文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200872
中文引用格式： 周萬里，王子謙，謝婉利，等. 基于二叉空間劃分的異常數據檢測算法[J].電子技術應用，2021，47(3)：40-43，50.
英文引用格式： Zhou Wanli，Wang Ziqian，Xie Wanli，et al. Binary space partition-based anomaly detection algorithm in wireless sensor networks[J]. Application of Electronic Technique，2021，47(3)：40-43，50.
0 引言
無線傳感網絡(Wireless Sensor Networks，WSNs)[1-2]是由多個具有感測能力的微型節點構成的。這些節點部署在不同位置，并且它們感知周圍環境數據(如溫度、壓力、濕度)，再以無線通信方式將數據傳輸至信宿[3]。
傳感節點感知的數據通常存在空間相關性和時間相關性[4]。由于所感測數據的不完整、不準確，甚至異常[5-7]，通過時間分析所感測數據顯得尤其重要。產生異常的原因有兩種：(1)傳感節點的故障；(2)異常事件的發生，如森林發火、洪水。節點故障產生的異常是獨立的，屬個體。而異常事件的產生的異常具有空間或時間相關性。因此，通過分析感測數據間的相關性，能夠提高對事件檢測的準確性。
所謂異常，是指不同于正常數據。通過對異常數據和正常數據間的等級測量(Ranking Measures，RM)，能夠檢測異常事件。既可通過局部傳感節點分布式識別異常，也可利用觀察節點集中式識別異常。
空間分割常用于事件分類。而二叉空間劃分(Binary Space Partition，BSP)就是對空間中的物體進行二叉遞歸劃分的算法。即用平面將空間分割，空間中各部分又被分為前面和后面兩類，對分割后的空間繼續使用相同的方法進行分割，直到不能分割為止，進而產生BSP樹[8]。
通過BSP樹和質量等級的測量可檢測異常。文獻[9]最初利用MassAD算法進行質量估計，它將數據實例劃分為嚴重異常至完全正常。然而，相比于高質量數據，低質量數據屬異常的概率更高。
為此，提出基于二叉空間劃分的異常數據檢測(Binary Space Partition-based Anomaly Detection，BSP-AD)算法。BSP-AD算法利用二叉空間劃分訓練數據，構成正常數據的區間范圍，再通過此區間范圍檢測異常數據。仿真結果表明，提出的BSP-AD算法能夠準確地檢測異常數據，并控制數據存儲成本和計算成本。
本文詳細內容請下載：http://m.xxav2194.com/resource/share/2000003418
作者信息：
周萬里1，王子謙2，謝婉利1，譚安祖1，余節約3
(1.溫州醫科大學附屬眼視光醫院 信息管理處，浙江 溫州325000；
2.浙江方圓檢測集團股份有限公司 檢測部，浙江 杭州310000；
3.杭州電子科技大學 數字媒體學院，浙江 杭州310000)