检索结果

Select

1. M-TAEDA:多变量水质参数时序数据异常事件检测算法

毛莺池, 齐海, 接青, 王龙宝

计算机应用 2017, 37 (1): 138-144. DOI: 10.11772/j.issn.1001-9081.2017.01.0138

摘要（597）

PDF （1143KB）（554）

在供水管网中部署传感器网络实时获取多个水质参数时间序列数据，当供水管网发生污染时，高效准确地检测水质异常是一个重要问题。提出多变量水质参数时间异常事件检测算法（M-TAEDA），利用BP模型分析多变量水质参数的时序数据，确定可能离群点；结合贝叶斯序贯分析独立更新每个参数的事件概率，预测单个传感器节点检测的异常概率；将单变量的事件概率融合为统一多变量事件概率，融合判断异常事件。实验结果表明：BP模型模拟多变量水质参数进行预测可以达到90%精确度；与单变量参数时间异常事件检测算法（S-TAEDA）相比，M-TAEDA可以提高异常检出率约40%，降低误报率约45%。

参考文献 | 相关文章 | 多维度评价

Select

2. 河网中具有时空关系的异常事件在线检测

毛莺池, 接青, 陈豪

计算机应用 2015, 35 (11): 3106-3111. DOI: 10.11772/j.issn.1001-9081.2015.11.3106

摘要（471）

PDF （1073KB）（428）

当网络异常事件发生时,传感器节点间的时空相关性往往非常明显.而现有方法通常将时间和空间数据性质分开考虑,提出一种分散的基于概率图模型的时空异常事件检测算法.该算法首先利用连通支配集算法(CDS)选择部分传感器节点监测,避免监测所有的传感器节点;然后通过马尔可夫链(MC)预测时间异常事件;最后用贝叶斯网络(BN)推测空间异常事件是否出现,结合时空事件来预测异常事件是否会发生.与简单阈值算法和基于贝叶斯网络算法对比,实验结果表明该算法有高检测精度、低延迟率, 能大幅降低通信开销,提高响应速度.

参考文献 | 相关文章 | 多维度评价

Select

3. 云计算中基于任务分层和时间约束的关联任务调度算法

陈曦毛莺池接青朱沥沥

计算机应用 2014, 34 (11): 3069-3072. DOI: 10.11772/j.issn.1001-9081.2014.11.3069

摘要（274）

PDF （588KB）（739）

针对云计算中对关联任务进行调度时出现任务执行延迟的问题,提出了一种基于任务分层和时间约束的关联任务调度(RTS-THTC)算法。该算法采用构建有向无环图(DAG)的方式表示关联任务的执行次序,通过使用对DAG进行分层的方法提高任务的并行性,计算每一层任务的完成时间约束,将每一层中的任务同时调度至具有最小完成时间的资源上。与基于异构环境的最小完成时间(HEFT)算法的对比实验〖BP(〗原文“试验”〖BP)〗结果表明,RTS-THTC算法在完成时间上比HEFT算法短,并且能够有效地减缓关联任务出现延迟的情况。

参考文献 | 相关文章 | 多维度评价