传感器数据中事件样本与错误样本的系统化区分框架
针对传感器网络中对事件/异常检测的研究在一定程度上忽略了区分数据样本的重要性问题,依据传感器数据的不确定性分析了事件样本和错误样本的相似点和不同点,设计了系统化区分框架,通过节点级时域处理、邻居级空间处理、聚簇级权重排序和网络级决策融合的方法逐层过滤,将原始样本集划分为正常样本集、错误样本集和事件样本集.真实数据集的实验结果显示,所提框架在不同网络质量下对样本的辨识率均在97%以上,可将误报率降低到传统事件/异常检测方法的1/10,且漏报率不超过传统方法.
传感器数据、事件、错误、系统化区分框架
44
TP393(计算技术、计算机技术)
国家自然科学基金资助项目60872009,60602016;国家"863计划"资助项目2007AA01Z148,2009AA01Z148;安徽高校省级自然科学研究计划重大项目ZD2008005-2,ZD200904,JK2009A013,JK2009A025
2010-12-07（万方平台首次上网日期，不代表论文的发表时间）
共6页
30-35
