[發明專利]一種無線傳感器網絡異常檢測方法在審
| 申請號: | 202010040468.9 | 申請日: | 2020-01-15 |
| 公開(公告)號: | CN111242272A | 公開(公告)日: | 2020-06-05 |
| 發明(設計)人: | 雷李彪 | 申請(專利權)人: | 東方紅衛星移動通信有限公司 |
| 主分類號: | G06N3/00 | 分類號: | G06N3/00;G06N20/10;H04W12/12 |
| 代理公司: | 重慶啟恒騰元專利代理事務所(普通合伙) 50232 | 代理人: | 萬建 |
| 地址: | 401135 重慶*** | 國省代碼: | 重慶;50 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 無線 傳感器 網絡 異常 檢測 方法 | ||
1.一種無線傳感器網絡異常檢測方法,其特征在于:基于果蠅優化算法,將模糊支持向量機應用于無線傳感器網絡異常檢測領域包括以下步驟:
訓練階段:
S1:采集傳感器檢測數據,并對數據進行預處理,形成訓練數據集;
S2:基于FSVM技術建立無線傳感器網絡異常檢測模型;
S3:建立IFOA-FSVM模型,對數據集進行異常檢測訓練;
檢測階段:
S4:采集傳感器檢測數據,并對數據進行預處理,形成待測樣本;
S5:將待測樣本輸入IFOA-FSVM模型進行檢測,判定待測樣本是否異常。
2.根據權利要求1所述的一種無線傳感器網絡異常檢測方法,其特征在于,步驟S3中,對IFOA-FSVM模型的建立包括以下步驟:
A1:改進果蠅算法;
A2:結合步驟S1中的訓練數據集和A1中的改進果蠅算法,搜索FSVM得到最優參數;
A3將最優參數帶回FSVM完成異常檢測模型訓練。
3.根據權利要求2所述的一種無線傳感器網絡異常檢測方法,其特征在于,步驟A1中,對果蠅算法進行改進包括以下步驟:
B1:初始化搜索算法中果蠅數量Num,算法總共迭代次數T,果蠅種群當前最優位置Hopt,j,果蠅種群歷史最優氣味濃度bestSmell,步長調節參數ρ和每輪迭代中抽取zz比例果蠅個體進行重新搜索,其中,j∈n,n為尋優目標函數的變量數;
B2:計算步長調節因子m(k);
其中,k為當前迭代次數,ρ∈[2,8],
B3:若k<T/2,果蠅種群分為兩個子群group1和group2,每個子群執行不同前進步長范圍的隨機步長搜索策略。其中,group1按照正常步長范圍的隨機值進行搜索迭代,group2按照大步長范圍的隨機值進行搜索迭代;
Hi,j=Hopt,j+RandomValue×m(k)
Hi,j=Hopt,j+3×RandomValue×m(k)
其中,i為種群中第i個果蠅個體,j為目標函數中第j個變量;
B4:若k<T/2,修改部分果蠅子群搜索步長范圍。其中,group1仍按照B3中的正常步長范圍隨機值進行搜索迭代,group2按照大步長范圍的隨機值進行搜索迭代;
Hi,j=Hopt,j+0.2×RandomValue×m(k)
B5:根據適應度函數計算每只果蠅的氣味濃度值smell;
smelli=Function(Hi)
其中,Function函數為適應度函數,即待優化目標函數;
B6:對果蠅的氣味濃度smell進行排序,找出smell值最大的果蠅個體(smllBest),即當前最優果蠅個體,并判斷其smell是否大于歷史最優氣味濃度bestSmell,若是,則更新bestSmell和當前最優位置Hopt,j;否則不更新,找出給定比例的最差果蠅群體;
B7:最差果蠅群體根據B3中的正常步長范圍隨機值進行重新搜索,計算對應smell值,找出本次搜索中最優果蠅個體,其smell值若大于bestSmell,則更新bestSmell和當前最優位置Hopt,j;否則不更新。
B8:判斷是否滿足最大搜索次數T,若是,則停止搜索,返回搜索到的最優目標函數解;否則,從B2開始重復執行,直至滿足終止條件。





