《電子技術應用》
您所在的位置：首頁 > 測試測量 > 設計應用 > 基于二叉空間劃分的異常數(shù)據(jù)檢測算法
基于二叉空間劃分的異常數(shù)據(jù)檢測算法
2021年電子技術應用第3期
周萬里1，王子謙2,，謝婉利1,，譚安祖1，余節(jié)約3
1.溫州醫(yī)科大學附屬眼視光醫(yī)院 信息管理處,，浙江 溫州325000,； 2.浙江方圓檢測集團股份有限公司 檢測部，浙江 杭州310000,； 3.杭州電子科技大學 數(shù)字媒體學院,，浙江 杭州310000
摘要： 無線傳感網絡(Wireless Sensor Networks，WSNs)的性能依賴于所收集的數(shù)據(jù)質量,。而最初,，節(jié)點所感測的數(shù)據(jù)是粗糙的，需通過有效的數(shù)據(jù)檢測算法將異常數(shù)據(jù)與正常數(shù)據(jù)進行區(qū)分,。為此,，提出基于二叉空間劃分的異常數(shù)據(jù)檢測(Binary Space Partition-based Anomaly Detection，BSP-AD)算法,。BSP-AD算法通過二叉空間劃分(Binary Space Partition,，BSP)訓練、測試數(shù)據(jù),。先通過訓練數(shù)據(jù),，得到正常數(shù)據(jù)的區(qū)間范圍，再通過此區(qū)間范圍檢測測試數(shù)據(jù)中異常部分,。仿真結果表明,，提出的BSP-AD算法能夠準確地檢測異常數(shù)據(jù),，并且計算成本和存儲成本低于IDLO算法。
中圖分類號： TN014
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200872
中文引用格式： 周萬里,，王子謙,，謝婉利，等. 基于二叉空間劃分的異常數(shù)據(jù)檢測算法[J].電子技術應用,，2021,，47(3)：40-43，50.
英文引用格式： Zhou Wanli,，Wang Ziqian,，Xie Wanli，et al. Binary space partition-based anomaly detection algorithm in wireless sensor networks[J]. Application of Electronic Technique,，2021,，47(3)：40-43，50.
Binary space partition-based anomaly detection algorithm in wireless sensor networks
Zhou Wanli1,，Wang Ziqian2,，Xie Wanli1，Tan Anzu1,，Yu Jieyue3
1.Information Management Office,，Eye Hospital, Wenzhou Medical University，Wenzhou 325000,，China,； 2.Testing Department，Zhejiang Fangyuan Testing Group Co.,，Ltd.,，Hangzhou 310000，China,； 3.College of Digital Media, Hangzhou University of Electronic Science and Technology,，Hangzhou 310000，China
Abstract： The performance of wireless sensor networks(WSNs) depends on the quality of the data collected. At first, the data sensed by the node is rough, and an effective data detection algorithm should be used to distinguish abnormal data from normal data. Therefore, binary space partition-based anomaly detection(BSP-AD) algorithm is proposed in this paper. The BSP-AD algorithm trains and tests data through binary space partition(BSP) trees. Firstly, the range of normal data is obtained through the training data, and then some abnormal parts in the test data are detected through this range. Simulation results show that the proposed BSP-AD algorithm can accurately detect abnormal data, and the cost of calculation and storage is lower than IDLO algorithm.
Key words : wireless sensor networks(WSNs),；anomaly detection,；binary space partition(BSP)；mass estimation,；split point

0 引言

    無線傳感網絡(Wireless Sensor Networks,，WSNs)[1-2]是由多個具有感測能力的微型節(jié)點構成的。這些節(jié)點部署在不同位置,，并且它們感知周圍環(huán)境數(shù)據(jù)(如溫度,、壓力、濕度),，再以無線通信方式將數(shù)據(jù)傳輸至信宿[3],。

    傳感節(jié)點感知的數(shù)據(jù)通常存在空間相關性和時間相關性[4]。由于所感測數(shù)據(jù)的不完整,、不準確,，甚至異常[5-7]，通過時間分析所感測數(shù)據(jù)顯得尤其重要,。產生異常的原因有兩種：(1)傳感節(jié)點的故障,；(2)異常事件的發(fā)生，如森林發(fā)火,、洪水,。節(jié)點故障產生的異常是獨立的，屬個體,。而異常事件的產生的異常具有空間或時間相關性,。因此，通過分析感測數(shù)據(jù)間的相關性,，能夠提高對事件檢測的準確性,。

    所謂異常，是指不同于正常數(shù)據(jù),。通過對異常數(shù)據(jù)和正常數(shù)據(jù)間的等級測量(Ranking Measures,，RM)，能夠檢測異常事件,。既可通過局部傳感節(jié)點分布式識別異常,，也可利用觀察節(jié)點集中式識別異常。

    空間分割常用于事件分類,。而二叉空間劃分(Binary Space Partition,，BSP)就是對空間中的物體進行二叉遞歸劃分的算法。即用平面將空間分割,，空間中各部分又被分為前面和后面兩類,，對分割后的空間繼續(xù)使用相同的方法進行分割，直到不能分割為止,，進而產生BSP樹[8],。

    通過BSP樹和質量等級的測量可檢測異常。文獻[9]最初利用MassAD算法進行質量估計,，它將數(shù)據(jù)實例劃分為嚴重異常至完全正常,。然而，相比于高質量數(shù)據(jù),，低質量數(shù)據(jù)屬異常的概率更高,。

    為此，提出基于二叉空間劃分的異常數(shù)據(jù)檢測(Binary Space Partition-based Anomaly Detection,，BSP-AD)算法,。BSP-AD算法利用二叉空間劃分訓練數(shù)據(jù),，構成正常數(shù)據(jù)的區(qū)間范圍，再通過此區(qū)間范圍檢測異常數(shù)據(jù),。仿真結果表明,，提出的BSP-AD算法能夠準確地檢測異常數(shù)據(jù)，并控制數(shù)據(jù)存儲成本和計算成本,。




本文詳細內容請下載：http://forexkbc.com/resource/share/2000003418




作者信息：

周萬里1,，王子謙2，謝婉利1,，譚安祖1,，余節(jié)約3

(1.溫州醫(yī)科大學附屬眼視光醫(yī)院 信息管理處，浙江 溫州325000,；

2.浙江方圓檢測集團股份有限公司 檢測部,，浙江 杭州310000；

3.杭州電子科技大學 數(shù)字媒體學院,，浙江 杭州310000)

此內容為AET網站原創(chuàng),，未經授權禁止轉載。