面向無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的流數(shù)據(jù)聚類(lèi)算法研究.pdf

1、隨著無(wú)線(xiàn)傳感器網(wǎng)絡(luò)(Wireless Sensor Network,WSN)應(yīng)用的日益深入,海量數(shù)據(jù)的產(chǎn)生在WSN環(huán)境中也將變得越來(lái)越普遍。但是傳統(tǒng)的如簡(jiǎn)單的數(shù)據(jù)查詢(xún)等數(shù)據(jù)處理方式,不僅無(wú)法滿(mǎn)足人們?nèi)找嫔羁痰男畔⑻崛⌒枨?而且完全不能適應(yīng)海量流數(shù)據(jù)環(huán)境下大規(guī)模實(shí)時(shí)數(shù)據(jù)處理要求。而流數(shù)據(jù)挖掘技術(shù)能夠探究隱含在海量流數(shù)據(jù)中有價(jià)值的信息,其中流數(shù)據(jù)聚類(lèi)技術(shù)又特別適用于WSN環(huán)境監(jiān)控技術(shù)的研究,這是因?yàn)榫垲?lèi)算法在解決模型先驗(yàn)知識(shí)不足的數(shù)據(jù)檢測(cè)問(wèn)

2、題上有先天的優(yōu)勢(shì)。考慮到在WSN環(huán)境進(jìn)行監(jiān)控需要實(shí)時(shí)檢測(cè)到各種行為模式的存在,本文所研究的WSN入侵監(jiān)控問(wèn)題,便嘗試?yán)昧鲾?shù)據(jù)聚類(lèi)算法來(lái)解決。
　　 傳統(tǒng)的監(jiān)控方案如基于BP神經(jīng)網(wǎng)絡(luò)的入侵監(jiān)控系統(tǒng),其計(jì)算時(shí)間復(fù)雜度明顯高于線(xiàn)性增長(zhǎng)速度,難以實(shí)現(xiàn)WSN的在線(xiàn)入侵監(jiān)控；另一方面以往許多入侵監(jiān)控算法未能較好地解決監(jiān)控未知網(wǎng)絡(luò)入侵行為的問(wèn)題。而本文設(shè)計(jì)了新的面向WSN的流數(shù)據(jù)聚類(lèi)算法,能夠有效地對(duì)未知網(wǎng)絡(luò)入侵行為進(jìn)行在線(xiàn)監(jiān)控；其分布式的

3、解決方案嘗試進(jìn)一步地解決集中式數(shù)據(jù)監(jiān)控的處理方式易出現(xiàn)的數(shù)據(jù)擁堵等問(wèn)題。以下說(shuō)明本文的主要的工作為:
　　 1、設(shè)計(jì)了基于流數(shù)據(jù)聚類(lèi)的網(wǎng)絡(luò)入侵監(jiān)控算法--DOExMiCiuster。在借鑒吸收經(jīng)典的流數(shù)據(jù)聚類(lèi)算法CLUSTREAM設(shè)計(jì)經(jīng)驗(yàn)的基礎(chǔ)上,放棄在實(shí)時(shí)入侵監(jiān)控中不適用的設(shè)計(jì)使得新算法的時(shí)間和空間復(fù)雜度得到了進(jìn)一步的降低,同時(shí)設(shè)計(jì)若干個(gè)與以往算法不同的微簇(微聚類(lèi)),實(shí)驗(yàn)表明較之DOExMiCluster算法能對(duì)正常網(wǎng)絡(luò)行為

4、進(jìn)行更好的學(xué)習(xí)。
　　 2、WSN入侵行為監(jiān)控只能利用少數(shù)能覆蓋整個(gè)網(wǎng)絡(luò)的節(jié)點(diǎn)來(lái)配置相關(guān)的計(jì)算單元,本文擬將微簇分割到各個(gè)單元中,構(gòu)建一個(gè)基于分簇路由的分布式DOExMiCluster入侵監(jiān)控系統(tǒng),其中簇頭、輔助計(jì)算節(jié)點(diǎn)、用于流數(shù)據(jù)轉(zhuǎn)發(fā)的流導(dǎo)向模塊等結(jié)構(gòu)組成一個(gè)完整的計(jì)算單元,最后這些計(jì)算單元以環(huán)形流水線(xiàn)的方式組織起來(lái),進(jìn)行流數(shù)據(jù)條件下的分布式計(jì)算。
　　 實(shí)驗(yàn)表明基于DOExMiCluster的WSN入侵監(jiān)控技術(shù)能夠達(dá)