检测和聚合来自Van Khang Nguyen引用此版本：范 康 阮 。 检 测 和 聚 合 来 自 网 络 和 电 信 [cs.NI] 。 巴 黎 萨 克 雷 大 学 ， 2019 年 。 法 语 。 NNT ：2019SALL021。电话：0244248HAL ID：电话：02444248https://theses.hal.science/tel-02444248提交日期：2020年HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaireSMA手机中Plc传感器发出的捐赠异常的检测和管理这是一个很好的例子，也是一个很好的例子，也是一个很好的例子。PREPRE EATELECOM南方PAR是第580号博士学院信息与科学技术通信（STIC）Specialite dedoctorat：Reseaux，information和communications2019年12月17日，在Evry，您将感觉到并裸体。V AN KHang Nguyen评审团组成：Ve慢性Ve QUEProfesseur，UniversitePar是南方的PrsidenteHace'neFOuchalProfesseur，Universited兰斯香槟-阿登Rapporteur塞尔玛 乌默达西MdC HDR，CNAM报告员Thi Mai Trang NGuyenMdCHDR、UniversitePierre和MarieCurie考试我是你的儿子ProfEsseur，ESIEE，THE'SE总监越南海哈MdC，UniversitedeHue，越南共同主办NNT编号：这是由DoctoRatiii谢谢你首先，我要感谢我的论文导师，巴黎ESIEE的Eric RENAULT教授，感谢他的可用性、他的教学和科学素质、他的热情他的指导、宝贵的建议和许多鼓励实际上帮助我完成了这篇我对这一切表示感谢。我衷心感谢我的论文共同导师M.越南顺化大学讲师Viet HaiH一直关注我的工作，并提供了明智的他的精力、信心和鼓励一直是我的动力。我要感谢HDR讲师Selma BOUMERDASSI女士CNAM和M.感谢兰斯香槟-阿登大学教授Hacène FOUCHAL，感谢J’associeJ’adresse我非常荣幸地感谢巴黎Inria研究中心的Pascale MINET女士和CentraleSupélec教授Joanna TOMASIK女士，感谢他们参与了我的中期评审团，感谢他们提出的所有建议和明智的意见我非常感谢阿根廷科马顺化大学的Ruben M ILOCCO教授提出的有趣建议。我很高兴能和他一起完成这篇论文的一个重要部分。我要感谢南巴黎电信公司的所有成员，感谢他们的热情、同情和友谊。J’ai eubeaucoup de plaisir à travailler avec我想感谢我的朋友和合作者在我的论文过程中对我的支持、鼓励和帮助四最后，我感谢我的家人和姻亲多年来的支持，没有他们，我就不会有今天特别感谢我亲爱的妻子，她承担了家庭的重担，使我能够实现我的梦想。v摘要如今，智能手机已经变得非常流行，并配备了许多传感器，如摄像头，麦克风，GPS传感器，加速计智能手机用户越来越频繁地连接到因此，在许多应用领域中存在关于基于智能手机的传感器系统的大量研究我们的研究旨在建立一个基于智能手机的传感器系统，以检测环境异常。我们已经开发了这样一个系统，并正在改进主要组件：通过智能手机检测异常的方法和在数据中心合成异常数据的方法。对于异常检测方法，我们建立在当前道路异常检测的研究基础上。事实上，需要一种高效、节能并能很好地响应不同类型的环境和设备的方法。因此，我们提出了一种基于统计学中离群值检验的异常检测方法。改进的算法具有低复杂性并且使用更少的存储器。我们在真实数据上的实验表明，我们的方法在检测道路异常的情况下很好地适应了不同的L’agrégation 目前的研究仅限于因此，我们建立了一种数据整合方法，可以更精确地我们已经开发了两种算法。第一种是简单的集群，以累积的方式工作。该算法对数据进行分解，以提高异常定位的速度和准确性。第二种是基于对概率密度模式的搜索来发现异常我们还提出了一种方法我们的仿真实验证实了vii材料表谢谢你三摘要五目录vii图九表表XI列表缩写xiii1引言11.1背景11.2论文贡献41.3文件的组织51.4论文6相关出版物2最新技术水平2.1基于智能手机72.1.1环境监测2.1.2保健和保健82.1.3社会环境92.2用于检测坑洞的SCS模型92.3使用智能手机14检测道路异常2.3.1基于阈值142.3.2基于分类的182.3.3异常检测方法的比较212.4结论263用于异常检测3.1导言273.2系统架构273.3智能手机上的治疗293.4组织和交换异常数据viii3.4.1交换数据库和数据结构... ... ... ... ... ... ... 303.4.2BSSDF数据格式的。 . . . . . . . . . . . ... 313.5数据聚合和挖掘。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...353.6我们的实验平台系统。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...363.7结论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ...394改进的异常414.1引言。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ...414.2改进了异常检测。 . . . . . . . . . . . . . ...4.2.1需要更... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...42424.2.2格拉布斯检验。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...4.2.3 Grubbs试验检测的应用。 . . . . . . . ...42434.2.4适应... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 454.2.5用户行为的排除。... ... ... ... ... ... ... ... ... ... ... ... ... ...464.2.6经验和结果。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...464.3结论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ...575SCS中异常的数据汇总595.1引言。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ...595.2问题的。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...615.3异常数据的简单。... ... ... ... ... ... ... ... ... ... ...625.4L’algorithmes d’agrégation desdonnées... