無線傳感器網(wǎng)絡(luò)異常事件檢測與異常解釋算法研究
發(fā)布時間:2021-08-11 06:54
無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network,WSN)是由大量造價低、體積小的傳感器節(jié)點以自組織方式構(gòu)成的無線網(wǎng)絡(luò)。通過感知、采集和分析監(jiān)測數(shù)據(jù),無線傳感器網(wǎng)絡(luò)能夠檢測出發(fā)生在監(jiān)控區(qū)域內(nèi)的異常事件,F(xiàn)有的WSN異常事件檢測技術(shù)主要針對單個觀測屬性設(shè)置決策閾值或根據(jù)變化趨勢檢測異常事件,在涉及多類型傳感器的事件檢測應(yīng)用中可擴展性不強。此外,WSN異常事件檢測領(lǐng)域幾乎沒有與異常事件解釋相關(guān)的研究,F(xiàn)有算法雖能發(fā)現(xiàn)異常事件,但無法對事件產(chǎn)生的原因、異常特征、特征之間的關(guān)聯(lián)等信息給出有效解釋說明,決策者很難直接利用。因此,研究WSN異常事件解釋機制具有重要的理論意義和實際應(yīng)用價值。為提高事件檢測的質(zhì)量,彌補現(xiàn)有算法缺乏事件解釋機制的不足,本文提出基于多屬性關(guān)聯(lián)的WSN異常事件檢測算法和基于關(guān)聯(lián)子空間的異常事件解釋算法,并設(shè)計與實現(xiàn)了無線傳感器網(wǎng)絡(luò)異常事件檢測與解釋原型系統(tǒng)。論文的主要研究工作如下:(1)針對現(xiàn)有事件檢測算法僅考慮數(shù)據(jù)的時空關(guān)聯(lián)性,忽略非時空屬性的內(nèi)在關(guān)聯(lián)對檢測結(jié)果的影響,導(dǎo)致檢測誤報率較高的問題,提出基于多屬性關(guān)聯(lián)的異常事件檢測算法(Anomalous Eve...
【文章來源】:江蘇大學(xué)江蘇省
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景和意義
1.2 研究現(xiàn)狀
1.3 主要研究內(nèi)容
1.4 論文的組織結(jié)構(gòu)
1.5 本章小結(jié)
第二章 相關(guān)理論及技術(shù)
2.1 無線傳感器網(wǎng)絡(luò)概述
2.1.1 無線傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)
2.1.2 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)特征
2.1.3 無線傳感器網(wǎng)絡(luò)事件檢測所面臨的挑戰(zhàn)
2.2 貝葉斯網(wǎng)絡(luò)概述
2.2.1 貝葉斯網(wǎng)絡(luò)理論基礎(chǔ)
2.2.2 貝葉斯網(wǎng)絡(luò)學(xué)習(xí)過程
2.2.3 貝葉斯網(wǎng)絡(luò)推理
2.3 異常解釋技術(shù)概述
2.3.1 基于評分-搜索的異常解釋方法
2.3.2 基于特征選擇的異常解釋方法
2.4 本章小結(jié)
第三章 基于多屬性關(guān)聯(lián)的無線傳感器網(wǎng)絡(luò)異常事件檢測
3.1 問題描述
3.2 基于貝葉斯網(wǎng)絡(luò)的屬性依賴關(guān)系模型
3.2.1 相關(guān)定義
3.2.2 屬性依賴關(guān)系模型學(xué)習(xí)
3.2.3 計算屬性關(guān)聯(lián)置信度
3.3 基于多屬性關(guān)聯(lián)的WSN異常事件檢測算法
3.3.1 時間關(guān)聯(lián)性檢測
3.3.2 空間關(guān)聯(lián)性檢測
3.3.3 MACAED算法描述
3.3.4 算法分析
3.4 實驗分析
3.4.1 實驗數(shù)據(jù)集
3.4.2 數(shù)據(jù)預(yù)處理
3.4.3 實驗結(jié)果及分析
3.4.4 對比實驗
3.5 本章小結(jié)
第四章 基于關(guān)聯(lián)子空間的異常事件解釋算法研究
4.1 問題描述
4.2 相關(guān)定義
4.3 基于子空間相關(guān)度的異常子空間查找算法
4.3.1 基于加權(quán)分離度計算子空間異常得分
4.3.2 基于子空間相關(guān)度的關(guān)聯(lián)子空間
4.3.3 算法描述與分析
4.4 基于關(guān)聯(lián)子空間的異常事件解釋算法
4.5 實驗分析
4.5.1 合成數(shù)據(jù)集
4.5.2 真實數(shù)據(jù)集
4.6 本章小結(jié)
第五章 原型系統(tǒng)的設(shè)計與實現(xiàn)
5.1 系統(tǒng)運行環(huán)境與開發(fā)平臺
5.2 系統(tǒng)設(shè)計原則
5.3 系統(tǒng)核心功能模塊設(shè)計
