[发明专利]基于数据流时空特征的WSN异常检测及类型识别方法有效
| 申请号： | 201910518513.4 | 申请日： | 2019-06-15 |
| 公开（公告）号： | CN110213788B | 公开（公告）日： | 2021-07-13 |
| 发明（设计）人： | 邬群勇;邓丽 | 申请（专利权）人： | 福州大学 |
| 主分类号： | H04W24/08 | 分类号： | H04W24/08;H04W24/06;G06N3/04;H04W84/18 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 陈明鑫;蔡学俊 |
| 地址： | 350108 福建省福州市闽*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于数据流时空特征的WSN异常检测及类型识别方法，包括以下步骤：步骤S1:采用时空滑动窗口获取待测传感器目标节点及其邻居节点的实时数据流；步骤S2：将获取的实时数据流映射到对应的状态空间，并构建成Markov链的形式，基于Markov链计算状态转移概率矩阵和交叉状态转移概率矩阵提取实时数据流的时空特征；步骤S3：构建多分类卷积神经网络模型，并训练，得到训练好的多分类卷积神经网络模型模型；步骤S4：将实时数据流的时空特征输入至已训练好的多分类卷积神经网络模型模型中，通过前向传播，计算输出结果；步骤S5：根据模型输出结果判断数据流是否异常，并区分故障异常和事件异常。本发明可实现无线传感器网络的实时异常监测和异常类型识别。 | ||
| 搜索关键词： | 基于 数据流 时空 特征 wsn 异常 检测 类型 识别 方法 | ||
【主权项】：
1.一种基于数据流时空特征的WSN异常检测及类型识别方法，其特征在于，包括以下步骤：步骤S1：采用时空滑动窗口获取无线传感器网络目标节点及其邻居节点的实时数据流；步骤S2：将获取的实时数据流映射到对应的状态空间，并构建成Markov链的形式，基于Markov链计算状态转移概率矩阵和交叉状态转移概率矩阵提取实时数据流的时空特征；步骤S3：构建多分类卷积神经网络模型，并从无线传感器历史数据中提取样本训练多分类卷积神经网络模型模型，得的训练好的多分类卷积神经网络模型模型；步骤S4：将实时数据流的时空特征输入至已训练好的多分类卷积神经网络模型模型中，通过前向传播，计算输出结果；步骤S5：根据模型输出结果判断数据流是否异常，并区分故障异常和事件异常。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910518513.4/，转载请声明来源钻瓜专利网。
