计算机科学 ›› 2014, Vol. 41 ›› Issue (Z11): 208-211.
胡石,李光辉,卢文伟,冯海林
HU Shi,LI Guang-hui,LU Wen-wei and FENG Hai-lin
摘要: 传感器网络的异常数据检测对于环境监测具有十分重要的意义。基于BP神经网络模型和线性神经网络模型,分别提出了两种无线传感器网络异常数据检测方法。提出的方法在每个当前时刻通过最近的固定长度的历史数据集训练神经网络,来完成下一时刻的预报。通过神经网络的模型残差,确定概率为P的置信区间。当下一时刻数据落入置信区间内,则该数据被判为正常;反之,则为异常。为了比较和验证两种检测方法的性能,在Matlab环境下完成了仿真实验。实验结果表明,基于线性神经网络的异常数据检测方法的检测率(detection rate)达到了97.9%,误报率(false positive rate)不超过0.76%;基于BP神经网络的异常数据检测方法的检测率为96.7%,误报率不超过0.84%。
[1] McDonald D,Sanchez S,Madria S,et al.A Survey of Methods for Finding Outliers in Wireless Sensor Networks[J].Journal of Network and Systems Management,2013:1-20 [2] Shahid N,Naqvi I H,Qaisar S B.Characteristics and classification of outlier detection techniques for wireless sensor networks in harsh environments:a survey[J].Artificial Intelligence Review,2012:1-36 [3] Sheng B,Li Q,Mao W,et al.Outlier detection in sensor networks[C]∥Proceedings of the 8th ACM international symposium on Mobile ad hoc networking and computing.ACM,2007:219-228 [4] Zhang Y,Meratnia N,Havinga P.Outlier detection techniques for wireless sensor networks:A survey[J].Communications Surveys & Tutorials,IEEE,2010,12(2):159-170 [5] Hill D J,Minsker B S.Anomaly detection in streaming environmental sensor data:A data-driven modeling approach[J].Environmental Modeling & Software,2010,25(9):1014-1022 [6] 姜旭宝,李光耀,连朔.基于变宽直方图的无线传感器网络异常数据检测算法[J].计算机应用,2011,31(03):694-697 [7] 肖政宏,谢赞福,陈志刚.无线传感器网络中一种基于流量预测和相关系数的异常检测方法[J].微电子学与计算机,2009(7):214-216 [8] 潘轶彪,袁景淇,朱凯,等.基于多层感知器的异常数据实时检测方法[J].上海交通大学学报,2011,45(8):1226-1229 [9] 郭晶,杨章玉.MATLAB 6.5 辅助神经网络分析与设计[M].北京:电子工业出版社,2003 [10] 张德丰.MATLAB神经网络应用设计[M].北京:机械工业出版社,2012 |
No related articles found! |
|