基于人工蜂群的WSN故障数据挖掘算法.pdfVIP

2015年 1月 四川大学学报(自然科学版) Jan．2015 第 52卷 第 1期 JournalofSichuanUniversity (NaturalScienceEdition) Vo1．52 No．1 doi：103969／j．issn．0490—6756．2015．01．011 基于人工蜂群的WSN故障数据挖掘算法 宋正江，李晓晨 (浙江工业职业技术学院，绍兴 312000) 摘 要 ：为 了有效提高无线传感器网络 中故障数据的判别能力，本文结合人工蜂群算法提 出 了一种新的挖掘算法FDMA(FaultDataMiningAlgorithm)．该算法首先利用小波变换降低 故障数据的突发性 ，以达到对故障数据的标准化处理．其次，基于关联系数来划分故障数据 分布区间，并建立了数据挖掘的 目标函数 ，同时利用人工蜂群算法对 目标函数进行优化．最 后 ，通过实际传感器样本数据进行仿真实验 ，对比研 究了FDMA算法与其它算法之 间的性能 状况 (包括吞吐量 、延迟时间、丢包率和能耗)，结果发现 FDMA算法具有较好的适应性． 关键词：无线传感器网络 ；故障；数据挖掘 ；分布区间；人工蜂群；小波变换 中图分类号 ：TP309 文献标识码 ：A 文章编号 ：0490—6756(2015)01—0051—06 Thefaultdatam iningalgorithm forW SN basedonartificialbeecolony SONGZheng—Jiang，LJXiao—Chen (ZhejiangIndustryPolytechnicCollege，Shaoxing312000，China) Abstract：Inorderto effectivelyimprovetheidentification ability forfaultdataofwirelesssensornet- work，anew miningalgorithm FDMA (FaultDataM iningAlgorithm)isproposedbyartificialbeecolo- ny．Inthisalgorithm，theburstoffaultdataisreduced tobestandardizationwithwavelettransform 。 andthedistributionrangeisdividedbycorrelationcoefficient．Then，theobjectivefunctionisbuiltto miningfaultdata，anditisoptimizedwithartificialbeecolony．Finally，asimulationwithactualsensors sampledatawasconducted to study theperformancebetween FDM A andotheralgorithm ，such as throughput，timedelay，packetdroppingrateandenergyconsumption．Theresultsshow that，FDM A hasbetteradaptability． Keywords：W ireless sensornetwork；Fault；Datamining；Distribution range；Artificialbeecolony； W ave1ettransforill 别是 当无线传感器 网络出现故 障时，主要是依据 引 嗣 其数据状态及参数的变化来找出故障发生 的部位． 随着数据挖掘技术 的 日趋成熟 ，无线传感器 目前诊断的主要思想是将通过 已有的故障知识加 网络 (WirelessSensorNetwork，WSN)