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...5.4.1可变带宽的平均偏移。... ... ... ... ... ... ... ... ... ... ... ... ... ...64645.4.2通过基于平均位移的算法异常665.4.3模拟和结果705.5结论766结论和观点776.1结论776.2前景79参考书目81ix图表2.1系统体系结构P2..................................................................................................102.2G.提出的系统架构Strazdins等人.....................................................................112.3Zhao提出的车对云车系统架构李健等人。......................................................................................................... 122.4根据R.K.的MCS系统架构Ganti等人............................................................... 132.5基于阈值的检测示例......................................................................................... 152.6P2...........................................................................................................................系统的检测162.7基于分类的方法的原理..................................................................................... 182.8两种不同路况的示例......................................................................................... 243.1用于检测的智能手机传感器系统的架构异常。................................................................................................................. 283.2BSSDF33的示例3.3智能手机传感器系统是在我们的研究框架内开发的。................................. 373.4智能手机上的软件视图373.5在智能手机上的软件状态之间切换383.6在Ubuntu终端中运行的服务器........................................................................383.7测试软件的接口................................................................................................. 394.1汽车和电话的坐标系不一致。454.2顺化市的数据收集之旅..................................................................................... 474.3顺化道路异常的一些图像................................................................................. 484.4在顺化收集数据的车辆类型：马自达3本田Lead 125。..................................................................................................484.5数据收集应用程序的视图，其中包含启用以标记异常。..................................................................................................... 494.6调整地面真相504.7加速度数据的处理............................................................................................. 504.8精确度-召回率曲线对应于五种算法的两个版本。........................................544.9R在区间内的算法的平均精度值值[0.2，0.8]。.....................................................................................................554.10 F测量的图形....................................................................................................... 55x4.11 F测量的最大值................................................................................................... 564.12 三个数据集上Z-THRESH算法的准确度-召回率曲线。................................564.13 Z-THRESH算法在三个数据集上的F测量图。...............................................575.1两个吸引池的..................................................................................................... 705.2模拟的视觉结果725.3根据λ74的目标函数平均值5.4根据k的λ的最优值.............................................................................................745.5根据λ的目标函数的平均值，其中报告的数量是随机的。......................................................................................................... 755.6不同距离两点的实验结果766.1声波表明，可以通过利用振幅来快速检测异常。......................................... 79xi图片列表2.1适用于智能手机的基于特征的方法摘要223.1BSSDF的数据类型............................................................................................. 323.2字符表示BSSDF中的标记类型......................................................................... 