基于傳感器網(wǎng)絡(luò)數(shù)據(jù)流的異常檢測(cè)算法研究.pdf

1、隨著傳感器成本的降低和性能的上升，傳感器的應(yīng)用越來(lái)越普及。不同位置和不同設(shè)備上的傳感器產(chǎn)生不同的數(shù)據(jù)流，我們期望從這些數(shù)據(jù)流當(dāng)中實(shí)時(shí)地分析出我們所感興趣的數(shù)據(jù)或者事件。隨著科技的發(fā)展，傳感器越來(lái)越智能化，伴隨著傳感器數(shù)量的增加，大量的傳感器被組織成網(wǎng)絡(luò)的形式。如何在傳感器網(wǎng)絡(luò)數(shù)據(jù)流中進(jìn)行數(shù)據(jù)挖掘?qū)?lái)一個(gè)全新的挑戰(zhàn)。 滑動(dòng)窗口技術(shù)作為目前最為重要的數(shù)據(jù)流技術(shù)之一，得到了廣泛的研究和應(yīng)用。通過(guò)對(duì)滑動(dòng)窗口中數(shù)據(jù)分布的精確估計(jì)，我們就

2、能進(jìn)行異常檢測(cè)和其他一些重要的應(yīng)用。 本文首先研究了傳感器網(wǎng)絡(luò)數(shù)據(jù)流中滑動(dòng)窗口的數(shù)據(jù)分布估計(jì)，這種數(shù)據(jù)分布估計(jì)本身并不要求知道其先驗(yàn)知識(shí)，而是使用鏈?zhǔn)匠闃雍秃诵拿芏群瘮?shù)，在不需要遍歷滑動(dòng)窗口中所有元素的情況下，就可以快速、近似地估計(jì)出其中的數(shù)據(jù)分布，因此非常適合數(shù)據(jù)流環(huán)境；在數(shù)據(jù)分布估計(jì)的基礎(chǔ)上，進(jìn)一步研究了基于距離的在線異常檢測(cè)方法——D3算法和基于密度的在線異常檢測(cè)方法——MGDD算法；接下來(lái)結(jié)合具體情況，給出了傳感器網(wǎng)絡(luò)數(shù)