传感器网络时间序列数据的事件分类研究

摘要：

目前智能环境中传感器网络所采集的海量数据面临着进行有效事件的模式分类及异常检测的难题.为了有效对智能环境中传感器网络采集的时间序列数据所表征的事件进行分类,提出了基于协方差特征空间映射数据的聚类分析方法.通过对采集得到的时间序列数据按时隙进行划分,映射到协方差特征空间,然后对映射后的数据进行了动态密度聚类,从而实现对事件的分类;并根据聚类结果建立分类模板,作为对日常事件进行分类划分的检测方法,同时利用所得的分类模板,实现对异常事件的检测.实验结果表明,基于协方差特征空间映射数据的聚类分析方法能有效对传感器网络采集的时间序列数据所表征的事件进行分类,并能有效提升异常事件的检测及筛选效果.

关键词：事件分类、时间序列分析、密度聚类、智能环境

所属期刊栏目：28

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金61379159;重庆市科委自然科学基金cstc2014jcyjA1350The National Natural Science Foundation of China61379159;The Natural Science Foundation Project of CQ CSTCcstc2014jcyjA1350

在线出版日期：2016-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：421-425