基于反向k近邻过滤异常的群数据异常检测

针对无数据标签的群数据异常检测问题,提出在无监督模式下利用k最近邻(kNN)算法检测群数据异常.为减少由于异常值与正常值之间相互干扰而产生的漏报和误报,提出用反向k近邻(RkNN)算法对异常群数据进行反向过滤.反向k近邻算法首先将统计距离作为不同群数据间的相似性度量,再用kNN算法求得每个集群的异常得分,并获得初始异常,最后使用RkNN算法对初始异常进行过滤.实验结果证明,所提算法能有效减少漏报和误报,且具有较高的异常检测率和良好的稳定性.     

基于区块链的车联网群智感知位置隐私保护方法

针对车联网群智感知位置隐私泄露和用户参与任务公平性的问题,提出了一种基于区块链的车联网群智感知位置隐私保护方法(location privacy protection method based on blockchain and crowdsensing, LPPMBC)。将分布式的区块链引入车联网群智感知位置隐私保护方法中,消除第三方服务平台对参与用户数据的控制;通过保序加密和Geohash编码相结合,为参与工人提供多级别的位置隐私保护,确保参与工人位置隐私的保密性;通过Haversine公式进行感知位置验证,防止工人通过非感知区域数据获得非法奖励,保障感知数据的质量。仿真结果表明,LPPMBC能够更好地权衡感知数据质量与工人隐私保护关系,保障用户参与任务的公平性, 提高用户参与任务的积极性。     

引入信任度传递机制的影响力最大化节点挖掘

基于渗流理论的影响力最大化节点识别问题没有考虑信任度传播对影响力最大化的影响。利用非回退矩阵图模型,通过引入节点信任度传递函数刻画影响力传播过程中"信任度递减,不信任度递增"现象,并利用渗流理论求解节点联合传播强度指数来刻画节点影响力大小,采用人工网络数据与真实网络数据集对算法的影响力进行了评估分析,与常用启发式算法进行比较验证算法性能,本文算法性能优于其他启发式基准算法。     

基于QPSO小波神经网络的网络异常检测

为了提高网络异常检测中,对异常状态的检测率,降低对正常状态的误判率,提出一种基于量子粒子群优化算法训练小波神经网络进行网络异常检测的新方法.利用量子粒子群优化算法(QPSO)训练小波神经网络,将小波神经网络(WNN)中的参数组合作为优化算法中的一个粒子,在全局空间中搜索具有最优适应值的参数向量.实验数据采用KDD CUP99数据集,实验结果表明:该学习算法与传统的梯度下降法(GD)和粒子群算法(PSO)相比,收敛速度快,具有更好的全局收敛性,提高了异常检测的准确性,同时该方法对于新的异常也有较高检测率.     

双门限相对距离加权协同频谱感知算法

针对单节点能量检测法存在的“隐藏终端”和检测准确性低以及协同频谱感知法大多采用等权重进行数据融合,未考虑不同节点所处的通信环境对检测性能的影响等问题,提出一种加权协同频谱感知算法。该算法以双门限能量检测法为基础,依据单节点双门限设置与节点感知性能之间的关系,以单节点双门限的相对距离作为信任度进行加权协同数据融合。仿真结果表明,与单节点双门限能量检测法和“或”准则协同频谱感知法比较,该算法在低信噪比环境,仍能获得可靠的检测性能。     

基于核空间优化支持向量机的合作频谱感知算法

在认知无线电网络中,由于噪声不确定性引起的聚类重叠,导致能量检测的性能明显降低.针对噪声不确定对频谱感知的影响,提出了一种基于核空间优化支持向量机的合作频谱感知算法.该算法融合了支持向量机和核空间优化相关理论,将感知用户收集的数据统计量组合成向量,使用Fisher准则对该向量集进行相关运算,得出使各类数据在高维空间中分...     

