基于多维数据模型的传感器数据流异常检测方法的研究

发布时间：2017-10-18 01:41

  本文关键词：基于多维数据模型的传感器数据流异常检测方法的研究

  更多相关文章： 无线传感器网络 数据验证 多维数据模型 异常检测

【摘要】：随着传感器技术的迅速发展,无线传感器网络被越来越多地应用到工业、农业、医疗、卫生等行业中。其中,将传感器节点散布在目标区域内,通过无线传感器网络采集目标区域内的环境参数(温度,湿度,CO2浓度等),可以实时监控散布区域的外部环境变化情况。为了能够及时准确地发现自然环境中的突发事件,监测传感器网络的健康状况,提高无线传感器网络的可靠性,对传感器节点采集到的数据流进行异常检测就显得尤为重要。本文的主要工作如下:1.提出了一种基于多维数据模型的传感器数据流异常检测方法。该方法可以利用多维数据模型对传感器数据流中的异常数据进行检测,之后根据传感器节点的时空相关性对异常数据的来源进行确认,并以此为依据确认传感器节点的工作状态。2.本文提出的传感器数据流的异常检测方法主要包括三个步骤。第一步是利用多维数据模型的统计特征对传感器多维数据流中的异常数据进行检测和识别;第二步是利用节点的时空相关性以及多维数据的关联性对异常数据的来源进行验证;第三步是根据异常来源验证的结果对传感器节点的工作状态进行确认。3.对本文提出的方法的性能进行了评估。利用传感器节点人工合成数据在MATLAB平台上进行仿真实验,对本文方法的多项性能进行测试,并与现有的方法进行了性能对比。实验结果表明,本文方法对于节点异常数据的检测率保持在95%左右,对于四维数据集的异常数据检测率比一维数据集可提高3%到4%。
【关键词】：无线传感器网络 数据验证 多维数据模型 异常检测
【学位授予单位】：浙江农林大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP212.9;TN929.5
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 1 绪论11-22
• 1.1 无线传感器网络简介11-17
• 1.1.1 无线传感器网络的发展历程12
• 1.1.2 无线传感器网络的应用12-15
• 1.1.2.1 军事应用13
• 1.1.2.2 环境应用13-14
• 1.1.2.3 医疗应用14
• 1.1.2.4 家庭应用14-15
• 1.1.2.5 其他应用15
• 1.1.3 无线传感器网络的关键技术15-17
• 1.1.3.1 网络拓扑技术15-16
• 1.1.3.2 无线通信技术16
• 1.1.3.3 路由技术16
• 1.1.3.4 异常检测技术16-17
• 1.2 无线传感器网络异常数据检测技术研究现状17-21
• 1.2.1 基于统计的方法18
• 1.2.2 基于距离的方法18-19
• 1.2.3 基于聚类的方法19
• 1.2.4 基于人工智能的方法19-21
• 1.3 本文主要工作与组织结构21-22
• 1.3.1 本文主要工作21
• 1.3.2 本文组织结构21-22
• 2 无线传感器网络异常数据检测的基本理论22-28
• 2.1 无线传感器网络中的异常数据检测问题22-23
• 2.2 异常数据检测问题的数学描述23-27
• 2.2.1 传感器读数的变化规律23-24
• 2.2.2 无线传感器网络的多维数据模型24-27
• 2.3 本章小结27-28
• 3 基于多维数据模型的异常数据检测方法28-36
• 3.1 传感器读数的标准化28-29
• 3.1.1 最小-最大标准化28
• 3.1.2 Z-score标准化28-29
• 3.1.3 Decimal scaling小数定标标准化29
• 3.2 传感器异常读数的检测29-30
• 3.2.1 时间相关性29
• 3.2.2 基于时间相关的传感器异常读数检测算法29-30
• 3.3 传感器异常来源的验证30-32
• 3.3.1 空间相关性30-31
• 3.3.2 基于空间相关的传感器异常来源验证算法31-32
• 3.4 传感器测量误差读数的检测32-33
• 3.4.1 K-means算法32
• 3.4.2 基于K-means的测量误差检测算法32-33
• 3.5 算法描述33-34
• 3.6 性能指标设计34-35
• 3.7 本章小结35-36
• 4 仿真实验设计及结果分析36-45
• 4.1 仿真环境36
• 4.2 异常数据检测算法的性能分析实验36-42
• 4.2.1 不同数据维度下的事件读数检测率实验36-37
• 4.2.2 测量误差读数的K-means聚类实验37
• 4.2.3 测量误差读数的检测实验37-39
• 4.2.4 测量误差读数检测算法的性能对比39-42
• 4.3 异常读数验证的性能分析实验42-44
• 4.4 本章小结44-45
• 5 结束语45-46
• 参考文献46-50
• 致谢50-51
• 攻读硕士学位期间的科研成果51

【相似文献】

中国期刊全文数据库 前10条

1 刘烨;洪佳;季石磊;李万勇;;用层次分析发现多维数据模型的主题域[J];计算机应用;2006年04期

2 刘青宝;金燕;张维明;邓苏;;模糊维结构及模糊多维数据模型[J];模糊系统与数学;2008年01期

3 胡继军;;利用多维数据模型设计普查数据汇总模块[J];统计科学与实践;2012年01期

4 李红松,林友芳,田盛丰;多维数据模型中维层次结构的自动生成算法及其实现[J];计算机工程与应用;2002年09期

5 王景,张海山,蒋林,宋戈;频谱管理中的多维数据模型[J];无线电通信技术;2005年03期

6 李泽海;孙吉贵;赵君;于海鸿;;支持非覆盖维的扩展多维数据模型[J];计算机科学;2005年09期

7 孙焕良,王永会,宋晓宇,李彤,李晓辉;基于面向对象技术构建多维数据模型[J];沈阳建筑工程学院学报(自然科学版);2002年03期

8 邵晓巍,赵长安,赵景珠,邵长胜;数据仓库的多维数据模型研究[J];计算机工程与应用;2004年11期

9 曾瑞;陶跃华;;数据仓库中多维数据模型的设计[J];云南师范大学学报(自然科学版);2006年06期

10 刘东苏,周津慧;多维数据模型及其在关系数据库中的实现[J];微电子学与计算机;1999年02期

中国重要会议论文全文数据库 前2条

1 谭红星;祁文文;周龙骧;;多维数据模型的比较与分析[A];第十六届全国数据库学术会议论文集[C];1999年

2 潘玉奇;石冰;周劲;袁宁;;基于多维数据模型的聚类分析的研究[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

中国硕士学位论文全文数据库 前10条

1 赵占阳;毁伤仿真复杂数据建模与高效访问[D];北京理工大学;2015年

2 邱林;基于多维数据模型的全面预算管理系统的设计与实现[D];北京工业大学;2014年

3 费欢;基于多维数据模型的传感器数据流异常检测方法的研究[D];浙江农林大学;2015年

4 郑元一;基于多维数据模型的人力资源信息系统分析与设计[D];山东大学;2009年

5 王强;基于多维数据模型的在线查询系统的研究与应用[D];华北电力大学（北京）;2008年

6 刘东坡;基于多维数据模型的制造业商务智能研究[D];兰州理工大学;2010年

7 吕栓峰;结合XML技术构建动态OLAP查询[D];武汉大学;2004年

8 陈家耀;面向BI的行业建模方法与技术的研究[D];山东大学;2011年

9 杨忠;基于多维数据模型的即席查询系统[D];昆明理工大学;2006年

10 李超良;多维数据模型及多维计算研究[D];中南大学;2004年

，

本文编号：1052232