张重生
- 作品数：3 被引量：2H指数：1
- 供职机构：中国人民大学信息学院更多>>
- 发文基金：教育部“新世纪优秀人才支持计划”国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种分布式数据集上top-n异常点挖掘的高效算法
- 异常点挖掘是一种从数据中分析并发现潜在的反常对象的数据挖掘技术,它在实际生活中有很多的应用,如入侵检测、金融数据分析、病症数据分析等.异常点挖掘具体技术与所研究的数据类型和数据环境有密切关系,已有研究大多是假定数据是集中...
- 张重生冯海军陈红梁思维李翠平
- 文献传递
- 传感器网络中健壮数据聚集算法被引量：2
- 2009年
- 节约能量以提高网络寿命是传感器网络研究面临的重要挑战.网内聚集查询在中间节点对数据进行预处理,可以减少消息传送的数量或者大小,从而实现能量的有效利用,但是,目前的聚集查询研究假设采样数据都是正确的.而目前的异常检测算法以检测率作为首要目标,不考虑能量的消耗,也不考虑查询的特点.所以将两方面的研究成果简单地结合在一起并不能产生很好的效果.分析了错误和异常数据可能对聚集结果造成的影响,提出了健壮聚集算法RAA(robust aggregation algorithm).RAA对传统聚集查询进行了改进,在聚集的同时利用读向量相似性判断数据是否发生了错误或异常,删除错误数据,聚集正常数据并报告异常,使用户可以对网络目前状况有清晰的理解.最后,比较了RAA和TAGVoting(在使用TAG(tiny aggregation)算法聚集的同时利用Voting算法进行异常检测),实验结果表明,RAA算法在能量消耗和异常检测率方面都优于TAGVoting.
- 吴中博张重生陈红秦航
- 关键词：传感器网络查询处理数据聚集异常检测
- 一种分布式数据集上top-n异常点挖掘的高效算法
- 异常点挖掘是一种从数据中分析并发现潜在的反常对象的数据挖掘技术,它在实际生活中有很多的应用,如入侵检测、金融数据分析、病症数据分析等。异常点挖掘具体技术与所研究的数据类型和数据环境有密切关系,已有研究大多是假定数据是集中...
- 张重生冯海军陈红梁思维李翠平
- 关键词：数据挖掘K-MEANS算法
- 文献传递
