Indexed by：
Abstract：
异常数据检测及异常类型识别有助于提高无线传感器网络的数据质量.基于分类的异常检测算法存在传感器数据分类特征提取困难,无法进一步区分异常数据类型等问题,而基于时空特征的异常检测方法存在过度依赖于数据的假设分布等问题.针对这些问题,提出一种融合数据流时空特征和多分类模型的异常检测算法.算法首先基于Markov链提取传感器数据流的时空特征,然后将时空特征作为多分类卷积神经网络模型的输入特征,对数据流进行异常检测及异常类型识别.结果表明:该算法在不同数据集上均表现出较高的检测准确率以及较低的漏检率和误检率,可以有效地检测无线传感器网络中的异常值并判断异常类型.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
传感技术学报
ISSN： 1004-1699
CN： 32-1322/TN
Year： 2019
Issue： 9
Volume： 32
Page： 1374-1380
Cited Count：
SCOPUS Cited Count： 3
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
