传感器网络中离群点的检测-计算机科学与技术专业论文.docxVIP

Classified Index：TP393.02 U.D.C.: 004.7 Dissertation for the Master Degree in Engineering OUTLIER DETECTION IN SENSOR NETWORKS Candidate: Zhang Kejia Supervisor: Prof. Gao Hong Academic Degree Applied for: Master of Engineering Specialty: Computer Science and Technology Affiliation: School of Computer Science and Technology Date of Defence: July, 2007 Degree-Conferring-Institution: Harbin Institute of Technology 摘 要 随着微电子技术、计算技术和无线通信等技术的进步，低功耗多功能的 传感器得到了快速的发展。由部署在监测区域的大量传感器组成的传感器网 络被用来采集和处理区域内的各种信息。在这种监测的应用中，相对于正常 的数据，用户往往对于代表突发事件的异常数据（离群点）更加感兴趣。所 以如何检测网络中离群点（包括离群的数据和异常的节点）成为我们新的挑 战。 在检测离群数据方面，本文设计了一个可以用来回答用户的快照查询和 连续查询的算法，应用聚集树在传感器网络中无监督的检测前 n 个离群等级 最高的数据。我们设计了一个在聚集树中的提交－下发－验证机制，并定义 了两个新的概念：全局离群点的修改集和候选集。应用这种新的机制和这些 新的概念，全局前 n 个离群点可以仅通过交换少量数据就被检测出。在理论 上，我们证明了算法的正确性。实验证明了该算法具有较低的通信开销和较 快的相应时间。 在检测异常节点方面，本文提出了一个在时空模型下，检测网络中异常 节点的方法。在文中给出了基于时空模型的异常节点的严格定义，这个定义 充分考虑了传感器网络的不稳定性以及节点产生的数据在时间和空间上的相 似性。我们提出了一种适合于传感器网络的方法（时间受限的自由匹配）来 动态比较节点产生的数据的相似性，并通过对节点相似性做空间上的加权来 计算节点的异常等级。我们所设计的检测时空异常节点的算法通过传递少量 样本特征值，计算每个节点异常等级的上界和下界，从而判断节点是否是异 常节点。实验表明，在正常情况下，该算法可以有效减少检测异常节点的通 信量。 关键词 传感器网络 离群点 离群数据 异常节点 Abstract With the development of microelectronic, computing, wireless communication and other relative technologies, low-power and multi-function sensors gain much evolution. The sensor networks comprising a large number of sensors are used to sample and deal with all kinds of information in the monitoring area. In the application of monitoring, users are more interested in abnormal values (Outliers) indicating some unexpected events, rather than normal values. Therefore, how to detect outliers (including data outliers and node outliers) becomes our new challenge. For data outlier detection, we present an algorithm for both snapshot and continuous queries, which can be used to unsupervisedly detect global top n data outliers. We design a commit-disseminate-verify mechanism for outlier detection in aggregation tree and define two novel concepts: modifier set and candidate se