《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 测试测量 > 设计应用 > 基于二叉空间划分的异常数据检测算法
基于二叉空间划分的异常数据检测算法
2021年电子技术应用第3期
周万里1，王子谦2，谢婉利1，谭安祖1，余节约3
1.温州医科大学附属眼视光医院 信息管理处，浙江 温州325000； 2.浙江方圆检测集团股份有限公司 检测部，浙江 杭州310000； 3.杭州电子科技大学 数字媒体学院，浙江 杭州310000
摘要： 无线传感网络(Wireless Sensor Networks，WSNs)的性能依赖于所收集的数据质量。而最初，节点所感测的数据是粗糙的，需通过有效的数据检测算法将异常数据与正常数据进行区分。为此，提出基于二叉空间划分的异常数据检测(Binary Space Partition-based Anomaly Detection，BSP-AD)算法。BSP-AD算法通过二叉空间划分(Binary Space Partition，BSP)训练、测试数据。先通过训练数据，得到正常数据的区间范围，再通过此区间范围检测测试数据中异常部分。仿真结果表明，提出的BSP-AD算法能够准确地检测异常数据，并且计算成本和存储成本低于IDLO算法。
中圖分類號(hào)： TN014
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.200872
中文引用格式： 周萬(wàn)里，王子謙，謝婉利，等. 基于二叉空間劃分的異常數(shù)據(jù)檢測(cè)算法[J].電子技術(shù)應(yīng)用，2021，47(3)：40-43，50.
英文引用格式： Zhou Wanli，Wang Ziqian，Xie Wanli，et al. Binary space partition-based anomaly detection algorithm in wireless sensor networks[J]. Application of Electronic Technique，2021，47(3)：40-43，50.
Binary space partition-based anomaly detection algorithm in wireless sensor networks
Zhou Wanli1，Wang Ziqian2，Xie Wanli1，Tan Anzu1，Yu Jieyue3
1.Information Management Office，Eye Hospital, Wenzhou Medical University，Wenzhou 325000，China； 2.Testing Department，Zhejiang Fangyuan Testing Group Co.，Ltd.，Hangzhou 310000，China； 3.College of Digital Media, Hangzhou University of Electronic Science and Technology，Hangzhou 310000，China
Abstract： The performance of wireless sensor networks(WSNs) depends on the quality of the data collected. At first, the data sensed by the node is rough, and an effective data detection algorithm should be used to distinguish abnormal data from normal data. Therefore, binary space partition-based anomaly detection(BSP-AD) algorithm is proposed in this paper. The BSP-AD algorithm trains and tests data through binary space partition(BSP) trees. Firstly, the range of normal data is obtained through the training data, and then some abnormal parts in the test data are detected through this range. Simulation results show that the proposed BSP-AD algorithm can accurately detect abnormal data, and the cost of calculation and storage is lower than IDLO algorithm.
Key words : wireless sensor networks(WSNs)；anomaly detection；binary space partition(BSP)；mass estimation；split point

0 引言

    無(wú)線傳感網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)[1-2]是由多個(gè)具有感測(cè)能力的微型節(jié)點(diǎn)構(gòu)成的。這些節(jié)點(diǎn)部署在不同位置，并且它們感知周圍環(huán)境數(shù)據(jù)(如溫度、壓力、濕度)，再以無(wú)線通信方式將數(shù)據(jù)傳輸至信宿[3]。

    傳感節(jié)點(diǎn)感知的數(shù)據(jù)通常存在空間相關(guān)性和時(shí)間相關(guān)性[4]。由于所感測(cè)數(shù)據(jù)的不完整、不準(zhǔn)確，甚至異常[5-7]，通過(guò)時(shí)間分析所感測(cè)數(shù)據(jù)顯得尤其重要。產(chǎn)生異常的原因有兩種：(1)傳感節(jié)點(diǎn)的故障；(2)異常事件的發(fā)生，如森林發(fā)火、洪水。節(jié)點(diǎn)故障產(chǎn)生的異常是獨(dú)立的，屬個(gè)體。而異常事件的產(chǎn)生的異常具有空間或時(shí)間相關(guān)性。因此，通過(guò)分析感測(cè)數(shù)據(jù)間的相關(guān)性，能夠提高對(duì)事件檢測(cè)的準(zhǔn)確性。

    所謂異常，是指不同于正常數(shù)據(jù)。通過(guò)對(duì)異常數(shù)據(jù)和正常數(shù)據(jù)間的等級(jí)測(cè)量(Ranking Measures，RM)，能夠檢測(cè)異常事件。既可通過(guò)局部傳感節(jié)點(diǎn)分布式識(shí)別異常，也可利用觀察節(jié)點(diǎn)集中式識(shí)別異常。

    空間分割常用于事件分類。而二叉空間劃分(Binary Space Partition，BSP)就是對(duì)空間中的物體進(jìn)行二叉遞歸劃分的算法。即用平面將空間分割，空間中各部分又被分為前面和后面兩類，對(duì)分割后的空間繼續(xù)使用相同的方法進(jìn)行分割，直到不能分割為止，進(jìn)而產(chǎn)生BSP樹[8]。

    通過(guò)BSP樹和質(zhì)量等級(jí)的測(cè)量可檢測(cè)異常。文獻(xiàn)[9]最初利用MassAD算法進(jìn)行質(zhì)量估計(jì)，它將數(shù)據(jù)實(shí)例劃分為嚴(yán)重異常至完全正常。然而，相比于高質(zhì)量數(shù)據(jù)，低質(zhì)量數(shù)據(jù)屬異常的概率更高。

    為此，提出基于二叉空間劃分的異常數(shù)據(jù)檢測(cè)(Binary Space Partition-based Anomaly Detection，BSP-AD)算法。BSP-AD算法利用二叉空間劃分訓(xùn)練數(shù)據(jù)，構(gòu)成正常數(shù)據(jù)的區(qū)間范圍，再通過(guò)此區(qū)間范圍檢測(cè)異常數(shù)據(jù)。仿真結(jié)果表明，提出的BSP-AD算法能夠準(zhǔn)確地檢測(cè)異常數(shù)據(jù)，并控制數(shù)據(jù)存儲(chǔ)成本和計(jì)算成本。




本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.ihrv.cn/resource/share/2000003418




作者信息：

周萬(wàn)里1，王子謙2，謝婉利1，譚安祖1，余節(jié)約3

(1.溫州醫(yī)科大學(xué)附屬眼視光醫(yī)院 信息管理處，浙江 溫州325000；

2.浙江方圓檢測(cè)集團(tuán)股份有限公司 檢測(cè)部，浙江 杭州310000；

3.杭州電子科技大學(xué) 數(shù)字媒體學(xué)院，浙江 杭州310000)

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。