10.3969/j.issn.1000-3428.2015.07.024
基于K-means聚类的WSN异常数据检测算法
为提高无线传感器网络应用系统的可靠性,对传感器节点采集的环境数据集进行检测,提出一种改进的异常数据检测算法.采用K-means算法思想,结合无线传感器网络数据的特点,以欧式距离作为指标,比较数据点的相似度并划分聚类,根据数据点与聚类中心之间的距离区分正常数据与异常数据.实验结果表明,当数据规模超过1 000时,与基于噪声的密度聚类算法相比,该算法对于异常数据的检测率较高,误报率较低.
K-means算法、无线传感器网络、聚类、异常数据检测、密度聚类
41
TP393(计算技术、计算机技术)
国家自然科学基金资助项目61174023;浙江省自然科学基金资助项目Y1110791
2015-09-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
124-128