| 基于数据流时空特征的WSN异常检测及异常类型识别 |
| |
| 作者姓名： | 邓丽 刘庆连 邬群勇 杨水荣 |
| |
| 作者单位： | 福州大学空间数据挖掘与信息共享教育部重点实验室,福州350108;卫星空间信息技术综合应用国家地方联合工程研究中心,福州350108;数字中国研究院(福建) ,福州350003;福建农林大学计算机与信息学院,福州,350002 |
| |
| 基金项目： | 国家自然科学基金项目(41471333)、中央引导地方科技发展专项项目(2017L3012) |
| |
| 摘 要： | 异常数据检测及异常类型识别有助于提高无线传感器网络的数据质量，基于分类的异常检测算法存在传感器数据分类特征提取困难，无法进一步区分异常数据类型等问题，而基于时空特征的异常检测方法存在过度依赖于数据的假设分布等问题。针对这些问题，提出一种融合数据流时空特征和多分类模型的异常检测算法，算法首先基于Markov链提取传感器数据流的时空特征，然后将时空特征作为多分类卷积神经网络模型的输入特征，对数据流进行异常检测及异常类型识别。结果表明:该算法在不同数据集上均表现出较高的检测准确率以及较低的漏检率和误检率，可以有效地检测无线传感器网络中的异常值并判断异常类型。
|
| 关 键 词： | 无线传感器网络 异常检测及类型识别 时空特征 马尔科夫链 卷积神经网络 仿真 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载全文 |
|
