一、项目成果简介

现有的无线传感器异常事件检测技术主要针对单个观测属性设置决策阈值或根据变化趋势检测异常事件，在涉及多类型传感器的事件检测应用中可扩展性不强。此外，现有算法虽能发现异常事件，但无法对事件产生的原因、异常特征、特征之间的关联等信息给出有效解释说明，决策者很难直接利用。

针对以上不足，提出基于多属性关联的WSN异常事件检测算法和基于关联子空间的异常事件解释算法，并实现了无线传感器网络异常事件检测与解释原型系统。主要创新点如下：

（1）针对现有事件检测算法仅考虑数据的时空关联性，忽略非时空属性的内在关联对检测结果的影响，导致检测误报率较高的问题，提出基于多属性关联的异常事件检测算法。基于贝叶斯网络建立非时空属性依赖关系模型，通过结构学习得到非时空属性的依赖结构，对网络结构的每个节点进行参数学习得到条件概率表，从而得到不同非时空属性之间的概率依赖关系；提出属性关联置信度，用来衡量当前传感器读数与样本数据属性模式的相似程度；结合时间关联性检测和空间关联性检测，联合检测出异常事件，在真实数据集上进行实验，验证了算法的性能。

（2）针对现有事件检测算法没有对事件进行良好地解释的问题，提出基于关联子空间的异常事件解释算法。首先基于分离度计算子空间异常得分，通过对子空间异常得分进行加权筛选出更感兴趣的低维关联子空间。然后根据条件独立性原则提出子空间相关度，设计基于子空间相关度异常子空间查找算法，分别在合成数据集和真实数据集上进行了实验验证。最后提出基于关联子空间的异常事件解释算法，并在真实数据集上进行实验。算法输出了异常事件解释结果，为决策人员分析事件产生原因提供了有利依据。

（3）设计并实现了一个无线传感器网络异常事件检测与解释原型系统。该系统不仅能有效地检测出异常事件，减少噪声数据和干扰事件因素的影响，而且能够以可视化形式报告异常事件信息，展示异常事件发生区域，解释异常事件发生原因。

二、性能指标

1. 基于多属性关联的异常事件检测

2. 基于关联子空间的异常事件解释

三、适用范围、市场前景

适用于物联网技术应用场景下的异常检测、异常警告、异常事件的发现与提醒，以及异常事件的解释等场景。

随着物联网技术的发展与应用，该技术可极大提高物联网应用的可靠性与安全性，并为异常事件的分析提供帮助。

四、投资概算

该项目可建立在已有物联网应用平台和云平台上。如果是单独应用，在已有网络平台和数据库平台已经建好的情况下，一般应用场景预计需要增加20万元的投资。云平台后台服务，预计50万元投资。

五、合作方式

技术转让或共同开发。