无线传感器网络异常事件检测与异常解释算法研究

发布时间：2021-08-11 06:54

　　无线传感器网络（Wireless Sensor Network,WSN）是由大量造价低、体积小的传感器节点以自组织方式构成的无线网络。通过感知、采集和分析监测数据,无线传感器网络能够检测出发生在监控区域内的异常事件。现有的WSN异常事件检测技术主要针对单个观测属性设置决策阈值或根据变化趋势检测异常事件,在涉及多类型传感器的事件检测应用中可扩展性不强。此外,WSN异常事件检测领域几乎没有与异常事件解释相关的研究。现有算法虽能发现异常事件,但无法对事件产生的原因、异常特征、特征之间的关联等信息给出有效解释说明,决策者很难直接利用。因此,研究WSN异常事件解释机制具有重要的理论意义和实际应用价值。为提高事件检测的质量,弥补现有算法缺乏事件解释机制的不足,本文提出基于多属性关联的WSN异常事件检测算法和基于关联子空间的异常事件解释算法,并设计与实现了无线传感器网络异常事件检测与解释原型系统。论文的主要研究工作如下:（1）针对现有事件检测算法仅考虑数据的时空关联性,忽略非时空属性的内在关联对检测结果的影响,导致检测误报率较高的问题,提出基于多属性关联的异常事件检测算法（Anomalous Eve... 

【文章来源】：江苏大学江苏省

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 研究现状
    1.3 主要研究内容
    1.4 论文的组织结构
    1.5 本章小结
第二章 相关理论及技术
    2.1 无线传感器网络概述
        2.1.1 无线传感器网络体系结构
        2.1.2 无线传感器网络数据特征
        2.1.3 无线传感器网络事件检测所面临的挑战
    2.2 贝叶斯网络概述
        2.2.1 贝叶斯网络理论基础
        2.2.2 贝叶斯网络学习过程
        2.2.3 贝叶斯网络推理
    2.3 异常解释技术概述
        2.3.1 基于评分-搜索的异常解释方法
        2.3.2 基于特征选择的异常解释方法
    2.4 本章小结
第三章 基于多属性关联的无线传感器网络异常事件检测
    3.1 问题描述
    3.2 基于贝叶斯网络的属性依赖关系模型
        3.2.1 相关定义
        3.2.2 属性依赖关系模型学习
        3.2.3 计算属性关联置信度
    3.3 基于多属性关联的WSN异常事件检测算法
        3.3.1 时间关联性检测
        3.3.2 空间关联性检测
        3.3.3 MACAED算法描述
        3.3.4 算法分析
    3.4 实验分析
        3.4.1 实验数据集
        3.4.2 数据预处理
        3.4.3 实验结果及分析
        3.4.4 对比实验
    3.5 本章小结
第四章 基于关联子空间的异常事件解释算法研究
    4.1 问题描述
    4.2 相关定义
    4.3 基于子空间相关度的异常子空间查找算法
        4.3.1 基于加权分离度计算子空间异常得分
        4.3.2 基于子空间相关度的关联子空间
        4.3.3 算法描述与分析
    4.4 基于关联子空间的异常事件解释算法
    4.5 实验分析
        4.5.1 合成数据集
        4.5.2 真实数据集
    4.6 本章小结
第五章 原型系统的设计与实现
    5.1 系统运行环境与开发平台
    5.2 系统设计原则
    5.3 系统核心功能模块设计
    5.4 系统核心类的设计
    5.5 原型系统的实现
    5.6 本章小结
第六章 总结和展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读硕士学位期间发表的学术成果


【参考文献】：
期刊论文
[1]基于节点感知信任度模型的无线传感网络事件检测方法[J]. 刘克中,庄洋,周少龙,刘守军.  北京邮电大学学报. 2015(01)
[2]无线传感器网络应用系统最新进展综述[J]. 洪锋,褚红伟,金宗科,单体江,郭忠文.  计算机研究与发展. 2010(S2)
[3]离群点挖掘方法综述[J]. 薛安荣,姚林,鞠时光,陈伟鹤,马汉达.  计算机科学. 2008(11)



本文编号：3335688