检索结果-内蒙古大学图书馆

传感技术学报 2021年第3期34卷 330-339页

作者：唐海贤李光辉江南大学人工智能与计算机学院江苏无锡214122 物联网技术应用教育部工程技术研究中心江苏无锡214122

在传感器网络中,有监督的异常数据检测算法的检测准确率以及鲁棒性受限于有标注数据集的构建,无监督异常数据检测算法往往导致较高的误报率(FPR)。为解决上述问题,针对到达服务器端的传感器数据流提出了一种基于卷积神经网络(CNN)和长... 详细信息

在传感器网络中,有监督的异常数据检测算法的检测准确率以及鲁棒性受限于有标注数据集的构建,无监督异常数据检测算法往往导致较高的误报率(FPR)。为解决上述问题,针对到达服务器端的传感器数据流提出了一种基于卷积神经网络(CNN)和长短时记忆网络(LSTM)的半监督在线异常检测算法。本算法利用K-means判别检测误差,并在检测中利用新数据重新训练机器学习模型,从而提高模型在长时间范围内的异常检测准确度。为了评估本算法的性能,使用因特尔伯克利实验室数据集IBRL(Intel Berkeley Research Lab)完成仿真实验,并与同类算法进行对比。实验结果表明,与同类算法相比,本算法对各个数据集都具有较高的召回率和F1-Score;应用K-means聚类的半监督模型,其异常检测结果更稳定。

关键词：传感器数据流在线异常检测半监督 C-LSTM K-means

来源：评论

学校读者我要写书评

暂无评论

传感器数据流实时语义注释方法研究

引用

河北科技大学学报 2018年第6期39卷 559-566页

作者：李红伟高鸿斌河北科技大学信息科学与工程学院河北石家庄050018

为了对微环境监测平台上的传感器所捕获的异构、大量、连续的数据流进行语义注释,从而及时地根据语义上下文推理出新的或隐含的知识,以实现微环境监测平台的实时监测,对SASML映射语言和SDRM算法进行了研究和改进,设计了S-SASML映射语言... 详细信息

为了对微环境监测平台上的传感器所捕获的异构、大量、连续的数据流进行语义注释,从而及时地根据语义上下文推理出新的或隐含的知识,以实现微环境监测平台的实时监测,对SASML映射语言和SDRM算法进行了研究和改进,设计了S-SASML映射语言和SDS2R算法,用于将传感器原始数据流转换为符合SOSA/SSN本体的RDF数据流;并利用线程池技术实现方法的高并发处理,提高了方法的实时性能。改进后的映射语言和算法实现了微环境监测平台对连续、大量的数据流的实时语义注释,不仅解决了动态传感器数据流语义注释的问题,而且避免了高频数据流导致的系统过载现象,具有稳定高效的处理能力,基本满足了微环境监测平台的需求,具有一定的应用价值。

关键词：计算机感知语义注释实时性传感器数据流 SOSA/SSN本体 RDF

来源：评论

学校读者我要写书评

暂无评论

WSN中传感器数据流及网络流量的异常检测方法研究

WSN中传感器数据流及网络流量的异常检测方法研究

引用

作者：黎博宁西北师范大学

学位级别：硕士

随着物联网技术的进一步发展,无线传感器网络(Wireless Sensors Networks,WSNs)基于其监测、感知和获取实时数据流的能力在环境监测领域发挥着不可或缺的作用。WSN中的传感器节点在网络运行期间不间断的收集其所监测范围内的环境参数,... 详细信息

