模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2015年
4期
377-384
,共8页
吴鹏飞%李光辉%朱虹%曾松伟%卢文伟
吳鵬飛%李光輝%硃虹%曾鬆偉%盧文偉
오붕비%리광휘%주홍%증송위%로문위
无线传感器网络( WSN)%线性神经网络%异常检测%事件边界检测
無線傳感器網絡( WSN)%線性神經網絡%異常檢測%事件邊界檢測
무선전감기망락( WSN)%선성신경망락%이상검측%사건변계검측
Wireless Sensor Network ( WSN )%Linear Neural Network%Anomaly Detection%Event Boundary Detection
环境监测是无线传感器网络的典型应用,事件边界检测是其中的重要内容。文中首先建立无线传感器网络数据的时空模型,提出基于线性神经网络的事件边界检测方法。该方法利用传感器数据流的时间相关性,基于线性神经网络预测与验证数据流,并确定异常数据集合。在此基础上,根据传感器节点之间的空间相关性进行事件边界检测,不仅可识别故障节点,而且能识别事件边界节点,从而准确估算事件发生的区域位置与大小。理论分析及实验表明,文中方法在获得较高的故障节点和事件边界节点的检测准确率的同时,保持较低的误判率。
環境鑑測是無線傳感器網絡的典型應用,事件邊界檢測是其中的重要內容。文中首先建立無線傳感器網絡數據的時空模型,提齣基于線性神經網絡的事件邊界檢測方法。該方法利用傳感器數據流的時間相關性,基于線性神經網絡預測與驗證數據流,併確定異常數據集閤。在此基礎上,根據傳感器節點之間的空間相關性進行事件邊界檢測,不僅可識彆故障節點,而且能識彆事件邊界節點,從而準確估算事件髮生的區域位置與大小。理論分析及實驗錶明,文中方法在穫得較高的故障節點和事件邊界節點的檢測準確率的同時,保持較低的誤判率。
배경감측시무선전감기망락적전형응용,사건변계검측시기중적중요내용。문중수선건립무선전감기망락수거적시공모형,제출기우선성신경망락적사건변계검측방법。해방법이용전감기수거류적시간상관성,기우선성신경망락예측여험증수거류,병학정이상수거집합。재차기출상,근거전감기절점지간적공간상관성진행사건변계검측,불부가식별고장절점,이차능식별사건변계절점,종이준학고산사건발생적구역위치여대소。이론분석급실험표명,문중방법재획득교고적고장절점화사건변계절점적검측준학솔적동시,보지교저적오판솔。
Environmental monitoring is a typical application in wireless sensor network ( WSN ) , and event boundary detection is important for environmental monitoring. In this paper, a temporal-spatial data model of WSN is established, and then an event boundary detection method based on the linear neural network is presented. Firstly, the temporal correlation of data stream is analyzed, and the abnormal data set is determined based on linear neural network technique. Then, the event boundary is detected by using the spatial correlation of data stream between the neighbor nodes, and both the fault nodes and the event boundary nodes can be found. Thus, the location and the size of the event region can be estimated. Theoretical analysis and experimental results show that the proposed method has a high accuracy of fault node and event boundary detection and a low false positive rate.