Anomaly Detection Collaborating Adaptive CEEMDAN Feature Exploitation with Intelligent Optimizing Classification for IIoT Sparse Data

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Descripción: El IIoT (Internet Industrial de las Cosas) ha ganado considerable atención y se ha aplicado cada vez más debido a su capacidad de detección y comunicación ubicua. Sin embargo, la característica dispersa de los datos de detección en redes distribuidas de IIoT puede plantear enormes desafíos para implementar medidas de protección de seguridad. Basado en el diseño de recopilación y reenvío de datos centralizado, este documento propone un enfoque novedoso de detección de anomalías para datos dispersos de IIoT, que puede colaborar exitosamente en la explotación de características adaptativas de CEEMDAN (Descomposición Modal Empírica Completa con Ruido Adaptativo) con una clasificación inteligente optimizadora. Además, en la explotación de características adaptativas de CEEMDAN, se diseña la entropía de energía de CEEMDAN basada en la selección adaptativa de IMF (Función de Modo Intrínseco) para extraer las características de detección de los datos dispersos de IIoT; en la clasificación inteligente optimiz
Citación recomendada (normas APA)
: Hindawi, "Anomaly Detection Collaborating Adaptive CEEMDAN Feature Exploitation with Intelligent Optimizing Classification for IIoT Sparse Data", -:Revista VirtualPRO,, 2021. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3932599/), el día 2025-06-09.

Información adicional