基于机器学习的分布式传感网络传输异常数据智能检测方法OA

分布式传感网络传感器节点可能受到众多因素的干扰,导致数据传输出现异常,进而影响整个系统的稳定与性能。为此,提出基于机器学习的分布式传感网络传输异常数据智能检测方法。通过贝叶斯分类算法将传感网络划分为多个不同的簇,有效识别出异常数据簇;利用神经网络的适应度函数定义分布式传感网络内的传输异常数据编码标签;通过明确异常数据属性的整体方差,构建遗传算法的适应度函数。通过遗传算法的迭代进化,不断优化异常检测规则,最终实现分布式传感网络传输异常数据的智能检测。实验结果表明,所提方法的异常行为标注误报率和漏报率结果均低于0.5,网络能耗为1.0 J,在迭代次数为100次时异常数据检测准确率接近1。说明所提方法具有良好的实际应用效果。