文档名：基于FWPSO的大区域无线传感网络流量异常检测算法
摘要：针对大区域无线传感网络流量特征维度较高,现有神经网络算法只能假设所有区域特征一致,导致一旦网络规模过大,会存在较大误差的问题,采用烟花算法优化粒子群算法的搜索能力,设计了一种烟花算法-粒子群优化(FireworksAlgorithm-ParticleSwarmOptimization,FW-PSO)算法,提升了全局搜索能力及收敛速度,并将之应用于大区域无线传感网络流量异常检测.首先采用时间滑动窗口处理大区域无线传感网络数据流信息,通过正态Grubbs法则剔除数据中粗大误差值.然后引入主成分分析法对传感数据特征降维,分段提取有价值的特征.设计FW-PSO算法,提升粒子群算法的搜索能力,实现流量异常检测.实验结果表明,所提方法的无线传感网络流量异常检测率准确率平均为94.8％,训练及检测耗时平均值分别为3.75s及0.25s.
作者：张兵 卞利 Author：ZHANGBing BIANLi
作者单位：宿迁学院信息工程学院,江苏宿迁223800江苏大学计算机科学与通信工程学院,江苏镇江212013
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(7)
分类号：TP181
关键词：无线传感网络 流量异常检测 FW-PSO算法 大区域 主成分分析法 模糊神经网络
Keywords：wirelesssensornetwork trafficanomalydetection FW-PSOalgorithm largearea principalcomponentanalysis fuzzyneuralnetwork
机标分类号：TP393.08TP751TN957.52
在线出版日期：2023年12月12日
基金项目：江苏省科技计划项目，宿迁市科技计划项目基于FW-PSO的大区域无线传感网络流量异常检测算法[
期刊论文] 传感技术学报--2023, 36(7)张兵 卞利针对大区域无线传感网络流量特征维度较高,现有神经网络算法只能假设所有区域特征一致,导致一旦网络规模过大,会存在较大误差的问题,采用烟花算法优化粒子群算法的搜索能力,设计了一种烟花算法-粒子群优化(FireworksAl...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于FW-PSO的大区域无线传感网络流量异常检测算法 Traffic Anomaly Detection Algorithm for Large Area Wireless Sensor Network Based on FW-PSO
基于FW-PSO的大区域无线传感网络流量异常检测算法.pdf
- 文件大小:
- 1.6 MB
- 下载次数:
- 60
-
高速下载
|
|
