基于椭球模型的无线传感器网络的局部离群点检测

被引：1

作者：

王玉琳

薛安荣

机构：

[1] 江苏大学计算机科学与通信工程学院

来源：

计算机应用研究 | 2013年 / 30卷 / 02期

关键词：

无线传感器网络; 离群点检测; 邻域; 异质性; 椭球模型;

D O I：

暂无

中图分类号：

TN929.5 [移动通信]; TP212.9 [传感器的应用];

学科分类号：

摘要：

针对现有的无线传感器网络(WSNs)的局部离群点检测算法由于存在未考虑监测环境的异质性而造成邻域划分不准确、检测精度低的问题,提出适用于异质监测环境的基于椭球模型的无线传感器网络的局部离群点检测算法。算法用椭球模型刻画数据分布,节点间只传输模型参数,用椭球参数式方程计算椭球间的相异度;将数据分布的不一致性引入到邻域划分的过程中,最终利用传感数据的时空关联性来确定局部离群点。实验结果表明,提出的算法具有通信量低、检测精度高和误检率低的优点。

引用

页码：547 / 550

页数：4

共 12 条

[1] Intel LabData. Peter Bodik,Wei Hong,Carlos Guestrin. http://db.csail.mit.edu/labdata/labdata.html . 2009
[2] Ellipticalanomalies in wireless sensor networks. RAJASEGARAR S,BEZDEK J C,LECKIEET C,et al. ACM Trans on SensorNetworks . 2009
[3] iVAT and aVAT:enhanced visual analysis for cluster tendency assessment. WANG Liang,NGUYEN T,BEZDEK J C,et al. Proc ofthe 14th Pacific-Asia Conference on Advances in Knowledge Discoveryand Data Mining . 2010
[4] An effcient formulation of the improvedvisual assessment of cluster tendency (iVAT)algorithm. HAVENS T C,BEZDEK J C. IEEETKDE . 2012
[5] Anomalydetection in environmental monitoring networks. BEZDEK J C,RAJASEGARAR S,MOSHTAGHI M,et al. IEEE ComputerInternational Magazine . 2011
[6] Pattern recognition. S Theodoridis,K Koutroumbas. . 2008
[7] Anomaly Detection:A Survey. Chandola V,Banerjee A,Kumar V. ACM Computing Surveys . 2009
[8] An Online Outlier Detection Technique for Wireless Sensor Networks using Unsupervised Quarter-Sphere Support Vector Machine. Yang Zhang,Nirvana Mcratnia,Paul Havinga. International Conference on Intelligent Sensors,Sensor Networks and Information Processing . 2008
[9] An algorithm for merging hyperellipsoidal clusters. Patrick Kelly. Technical Report LA-UR-94-3306,Los Alamos National Laboratory . 1994
[10] 局部离群点挖掘算法研究
薛安荣
鞠时光
何伟华
陈伟鹤
[J]. 计算机学报, 2007, (08) : 1455 - 1463

← 1 2 →