基于RMT的协作MIMO频谱感知

针对认知无线电技术中的频谱感知问题,将已经广泛应用于无线通信领域的随机矩阵理论（RMT）引入到多认知用户MIMO环境中,提出了基于随机矩阵理论的协作MIMO频谱感知算法。该算法不需要预知噪声的统计特性和噪声方差,而是利用大维随机矩阵特征值的极限分布特性进行频谱感知。新算法充分利用了协作技术及MIMO技术的优点来提高感知性能。理论分析和仿真结果均表明,新算法整体性能优于同类算法和典型的能量检测算法。     

城市场景下车联网数据收集传输规划

为了提高车联网中车辆感知数据的收集率,形式化定义并求解了车联网的数据收集问题,利用车辆的实时交通信息,提出了受限通信场景和非受限通信场景下同时建树同时规划传输时刻的算法。在数据收集过程中动态地判定传输策略,基于贪婪算法的思想递归地寻找父节点,构建一棵动态聚集路由树。在模拟轨迹数据集上进行的大量对比试验表明,所提算法相对其他算法在数据收集率方面有了较大的提高。     

基于积分通道特征的异常行为检测算法

对视频中的行人异常行为检测问题进行了研究。针对传统行人异常行为检测算法在准确性和兼容性方面的不足,提出一种基于积分通道特征的异常行为检测算法;该算法利用背景分割和行人信息统计的方式,对不同背景下的视频模型进行了建模。结合对行人个体的轨迹分析,对运动个体的位置进行异常行为检测。算法首先对检测区域采取区域划分,然后采用改进的积分通道特征行人检测算法对目标进行检测,最后采取Mean-shift算法对目标进行跟踪。最后的实验数据表明该算法整体性能有所提高。     

一种面向区域数据的机会群智感知数据分发策略

面向时空敏感的局部数据,结合区域数据采集的背景,设计了一个基于地图分区的机会式群智感知数据分发策略. 该策略分为四部分:首先对节点进行区域的划分和周期性地采集数据;其次在节点相遇时不同位置属性的节点之间进行边缘节点的判断和位置更新;然后进行时空敏感的区域数据之间的共享和传输过程;最后当缓存区满或缓存数据超过有效时间时进行缓存更新和丢弃过程. 该数据分发策略可以实现针对局部区域数据进行数据采集的目标,同时具有很好的边缘检测控制功能. 仿真实验结果表明:基于地图分区的数据分发算法具有较好的数据采集率与较低的网络开销,可以在性能接近Epidemic算法的前提下,提供可靠的区域数据采集和数据共享功能,且某些条件下性能可以超越Epidemic算法.     

无线电环境地图的冗余感知数据删除技术研究

移动群智感知(mobile crowd sensing,MCS)技术在无线电环境地图(radio environment map,REM)的数据收集系统中优势明显,具有良好的应用前景.但由于移动群智感知的时空相关性特点,感知数据中存在大量的冗余,造成了数据存储效率低与传输带宽消耗大的问题.针对此问题,提出一种基于感知数据综合差异度的无线电环境地图冗余数据删除技术.该技术通过计算感知数据之间的综合差异度,实现对无线电环境地图系统中感知数据的冗余检测与删除.为了验证所提技术的有效性,通过实验将该技术与传统的重复数据删除技术进行比较.实验结果表明,与传统的重复数据删除技术相比,所提出的技术在保证数据完整性的前提下,极大地提高了系统的存储效率,降低了数据传输过程中网络带宽的消耗.     

基于高阶循环统计量的频谱感知方法

根据高阶循环统计量（HOCS）具有的严格平稳特性,提出了一种基于HOCS的频谱感知方法.该方法利用渐近最优估计理论,构造了进行频谱感知的二元假设检验模型,推导了相应的检验统计量,得出了检测概率的闭式表达式.通过对感知算法所需实数乘法运算次数的比较,说明了该算法具有与能量检测（ED）几乎相同数量级的计算复杂度.仿真结果表明,相比传统的ED法和2阶循环统计量检测法（SCFD）,该方法具有良好的检测性能和抗同频干扰性能.     

基于小波蚊子的车联网性能评价方法

数据传输可靠性已成为车联网研究的热点问题,首先给出了车辆之间数据传输可靠性的评价方法,并结合小波变换和群蚊子算法对数据评估模型进行求解,同时通过引入分类机制和决策权来引导搜索方向,以此加快算法收敛速度.最后利用仿真实验平台深入研究了影响该算法的关键因素,并讨论了数据包大小、车辆间距、发送功率和车辆速度与数据成功发送率之间的关系.与其他算法比较,该算法显示出较好适应性.     

