商俊燕，丁 輝，胡學(xué)龍

(1.常州工業(yè)職業(yè)技術(shù)學(xué)院 信息工程學(xué)院，江蘇 常州 213164；2.揚(yáng)州大學(xué)信息工程學(xué)院，江蘇 揚(yáng)州 225127)

無(wú)線(xiàn)傳感器網(wǎng)絡(luò)憑借其傳輸數(shù)據(jù)量大且速度較快的優(yōu)勢(shì)，廣泛地應(yīng)用于不同研究領(lǐng)域[1]。但由于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)分布較為密集，節(jié)點(diǎn)與節(jié)點(diǎn)之間覆蓋區(qū)域出現(xiàn)大量交疊情況，節(jié)點(diǎn)工作時(shí)會(huì)出現(xiàn)大量的冗余數(shù)據(jù)，造成能耗較大，消耗網(wǎng)絡(luò)生存時(shí)間，消減網(wǎng)絡(luò)使用壽命[2]。為此，對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)開(kāi)展有效的冗余數(shù)據(jù)檢測(cè)，是網(wǎng)絡(luò)管理部門(mén)亟待解決的問(wèn)題。

文獻(xiàn)[3]提出基于加權(quán)社會(huì)網(wǎng)絡(luò)的低維冗余數(shù)據(jù)挖掘算法。該方法首先建立網(wǎng)絡(luò)的加權(quán)社會(huì)模型，對(duì)網(wǎng)絡(luò)采集數(shù)據(jù)展開(kāi)可視化分析；依據(jù)分析結(jié)果提取數(shù)據(jù)冗余特征，計(jì)算數(shù)據(jù)的低維冗余支持度，并依據(jù)計(jì)算結(jié)果對(duì)低維數(shù)據(jù)的關(guān)聯(lián)規(guī)則實(shí)施評(píng)價(jià)；最后通過(guò)數(shù)據(jù)關(guān)聯(lián)規(guī)則對(duì)數(shù)據(jù)進(jìn)行聚類(lèi)處理，實(shí)現(xiàn)網(wǎng)絡(luò)冗余數(shù)據(jù)的檢測(cè)。該方法的檢測(cè)耗時(shí)較短，但檢測(cè)正確率較低。文獻(xiàn)[4]對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的冗余流量進(jìn)行了研究?；诠?jié)點(diǎn)的剩余能量執(zhí)行多跳路由，利用短信標(biāo)消息處理基于區(qū)域的路由中產(chǎn)生的冗余數(shù)據(jù)包。較低區(qū)域的節(jié)點(diǎn)以最少的跳數(shù)將較高區(qū)域的數(shù)據(jù)路由到基站，并且僅利用路徑上的那些節(jié)能且位于基站附近的節(jié)點(diǎn)。中繼節(jié)點(diǎn)使用無(wú)線(xiàn)廣播優(yōu)勢(shì)來(lái)確認(rèn)源節(jié)點(diǎn)，而不向發(fā)送方發(fā)送任何特殊的ACK 包，這減少了路由過(guò)程中的控制開(kāi)銷(xiāo)。該方法具有較高的數(shù)據(jù)吞吐量，但存在檢測(cè)召回率較低的問(wèn)題。

為解決上述網(wǎng)絡(luò)冗余數(shù)據(jù)檢測(cè)過(guò)程中存在的問(wèn)題，提出基于XGBoost 的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測(cè)算法。

1 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)預(yù)處理

為了有效實(shí)現(xiàn)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測(cè)，針對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)缺失數(shù)據(jù)實(shí)施插補(bǔ)處理，從而有效預(yù)處理無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)。利用局部近鄰算法，建立無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)辨識(shí)矩陣，降維無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)，由此提高無(wú)線(xiàn)傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測(cè)正確率。

1.1 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)缺失值插補(bǔ)

在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)預(yù)處理過(guò)程中，需要使用相關(guān)算法對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的缺失數(shù)據(jù)實(shí)施缺失值插補(bǔ)處理[5-6]。

通過(guò)數(shù)據(jù)采集器對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)展開(kāi)采集處理，建立無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)集A，并將其劃分成測(cè)試集B 和檢測(cè)集C。無(wú)線(xiàn)傳感器網(wǎng)絡(luò)缺失數(shù)據(jù)缺失值插補(bǔ)處理流程如下:

