采用當(dāng)前方法檢測(cè)混合群智感知網(wǎng)絡(luò)的狀態(tài)時(shí),檢測(cè)所用的時(shí)間較長(zhǎng),受噪聲信號(hào)的干擾較大,檢測(cè)結(jié)果與實(shí)際結(jié)果不符,存在檢測(cè)效率低、去噪效果差和檢測(cè)準(zhǔn)確率低的問(wèn)題。提出混合群智感知網(wǎng)絡(luò)的異常狀態(tài)檢測(cè)方法,結(jié)合基于聚類(lèi)的樣本選擇方法和過(guò)濾器模式的特征選擇方法從混合群智感知網(wǎng)絡(luò)中采集數(shù)據(jù)構(gòu)建數(shù)據(jù)集。利用閾值自學(xué)習(xí)小波算法去除數(shù)據(jù)集中存在的噪聲,在核密度估計(jì)理論的基礎(chǔ)上估計(jì)數(shù)據(jù)集中數(shù)據(jù)的概率密度,根據(jù)估計(jì)結(jié)果建立信任函數(shù),計(jì)算被檢測(cè)數(shù)據(jù)在混合群智感知網(wǎng)絡(luò)中的信任度,利用信任度判斷混合群智感知網(wǎng)絡(luò)的狀態(tài),完成混合群智感知網(wǎng)絡(luò)的異常狀態(tài)檢測(cè)。仿真結(jié)果表明,所提方法的檢測(cè)效率高、去噪效果好、檢測(cè)準(zhǔn)確率高。 

【文章來(lái)源】：計(jì)算機(jī)仿真. 2020,37(11)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

三種不同方法的檢測(cè)時(shí)間

在混合群智感知網(wǎng)絡(luò)中存在大量的噪聲信號(hào),會(huì)對(duì)混合群智感知網(wǎng)絡(luò)狀態(tài)的檢測(cè)結(jié)果造成影響,降低檢測(cè)結(jié)果的準(zhǔn)確率。分別采用混合群智感知網(wǎng)絡(luò)的異常狀態(tài)檢測(cè)方法(方法1)、基于壓縮感知的網(wǎng)絡(luò)異常狀態(tài)檢測(cè)方法(方法2)、基于D-S理論和遷移學(xué)習(xí)的網(wǎng)絡(luò)異常狀態(tài)檢測(cè)方法(方法3)進(jìn)行測(cè)試,對(duì)比三種不同方法的去噪效果,測(cè)試結(jié)果如圖2所示。分析圖2可知,采用混合群智感知網(wǎng)絡(luò)的異常狀態(tài)檢測(cè)方法對(duì)網(wǎng)絡(luò)進(jìn)行去噪處理后,混合群智感知網(wǎng)絡(luò)的信噪比均高于基于壓縮感知的網(wǎng)絡(luò)異常狀態(tài)檢測(cè)方法和基于D-S理論和遷移學(xué)習(xí)的網(wǎng)絡(luò)異常狀態(tài)檢測(cè)方法得到的信噪比。驗(yàn)證混合群智感知網(wǎng)絡(luò)的異常狀態(tài)檢測(cè)方法的去噪效果好,因?yàn)樵摲椒ɡ瞄撝底詫W(xué)習(xí)小波算法最小化期望輸出的均方根誤差,得到去噪后的重構(gòu)信號(hào),提高了混合群智感知網(wǎng)絡(luò)的信噪比。

【參考文獻(xiàn)】：
期刊論文
[1]基于鏈路狀態(tài)數(shù)據(jù)庫(kù)的數(shù)據(jù)中心網(wǎng)絡(luò)異常檢測(cè)算法[J]. 許剛,王展,臧大偉,安學(xué)軍.  計(jì)算機(jī)研究與發(fā)展. 2018(04)
[2]無(wú)線網(wǎng)絡(luò)數(shù)據(jù)流量異常優(yōu)化檢測(cè)仿真研究[J]. 李興國(guó),王俊峰.  計(jì)算機(jī)仿真. 2017(09)
[3]基于云模型的網(wǎng)絡(luò)異常流量檢測(cè)[J]. 費(fèi)金龍,王禹,王天鵬,祝躍飛.  計(jì)算機(jī)工程. 2017(01)
[4]結(jié)合動(dòng)態(tài)代價(jià)和協(xié)同標(biāo)注的網(wǎng)絡(luò)異常檢測(cè)[J]. 張燕,杜紅樂(lè).  計(jì)算機(jī)科學(xué)與探索. 2017(11)
[5]基于信息增益特征選擇的網(wǎng)絡(luò)異常檢測(cè)模型[J]. 劉汝雋,賈斌,辛陽(yáng).  計(jì)算機(jī)應(yīng)用. 2016(S2)
[6]采用壓縮感知和GM（1,1）的無(wú)線傳感器網(wǎng)絡(luò)異常檢測(cè)方法[J]. 劉洲洲,李士寧.  西安交通大學(xué)學(xué)報(bào). 2017(02)
[7]基于多模態(tài)數(shù)據(jù)流的無(wú)線傳感器網(wǎng)絡(luò)異常檢測(cè)方法[J]. 費(fèi)歡,肖甫,李光輝,孫力娟,王汝傳.  計(jì)算機(jī)學(xué)報(bào). 2017(08)
[8]基于多元增量分析的全網(wǎng)絡(luò)在線異常檢測(cè)方法[J]. 李宇翀,魏東,羅興國(guó),錢(qián)葉魁,劉鳳榮.  上海交通大學(xué)學(xué)報(bào). 2016(09)
[9]基于耦合動(dòng)態(tài)離散事件鏈相關(guān)性的信息網(wǎng)絡(luò)異常檢測(cè)初探[J]. 陳穎,韋尊,于智同,黃少偉.  電力系統(tǒng)自動(dòng)化. 2016(17)
[10]基于遷移學(xué)習(xí)和D-S理論的網(wǎng)絡(luò)異常檢測(cè)[J]. 趙新杰,劉淵,孫劍.  計(jì)算機(jī)應(yīng)用研究. 2016(04)



本文編號(hào)：3542550