公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于top-k(σ)算法的异常数据检测方法: 本发明公开了一种基于top-k(σ)算法的异常数据检测方法，通过构造PC列表，将潜在异常数据点对应的小数据单元格对应的第四列数据分别与阈值进行比较，如果大于阈值，则与该第四列数据对应的小数据单元格内的数据点为异常数据点，...; 李光辉胡石冯海林; 文献传递

基于Top-k(σ)的无线传感器网络异常数据检测算法被引量：10: 2016年; 异常数据检测在基于无线传感器网络的环境监测系统中起着十分重要的作用,不仅有助于对传感器网络健康状况的监测,而且能够及时发现外部环境发生的突发事件(如森林火灾、环境污染等).通过对top-k算法的改进,提出了一种基于top-k(σ)的无线传感器网络异常数据检测算法.不同于top-k算法,该算法根据传感器节点采集到的数据分布规律,构造合适的数据网格,将多维数据归一化处理后置入相应的网络单元.然后通过增设距离阈值σ来重构PC列表(populated-cells list).除了对每个单元格及其邻域内的数据点个数分别进行排序,还计算不同数据子集之间的欧氏距离,并与阈值σ的比较,确认数据子集与正常值集合的偏离程度,从而提高检测结果的准确性.通过MATLAB仿真实验发现,距离阈值σ的选取对算法效果具有较大的影响,当σ∈[2.5,3]时,top-k(σ)算法在维持较高检测率的同时,最大程度地降低误报率.当取σ=3时,对于给定的5个数据集,top-k(σ)算法的检测率平均达到了93.70%,比top-k算法平均提高了4.94%,误报率则比top-k算法平均降低了4.48%.; 胡石李光辉冯海林; 关键词：无线传感器网络异常检测数据集

基于top‑k(σ)算法的异常数据检测方法: 本发明公开了一种基于top‑k(σ)算法的异常数据检测方法，通过构造PC列表，将潜在异常数据点对应的小数据单元格对应的第四列数据分别与阈值进行比较，如果大于阈值，则与该第四列数据对应的小数据单元格内的数据点为异常数据点，...; 李光辉胡石冯海林; 文献传递

基于神经网络的无线传感器网络异常数据检测方法被引量：28: 2014年; 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%。; 胡石李光辉卢文伟冯海林; 关键词：BP神经网络线性神经网络异常数据检测检测率误报率

基于top-k（σ）算法及神经网络的WSN异常数据检测方法: 无线传感器网络能够实时监测、感知和采集网络分布区域内的各种环境信息。当无线传感器网络受外部事件（如大气污染、森林火灾等）的影响，或者传感器节点本身发生故障（如电池电量不足、电磁干扰等）时，必须及时、准确地检测到传感器节点...; 胡石; 关键词：无线传感器网络异常数据检测神经网络

全选清除导出

共1页<1>

胡石