①確定無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)中的自變量與因變量。

在無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)集中確定缺失數(shù)據(jù)為因變量mi，未缺失數(shù)據(jù)為自變量ni。

②明確數(shù)據(jù)缺失值上、下限。

通過(guò)最近鄰算法獲取網(wǎng)絡(luò)缺失值的上下限，并將其設(shè)定為[msi，mxi]，缺失插補(bǔ)過(guò)程中迭代值不可超出該閾值。

③網(wǎng)絡(luò)數(shù)據(jù)缺失值隨機(jī)插補(bǔ)。

在設(shè)定的缺失值上下限閾值之間隨機(jī)選取數(shù)據(jù)，初次對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)[7]中的缺失數(shù)據(jù)開(kāi)展缺失值插補(bǔ)處理。

④尋找最優(yōu)復(fù)雜度模型。

通過(guò)構(gòu)建具有傳感器網(wǎng)絡(luò)缺失數(shù)據(jù)的分組處理模型，以此來(lái)尋求數(shù)據(jù)最優(yōu)復(fù)雜度。數(shù)據(jù)最優(yōu)復(fù)雜度確定后，依據(jù)數(shù)據(jù)的分組插補(bǔ)方法計(jì)算網(wǎng)絡(luò)數(shù)據(jù)缺失值的誤差。

⑤開(kāi)展缺失值插補(bǔ)處理。

重復(fù)上述流程對(duì)網(wǎng)絡(luò)數(shù)據(jù)迭代計(jì)算，直至完成所有數(shù)據(jù)的插補(bǔ)處理。

無(wú)線(xiàn)傳感器網(wǎng)絡(luò)完成數(shù)據(jù)缺失值插補(bǔ)后，通過(guò)Z-score 算法完成無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)的標(biāo)準(zhǔn)化處理[8]，結(jié)果如下式所示:

式中，n為無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的數(shù)據(jù)總量，man，I為實(shí)際數(shù)據(jù)值，An為數(shù)據(jù)平均值。Sn為數(shù)據(jù)標(biāo)準(zhǔn)差，數(shù)man為據(jù)的標(biāo)準(zhǔn)化處理結(jié)果。

1.2 無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)降維方法

無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)在完成缺失值插補(bǔ)后，通過(guò)局部近鄰算法[9]對(duì)網(wǎng)絡(luò)數(shù)據(jù)實(shí)施降維處理。

1.2.1 建立辨識(shí)矩陣

設(shè)定無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)中有a個(gè)訓(xùn)練樣本數(shù)據(jù)，根據(jù)數(shù)據(jù)集高維空間樣本的局部近鄰關(guān)系，構(gòu)造了一個(gè)網(wǎng)絡(luò)數(shù)據(jù)的近鄰矩陣為:

式中，G為建立的近鄰矩陣，網(wǎng)絡(luò)數(shù)據(jù)樣本xi與xj之間互為近鄰關(guān)系，As為數(shù)據(jù)近鄰樣本集合。

設(shè)定近鄰矩陣中任意向量為gij，依據(jù)網(wǎng)路數(shù)據(jù)的類(lèi)別標(biāo)簽，建立網(wǎng)絡(luò)數(shù)據(jù)的辨識(shí)矩陣，結(jié)果如下式所示:

式中，‖xi-xj‖為樣本數(shù)據(jù)xi與xj之間的歐氏距離，o為調(diào)節(jié)常數(shù)，exp 為指數(shù)函數(shù)，B為建立的辨識(shí)矩陣。

1.2.2 數(shù)據(jù)降維

依據(jù)傳感器網(wǎng)絡(luò)數(shù)據(jù)近鄰點(diǎn)數(shù)量建立數(shù)據(jù)的局部近鄰圖，再通過(guò)建立的近鄰圖，構(gòu)建數(shù)據(jù)局部散度矩陣以及全局散度矩陣，過(guò)程如下式所示:

