[发明专利]一种基于MEA-BP神经网络WSN异常检测方法

摘要

本发明公开了一种基于MEA‑BP神经网络WSN异常检测方法，将各分布传感器节点初始化，各传感器节点开始采集数据；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；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，得到最优权值和阈值，输入最优权值和阈值，建立MEA‑BP神经网络模型；采用分布式的算法，对每组分簇中传感器节点独立执行异常检测，异常检测完毕后传感器节点将检测结果传递到该组分簇的簇头节点进一步验证。提高了BP神经网络算法性能，加快了BP神经网络的学习速率，有效提高了异常数据检测的准确率，降低了误报率。

主权项

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。