基于贝叶斯网络的穿戴网的错误检测与数据修复

摘要

穿戴网因资源限制，环境及恶意攻击等因素影响，易出现传感器数据错误，进而导致假警报以及错误的医疗检测。因此，在传感器采集到的数据用于医学检测之前，错误的传感器数据应尽可能多的被检测和修复。进而医护人员可依据修复后的传感器数据做出精准的判断。
　　贝叶斯网络的优点是使用少量的传感器收集信息。首先，论文利用穿戴网中各传感器所获数据的时间和空间关系建立了一个贝叶斯网络模型。其次，考虑到采集数据的正确性问题，在模型中引入数据真实值概念并加入到检测算法中以使传感器的数据真实可信。由于无法保证传感器采集到数据的正确性，所以论文中为每个样本添加对应的真实值及真实值的权重，从而保障数据的真实性。再次，利用贝叶斯网络的性质，经过一系列的推导，近似地得到检错率、误判率、整体错误率以及假重构率等性能指标的数学表达式。进而根据整体错误率指标计算出方案的最优阈值。最后，论文给出错误检测与数据修复的具体方案，即假定真实值与传感器采集到的值相同，根据检测方案中的条件概率判断公式与阈值的关系来判断传感器读数是否正确。
　　通过对比分析基于贝叶斯网络的错误检测和数据修复方案与KNN、MD、J48&LR等算法的仿真结果，实验结果表明论文提出的方案具有较高的正确性。

目录

声明

插图索引

缩略语对照表

第一章 绪论

1.1研究背景及意义

1.2国内外研究现状—错误检测

1.3国内外研究现状—数据修复

1.4论文的主要内容及安排

第二章 贝叶斯网络理论框架

2.1概率论基础

2.2贝叶斯网络的表示

2.3贝叶斯网络的参数学习

2.4贝叶斯网络的结构学习

2.5贝叶斯网络的推理学习

2.6本章小结

第三章 基于贝叶斯的穿戴网的错误检测

3.1问题分析与建模

3.2错误检测算法

3.3算法评价指标

3.4最优阈值??

3.5实验结果

3.6本章小结

第四章 基于贝叶斯的穿戴网的数据修复

4.1问题分析与建模

4.2数据修复算法

4.3算法评价指标

4.4最优阈值??

4.5实验结果

4.6本章小结

第五章 总结与展望

5.1本文总结

5.2下一步的工作

参考文献

致谢

作者简介