5.4 系統(tǒng)核心類的設(shè)計
5.5 原型系統(tǒng)的實現(xiàn)
5.6 本章小結(jié)
第六章 總結(jié)和展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)成果
【參考文獻】:
期刊論文
[1]基于節(jié)點感知信任度模型的無線傳感網(wǎng)絡(luò)事件檢測方法[J]. 劉克中,莊洋,周少龍,劉守軍. 北京郵電大學(xué)學(xué)報. 2015(01)
[2]無線傳感器網(wǎng)絡(luò)應(yīng)用系統(tǒng)最新進展綜述[J]. 洪鋒,褚紅偉,金宗科,單體江,郭忠文. 計算機研究與發(fā)展. 2010(S2)
[3]離群點挖掘方法綜述[J]. 薛安榮,姚林,鞠時光,陳偉鶴,馬漢達. 計算機科學(xué). 2008(11)
本文編號:3335688
【文章來源】:江蘇大學(xué)江蘇省
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景和意義
1.2 研究現(xiàn)狀
1.3 主要研究內(nèi)容
1.4 論文的組織結(jié)構(gòu)
1.5 本章小結(jié)
第二章 相關(guān)理論及技術(shù)
2.1 無線傳感器網(wǎng)絡(luò)概述
2.1.1 無線傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)
2.1.2 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)特征
2.1.3 無線傳感器網(wǎng)絡(luò)事件檢測所面臨的挑戰(zhàn)
2.2 貝葉斯網(wǎng)絡(luò)概述
2.2.1 貝葉斯網(wǎng)絡(luò)理論基礎(chǔ)
2.2.2 貝葉斯網(wǎng)絡(luò)學(xué)習(xí)過程
2.2.3 貝葉斯網(wǎng)絡(luò)推理
2.3 異常解釋技術(shù)概述
2.3.1 基于評分-搜索的異常解釋方法
2.3.2 基于特征選擇的異常解釋方法
2.4 本章小結(jié)
第三章 基于多屬性關(guān)聯(lián)的無線傳感器網(wǎng)絡(luò)異常事件檢測
3.1 問題描述
3.2 基于貝葉斯網(wǎng)絡(luò)的屬性依賴關(guān)系模型
3.2.1 相關(guān)定義
3.2.2 屬性依賴關(guān)系模型學(xué)習(xí)
3.2.3 計算屬性關(guān)聯(lián)置信度
3.3 基于多屬性關(guān)聯(lián)的WSN異常事件檢測算法
3.3.1 時間關(guān)聯(lián)性檢測
3.3.2 空間關(guān)聯(lián)性檢測
3.3.3 MACAED算法描述
3.3.4 算法分析
3.4 實驗分析
3.4.1 實驗數(shù)據(jù)集
3.4.2 數(shù)據(jù)預(yù)處理
3.4.3 實驗結(jié)果及分析
3.4.4 對比實驗
3.5 本章小結(jié)
第四章 基于關(guān)聯(lián)子空間的異常事件解釋算法研究
4.1 問題描述
4.2 相關(guān)定義
4.3 基于子空間相關(guān)度的異常子空間查找算法
4.3.1 基于加權(quán)分離度計算子空間異常得分
4.3.2 基于子空間相關(guān)度的關(guān)聯(lián)子空間
4.3.3 算法描述與分析
4.4 基于關(guān)聯(lián)子空間的異常事件解釋算法
4.5 實驗分析
4.5.1 合成數(shù)據(jù)集
4.5.2 真實數(shù)據(jù)集
4.6 本章小結(jié)
第五章 原型系統(tǒng)的設(shè)計與實現(xiàn)
5.1 系統(tǒng)運行環(huán)境與開發(fā)平臺
5.2 系統(tǒng)設(shè)計原則
5.3 系統(tǒng)核心功能模塊設(shè)計
5.4 系統(tǒng)核心類的設(shè)計
5.5 原型系統(tǒng)的實現(xiàn)
5.6 本章小結(jié)
第六章 總結(jié)和展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)成果
【參考文獻】:
期刊論文
[1]基于節(jié)點感知信任度模型的無線傳感網(wǎng)絡(luò)事件檢測方法[J]. 劉克中,莊洋,周少龍,劉守軍. 北京郵電大學(xué)學(xué)報. 2015(01)
[2]無線傳感器網(wǎng)絡(luò)應(yīng)用系統(tǒng)最新進展綜述[J]. 洪鋒,褚紅偉,金宗科,單體江,郭忠文. 計算機研究與發(fā)展. 2010(S2)
[3]離群點挖掘方法綜述[J]. 薛安榮,姚林,鞠時光,陳偉鶴,馬漢達. 計算機科學(xué). 2008(11)
本文編號:3335688
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3335688.html
最近更新
教材專著