基于投影分解与k最近邻距离的异常证据检测算法-论文.pdf

基于投影分解与k最近邻距离的异常证据检测算法-论文.pdf

ID:57924661

大小:299.85 KB

页数:5页

时间:2020-04-14

基于投影分解与k最近邻距离的异常证据检测算法-论文.pdf_第1页
基于投影分解与k最近邻距离的异常证据检测算法-论文.pdf_第2页
基于投影分解与k最近邻距离的异常证据检测算法-论文.pdf_第3页
基于投影分解与k最近邻距离的异常证据检测算法-论文.pdf_第4页
基于投影分解与k最近邻距离的异常证据检测算法-论文.pdf_第5页
资源描述:

《基于投影分解与k最近邻距离的异常证据检测算法-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第27卷第3期海军工程大学学报Vo1.27No.32015年6月JOURNALOFNAVALUNIVERSITY0FENGINEERINGJun.2015DOI:10.7495/j.issn.1009—3486.2015.03.003基于投影分解与k最近邻距离的异常证据检测算法叶清,吴晓平,李墨眦,杨金宝(1.海军工程大学信息安全系,武汉430033;2.海军司令部,北京100841)摘要:为降低异常证据对合成结果的影响,提出了基于投影分解与最近邻距离的异常证据检测算法。该算法在对证据集中所有证据进行焦元单一元素投影分解的基础上,重新构

2、造证据的基本概率赋值,然后利用证据之间形成的欧式距离,采用k最近邻距离算法对异常证据进行检测。无线传感器网络应用实验分析表明:该算法可有效地对异常证据进行检测。对检测前后的证据利用证据合成规则进行融合对比结果发现,剔除了异常证据的合成结果并具有良好的峰值性和可分辨性,合成结果有利于融合决策。关键词:DS证据理论;异常证据;投影分解;k最近邻距离中图分类号:TP274文献标志码:A文章编号:1009—3486(2015)03—0009—05Abnormalevidencedetectionalgorithmbasedonprojectio

3、ndecompositionandknearestneighborsdistanceYEQing,WUXiao—ping,LIMo—ci,YANGJin—bao(1.Dep.ofInformationSecurity,NavalUniv.ofEngineering,Wuhan430033,China;2.NavyHeadquarters,Beijing100841,China)Abstract:Theconceptofabnormalevidenceanditsdetectionalgorithmareanalyzedindetail.

4、Thus,anewalgorithmfordetectingsuchabnormalevidenceispresentedbasedonprojectiondecompositionandknearestneighborsdistance.Firstly,therealevidenceisdecomposedwithasinglefocalelementvectortoreconstructthebasicprobabilityassignmentofevidence.Then,theEuclideandistancebe-tweent

5、heevidencesiscalculatedandtheabnormalevidenceisdetectedbyuseofthealgorithmbasedonknearestneighborsdistance.Theappliedandexperimentalanalysisthroughthewirelesssensornetworkshowthattheproposedalgorithmisfeasibleandeffective.Throughthecomparisonofthecombinationbetweenallpie

6、cesofevidenceandtheremainedones。thelatteriSfoundtobegoodatpeakvalueandinresolvingpower,whichisbetterforfusiondecision.Keywords:DStheoryofevidence;abnormalevidence;projectiondecomposition;knearestneighborsdistanceDS证据理论是一种智能推理的方法,已被理论本身提供了较为合理的合成规则,即将来自成功地应用到数据融合、目标识别。和信任

7、评不同信息源的独立证据信息进行组合,产生更可估Ⅲ领域中。DS证据理论的成功应用,得益于其靠的证据信息。然而大量应用证明,合成规则在收稿日期:2014~06—06;修回日期:2015—01—18。基金项目:国家自然科学基金资助项目(61100042);湖北省自然科学基金资助项目(2011CDB052);博士后基金资助项目(2012M512132)。作者简介:叶清(1978一),男,副教授,博士,主要研究方向为无线传感器网络安全、不确定性推理等。通信作者:叶清,dis—yeqing@sohu.corn。·1o·海军工程大学学报第27卷证据高

8、冲突时的合成结果有悖常理,而在证据完全冲突时将会失效。于是,国内外众多学者在改2基于投影分解的证据处理方法进优化证据合成方法方面提出了不少卓有成效的见解一。众所周知,由于传感器检测性能、信息源现场环境等多种

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。