TS-PADM, Anomaly Detection Model of Wireless Sensors Based on Spatial-Temporal Feature Points

CONTENIDO PARA USUARIOS REGISTRADOS

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

Descripción: En la aplicación práctica, la recolección de datos de sensores es un medio esencial para que el sistema perciba las características intrínsecas de los datos. La detección de anomalías en los puntos de datos puede mejorar la calidad de los datos y explorar la información potencial de los mismos. La detección de anomalías se puede clasificar en dos tipos básicos, es decir, clasificación y agrupamiento. Estos métodos suelen depender de la correlación espacial de los datos y tienen una alta complejidad computacional, por lo que no son adecuados para el hogar inteligente y otro entorno de Internet de las cosas (IoT) en miniatura. Para superar estos problemas, proponemos un método novedoso para la detección de anomalías. En este artículo, primero definimos la característica temporal y espacial de los flujos de datos; luego, se propone un autoencoder de desruido de series temporales (TSDA) para extraer las características discriminatorias de alta dimensionalidad para representar los puntos de datos. Además, se propuso un modelo de detección de anomalías basado en estad
Citación recomendada (normas APA)
: Hindawi, "TS-PADM, Anomaly Detection Model of Wireless Sensors Based on Spatial-Temporal Feature Points", -:Revista VirtualPRO,, 2021. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3933034/), el día 2025-11-04.

Información adicional