作為物聯(lián)網(wǎng)產(chǎn)業(yè)的核心技術(shù),無線傳感網(wǎng)絡(luò)已被應(yīng)用于生產(chǎn)生活的許多領(lǐng)域。無線傳感網(wǎng)絡(luò)往往被部署于復(fù)雜多變或干擾因素諸多的環(huán)境中,常會造成感知數(shù)據(jù)偏離實際,從而導(dǎo)致感知數(shù)據(jù)質(zhì)量下降,影響科學(xué)決策。因此,研究無線傳感網(wǎng)絡(luò)的離群檢測方法,具有重要的理論意義和實用價值。本文圍繞支持向量數(shù)據(jù)描述（SVDD）的無線傳感網(wǎng)絡(luò)離群檢測方法展開了較系統(tǒng)、深入的研究,主要工作如下。（1）提出了一種基于Toeplitz矩陣隨機特征映射的SVDD無線傳感網(wǎng)絡(luò)離群檢測算法（TRFF）。在傳統(tǒng)SVDD算法的框架下,引入了隨機傅里葉特征映射近似核函數(shù),降低了SVDD檢測算法的時間復(fù)雜度,同時使用Toeplitz矩陣的循環(huán)特點減少存儲隨機特征矩陣帶來的內(nèi)存消耗。實驗表明,TRFF算法在進行離群檢測時,保持了較高的檢測率和較低的誤報率,在時間性能上也優(yōu)于傳統(tǒng)算法。（2）提出了一種基于模型選擇的SVDD無線傳感網(wǎng)絡(luò)離群檢測算法（TSRFF）。無線傳感網(wǎng)絡(luò)離群檢測算法要求實時性較高,需設(shè)計隨機特征映射算法,使其在較低維度實現(xiàn)映射。傳統(tǒng)隨機特征映射算法在特征映射維度較低時,穩(wěn)定性較差,導(dǎo)致決策模型常出現(xiàn)過擬合或欠擬合的問題。TS... 

【文章來源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外相關(guān)研究動態(tài)
    1.3 論文組織結(jié)構(gòu)
第二章 背景知識
    2.1 無線傳感網(wǎng)絡(luò)離群檢測特征
        2.1.1 無線傳感網(wǎng)絡(luò)感測數(shù)據(jù)特征
        2.1.2 無線傳感網(wǎng)絡(luò)離群檢測特性
        2.1.3 傳統(tǒng)離群檢測的問題
        2.1.4 無線傳感數(shù)據(jù)的標(biāo)簽技術(shù)
    2.2 支持向量數(shù)據(jù)描述
        2.2.1 支持向量機
        2.2.2 一類支持向量機
        2.2.3 支持向量數(shù)據(jù)描述
    2.3 序列最小優(yōu)化算法
        2.3.1 工作集乘子的選擇策略
        2.3.2 Lagrange乘子的優(yōu)化策略
    2.4 隨機特征映射
        2.4.1 隨機傅里葉特征映射
        2.4.2 對數(shù)時間內(nèi)近似核函數(shù)
    2.5 決策模型優(yōu)化算法
        2.5.1 基于超球模型的決策算法
        2.5.2 基于超橢球模型的決策算法
    2.6 性能評價指標(biāo)
    2.7 本章小結(jié)
第三章 基于Toeplitz矩陣隨機特征映射的SVDD離群檢測算法
    3.1 基于Toeplitz矩陣隨機特征映射的SVDD算法
        3.1.1 隨機特征映射的SVDD算法
        3.1.2 Toeplitz矩陣隨機特征映射算法
    3.2 實驗結(jié)果與分析
        3.2.1 實驗數(shù)據(jù)集
        3.2.2 實驗環(huán)境及參數(shù)設(shè)置
        3.2.3 實驗結(jié)果
    3.3 本章小結(jié)
第四章 基于模型選擇的SVDD離群檢測算法
    4.1 基于模型選擇的SVDD算法
        4.1.1 欠擬合誤差
        4.1.2 過擬合誤差
    4.2 實驗結(jié)果與分析
        4.2.1 實驗數(shù)據(jù)集
        4.2.2 實驗環(huán)境及參數(shù)設(shè)置
        4.2.3 實驗結(jié)果
    4.3 本章小結(jié)
第五章 基于自適應(yīng)的SVDD離群檢測算法
    5.1 基于自適應(yīng)的SVDD算法
        5.1.1 自適應(yīng)檢測機制
        5.1.2 訓(xùn)練集約簡策略
    5.2 實驗結(jié)果與分析
        5.2.1 實驗數(shù)據(jù)集
        5.2.2 實驗環(huán)境及參數(shù)設(shè)置
        5.2.3 實驗結(jié)果
    5.3 本章小結(jié)
主要結(jié)論與展望
    主要結(jié)論
    展望
致謝
參考文獻
附錄:作者在攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻】：
期刊論文
[1]一種基于快速k-近鄰的最小生成樹離群檢測方法[J]. 朱利,邱媛媛,于帥,原盛.  計算機學(xué)報. 2017(12)
[2]基于超橢球分類面的SVDD快速決策方法[J]. 曲建嶺,王小飛,高峰,袁濤.  控制與決策. 2017(04)
[3]異質(zhì)網(wǎng)中基于張量表示的動態(tài)離群點檢測方法[J]. 劉露,左萬利,彭濤.  計算機研究與發(fā)展. 2016(08)
[4]KMA-α:一個支持向量機核矩陣的近似計算算法[J]. 丁立中,廖士中.  計算機研究與發(fā)展. 2012(04)
[5]流數(shù)據(jù)分析與管理綜述[J]. 金澈清,錢衛(wèi)寧,周傲英.  軟件學(xué)報. 2004(08)

博士論文
[1]無線傳感器網(wǎng)絡(luò)數(shù)據(jù)離群點檢測若干方法研究[D]. 馮震.上海大學(xué) 2017
[2]非穩(wěn)態(tài)環(huán)境下無線傳感網(wǎng)絡(luò)數(shù)據(jù)集離群點檢測方法研究[D]. 姚海慶.華東理工大學(xué) 2016
[3]無線傳感器網(wǎng)絡(luò)性能測試與智能故障診斷技術(shù)研究[D]. 黃旭.山東大學(xué) 2014

碩士論文
[1]安全高效的無線傳感器網(wǎng)絡(luò)路由協(xié)議研究[D]. 林喬軍.湖南大學(xué) 2009



本文編號：3203706