334.1与算法对应的最后一个比较值。...............................................................................444.2混乱矩阵............................................................................................................. 514.3原始算法的最佳F测量值................................................................................... 534.4改进算法的最优F测量值................................................................................... 53xiii缩写词无线传感器网络SCS智能 手机传感器系统EDI开发环境MCS移动人群传感系统P2竖井巡逻支持向量机WPD波形分组分解PCA主成分分析RoSDS路面异常检测系统快速傅立叶变换SWT平稳波形变换ROC接收机操作特性BSSDF二进制半结构化数据格式EM期望最大化KDE内核密度估计器11简介1.1上下文无线传感器网络（Wireless Sensors Network，简称WSN）由地理上分散的传感器组成，这些传感器协同工作以监测物理或环境条件。 今天，无线传感器网络被认为是最重要和最广泛的技术之一。无线传感器网络被部署在许多领域，例如：[55]环境监测智能手机越来越受欢迎，功能也越来越强大。目前，全球约有3,3亿人使用智能手机，预计到2021年这一数字将达到约3,8亿[62]。智能手机的功能也得到了多核芯片和几千兆字节内存的增强。此外，今天的智能手机包含许多不同的传感器，例如摄像头、麦克风、GPS传感器、加速计、接近传感器、环境光传感器、磁力计随着智能手机容量的增加，接入网络的成本也在不断许多地方还提供免费WiFi，让手机所有上述条件都为利用智能手机构建传感器系统与无线传感器网络相比，基于智能手机的传感器系统（SCS）的主要优势2第一章. 简介设备的极低成本。利用智能手机上的传感器可以实现不需要传感器成本的SCSSCS所需的成本主要是软件、核心设备和附加设备（如适用）的成本;智能手机拥有强大的计算能力。每部智能手机都是一台具有并行计算能力的计算机，可以帮助部分处理捕获的数据这减少了交换的数据量和中央服务器级别的处理;智能手机编程是方便的，开发工具是免费的和强大的。对于Android智能手机，可以在Eclipse或An-droid Studio开发环境（EDI）上使用Java进行编程。iPhone的应用程序可以在XCode IDE上使用Objective-C或Swiff进行编程。Java、Objective-C和Swiff编程语言支持面向对象编程，文档完整且可在线获得[19，53，64]。智能手机可以连接到智能手机不仅可以像自组织网络一样相互连接，还可以直接连接到此外，由于互联网接入的低成本互联网连接允许将智能手机数据因此，数据传输模型变得更简单，SCS的网络架构也变得比传统的无线传感器网络智能手机的数量非常大。全球有数十亿部智能手机可能被利用。在许多使用智能手机的人的参与下，已经对传感器系统的构造进行了大量的研究。对整个系统的数据进行分析的结果一个这样的系统被称为众包系统。[23]然而，使用智能手机作为传感器系统也捕获的数据不完整或不统一。数据的收集取决于参与者的位置。参与者可以根据具体情况在手机上启动或停止数据收集程序因此，从移动电话收集的样本通常在空间和时间上随机分布，并且是不完整的。此外，智能手机的质量差异很大。这导致数据的准确性不同。······1.1. 背景3基于数据质量和密度的实际情况的自适应分析方法例如，具有用于检测坑洞的系统关于A点周围坑洞的报道比关于B点的报道多。然而，A点存在坑洞的确定性可能低于B点，因为它还取决于很难参与者可能会无意中将其设备放置在记录不正确测量结果的位置例如，参与者将手机存放在他们的包中，以获取有关城市噪音的信息在检测到道路异常（坑洞、驴背等）的情况下，将手机留在任何方向也会使检测变得此外，参与者可能会无意中添加虚假信息。例如，在参与收集有关城市噪音的信息时发出一声尖叫这一困难需要可靠的分析和消除参与者的虚假数据。C’estaussi un gros有必要为参与者保留智能手机资源。L’utilisation principale des téléphonesmobiles doit être réservée aux activités ha- bituelles des participants, tellesque passer des appels, accéder à l’Internet, écou- 如果这个过程不会占用大量的CPU和内存资源，从而给手机带来负担，参与者将自愿提供数据特别是，此过程不会消耗大量电池和网络。因此，数据收集机制必须以这样一种方式构造，即它可以节省智能手机中的数据分析算法也必须简单，必须保护用户的机密性。如果没有适当的保护机制，手机就会变成微型间谍，可能会泄露主人的私人信息。许多用户意识到可能的后果，因此可能不愿意参与检测活动用户不愿作出贡献将降低大规模检测活动的影响和相关性SCS的优势吸引了该领域的研究人员 2.1）。然而，在利用智能手机可以捕获的巨大资源方面仍存在许多挑战。今天的SCS系统还···4第一章. 简介生命。与此同时，智能手机的数量在不断增加，智能手机的容量在不断提高，智能手机的传感器越来越多样化，从智能手机连接为了利用这一巨大的资源，有必要进行研究，以改进系统，从检测方法到数据交换，从资源消耗的经济性，从智能手机到适合SCS特征的数据聚合和分析的适当在此背景下，我们的研究旨在帮助改进SCS的在本论文中，我们根据人群感知的类型来研究SCS，人群感知应用于环境异常检测，并可应用1.2论文贡献我们的研究重点是本文对系统的某些阶段进行了改进1) 在系统架构方面，我们分析了几种SCS类型的模型，以建立SCS系统的基本模型，我们的模型允许将手机的多个组件转换为中心，以我们还提供了一种BSSDF格式，允许以由于要发送到中心的数据包含许多长数字，因此二进制形式的描述的大小将减小。此外，BSSDF使用最少的标记，与XML半结构化数据类型相比，这大大减少了数据大小。2) 对于异常检测，我们提出了一种基于统计学中离群值特征该方法不允许因此，该方法使得能够开发适应实际环境条件和设备质量的算法同时，我们的方法需要更少的内存和更少的计算。我们进行了检测道路异常的实验，使用1.3. 文件的组织5在越南顺化市收集的数据，以验证我们的方法。我们还提出了一种处理方法，在我们的实验表明，我们的改进算法比原始算法特别是，当改进的算法应用于不同的不同数据集（由车辆收集、由踏板车收集和所有收集的数据）时，结果几乎是这证明我们的方法很好地满足了实际条件3) 对于数据合成，我们建议采用两步方法：数据按地理位置累积分组。该分类的目的是将报告的异常划分为不相关的区域，以加 快 下 一 步 。对从第一阶段生成的每个数据区域执行第二阶段我们提出了一种算法，可以找到最合理的异常位置 该方法基于重新搜索概率密度点的最大数量。 我们还提出了一个加权公式，用于评估可靠性。我们还进行了模拟实验来评估结果。实验结果表明，我们的算法非常有效。1.3文档的组织本文件分为6章。第一章概述了研究的背景、我们的动机和目标以及我们的贡献。第2章描述了SCS的应用领域第3章介绍了用于环境异常检测的SCS系统模型··
我的内容管理
展开