式中，K為拉普拉斯矩陣，Bk為建立的網(wǎng)絡(luò)數(shù)據(jù)局部散度矩陣，BA為全局散度矩陣，T為逼近系數(shù)，i為矩陣行向量，j為列向量，X為網(wǎng)絡(luò)樣本數(shù)據(jù)集，m為常數(shù)，Bij為在i行j列的數(shù)據(jù)。

通過(guò)建立的數(shù)據(jù)散度矩陣[10]獲取無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)的辨識(shí)向量c，以此建立無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)的變換函數(shù)模型，結(jié)果如下式所示:

式中，J(C)為建立的變換函數(shù)，C為辨識(shí)向量集合，JA(C)、Jk(C)為矩陣辨識(shí)系數(shù)，tr 為矩陣對(duì)角函數(shù)。

柑橘產(chǎn)量與氣溫、降水量呈顯著正相關(guān)；與日照時(shí)數(shù)呈極顯著負(fù)相關(guān)。需要加強(qiáng)研究柑橘各發(fā)育期氣象因子與柑橘產(chǎn)量的關(guān)系，掌握柑橘生長(zhǎng)發(fā)育期對(duì)氣溫、降水、日照的需求，有效利用氣象條件，防范氣象災(zāi)害，結(jié)合生產(chǎn)實(shí)際，加強(qiáng)果園管理，提高柑橘產(chǎn)量與品質(zhì)。

模型建立后，通過(guò)模型的正交化約束，計(jì)算數(shù)據(jù)正交向量值，建立模型的正交函數(shù)計(jì)算模型的特征向量值，過(guò)程如下式所示:

式中，δm為變換函數(shù)模型正交特征向量，argmin 為對(duì)數(shù)函數(shù)?；谏鲜霁@取變換函數(shù)模型的正交基特征向量，獲取模型目標(biāo)函數(shù)解，實(shí)現(xiàn)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)的降維，過(guò)程如下式所示:

式中，φ為模型目標(biāo)函數(shù)解[11]，s.t.為模型約束條件。

2 XGBoost 檢測(cè)算法設(shè)計(jì)

在上述無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)預(yù)處理的基礎(chǔ)上，設(shè)計(jì)XGBoost 檢測(cè)算法。采用XGBoost 算法，提取無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)冗余特征。利用決策樹(shù)，建立無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)分類(lèi)模型，分類(lèi)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)冗余特征，由此實(shí)現(xiàn)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的冗余數(shù)據(jù)檢測(cè)，從而有效提高無(wú)線(xiàn)傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測(cè)召回率。

2.1 提取數(shù)據(jù)冗余特征

使用XGBoost 算法，基于數(shù)據(jù)降維后的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)樣本以及冗余類(lèi)別，建立無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)的目標(biāo)函數(shù)，結(jié)果如下式所示:

式中，ei為數(shù)據(jù)i的目標(biāo)實(shí)際值，ej為目標(biāo)預(yù)測(cè)值，l(ei，ej)為二者之間的差異，m為樣本數(shù)量，?(fk)為數(shù)據(jù)樣本k的特征參數(shù)，fk為分裂樹(shù)的模型復(fù)雜度，K為數(shù)據(jù)樣本的特征參數(shù)總量，U為建立的目標(biāo)函數(shù)。

式中，U(t)為冗余數(shù)據(jù)的分裂樹(shù)節(jié)點(diǎn)累加值，ωi為節(jié)點(diǎn)輸出分?jǐn)?shù)，I為分類(lèi)樹(shù)葉子上的樣本集合，Ij為分裂樹(shù)結(jié)構(gòu)函數(shù)，T為葉子節(jié)點(diǎn)，gi、hi為數(shù)據(jù)冗余系數(shù)，γ、λ為權(quán)重因子。

分裂樹(shù)建立后，依據(jù)冗余數(shù)據(jù)特征編碼形式確定無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)的特征。設(shè)定網(wǎng)絡(luò)數(shù)據(jù)訓(xùn)練樣本集為{x1，x2，…，xn}，數(shù)據(jù)樣本在第K棵冗余數(shù)據(jù)分裂樹(shù)上的對(duì)應(yīng)節(jié)點(diǎn)位置為βnk，以此建立樣本數(shù)據(jù)的索引向量矩陣，過(guò)程如下式所示:

式中，Z為建立的樣本索引向量矩陣，K為分裂樹(shù)數(shù)量。n為樣本數(shù)量。

最后依據(jù)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)樣本索引向量矩陣計(jì)算結(jié)果，完成數(shù)據(jù)冗余特征的提取。

2.2 特征分類(lèi)

由于提取出的數(shù)據(jù)冗余特征包含多個(gè)類(lèi)別，因此，依據(jù)建立的決策樹(shù)對(duì)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)實(shí)施分類(lèi)處理，完成無(wú)線(xiàn)傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)的檢測(cè)。

基于提取的數(shù)據(jù)冗余特征建立無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)分類(lèi)模型[12]，過(guò)程如下式所示:

式中，M為建立的分類(lèi)模型，η為網(wǎng)絡(luò)數(shù)據(jù)的分類(lèi)算子，t為樣本標(biāo)簽，X為訓(xùn)練數(shù)據(jù)集。最后依據(jù)下式完成無(wú)線(xiàn)傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)的分類(lèi)，實(shí)現(xiàn)無(wú)線(xiàn)傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)的檢測(cè)，過(guò)程如下式所示:

式中，R為數(shù)據(jù)分類(lèi)結(jié)果，loss 為分類(lèi)模型的模型誤差，Xbest為測(cè)試數(shù)據(jù)集，Ctest為分類(lèi)標(biāo)簽。

3 仿真分析

為了驗(yàn)證基于XGBoost 的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測(cè)算法的有效性，需要對(duì)此方法進(jìn)行仿真分析對(duì)比測(cè)試。采用NSL-KDD 數(shù)據(jù)集，基于MATLAB 2016a 軟件進(jìn)行了仿真分析。設(shè)定樣本數(shù)據(jù)量為6 000 個(gè)，仿真參數(shù)迭代數(shù)量為150，學(xué)習(xí)率為0.1。XGBoost 算法實(shí)現(xiàn)的偽代碼如下:

3.1 仿真結(jié)果及分析

分別采用基于XGBoost 的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測(cè)算法(所提方法)、加權(quán)社會(huì)網(wǎng)絡(luò)低維冗余數(shù)據(jù)快速挖掘算法仿真(文獻(xiàn)[3]方法)、無(wú)線(xiàn)傳感器網(wǎng)絡(luò)區(qū)域路由中處理冗余流量的節(jié)能技術(shù)(文獻(xiàn)[4]方法)展開(kāi)測(cè)試。

選取檢測(cè)正確率、召回率以及F1 值作為檢測(cè)效果測(cè)試指標(biāo)，以此測(cè)試上述3 種方法的冗余數(shù)據(jù)檢測(cè)效果。

①檢測(cè)正確率測(cè)試:檢測(cè)正確率是指正確檢測(cè)樣本數(shù)據(jù)量占樣本數(shù)據(jù)量總數(shù)的百分比。冗余數(shù)據(jù)檢測(cè)正確率測(cè)試中，檢測(cè)正確率越高，說(shuō)明冗余數(shù)據(jù)檢測(cè)效果越好；檢測(cè)正確率越低，說(shuō)明冗余數(shù)據(jù)的檢測(cè)效果越差。對(duì)3 種方法的檢測(cè)正確率展開(kāi)測(cè)試，測(cè)試結(jié)果如圖1 所示。

圖1 不同方法的檢測(cè)正確率測(cè)試結(jié)果

由圖1 可知，樣本數(shù)據(jù)量與3 種冗余數(shù)據(jù)檢測(cè)方法的檢測(cè)正確率呈負(fù)相關(guān)趨勢(shì)。當(dāng)樣本數(shù)據(jù)量達(dá)到6 000 個(gè)時(shí)，文獻(xiàn)[3]方法和文獻(xiàn)[4]方法的檢測(cè)正確率分別為90.45%和89.43%，而所提方法的檢測(cè)正確率為97.59%。由此可知，所提方法測(cè)試出的檢測(cè)正確率是3 種方法中最高的，由此可證明，所提方法在冗余數(shù)據(jù)檢測(cè)時(shí)的檢測(cè)效果較好。

