• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Ad hoc networks >Distributed online outlier detection in wireless sensor networks using ellipsoidal support vector machine
【24h】

Distributed online outlier detection in wireless sensor networks using ellipsoidal support vector machine

机译：使用椭球支持向量机的无线传感器网络中的分布式在线离群值检测

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Low quality sensor data limits WSN capabilities for providing reliable real-time situation-awareness. Outlier detection is a solution to ensure the quality of sensor data. An effective and efficient outlier detection technique for WSNs not only identifies outliers in a distributed and online manner with high detection accuracy and low false alarm, but also satisfies WSN constraints in terms of communication, computational and memory complexity. In this paper, we take into account the correlation between sensor data attributes and propose two distributed and online outlier detection techniques based on a hyperellipsoidal one-class support vector machine (SVM). We also take advantage of the theory of spatio-temporal correlation to identify outliers and update the ellipsoidal SVM-based model representing the changed normal behavior of sensor data for further outlier identification. Simulation results show that our adaptive ellipsoidal SVM-based outlier detection technique achieves better detection accuracy and lower false alarm as compared to existing SVM-based techniques designed for WSNs.
机译：低质量的传感器数据限制了WSN提供可靠的实时情况感知的能力。离群值检测是确保传感器数据质量的解决方案。一种有效，高效的无线传感器网络离群值检测技术，不仅能够以分布式，在线的方式识别出异常值高，检测精度高，误报率低的问题，而且在通信，计算和存储复杂度方面满足无线传感器网络的约束。在本文中，我们考虑了传感器数据属性之间的相关性，并提出了一种基于超椭球一类支持向量机（SVM）的分布式和在线离群值检测技术。我们还利用时空相关理论来识别异常值，并更新基于椭球SVM的模型（表示传感器数据的正常行为已改变），以进行进一步的异常值识别。仿真结果表明，与现有的针对WSN的基于SVM的技术相比，基于自适应椭球SVM的离群值检测技术具有更高的检测精度和更低的误报率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号