基于无线传网络的离群点检测的研究及实现 - 副本.doc

编号 南京航空航天大学 毕业设计 题 目 基于无线传感网络的离群点检测的研究及实现 学生姓名 学 号 学 院 计算机科学与技术学院 专 业 计算机科学与技术专业 班 级 指导教师 二〇一三年六月 南京航空航天大学 本科毕业设计（论文）诚信承诺书 本人郑重声明：所呈交的毕业设计（论文）（题目：基于无线传感网络的离群点检测的研究及实现）是本人在导师的指导下独立进行研究所取得的成果。尽本人所知，除了毕业设计（论文）中特别加以标注引用的内容外，本毕业设计（论文）不包含任何其他个人或集体已经发表或撰写的成果作品。 作者签名： 年 月 日 （学号）： 基于无线传感网络的离群点检测 的研究及实现 摘 要 无线传感器网络（Wireless Sensor Network，WSN）的迅猛发展推动了人类生活和社会发展的进步，在家庭、商业、医学、工业以及军事领域等都有广泛的应用。然而，无线传感器网络自身条件的局限性以及分布环境等条件因素的影响，导致传感器网络的感知数据样本存在丢失、错误等问题，这些问题的存在影响了无线传感器网络的应用，至今如何很好地解决这一问题仍是人们亟待解决的问题。 无线传感器网络中的数据异常检测问题严重影响了数据质量和数据的整体分析。本文针对这个问题给出了解决方法，并通过实验进行了验证。主要工作如下： 支持向量机（Support Vector Machine, SVM）技术解决无线传感器网络中的数据异常问题，虽然可以避免维数灾难的问题，但是对于大规模感知数据时，SVM技术的映射过程开销很大。针对这个问题，本文提出KNN-SVM算法，该算法先利用KNN算法对感知数据样本进行裁剪，去掉大部分的正常数据，然后对剩下的小部分数据样本进行异常检测，从而可以减少开销； 关键词：无线传感器网络，异常点检测，支持向量机，KNN-VSM  Research and implementation of outlier detection based on wireless sensor networks Abstract Rapid development of wireless sensor network (WSN) impelled the human life and social progress.WSN has a wide range of applications in family, business, medical, industrial, military fields and so on. However, the limitations of WSN and the distribution of environment result in missing, error and other problems of data samples in WSN, which affect the application of WSN. So how to solve this problem is still the key problem.The problem of outlier detection affects data quality and data integrity analysis.This paper gives a solution to this problem and validated by experiment.The main work is as follows: Support Vector Machine (SVM) technology can solve abnormal data in WSN and can avoid the dimension disaster problem, but for large scale data, SVM technology mapping process is costly. Aiming at this problem, this thesis puts forward KNN-SVM method which uses KNN method to cut data samples and get rid of most of the normal data, and then detect anomaly in the remaining data samples. KNN-SVM can reduce the overhead effectively. Key Words：