99在线观看,久久精精品视频,国产精品免费在线免费

基于二叉空间划分的异常数据检测算法

2021年电子技术应用第3期

周万里1，王子谦2，谢婉利1，谭安祖1，余节约3

1.温州医科大学附属眼视光医院信息管理处，浙江温州325000； 2.浙江方圆检测集团股份有限公司检测部，浙江杭州310000； 3.杭州电子科技大学数字媒体学院，浙江杭州310000

摘要： 无线传感网络(Wireless Sensor Networks，WSNs)的性能依赖于所收集的数据质量。而最初，节点所感测的数据是粗糙的，需通过有效的数据检测算法将异常数据与正常数据进行区分。为此，提出基于二叉空间划分的异常数据检测(Binary Space Partition-based Anomaly Detection，BSP-AD)算法。BSP-AD算法通过二叉空间划分(Binary Space Partition，BSP)训练、测试数据。先通过训练数据，得到正常数据的区间范围，再通过此区间范围检测测试数据中异常部分。仿真结果表明，提出的BSP-AD算法能够准确地检测异常数据，并且计算成本和存储成本低于IDLO算法。

關鍵詞： 无线传感网络异常检测二叉空间划分质量估计分割点

中圖分類號： TN014
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200872
中文引用格式： 周萬里，王子謙，謝婉利，等. 基于二叉空間劃分的異常數據檢測算法[J].電子技術應用，2021，47(3)：40-43，50.
英文引用格式： Zhou Wanli，Wang Ziqian，Xie Wanli，et al. Binary space partition-based anomaly detection algorithm in wireless sensor networks[J]. Application of Electronic Technique，2021，47(3)：40-43，50.

Binary space partition-based anomaly detection algorithm in wireless sensor networks

Zhou Wanli1，Wang Ziqian2，Xie Wanli1，Tan Anzu1，Yu Jieyue3

1.Information Management Office，Eye Hospital, Wenzhou Medical University，Wenzhou 325000，China； 2.Testing Department，Zhejiang Fangyuan Testing Group Co.，Ltd.，Hangzhou 310000，China； 3.College of Digital Media, Hangzhou University of Electronic Science and Technology，Hangzhou 310000，China

Abstract： The performance of wireless sensor networks(WSNs) depends on the quality of the data collected. At first, the data sensed by the node is rough, and an effective data detection algorithm should be used to distinguish abnormal data from normal data. Therefore, binary space partition-based anomaly detection(BSP-AD) algorithm is proposed in this paper. The BSP-AD algorithm trains and tests data through binary space partition(BSP) trees. Firstly, the range of normal data is obtained through the training data, and then some abnormal parts in the test data are detected through this range. Simulation results show that the proposed BSP-AD algorithm can accurately detect abnormal data, and the cost of calculation and storage is lower than IDLO algorithm.

Key words : wireless sensor networks(WSNs)；anomaly detection；binary space partition(BSP)；mass estimation；split point

0 引言

無線傳感網絡(Wireless Sensor Networks，WSNs)^[1-2]是由多個具有感測能力的微型節點構成的。這些節點部署在不同位置，并且它們感知周圍環境數據(如溫度、壓力、濕度)，再以無線通信方式將數據傳輸至信宿^[3]。

傳感節點感知的數據通常存在空間相關性和時間相關性^[4]。由于所感測數據的不完整、不準確，甚至異常^[5-7]，通過時間分析所感測數據顯得尤其重要。產生異常的原因有兩種：(1)傳感節點的故障；(2)異常事件的發生，如森林發火、洪水。節點故障產生的異常是獨立的，屬個體。而異常事件的產生的異常具有空間或時間相關性。因此，通過分析感測數據間的相關性，能夠提高對事件檢測的準確性。

所謂異常，是指不同于正常數據。通過對異常數據和正常數據間的等級測量(Ranking Measures，RM)，能夠檢測異常事件。既可通過局部傳感節點分布式識別異常，也可利用觀察節點集中式識別異常。

空間分割常用于事件分類。而二叉空間劃分(Binary Space Partition，BSP)就是對空間中的物體進行二叉遞歸劃分的算法。即用平面將空間分割，空間中各部分又被分為前面和后面兩類，對分割后的空間繼續使用相同的方法進行分割，直到不能分割為止，進而產生BSP樹^[8]。

通過BSP樹和質量等級的測量可檢測異常。文獻[9]最初利用MassAD算法進行質量估計，它將數據實例劃分為嚴重異常至完全正常。然而，相比于高質量數據，低質量數據屬異常的概率更高。

為此，提出基于二叉空間劃分的異常數據檢測(Binary Space Partition-based Anomaly Detection，BSP-AD)算法。BSP-AD算法利用二叉空間劃分訓練數據，構成正常數據的區間范圍，再通過此區間范圍檢測異常數據。仿真結果表明，提出的BSP-AD算法能夠準確地檢測異常數據，并控制數據存儲成本和計算成本。

本文詳細內容請下載：http://m.tom3567.com/resource/share/2000003418

作者信息：

周萬里1，王子謙2，謝婉利1，譚安祖1，余節約3

(1.溫州醫科大學附屬眼視光醫院信息管理處，浙江溫州325000；

2.浙江方圓檢測集團股份有限公司檢測部，浙江杭州310000；

3.杭州電子科技大學數字媒體學院，浙江杭州310000)

原創聲明：此內容為AET網站原創，未經授權禁止轉載。

相關內容