典型文献
基于BIRCH聚类算法的高维传感器数据异常检测
文献摘要：
海量高维传感器数据受网络环境扰动较大,导致其异常值检测难度较大,提出基于BIRCH聚类算法的高维传感器数据异常检测方案.推算节点对应的一阶差分信号序列,信号矢量通过多跳路由传输至网关节点,将空间相关性强的传感器节点划分在同一簇内,采集完整的高维传感器数据;利用分割点预设得到传感器数据特征属性候选分割点,挑选信息增益最大的点为最佳分割点;将传感器数据序列的中位数异常看作异常检测判定条件,利用BIRCH聚类算法中的聚类特征和聚类特征树计算节点特征属性,将数据聚类结果拟作球形簇状架构,输出高维传感器数据序列中的异常数据.仿真结果证明,该方法的异常节点检出率在95％以上,误报率为0.35％,异常检测耗时在1.5 min以内.
文献关键词：
高维传感器;异常检测;BIRCH聚类;一阶差分信号;归一化
中图分类号：
作者姓名：
赵娇
作者机构：
绵阳职业技术学院电子与信息学院,四川 绵阳621000
文献出处：
引用格式：
[1]赵娇-.基于BIRCH聚类算法的高维传感器数据异常检测)[J].传感技术学报,2022(12):1686-1690
A类：
高维传感器,一阶差分信号
B类：
BIRCH,聚类算法,传感器数据,数据异常检测,网络环境,环境扰动,异常值检测,检测方案,推算,多跳路由,网关节点,空间相关性,传感器节点,节点划分,一簇,分割点,设得,数据特征,特征属性,信息增益,数据序列,中位数,聚类特征,计算节点,节点特征,数据聚类,拟作,异常数据,点检,误报率
AB值：
0.259693
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
