| 基于四分之一超球SVM的WSN异常检测 |
| Anomaly detection in WSNs based on quarter sphere SVM |
| |
| DOI： |
| 中文关键词: WSN；异常检测；SVM；粒子群算法 |
| 英文关键词:wireless sensor networks(WSN); anomaly detection; support vector machine(SVM); particle swarm optimization(PSO) |
| 基金项目:国家自然科学基金青年基金（61602263）和江苏省自然科学基金青年基金（BK20160916）资助项目 |
| 作者 | 单位 | | 华志颖 | 南京邮电大学 计算机学院，江苏南京210023 | | 吴蒙 | 南京邮电大学 通信与信息工程学院，江苏南京210003 | | 杨立君 | 南京邮电大学 物联网学院，江苏南京210003 |
|
| 摘要点击次数: 947 |
| 全文下载次数: 414 |
| 中文摘要: |
| 无线传感器网络（WSN）收集的数据本质上是不可靠的，因此为了提高数据质量，需要对网络进行异常值检测。文中提出了一种基于四分之一超球支持向量机（SVM）算法的异常数据检测方法，利用从传感器节点中收集到的原始数据建立支持向量机预测模型，并结合粒子群算法（PSO）找出最佳参数，然后利用最佳参数对原本的模型进行优化。以一种分布式在线方式，对正常和异常数据进行实时区分。实验结果表明，该方法可以实现异常检测的效果，并且具有较高的准确率和较低的误报率。 |
| 英文摘要: |
| Data collected by wireless sensor networks(WSN) are essentially unreliable.To improve the quality of data,an anomaly detection of the network is needed.An anomaly data detection method based on quarter sphere support vector machine(SVM) is proposed.Firstly,the SVC prediction model is established by using the raw data collected from the sensor nodes.Then,by combined with particle swarm optimization (PSO),the optimal parameters are found.Finally,the differentiation of normal and abnormal data is implemented in a distributed and online manner.Experimental results show that the anomaly detection technique can detect outliers,and has higher detection accuracy and lower false positive rate. |
| 查看全文 查看/发表评论 下载PDF阅读器 |