[发明专利]一种基于MEA-BP神经网络WSN异常检测方法

权利要求书

1.一种基于MEA-BP神经网络WSN异常检测方法，其特征在于：所述方法包括以下步骤：

S1将各分布传感器节点初始化，各传感器节点开始采集数据；

设传感器节点个数为n，各传感器节点为Xt_j(j＝1,2,…,n)，传感器节点Xt_j的滑动窗口为W_j，各传感器节点的滑动窗口大小均为m，则传感器节点Xt_j在其滑动窗口W_j上的测量数据序列为传感器节点Xt_j在t_p时刻采集的数据为该数据包括h个属性测量值，则

S2利用K-means算法对各传感器节点进行空间分簇得到若干组簇：

设q+1个传感器节点组成一组簇，每组簇中包括1个簇头节点Xt_c和q个分布节点(Xt₁,Xt₂，…，Xt_q)；

S3利用思维进化算法对BP神经网络进行参数优化，通过趋同异化操作对BP神经网络的权值和阈值进行优化，得到最优权值和最优阈值，输入最优权值和最优阈值，建立MEA-BP神经网络模型；

S4采用分布式的算法，对每组分簇中传感器节点(Xt₁,Xt₂，…，Xt_q)独立执行异常检测，异常检测完毕后传感器节点(Xt₁,Xt₂，…，Xt_q)将检测结果传递到该组分簇的簇头节点Xt_c进一步验证。

2.根据权利要求1 所述的基于MEA-BP神经网络WSN异常检测方法，其特征在于：所述步骤S2包括以下步骤：

S21首先从分布传感器节点对象中任意选择K个传感器节点对象作为K个聚类中心；

S22然后针对除聚类中心以外的传感器节点对象，分别计算传感器节点对象与K个聚类中心之间的相似度，得到与传感器节点对象相似度最接近的聚类中心；

S23将传感器节点对象分配给与该传感器节点对象相似度最接近的聚类中心的聚类，将所有传感器节点分配完成后得到K个聚类；

S24重新计算该K个聚类的聚类中心，得到新的聚类中心；

S25当新的聚类中心收敛时，结束本操作，否则进入S26；

S27回到步骤S22，重新计算各传感器节点与新的聚类中心的相似度。

3.根据权利要求1所述的基于MEA-BP神经网络WSN异常检测方法，其特征在于：所述步骤S3包括以下步骤：产生训练数据；确定BP神经网络拓扑结构；通过思维进化算法进行参数设置：随机产生初始种群、优胜子种群和临时子种群；对子种群进行趋同操作；对子种群进行异化操作；判断是否满足结束条件，如果满足，则输出最优个体，获取最优权值和阈值，否则重新进行趋同异化操作。