0 引言

    無(wú)線傳感網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)^[1-2]是由多個(gè)具有感測(cè)能力的微型節(jié)點(diǎn)構(gòu)成的。這些節(jié)點(diǎn)部署在不同位置，并且它們感知周?chē)h(huán)境數(shù)據(jù)(如溫度、壓力、濕度)，再以無(wú)線通信方式將數(shù)據(jù)傳輸至信宿^[3]。

    傳感節(jié)點(diǎn)感知的數(shù)據(jù)通常存在空間相關(guān)性和時(shí)間相關(guān)性^[4]。由于所感測(cè)數(shù)據(jù)的不完整、不準(zhǔn)確，甚至異常^[5-7]，通過(guò)時(shí)間分析所感測(cè)數(shù)據(jù)顯得尤其重要。產(chǎn)生異常的原因有兩種：(1)傳感節(jié)點(diǎn)的故障；(2)異常事件的發(fā)生，如森林發(fā)火、洪水。節(jié)點(diǎn)故障產(chǎn)生的異常是獨(dú)立的，屬個(gè)體。而異常事件的產(chǎn)生的異常具有空間或時(shí)間相關(guān)性。因此，通過(guò)分析感測(cè)數(shù)據(jù)間的相關(guān)性，能夠提高對(duì)事件檢測(cè)的準(zhǔn)確性。

    所謂異常，是指不同于正常數(shù)據(jù)。通過(guò)對(duì)異常數(shù)據(jù)和正常數(shù)據(jù)間的等級(jí)測(cè)量(Ranking Measures，RM)，能夠檢測(cè)異常事件。既可通過(guò)局部傳感節(jié)點(diǎn)分布式識(shí)別異常，也可利用觀察節(jié)點(diǎn)集中式識(shí)別異常。

    空間分割常用于事件分類(lèi)。而二叉空間劃分(Binary Space Partition，BSP)就是對(duì)空間中的物體進(jìn)行二叉遞歸劃分的算法。即用平面將空間分割，空間中各部分又被分為前面和后面兩類(lèi)，對(duì)分割后的空間繼續(xù)使用相同的方法進(jìn)行分割，直到不能分割為止，進(jìn)而產(chǎn)生BSP樹(shù)^[8]。

    通過(guò)BSP樹(shù)和質(zhì)量等級(jí)的測(cè)量可檢測(cè)異常。文獻(xiàn)[9]最初利用MassAD算法進(jìn)行質(zhì)量估計(jì)，它將數(shù)據(jù)實(shí)例劃分為嚴(yán)重異常至完全正常。然而，相比于高質(zhì)量數(shù)據(jù)，低質(zhì)量數(shù)據(jù)屬異常的概率更高。

    為此，提出基于二叉空間劃分的異常數(shù)據(jù)檢測(cè)(Binary Space Partition-based Anomaly Detection，BSP-AD)算法。BSP-AD算法利用二叉空間劃分訓(xùn)練數(shù)據(jù)，構(gòu)成正常數(shù)據(jù)的區(qū)間范圍，再通過(guò)此區(qū)間范圍檢測(cè)異常數(shù)據(jù)。仿真結(jié)果表明，提出的BSP-AD算法能夠準(zhǔn)確地檢測(cè)異常數(shù)據(jù)，并控制數(shù)據(jù)存儲(chǔ)成本和計(jì)算成本。

本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.shi-ke.cn/resource/share/2000003418

作者信息：

周萬(wàn)里1，王子謙2，謝婉利1，譚安祖1，余節(jié)約3

(1.溫州醫(yī)科大學(xué)附屬眼視光醫(yī)院 信息管理處，浙江 溫州325000；

2.浙江方圓檢測(cè)集團(tuán)股份有限公司 檢測(cè)部，浙江 杭州310000；

3.杭州電子科技大學(xué) 數(shù)字媒體學(xué)院，浙江 杭州310000)