随着物联网技术的进一步发展,无线传感器网络(Wireless Sensors Networks,WSNs)基于其监测、感知和获取实时数据流的能力在环境监测领域发挥着不可或缺的作用。WSN中的传感器节点在网络运行期间不间断的收集其所监测范围内的环境参数,形成时序数据流。然而,传感器网络常被部署在人不可达且干扰因素诸多的恶劣环境中,这就造成传感器节点采集的数据流经常会偏离实际,影响终端用户做出正确的决策。此外,传感器节点也极易受到外部人为的恶意网络攻击,给传感器网络的安全运行带来了巨大的隐患和威胁。因此,研究到达用户终端的传感器节点数据流及网络流量的异常检测方法具有较为重要的理论意义和工程使用价值。本文针对WSN中传感器数据流及网络流量的异常检测问题,提出了三种不同的异常检测方法,并通过仿真实验验证了算法的性能,主要工作如下:(1)为了充分提取和利用传感器数据流的时空特征,提出了一种基于注意力机制的时域卷积网络(Temporal Convolution Network,TCN)和双向门控循环网络(Bi-direction Gated Recurrent Unit,BiGRU)相结合的传感器数据流异常检测方法TCN-BiGRU-Attention。该方法首先利用时域卷积网络TCN提取传感器数据流的高维抽象空间特征,BiGRU从正向和反向传播中二次提取数据流的时间依赖特征,然后引入注意力机制对关键特征赋予高权重,将传感器数据流的重要特征进行最大限度的保留,最后对模型进行训练实现传感器数据流的异常数据检测和异常类别分类。实验结果表明,TCN-BiGRU-Attention方法能够有效捕获传感器数据流的时空特征,且具有较高的F1分数和Recall,异常检测结果更为稳定。(2)以往对高维度传感器数据流的异常检测方法多为“两步走”方法,即数据的特征提取降维阶段和异常检测阶段相互独立,极易陷入局部最优困境。针对该问题,提出一种端对端的基于栈式降噪自编码器(Stack Denoising Autoencoder,SDA)和单分类神经网络(One-Class Neural Network,OCNN)相结合的高维度传感器数据流异常检测方法SDA-OCNN。该方法基于自编码器数据重构的思想,利用SDA对高维度的传感器数据流进行抗噪降维重构,OCNN利用SDA隐藏层的低维特征训练获取一个超平面将正常数据和异常数据分离开来,以此达到异常检测的目的。该方法通过对SDA和OCNN模型的参数联合优化,将数据的特征提取和异常检测两个任务有机的结合在一起,有效避免了传统的“两步走”方法容易陷入局部最优的困境。实验证明,SDA-OCNN方法具有较高的F1分数和Recall,能更好的完成高维度传感器数据流的异常检测任务。(3)现有的流量异常检测方法大都面向于拓扑结构固定的网络,研究更多关注的是流量的时序特征,但在实际场景中,无线传感器网络的拓扑结构会因为节点能量耗尽或故障等发生变化,传统的异常检测方法无法提取网络空间的动态特征。针对该问题,提出了一种基于时空动态图卷积网络(Spatial-Temporal Dynamic Graph Convolution Network,STDGCN)的异常检测方法。该方法利用图数据结构描述无线传感器网络的空间特征,通过时空动态图卷积网络捕获无线传感器网络的时空演变特征。此外,针对网络流量数据具有不平衡且特征不足的特性,该方法引入生成式对抗网络(Generative Adversarial Network,GAN)和自编码器(Autoencoder,AE),利用生成式对抗网络生成少数类样本,改善流量数据不均衡分布的情况;利用自编码器提取流量数据的自监督特征,并与时空动态图卷积神经网络提取的时空演变特征合并,实现特征增强。实验证明,与其他网络流量异常检测方法相比,该方法在拓扑结构动态变化的传感器网络中检测性能更强,评价指标更高。

关键词：无线传感器网络传感器数据流网络流量异常检测深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的传感器数据流异常检测算法研究

基于深度学习的传感器数据流异常检测算法研究

引用

作者：唐海贤江南大学

学位级别：硕士

传感器数据流具有密集采样的特性,具有时间相关性;传感器节点部署位置相对固定,邻近节点采集的数据具有空间相关性。同时,由于传感器会在相对固定的环境中采集数据,传感器数据流也具有强的统计学性质。由此,从时空相关性和统计学角度对... 详细信息

