基于超球面支持向量机的传感器网络数据异常检测分析
【摘要】 构建了一种通过DBN实现的1/4超球面支持向量机（Quarter-Spheresupportvectormachines，QSSVM）测试模型，设计了一种可以实现在线测试功能的异常检测算法。当窗口扩大后，QSSVM发生了准确度不断提高的变化趋势，能够提高半径的测试精度。当窗口增大后算法持续时间增加，QSSVM相对于OCSVM（One-Classsupportvectormachines，OCSVM）可以降低近一半的计算时间。随着窗口扩大至临界值后，将会引起准确度的减小，设置QSSVM算法滑动窗口为100。当样本包含更高的维度异常比例时，所有算法都出现了检测率增大的变化现象。当样本维度升高后，QSSVM依然具备优异检测性能，而K-means发生了检测性能的下降。通过测试发现，采用新算法能够满足大规模高维传感器的数据处理需求，从而减小时间
