移动簇在反恐情报轨迹数据聚集特征分析中的应用研究

[研究目的]对恐怖分子的时空轨迹数据进行聚集模式挖掘,有助于了解涉恐人员的群体行为模式,进而预测并提前防范一些涉恐的群体活动。[研究方法]通过对比反恐情报数据特征和多种聚集模式的特点,选择移动簇作为反恐情报中的聚集模式类型,修改移动簇挖掘经典方法中的数据采样、数据预处理、移动对象邻近度度量方法、时间点聚类方法以及移动簇的筛选条件等环节,找出适用于反恐工作需求的移动簇,再由有经验的情报分析人员进一步研判并提出处置对策。[研究结论]提出的方法通过与其他时空类型数据分析方法相结合,可以挖掘反恐情报时空轨迹数据分布规律,为反恐预警和反恐决策提供科学客观的参考。

一种时空轨迹群体运动移动簇模式的排序算法

移动对象的群体运动移动簇模式是时空轨迹模式挖掘的重要内容,可用于发现群体运动规律、运动趋势以及群体事件.轨迹模式挖掘过程中通常会产生大量移动簇模式,然而用户感兴趣的只是少数一部分.我们可以通过对移动簇模式进行排序,从而帮助用户找出其感兴趣的少数移动簇模式,但目前针对移动对象群体运动移动簇模式排序的研究工作尚未报道,为此本文提出群体运动移动簇模式排序算法.首先利用移动簇所包含的空间属性,建立"移动簇-兴趣点"的图模型,并基于该模型提出重启式随机游走的群体运动移动簇模式排序算法RWR-Ranking,对大量移动簇进行排序,使得用户感兴趣的结果尽可能排在前面;此外,对RWR-Ranking方法进行改进,结合移动簇所包含的时空属性提出带权重的重启式随机游走的群体运动移动簇模式排序算法WRWR-Ranking;最后,利用真实轨迹数据集进行实验,验证了本文所提出的方法的有效性.

无线传感器网络移动簇头节能传输协议

无线传感器网络具有资源的有限性和传感器采集数据的特点,许多在传统网络中运作良好的通信协议,在一些由固定节点和移动节点组成的无线传感器网络中不能很好地管理网络和处理传感器数据。该文提出一种移动簇头的节能通信协议,使用自组织传感器簇来处理和散发数据。通过与LEACH协议的对比,证明该协议具有更好的节能性和更长的网络寿命,更适用于无线传感器网络。

基于簇首移动的无线传感器网络路由算法

以往的无线传感器网络分簇算法中,簇首位置固定无法移动,缺乏针对网络实时变化的灵活性,在均衡网络节点能量消耗的问题上存在着缺陷。鉴于此,提出一种簇首移动的无线传感器网络路由算法(MCHCA)。MCHCA算法将簇首设置为移动节点,通过网络区域大小及节点传输半径确定合理的移动簇首数目;根据簇内成员的位置坐标和剩余能量的信息,确定簇首每轮所需移动到的最佳位置;移动簇首收集簇内成员的数据并将其融合,传递给Sink节点。仿真结果表明,该算法可以有效地均衡网络节点负载的能耗,提高了网络的生命周期。

融合簇边界移动与自适应合成的混合采样算法

针对伪负采样算法(Pseudo-Negative Sampling,PNS)存在的类内子聚集和类别重叠问题,提出一种融合簇边界负样本移动策略(Cluster Boundary Negative Movement Strategy,CBNMS)与自适应正样本合成技术(Adaptive Pos⁃itive Synthesis Technology,ADPST)的改进混合采样算法(Improved Cluster Boundary Negative Movement Strategy,ICB⁃NMS),以提升非均衡数据的整体分类性能和正类识别精度.CBNMS策略采用凝聚层次聚类对正负类样本进行划分,并通过各局部样本间相似关系识别潜在负类中且与正类相关性较大的簇边界负样本,提高采样的局部精确性和时效性.为进一步加强CBNMS策略对正样本重叠区域的识别性能,ICBNMS算法在簇边界负样本移动均衡化基础上,引入ADPST技术,利用稀疏度与距离复合因子组合加权以自适应确定最优样本生成区域,从而有效削弱样本的重叠性且丰富样本的多样性.实验结果表明,相比其他采样算法,ICBNMS算法在10个非均衡数据集的多组实验中G-mean和Fmeasure等指标获得最优值,且时间效率比CDSMOTE和PNS算法分别提升了32.27%和27.88%,凸显出更优越的鲁棒性和泛化性.

基于移动基站的动态无线传感器网络

针对无线传感器网络(WSN)中的"路由热点"问题,提出了在簇头移动的前提下基于事件驱动的基站簇头混合移动策略BS-CH HMS(base station-cluster head hybrid mobile strategy).该策略根据CH(cluster head)移动时的能量损耗确定CH的移动轨迹,制定基站的协作移动策略.理论分析和仿真结果表明:采用所提出的混合移动策略,簇头的能量消耗比采用单独移动CH的路由策略节省30%,提高了移动簇头的能量效率,延长了网络的生命周期.

面向移动传感网的攻击风险监测系统

提出基于稳定性、安全性、簇大小选择和簇首节点合理选择的方法,从逻辑上对整个网络进行了簇的划分并选出最佳簇首节点,引入基于自回归模型的间隙性异常识别,实现了在簇首节点上执行自动检测网络流量异常和自动报警的功能。实验证明了该方法的有效性。