理论为指导,以3S技术、环境模拟技术和计算机编程技术为手段,根据空间信息与非空间信息在地理单元和空间上的存储特征,建立了基于域和对象的公共数据模型,继而构建了不同专属性的空间数据库。以此为基础,通过应用空间数据引擎和空间数据操作对象,首次对面向应用的松嫩平原土地资源空间数据仓进行了分析与设计。     

基于多目标优化技术的多源异构数据分类研究

针对多源异构数据不平衡分类问题,论文建立了自适应多目标群交叉优化(AMSCO)算法来处理并行采样两个类时的类不平衡数据集。以重新平衡数据集时间最优为目标,采用两种群优化算法逐步找出特定分类器的最佳性能。将少数类样本合成过抽样技术(S MOTE)扩展为OSMOTE用于将少数多源异构数据扩充到适当的数量,结合群实例选择(S IS)有用的实例来过滤大部分多源异构数据。实验结果表明,所提出的算法能够提高多源异构数据分类模型的可信度并保持较高的准确性。     

基于图的多源数据融合框架研究

在给定的任务中分析各种数据时,目前大多数研究只针对单源数据进行分析,缺乏应用于多源数据的方法.但如今数据日益丰富,因此提出一种多源数据融合框架,用于融合多种网络平台数据.同一平台数据中包含文本与各种属性,同时不同平台的数据在内容与形式方面也存在很大差异.然而现有的网络信息挖掘方法大多仅使用同一平台中的部分数据进行分析,忽略了不同平台的数据之间存在的相互作用.因此文中提出一种数据融合框架,一方面,能基于图的强大表示能力融合同一平台不同类型的特征,从而提升单个平台的任务性能;另一方面能够利用不同平台的数据特征,使其相互补充,从而提升多个平台的任务性能.文中讨论的融合数据类型包括文本、时间、作者信息,这些特征涉及连续特征、离散特征以及非结构化特征.所提框架在事件分类任务上提升了 F1值,验证了提出的多源数据框架的有效性.     

多源融合信息泄漏检测方法

密码设备的侧信息泄漏检测是侧信道分析中的重要技术环节,旨在客观地评估密码设备的物理安全性。不同类型的侧信息在密码设备运行过程中同时存在,仅仅从单源侧信息的视角进行信息泄漏检测难以全面反映密码设备的真实泄漏威胁情况。因此,发展基于多源侧信息的融合信息泄漏检测方法,建立综合利用多源侧信息的泄漏检测方法体系,以期实现对密码设备物理安全性更全面、更客观地评估,是一种现实技术需求。本文基于如何融合利用多个信道的侧信息提出了3种多源融合信息泄漏检测方案：多源简单融合信息泄漏检测、多源时频融合信息泄漏检测以及基于多元T检验的多源信息泄漏检测。其中,多源简单融合信息泄漏检测在时域上组合利用多个信道的侧信息;多源时频融合信息泄漏检测综合利用了多个信道侧信息的时域信息及频域信息;基于多元T检验的多源信息泄漏检测基于多元假设检验方案构造。对比单源的信息泄漏检测方案,模拟实验和真实实验结果表明本文提出的多源融合信息泄漏检测方案可以降低检测出泄漏所需的侧信息数量,提高泄漏检测的效率。