基于神经网络的无线传感器网络异常数据检测方法
传感器网络的异常数据检测对于环境监测具有十分重要的意义.基于BP神经网络模型和线性神经网络模型,分别提出了两种无线传感器网络异常数据检测方法.提出的方法在每个当前时刻通过最近的固定长度的历史数据集训练神经网络,来完成下一时刻的预报.通过神经网络的模型残差,确定概率为P的置信区间.当下一时刻数据落入置信区间内,则该数据被判为正常;反之,则为异常.为了比较和验证两种检测方法的性能,在Matlab环境下完成了仿真实验.实验结果表明,基于线性神经网络的异常数据检测方法的检测率(detection rate)达到了97.9%,误报率(false positive rate)不超过0.76%;基于BP神经网络的异常数据检测方法的检测率为96.7%,误报率不超过0.84%.
BP神经网络、线性神经网络、异常数据检测、检测率、误报率
41
TP393(计算技术、计算机技术)
国家自然科学基金项目61174023;浙江省自然科学基金Y1110880,Y110791;通信网信息传输与分发技术重点实验室开放课题ITD-U1300x/K13600xx
2015-01-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
208-211