基于二叉空间划分的异常数据检测算法-AET-电子技术应用

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。

关键词： 无线传感网络异常检测二叉空间划分质量估计分割点

中图分类号：TN014
文献标识码：A
DOI：10.16157/j.issn.0258-7998.200872
中文引用格式：周万里，王子谦，谢婉利，等. 基于二叉空间划分的异常数据检测算法[J].电子技术应用，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

无线传感网络(Wireless Sensor Networks，WSNs)^[1-2]是由多个具有感测能力的微型节点构成的。这些节点部署在不同位置，并且它们感知周围环境数据(如温度、压力、湿度)，再以无线通信方式将数据传输至信宿^[3]。

传感节点感知的数据通常存在空间相关性和时间相关性^[4]。由于所感测数据的不完整、不准确，甚至异常^[5-7]，通过时间分析所感测数据显得尤其重要。产生异常的原因有两种：(1)传感节点的故障；(2)异常事件的发生，如森林发火、洪水。节点故障产生的异常是独立的，属个体。而异常事件的产生的异常具有空间或时间相关性。因此，通过分析感测数据间的相关性，能够提高对事件检测的准确性。

所谓异常，是指不同于正常数据。通过对异常数据和正常数据间的等级测量(Ranking Measures，RM)，能够检测异常事件。既可通过局部传感节点分布式识别异常，也可利用观察节点集中式识别异常。

空间分割常用于事件分类。而二叉空间划分(Binary Space Partition，BSP)就是对空间中的物体进行二叉递归划分的算法。即用平面将空间分割，空间中各部分又被分为前面和后面两类，对分割后的空间继续使用相同的方法进行分割，直到不能分割为止，进而产生BSP树^[8]。

通过BSP树和质量等级的测量可检测异常。文献[9]最初利用MassAD算法进行质量估计，它将数据实例划分为严重异常至完全正常。然而，相比于高质量数据，低质量数据属异常的概率更高。

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算法利用二叉空间划分训练数据，构成正常数据的区间范围，再通过此区间范围检测异常数据。仿真结果表明，提出的BSP-AD算法能够准确地检测异常数据，并控制数据存储成本和计算成本。

本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003418

作者信息：

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)

原创声明：此内容为AET网站原创，未经授权禁止转载。

相关内容