基于無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)異常檢測和補(bǔ)全算法研究.pdf

1、近年來無線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，WSN）的廣泛應(yīng)用推動(dòng)了人類生活和社會(huì)發(fā)展的進(jìn)步。然而，由于無線傳感器網(wǎng)絡(luò)自身?xiàng)l件的局限性，以及分布環(huán)境等條件因素的影響，導(dǎo)致傳感器網(wǎng)絡(luò)的感知數(shù)據(jù)存在異常、丟失等問題，嚴(yán)重影響了無線傳感器網(wǎng)絡(luò)的應(yīng)用，如何很好地解決這一問題仍是人們亟待解決的問題。
　　本文針對無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)異常和數(shù)據(jù)缺失問題，提出了相應(yīng)的解決方案，并以實(shí)驗(yàn)驗(yàn)證具體的實(shí)現(xiàn)算法。主要工作與創(chuàng)

2、新如下：
　?。?）對無線傳感器網(wǎng)絡(luò)中的異常數(shù)據(jù)檢測方法和數(shù)據(jù)補(bǔ)全方法進(jìn)行了分析與研究，指出它們的現(xiàn)存問題，提出了新的改進(jìn)算法，并進(jìn)行了大量的實(shí)驗(yàn)驗(yàn)證。
　　（2）支持向量機(jī)（Support Vector Machine,SVM）技術(shù)應(yīng)用于數(shù)據(jù)異常檢測問題，雖然可以避免維數(shù)災(zāi)難的問題，但是對于大規(guī)模感知數(shù)據(jù)時(shí)，SVM技術(shù)的核函數(shù)映射過程開銷很大。為了解決這一問題，本文提出KNN-SVM算法。由于傳感器節(jié)點(diǎn)的感知數(shù)據(jù)中絕大部分

3、數(shù)據(jù)是正常數(shù)據(jù)，而且異常檢測的目的是為了找出異常數(shù)據(jù)，因此KNN-SVM算法首先對感知數(shù)據(jù)進(jìn)行裁剪，裁剪掉的大部分?jǐn)?shù)據(jù)樣本都是正常數(shù)據(jù)樣本；然后對剩下的小部分?jǐn)?shù)據(jù)樣本進(jìn)行異常檢測，這樣數(shù)據(jù)樣本數(shù)減少很多，從而可以減少計(jì)算開銷。
　　（3）無線傳感器網(wǎng)絡(luò)中常用的數(shù)據(jù)補(bǔ)全方法主要依賴于時(shí)間相關(guān)性或者空間相關(guān)性，而且只能對單一的數(shù)據(jù)屬性進(jìn)行缺失估計(jì)，不能整體的對數(shù)據(jù)樣本的多個(gè)屬性進(jìn)行整體補(bǔ)全估計(jì)。針對這一問題，本文對OptSpace算法