基于双簇头及数据融合的改进LEACH算法的网络拓扑控制研究

针对LEACH算法固有的能量损耗问题,对其数据融合率以及簇头的选举进行重新规划.在数据融合阶段,采用模糊理论定义各节点的信任度,实现最优形式进行数据融合.利用最优簇头率求解最佳簇头数目,引入主副簇头概念,有效保证了数据安全性,且以特有双簇头轮换模式减少了能量的损耗.研究结果表明,该算法可以有效减少簇头竞选次数,避免不必...     

基于PCA的无监督异常检测方法研究

针对现有的无监督异常检测技术的不足之处,提出了一种基于样本分布异常数据实例度量方法;将主成分分析方法应用到异常检测中解决数据集高维数据的降维问题.提出一种新的无监督异常检测算法μ-UAD,并对该算法进了性能评估.实验表明,该算法具有较好的检测性能.     

移动社交网络中基于TCC感知的数据转发方法

针对现有的移动社交网络数据转发方法大多没有考虑广泛存在的暂态连通区域(TCC),从而导致数据转发质量较低问题,根据5组真实数据对TCC属性与数据转发性能的关系进行了分析,提出了一种基于TCC感知的数据转发算法.此外,考虑到该算法会增加网络中数据拷贝的数量这一问题,提出了改进型TCC感知数据转发策略,通过选择TCC中的最优节点集来避免它们的相遇重叠现象,利用少量节点实现数据转发机会最大化.仿真结果表明,本文方法的性能在数据投递率和网络开销方面的性能要优于当前其他数据转发算法.     

基于三维噪声最大主分量的小目标红外焦平面过热像元检测算法

过热像元严重影响着系统成像性能以及对于弱小目标的检测识别性能,本文在分析红外焦平面三维噪声特性的基础上,研究了过热像元的统计异常特性,提出了利用三维噪声最大主分量作为红外焦平面过热像元检测的数据源,采用数据直方图偏度的限制确定统计距离阈值进行检测的算法.通过对非制冷焦平面的过热像元进行实际检测,结果证明该方法具有有效性和实用性.     

协同频谱感知中的融合策略

在认知无线网络中,协作频谱感知从多个分布式认知用户中收集感知数据,有效地提高了检测的可靠性.如何利用多个认知用户的感知信息进行融合是协作频谱感知的关键技术.在当前的研究中,融合的方式可以分为两种:决策融合和数据融合,文中对基于决策融合和数据融合的5种融合准则算法进行了研究,采用这5种融合算法在认知无线电网络中进行协作频谱感知,并比较了它们的频谱检测性能.仿真结果显示,5种融合算法都可改善性能不佳的单个次用户的检测情况,并随着协作节点数的增大性能得到显著提高.其中,数据融合由于较决策融合接收到的数据值更加完整以换得更优越的感知性能.     

面向区域数据的机会群智感知数据分发策略

面向时空敏感的局部数据,结合区域数据采集的背景,设计了基于地图分区的机会式群智感知数据分发策略:首先对节点进行区域划分和周期性的采集数据,然后判断移动到地图分区边缘的节点状态并进行节点位置更新,最后进行时空敏感的区域数据之间的共享和传输,且在缓存区满或缓存数据超过有效时间时进行缓存更新和丢弃;通过The ONE平台进行仿真实验,研究不同节点缓存大小和不同传输速度下基于地图分区的数据分发策略和Epidemic算法的性能.仿真实验结果表明:基于地图分区的数据分发策略在数据采集率与网络开销方面表现出较好的性能,可以在性能接近Epidemic算法的前提下,提供可靠的区域数据采集和数据共享功能,甚至在某些条件下性能可以超越Epidemic算法,且具有很好的边缘检测控制功能,可以实现针对局部区域数据进行数据采集和共享的目标.     

基于自选信任度的簇加权协作频谱感知算法

协作频谱感知技术可以有效地克服多径衰落、阴影及隐蔽终端等问题,但在协作频谱感知中,存在系统控制信道带宽消耗较大,计算复杂等问题。为了解决以上问题,对传统的指数加权和指数信任度函数中的权值系数做了修正,在传统簇加权协作频谱感知算法的基础上,提出了一种基于指数加权和互信任矩阵的自选信任度的簇加权协作频谱感知算法。仿真结果表明,该算法在保证较好检测概率的同时,能够有效地节省控制信道带宽,并保证系统的可靠性和有效性。