System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及无线传感器网络异常数据检测,尤其涉及无线传感器网络异常检测方法。
技术介绍
1、无线传感器网络(wsn)是一种分布式网络架构,由一组从周围环境中收集数据的自主联网的电子设备(传感器节点)组成。采集的数据比如温度,湿度,光,噪声,电流,电压和功率等。异构的无线传感器网络是大量不同信息的来源,这些信息代表了环境的各个方面,如光、温度和湿度。与传感器数据分析相关的一个非常重要的研究问题是异常的检测。无线网络异常检测问题本质上是不平衡的序列二分类问题,这类问题数据样本规模大,计算复杂度高,数据分布极不平衡,数据与数据之间会存在序列关系。lstm网络是一种特殊类型的递归神经网络结构,由存储单元和门单元组成,它在映射变量之间的相互关系方面具有优势,具有优越的信用评分预测能力,能够作为开发集成信用评分模型的基础分类器。加以结合集成算法,帮助避免lstm网络的过拟合现象,提供更好的鲁棒性以及更准确地预测结果。
2、现有的单分类器针对不平衡数据识别异常效果不佳,从而降低了识别异常的准确度。
技术实现思路
1、本专利技术的目的在于提供无线传感器网络异常检测方法,旨在解决现有的网络模型检测效果不佳的问题。
2、为实现上述目的,本专利技术提供了无线传感器网络异常检测方法,包括以下步骤:对真实数据集进行划分,得到第一训练集和第二训练集;
3、对所述第一训练集进行训练,得到邻近算法判别分类器;
4、对所述第二训练集进行少数类与多数类的分类,通过m-
5、使用激活函数对新的平衡数据集进行计算,得到长短期记忆基础分类器;
6、基于邻近算法判别分类器、人工合成数据和长短期记忆基础分类器得到强分类器;
7、通过所述强分类器对测试数据进行测试和评价,得到预测结果。
8、其中,所述对所述第一训练集进行训练,得到邻近算法判别分类器的具体方式为:
9、通过knn算法对所述第一训练集进行训练,得到邻近算法判别分类器。
10、其中,对所述第二训练集进行少数类与多数类的分类,通过m-smote方法对少数类进行人工合成数据,再使用邻近算法判别分类器进行真伪判别,对合成的少数类进行去伪存真,接着与多数类合并得到新的平衡数据集的具体方式为:
11、对第二训练集进行分类,得到少数异常样本集和多数正常样本集;
12、随机选择一个所述少数异常样本集中的少数类样本,进行马氏距离计算,得到计算数据;
13、使用合成公式对计算数据进行计算,得到人工合成数据,再使用邻近算法判别分类器进行真伪判别,对合成的少数类进行去伪存真,接着与多数类合并得到新的平衡数据集。
14、其中,所述使用激活函数对新的平衡数据集进行计算,得到长短期记忆基础分类器的具体方式为:
15、对新的平衡数据集进行计算,得到计算结果;
16、基于所述计算结果构建长短期记忆基础分类器。
17、其中,所述基于邻近算法判别分类器、人工合成数据和长短期记忆基础分类器得到强分类器的具体方式为:
18、通过所述邻近算法判别分类器和所述长短期记忆基础分类器对所述人工合成数据进行判断,若一致,得到生成数据集;
19、使用所述生成数据集基于过采样率对所述长短期记忆基础分类器进行迭代训练,直至迭代次数到达预设值,得到强分类器。
20、本专利技术的无线传感器网络异常检测方法,对真实数据集进行划分,得到第一训练集和第二训练集;对所述第一训练集进行训练,得到邻近算法判别分类器;对所述第二训练集进行少数类与多数类的分类,通过m-smote方法对少数类进行人工合成数据,再使用邻近算法判别分类器进行真伪判别,对合成的少数类进行去伪存真,接着与多数类合并得到新的平衡数据集;使用激活函数对新的平衡数据集进行计算,得到长短期记忆基础分类器;基于邻近算法判别分类器、人工合成数据和长短期记忆基础分类器得到强分类器;通过所述强分类器对测试数据进行测试和评价,得到预测结果,本专利技术使用knn和马氏距离改进的smote算法进行数据处理,利用lstm算法网络训练分类器,使用 adaboost算法集成输出,创新性地将三者融入深度学习,得到异常识别的最终结果,从而解决现有的网络模型检测效果不佳的问题。
本文档来自技高网...【技术保护点】
1.无线传感器网络异常检测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的无线传感器网络异常检测方法,其特征在于,
3.如权利要求2所述的无线传感器网络异常检测方法,其特征在于,
4.如权利要求3所述的无线传感器网络异常检测方法,其特征在于,
5.如权利要求4所述的无线传感器网络异常检测方法,其特征在于,
【技术特征摘要】
1.无线传感器网络异常检测方法,其特征在于,包括以下步骤:
2.如权利要求1所述的无线传感器网络异常检测方法,其特征在于,
3.如权利要求2所述的无线传感器网...
【专利技术属性】
技术研发人员:傅红仙,鲍福光,刘静,李文丹,陈利双,
申请(专利权)人:浙江万胜智能科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。