②檢測(cè)召回率測(cè)試:檢測(cè)召回率是指檢測(cè)為正確的檢測(cè)樣本數(shù)據(jù)量占實(shí)際的檢測(cè)樣本數(shù)據(jù)量的百分比。冗余數(shù)據(jù)檢測(cè)召回率測(cè)試時(shí)，測(cè)試出的召回率越高，說(shuō)明冗余數(shù)據(jù)的檢測(cè)效果越好，反之則越差。對(duì)3 種方法的召回率展開(kāi)測(cè)試，測(cè)試結(jié)果如圖2 所示。

圖2 不同方法的檢測(cè)召回率測(cè)試結(jié)果

由圖2 可知，樣本數(shù)據(jù)量與3 種方法測(cè)試出的召回率呈負(fù)相關(guān)趨勢(shì)。當(dāng)樣本數(shù)據(jù)量達(dá)到6 000 個(gè)時(shí)，文獻(xiàn)[3]方法和文獻(xiàn)[4]方法的檢測(cè)召回率分別為84.45%和75.43%，而所提方法的檢測(cè)召回率為95.00%。由此可知，所提方法的檢測(cè)召回率較高，可證明所提方法在開(kāi)展冗余數(shù)據(jù)檢測(cè)時(shí)，具備有效性。

③檢測(cè)F1 值測(cè)試:檢測(cè)F1 值是指檢測(cè)正確率和檢測(cè)召回率的調(diào)和平均數(shù)。采用F1 值測(cè)試指標(biāo)對(duì)所提方法、文獻(xiàn)[3]方法以及文獻(xiàn)[4]方法的冗余數(shù)據(jù)檢測(cè)結(jié)果展開(kāi)測(cè)試，測(cè)試過(guò)程中，F(xiàn)1 值測(cè)試結(jié)果越高，說(shuō)明檢測(cè)方法的檢測(cè)效果越好，反之則越差。以此測(cè)試3 種方法冗余數(shù)據(jù)檢測(cè)效果。測(cè)試結(jié)果如圖3 所示。

圖3 不同方法的檢測(cè)F1 值測(cè)試結(jié)果

由圖3 可知，樣本數(shù)據(jù)量與檢測(cè)方法的F1 值呈負(fù)相關(guān)趨勢(shì)。當(dāng)樣本數(shù)據(jù)量達(dá)到6 000 個(gè)時(shí)，文獻(xiàn)[3]方法和文獻(xiàn)[4]方法的檢測(cè)F1 值分別為60.96%和59.84%，而所提方法的檢測(cè)F1 值為65.87%。由此可知，所提方法的F1 值測(cè)試結(jié)果較高，說(shuō)明所提方法的檢測(cè)效果較好。這主要是因?yàn)樗岱椒ㄔ谌哂鄶?shù)據(jù)檢測(cè)前，使用局部近鄰算法對(duì)網(wǎng)絡(luò)數(shù)據(jù)實(shí)施降維處理，所以該方法在開(kāi)展冗余數(shù)據(jù)檢測(cè)時(shí)的F1 值較高。

綜上所述，所提方法在開(kāi)展無(wú)線(xiàn)傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測(cè)時(shí)，檢測(cè)的正確率、召回率和F1 值較高。由此可證明，所提方法在冗余數(shù)據(jù)檢測(cè)時(shí)的檢測(cè)效果好。

4 結(jié)束語(yǔ)

隨著傳感器網(wǎng)絡(luò)使用范圍的增加，傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測(cè)就變得尤為重要。針對(duì)傳統(tǒng)冗余數(shù)據(jù)檢測(cè)方法中存在的問(wèn)題，提出基于XGBoost 的無(wú)線(xiàn)傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測(cè)算法。該方法依據(jù)數(shù)據(jù)的降維結(jié)果，提取網(wǎng)絡(luò)的冗余數(shù)據(jù)特征，建立無(wú)線(xiàn)傳感器網(wǎng)絡(luò)數(shù)據(jù)分類(lèi)模型；最后依據(jù)建立的數(shù)據(jù)分類(lèi)模型完成網(wǎng)絡(luò)數(shù)據(jù)的分類(lèi)，實(shí)現(xiàn)冗余數(shù)據(jù)的檢測(cè)。該方法具有較好的檢測(cè)效果，能夠有效提升無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的運(yùn)行安全性。