WIPO logo
Mobile | Deutsch | English | Español | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Recherche dans les collections de brevets nationales et internationales
World Intellectual Property Organization
Recherche
 
Options de navigation
 
Traduction
 
Options
 
Quoi de neuf
 
Connexion
 
Aide
 
Traduction automatique
1. (WO2018126984) PROCÉDÉ DE DÉTECTION D'ANOMALIE WSN BASÉ SUR UN RÉSEAU NEURONAL MEA-BP
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2018/126984 N° de la demande internationale : PCT/CN2017/119421
Date de publication : 12.07.2018 Date de dépôt international : 28.12.2017
CIB :
H04W 24/04 (2009.01)
Déposants : JIANGNAN UNIVERSITY[CN/CN]; Xiaoyue Geng No. 1800 Lake Avenue Wuxi, Jiangsu 214122, CN
Inventeurs : LI, Guanghui; CN
GU, Xiaoyong; CN
Mandataire : HARBIN SHINEIP INTELLECTUAL PROPERTY AGENCY CO., LTD.; Xiaoyue Geng Room E501,Building 18,Science and technology 1st street No.99,District Songbei Harbin, Heilongjiang 150028, CN
Données relatives à la priorité :
201710008709.X06.01.2017CN
Titre (EN) MEA-BP NEURAL NETWORK-BASED WSN ABNORMALITY DETECTION METHOD
(FR) PROCÉDÉ DE DÉTECTION D'ANOMALIE WSN BASÉ SUR UN RÉSEAU NEURONAL MEA-BP
(ZH) 一种基于MEA-BP神经网络WSN异常检测方法
Abrégé : front page image
(EN) An MEA-BP neural network-based WSN abnormality detection method, wherein: various distributed sensor nodes are initialised, and the various sensor nodes start to collect data; a k-means algorithm is used to perform spatial clustering on the various sensor nodes to obtain several groups; a mind evolutionary algorithm is used to perform parameter optimisation on a BP neural network, optimisation is performed on weights and thresholds of the BP neural network via a convergence and divergence operation to obtain optimal weights and thresholds, the optimal weights and thresholds are inputted, and an MEA-BP neural network model is established; a distributed-type algorithm is used to independently execute abnormality detection on the sensor nodes in each group, and the sensor nodes transfer detection results to a cluster head node of the group for further verification after the abnormality detection is complete. The present invention improves the performance of a BP neural network algorithm, accelerates the learning rate of a BP neural network, effectively improves the accuracy of abnormal data detection, and reduces a false alarm rate.
(FR) L'invention concerne un procédé de détection d'anomalie WSN basé sur un réseau neuronal MEA-BP. Dans le procédé : divers nœuds de capteur distribués sont initialisés, et les divers nœuds de capteur commencent à collecter des données; un algorithme de moyen k est utilisé pour effectuer un regroupement spatial sur les divers nœuds de capteur de sorte à obtenir plusieurs groupes; un algorithme évolutif d'esprit est utilisé pour effectuer une optimisation de paramètre sur un réseau neuronal BP, une optimisation est effectuée sur des poids et des seuils du réseau neuronal BP via une opération de convergence et de divergence de sorte à obtenir des poids et des seuils optimaux, les poids et seuils optimaux sont entrés, et un modèle de réseau neuronal MEA-BP est établi ; un algorithme de type distribué est utilisé pour exécuter indépendamment une détection d'anomalie sur les nœuds de capteur dans chaque groupe, et les nœuds de capteur transfèrent des résultats de détection à un nœud de tête de grappe du groupe pour une vérification supplémentaire une fois la détection d'anomalie accomplie. La présente invention améliore les performances d'un algorithme de réseau neuronal BP, accélère le taux d'apprentissage d'un réseau neuronal BP, améliore significativement la précision de détection de données anormales, et réduit un taux de fausses alarmes.
(ZH) 一种基于MEA-BP神经网络WSN异常检测方法,将各分布传感器节点初始化,各传感器节点开始采集数据;利用K-means算法对各传感器节点进行空间分簇得到若干组簇;利用思维进化算法对BP神经网络进行参数优化,通过趋同异化操作对BP神经网络的权值和阈值进行优化,得到最优权值和阈值,输入最优权值和阈值,建立MEA-BP神经网络模型;采用分布式的算法,对每组分簇中传感器节点独立执行异常检测,异常检测完毕后传感器节点将检测结果传递到该组分簇的簇头节点进一步验证。提高了BP神经网络算法性能,加快了BP神经网络的学习速率,有效提高了异常数据检测的准确率,降低了误报率。
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : chinois (ZH)
Langue de dépôt : chinois (ZH)