传感器数据流具有密集采样的特性,具有时间相关性;传感器节点部署位置相对固定,邻近节点采集的数据具有空间相关性。同时,由于传感器会在相对固定的环境中采集数据,传感器数据流也具有强的统计学性质。由此,从时空相关性和统计学角度对传感器数据流进行异常检测具有重要理论价值和现实意义。本文利用深度学习方法,研究传感器数据流的时空相关性和统计学特性,用于传感器网络中传感器数据流的异常检测,并提出了三种有效的传感器数据流半监督在线异常检测算法。(1)针对传感器数据流异常检测应用中,有监督的方法检测准确率及鲁棒性受限于有标注数据集的构建,无监督的方法误报率(FPR)较高的问题,提出了一种基于卷积神经网络(CNN)和长短时记忆网络(LSTM),适用于到达服务器端的传感器数据流半监督在线异常检测算法。本算法利用K-means判别检测误差,并在检测中利用新数据重新训练机器学习模型,从而提高模型在长时间范围内的异常检测准确度。在因特尔伯克利实验室数据集IBRL(Intel Berkeley Research Lab)上的实验结果表明,与同类算法相比,本算法具有较高的召回率和F1-Score;应用K-means聚类的半监督模型,其异常检测结果更稳定。(2)针对基于分类模型构建的异常检测方法对上下文异常以及时间段异常检测效果不理想,难以自动准确修复异常点的问题,提出了一种基于TCN的传感器数据流半监督在线异常检测算法。该算法仅使用七个卷积核构建TCN模块,用于预测传感器数据流下一时刻的数据,并利用固定窗口下的预测数据与该窗口对应的实际数据之间的偏差,判定当前输入数据是否异常。在IBRL数据集和含噪声的周期性数据上的实验结果表明,本算法可以有效检测上下文异常以及时间段异常,且具有更好的异常检测性能。(3)针对基于预测的在线异常检测算法倾向于关注最新的数据,无法充分利用检测窗口内所有数据的特征的问题,提出了一种基于TCN-GAN的传感器数据流半监督在线异常检测算法。该算法仅使用正常数据作为训练集,利用改进的TCN模型作为编解码器作为生成器,用于重编码输入序列;利用生成器输出的伪数据与真实数据之间的误差判别异常值。在IBRL数据集和自主采集的数据集上的实验结果表明,与基于GAN的同类算法相比,本文提出的TCN-GAN算法具有更低的误报率和漏报率。

关键词：传感器网络传感器数据流异常检测在线深度学习

来源：评论

学校读者我要写书评

暂无评论

基于SVDD算法的高维非线性传感器数据流异常点检测

引用

安阳工学院学报 2024年第2期23卷 65-69页

作者：高峰福州理工学院福州350000

传感器数据通常具有高维特征,且在实际工业环境中可能存在复杂的非线性关系。如何有效处理高维度、非线性和复杂的数据特征,是当前研究的难点问题。为此本研究基于支持向量数据描述算法,针对高维非线性传感器数据流进行异常点检测。采... 详细信息

传感器数据通常具有高维特征,且在实际工业环境中可能存在复杂的非线性关系。如何有效处理高维度、非线性和复杂的数据特征,是当前研究的难点问题。为此本研究基于支持向量数据描述算法,针对高维非线性传感器数据流进行异常点检测。采用生成对抗网络提取高维非线性数据特征,通过主成分分析方法对提取得到的特征进行降维处理,以减少数据维度。使用经过降维处理的数据训练SVDD模型,通过求解对偶问题,得到的支持向量的系数和阈值等参数,以确定异常检测的决策边界,根据决策边界实现异常点检测。通过实验验证可知,所提方法的异常检出率较高,误报率较低,得出SVDD算法在高维非线性传感器数据流中异常点检测具有有效性,证明了其在实际工程应用中的潜在价值。

关键词： SVDD算法传感器数据流异常点生成对抗网络主成分分析

来源：评论

学校读者我要写书评

暂无评论

传感器数据流复杂查询结果的数据起源跟踪方法

传感器数据流复杂查询结果的数据起源跟踪方法

引用

作者：王永利时真旺徐佳彭甫镕 210094 江苏省南京市孝陵卫200号

本发明公开了一种传感器数据流复杂查询结果的数据起源跟踪方法，包括以下步骤：步骤1、确定起源追踪查询滑动窗口大小；步骤2、对起源查询进行规范化描述；步骤3、对起源追踪查询的类别进行判断并设计相应算法；步骤4、设计起源追踪的... 详细信息

标准号: CN102117302A

本发明公开了一种传感器数据流复杂查询结果的数据起源跟踪方法，包括以下步骤：步骤1、确定起源追踪查询滑动窗口大小；步骤2、对起源查询进行规范化描述；步骤3、对起源追踪查询的类别进行判断并设计相应算法；步骤4、设计起源追踪的框架；步骤5、对整个起源追踪算法进行实施，从而实现对传感器数据流复杂查询结果的数据起源的跟踪。突破现有传感器数据管理系统中无法支持复杂查询回溯的技术局限，将数据起源追踪概念首次引入传感器数据流上的复杂查询领域，为新型在线追踪应用提供可行的解决方案。

