基于NMEA-BP的WSN数据流异常检测算法

• 作者: 李光辉 顾晓勇
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 无线传感网络 参数优化 BP神经网络 异常检测 仿真
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 无线传感器技术
• 页码范围: 746-752
• 页数: 7页
• 分类号: TP274.2
• 字数: 5477字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2018.05.016

摘要

针对常规BPNN(Back Propagation Neural Network)容易陷入局部最优解、收敛速度慢等问题,提出了一种基于小生境思维进化NMEA(Niche Mind Evolutionary Algorithm)及BPNN的传感器数据流异常检测算法(NMEA-BP).该算法利用NMEA的全局搜索性优化BPNN的参数,获得BPNN的最优权阈值,从而提高异常检测的准确性.为了评估算法的性能,使用因特尔伯克利实验室数据集IBRL(Intel Berkeley Research Lab)及带标记的传感网络数据集LWSNDR(Labeled Wireless Sensor Network Data Repository)完成了仿真实验,并与基于常规BPNN、支持向量机(Support Vector Machine)和极限学习机(Extreme Learning Machine)等3种异常检测算法作对比.仿真实验结果表明,与上述3种算法相比,NMEA-BP算法对各个数据集都具有较高的检测率和较低的误报率,检测率平均达到99.45％,误报率平均仅为1.45％.此外,NMEA-BP异常检测算法的模型训练时间比传统的BPNN异常检测算法平均减少30％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李光辉	江南大学物联网工程学院	13	72	5.0	8.0
10	顾晓勇	江南大学物联网工程学院	1	7	1.0	1.0