[發明專利]一種基于圖神經網絡的傳感器網絡數據異常判決方法

有效

• 申請號: 202110237989.8
• 申請日: 2021-03-04
• 公開（公告）號: CN112966595B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 蔣俊正;陳俊杰
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 覃永峰

本發明公開了一種基于圖神經網絡的傳感器網絡數據異常判決方法，其特征在于，包括如下步驟：1）對傳感器網絡數據進行圖建模；2）使用圖卷積網絡提取圖模型中的空間特征；3）使用門控循環單元提取圖模型中的時間特征；4）使用全連接層對提取的時空特征進行異常判決；這種方法可以通過分析傳感器網絡的歷史數據從而進行異常判決。

技術領域

本發明涉及神經網絡、圖模型與圖信號處理技術領域，具體是一種基于圖神經網絡的傳感器網絡數據異常判決方法。

背景技術

傳感器已經被廣泛的用于監控不同位置的物理或環境狀況，如溫度、濕度、氣壓和風速等。多個分布在不同位置的傳感器就組成了傳感器網絡，傳感器網絡無論在民用領域還是在軍事領域都有廣泛的應用。因此對傳感器網絡中的各個傳感器進行異常判決就顯得尤為重要，異常判決可以了解傳感器的運行狀況或是傳感器周圍環境發生的異常變化，這些信息在傳感器異常排查或是傳感器網絡的數據分析都有著極為重要的作用。

圖是一種典型的非歐幾里得結構(Non-Euclidean Structure)，這類數據隨機性大，結構不規則，具體體現在對于數據中的某個點，難以將其鄰居節點定義出來，或者是不同節點的鄰居節點的數量是不同的。而圖又是一種常見的數據結構，廣泛的應用于社交網絡、交通運輸網和傳感器網絡等，這給這類圖信號的處理帶來了一定的困難。

神經網絡是一種模仿生物神經網絡的結構和功能的數學模型，神經網絡在模式識別、智能機器人、自動控制、預測估計、生物、醫學、經濟等領域已成功地解決了許多現代計算機難以解決的實際問題，表現出了良好的智能特性。早期神經網絡對圖信號的處理是使用卷積神經網絡來妥協的，由于卷積神經網絡是用于處理歐幾里得結構的數據，因此這樣的方法有許多缺陷。直到圖卷積神經網絡的出現才使得這個問題得到了較為妥善的處理。圖卷積神經網絡能夠很好的提取圖信號的空間特征，配合用于提取時間特征的循環神經網絡就能對時變的圖信號進行處理。

發明內容

本發明的目的是針對現有技術得不足，而提供一種基于圖神經網絡的傳感器網絡數據異常判決方法。這種方法適用于擁有時空特征的圖信號數據異常判決問題，通過對歷史數據的時空特征提取從而完成高精度的異常判決。

實現本發明目的的技術方案是：

一種基于圖神經網絡的傳感器網絡數據異常判決方法，包括如下步驟：

1)對傳感器網絡數據進行圖建模：假設傳感器網絡數據為X＝[x₁,x₂,…,x_m]∈R^n×m，其中x_i∈Rⁿ,i＝1,2,...,m為當前傳感器網絡中的n個傳感器在i時刻所獲取的數據，C＝{(a₁,b₁),(a₂,b₂),…,(a_n,b_n)}為傳感器網絡中n個傳感器各自的坐標組成的集合，其中a_i為緯度，b_i為經度i＝1,2,...,n,據此，可以構建出圖G＝{V,E,W}，其中V為圖中結點的集合，對應傳感器網絡中的各個傳感器，E為邊的集合，邊用于描述節點之間的相似與鄰接關系，W為權重矩陣，權重矩陣內部元素表示對應兩個節點是否有空間上的聯系，定義如公式(1)所示：

在公式(1)中，R為閾值，閾值可根據傳感器網絡所獲取的數據與地理位置之間的聯系靈活調整，d_ij＝d_geo((a_i,b_i),(a_j,b_j))表示i，j兩個結點所對應的傳感器的地理距離，其中d_geo采用半正矢公式即Haversine公式計算得出，d_geo定義如公式(2)所示：