关键词：追踪复杂查询起源传感器数据流数据起源算法数据管理系统跟踪方法滑动窗口传感器回溯规范化跟踪

来源：评论

学校读者我要写书评

暂无评论

传感器数据流复杂查询结果的数据起源跟踪方法

传感器数据流复杂查询结果的数据起源跟踪方法

引用

作者：王永利时真旺徐佳彭甫镕 210094 江苏省南京市孝陵卫200号

标准号: CN102117302B

关键词：追踪复杂查询起源传感器数据流数据起源算法数据管理系统跟踪方法滑动窗口传感器回溯规范化跟踪

来源：评论

学校读者我要写书评

暂无评论

传感器数据流的处理方法、装置、介质及电子设备

传感器数据流的处理方法、装置、介质及电子设备

引用

作者：丁小华严石伟蒋楠 518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层

本申请的实施例提供了一种传感器数据流的处理方法、装置、介质及电子设备。该处理方法包括：接收任务下发进程发送的任务信息，该任务信息中包含有目标传感器数据流的标识信息，以及针对目标传感器数据流的操作任务；根据目标传感器数... 详细信息

标准号: CN111935663A

本申请的实施例提供了一种传感器数据流的处理方法、装置、介质及电子设备。该处理方法包括：接收任务下发进程发送的任务信息，该任务信息中包含有目标传感器数据流的标识信息，以及针对目标传感器数据流的操作任务；根据目标传感器数据流的标识信息，对目标传感器数据流进行合法性校验，得到校验结果；根据所述操作任务和所述校验结果，生成针对目标传感器数据流的处理指令；将该处理指令发送给传感器数据流的生产服务进程，该处理指令用于指示生产服务进程对目标传感器数据流进行处理。本申请实施例的技术方案可以在不重启消费服务进程和生产服务进程的前提下实现对传感器数据流的操作，降低了系统运维成本，提高了传感器数据流的管理效率。

关键词：目标传感器数据流传感器数据流处理指令生产服务标识信息任务信息校验结果进程合法性校验电子设备管理效率进程发送任务下发系统运维消费服务重启申请

来源：评论

学校读者我要写书评

暂无评论

一种可适应的基于传感器数据流的人类活动识别框架

一种可适应的基于传感器数据流的人类活动识别框架

引用

作者：乌丁·萨拉赫阿满·乌拉科比纳·贝纳德杨勤丽邵俊明 313001 浙江省湖州市西塞山路819号南太湖科技创新综合体B1幢

本发明提出了一种可适应的基于传感器数据流的人类活动识别框架，涉及使用在线学习和主动学习进行HAR。与传统方法不同，在线学习将数据视为一个持续流动的数据流，使系统能够持续学习并适应变化，如个人活动模式的变化或传感器测量的... 详细信息

标准号: CN117370735A

本发明提出了一种可适应的基于传感器数据流的人类活动识别框架，涉及使用在线学习和主动学习进行HAR。与传统方法不同，在线学习将数据视为一个持续流动的数据流，使系统能够持续学习并适应变化，如个人活动模式的变化或传感器测量的转变。大多数传统的HAR方法假定人工数据注释或标记，这可能非常耗时和挑战性。为了解决这个问题，我们引入主动学习，该算法主动选择训练实例。主动学习可以查询用户关于模糊活动的信息，有效地引导学习过程，使用更少的标记数据实例，简化注解过程。因此，该发明的重要贡献是将在线学习和主动学习引入基于传感器的HAR方法，可能提高适应性和效率，并减少劳动强度。这种方法考虑到环境或用户行为的动态变化，并优化了注释过程，使得HAR在现实世界的应用中更有效。

关键词：主动学习在线学习传感器数据流传感器测量数据流标记数据动态变化个人活动人工数据人类活动适应变化现实世界学习过程用户行为重要贡献主动选择引入传统的有效地传感器算法注解耗时模糊查询流动应用优化学习

来源：评论

学校读者我要写书评

暂无评论

传感器数据流的处理方法、装置、介质及电子设备

传感器数据流的处理方法、装置、介质及电子设备

引用

作者：丁小华严石伟蒋楠 518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层

标准号: CN111935663B

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：