《基于超球面支持向量机的传感器网络数据异常检测分析》PDF+DOC
作者:冯乔
单位:上海市微型电脑应用学会
出版:《微型电脑应用》2020年第10期
页数:3页 (PDF与DOC格式可能不同)
PDF编号:PDFWXDY2020100560
DOC编号:DOCWXDY2020100569
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于深度信念网络的高维传感器数据异常检测算法》PDF+DOC2019年第06期 金鹏,夏晓峰,乔焰,崔信红
《基于滑动窗口的单传感器数据异常检测》PDF+DOC2014年第12期 龙滢,裘晓峰
《基于四分之一超球SVM的WSN异常检测》PDF+DOC2019年第04期 华志颖,吴蒙,杨立君
《一种基于信息熵的传感器数据异常检测方法》PDF+DOC2018年第09期 田黎明,张冬梅
《基于异常识别和关联分析的桥梁数据复合诊断》PDF+DOC2012年第03期 梁栋,张宇峰,袁慎芳,吴键
《桥梁数据异常诊断方法在伸缩缝监测中的应用》PDF+DOC2011年第05期 梁栋,张宇峰,袁慎芳,吴键
《基于传感器网络的异常检测算法研究》PDF+DOC2008年第03期 李中跃,赵红岩
《无线传感网中一种基于支持向量机的异常事件检测方案》PDF+DOC2015年第02期 李力
《基于结构健康监测系统的桥梁数据异常诊断研究》PDF+DOC2013年第01期 袁慎芳,梁栋,高宁,张宇峰
《基于支持向量机的无线传感器网络的入侵检测系统》PDF+DOC2012年第07期 汪淑丽
构建了一种通过DBN实现的1/4超球面支持向量机(Quarter-Sphere support vector machines, QSSVM)测试模型,设计了一种可以实现在线测试功能的异常检测算法。当窗口扩大后,QSSVM发生了准确度不断提高的变化趋势,能够提高半径的测试精度。当窗口增大后算法持续时间增加,QSSVM相对于OCSVM(One-Class support vector machines, OCSVM)可以降低近一半的计算时间。随着窗口扩大至临界值后,将会引起准确度的减小,设置QSSVM算法滑动窗口为100。当样本包含更高的维度异常比例时,所有算法都出现了检测率增大的变化现象。当样本维度升高后,QSSVM依然具备优异检测性能,而K-means发生了检测性能的下降。通过测试发现,采用新算法能够满足大规模高维传感器的数据处理需求,从而减小时间复杂度并能够更加准确测定异常数据。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。