《基于数据流时空特征的WSN异常检测及异常类型识别》PDF+DOC
作者:邓丽,刘庆连,邬群勇,杨水荣
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2019年第09期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2019090150
DOC编号:DOCCGJS2019090159
下载格式:PDF + Word/doc 文字可复制、可编辑
《WSN中基于机会式拓扑重构与演化的抗毁性机制》PDF+DOC2016年第05期 刘涛,周先春
《基于流量预测的WSN入侵检测技术》PDF+DOC2016年第02期 彭军,余强,何明星
《无线传感器网络中基于邻域的恶意节点检测》PDF+DOC2020年第05期 杨治秋,陈丽敏,张丹
《WSN中基于加速动态时间弯曲的异常数据流检测》PDF+DOC2013年第06期 刘瑞琴,刘学军
《基于WSN技术的数据采集系统的设计》PDF+DOC2012年第19期 张大为,皮之军,刘迪
《一种基于G(1,1)改进模型的WSN流量异常检测方法》PDF+DOC2008年第04期 张金荣,王越,王东,唐贤伦
《WSN中基于对偶线性规划的异常检测和定位算法》PDF+DOC2014年第11期 周勇,王新兵
《基于剩余能量级别的WSN坏点检测算法》PDF+DOC2015年第05期 王焱,杨晓伟,牟昊楠
《WSN中一种基于扩展卡尔曼滤波器的虚假数据注入检测算法》PDF+DOC2014年第05期 熊伟
《ZigBee WSN教学实验平台的开发与应用》PDF+DOC2013年第26期 石建国,马云辉,张华斌,师向群
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。
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。