• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    無線傳感器網(wǎng)絡(luò)中基于模式頻繁度的異常檢測方法*

    2018-01-29 01:42:19施曉斌吳丹萍程紅舉
    關(guān)鍵詞:分區(qū)區(qū)間觀測

    施曉斌,吳丹萍,程紅舉

    (福州大學(xué) 數(shù)學(xué)與計算機科學(xué)學(xué)院,福建 福州 350108)

    0 引言

    在WSN中,由于環(huán)境噪聲和感知器件誤差的影響,感知數(shù)據(jù)帶有一定的不確定性。軟件與硬件故障將導(dǎo)致不準確和不可靠讀數(shù)的出現(xiàn)。而事件的發(fā)生也將導(dǎo)致與正態(tài)分布明顯不同的觀測值的出現(xiàn)。那些特征與正態(tài)分布特征明顯不同的觀測值被稱為異常值[1]。異常值檢測,是基于某種措施來識別偏離其余數(shù)據(jù)模式的數(shù)據(jù)實例的過程,用于過濾噪聲數(shù)據(jù),查找故障節(jié)點和發(fā)現(xiàn)用戶感興趣的事件。

    區(qū)分異常值的來源是一個重要的問題。一般來說,如果檢測到的異常值是錯誤或噪聲數(shù)據(jù),則應(yīng)將其從傳感數(shù)據(jù)中去除,以確保數(shù)據(jù)質(zhì)量和準確性,并避免通信負載造成的能耗。但是,若是事件造成的異常值,消除異常值將導(dǎo)致關(guān)于事件的重要隱藏信息的丟失[2]。

    傳統(tǒng)的集中式異常檢測技術(shù)將會產(chǎn)生巨大的能量和帶寬的消耗,這對資源受限的WSN網(wǎng)絡(luò)來說并不友好[3]。此外事件在網(wǎng)絡(luò)中發(fā)生的概率通常不高,在沒有發(fā)生事件的情況下收集到的數(shù)據(jù)價值是十分有限的??紤]到節(jié)點有限的資源,因此需要限制異常檢測算法的復(fù)雜度,盡可能設(shè)計輕量級的分布式在線算法[4]。

    本文考慮以下問題:如何以在線和分布式的方式快速準確地檢測WSN中的異常數(shù)據(jù),并區(qū)分異常值的來源。本文研究了流數(shù)據(jù)的數(shù)據(jù)變化模式和數(shù)據(jù)的空間相關(guān)性在異常檢測問題上的運用,提出了一種基于數(shù)據(jù)變化模式頻繁度和空間相關(guān)性的PFSC(Pattern Frequency and Spatial Correlation)異常檢測方法。PFSC異常檢測方法分兩個階段進行。第一階段,為數(shù)據(jù)創(chuàng)建一個分布模型,根據(jù)數(shù)據(jù)變化模式的頻繁程度篩選出潛在的異常數(shù)據(jù);第二階段,利用相鄰節(jié)點數(shù)據(jù)間的空間相關(guān)性來區(qū)分異常值的來源,此處本文通過拉依達準則完成異常值來源的判定。

    1 相關(guān)工作

    針對WSN中集中式與分布式異常檢測方法的研究,Lau等人[5]提出了一種基于名為CNBD的樸素貝葉斯框架的集中算法,其中端到端傳輸時間在sink處收集,并使用樸素貝葉斯框架進行分析。Subramaniam等[6]提出了一種用于傳感器網(wǎng)絡(luò)的分布式在線異常值檢測技術(shù),以分布式方式計算多維數(shù)據(jù)分布近似的框架,以便在資源有限的傳感器網(wǎng)絡(luò)中實現(xiàn)復(fù)雜的應(yīng)用。Xu等人[7]通過比較連續(xù)時間實例的數(shù)據(jù),得出是否存在瞬時故障的結(jié)論。如果存在瞬態(tài)故障,則使用其標記為正常的實例數(shù)據(jù)來校正數(shù)據(jù)。文獻[8]提出了一種基于信譽的投票和決策樹的分布式事件檢測方法,并評估了用于早期發(fā)現(xiàn)災(zāi)害特別是住宅火災(zāi)的性能和適用性。

    針對在線數(shù)據(jù)連續(xù)積累、實時更新的特點,文獻[9]提出了一種環(huán)境數(shù)據(jù)流偏離歷史模式的識別方法。該方法是基于數(shù)據(jù)流及其預(yù)測區(qū)間的自回歸數(shù)據(jù)驅(qū)動模型。文獻[10]將基于聚類的算法和最近鄰異常值檢測方法相結(jié)合,用于實現(xiàn)高效聚類和對異常值檢測,訓(xùn)練階段需要對一段時間內(nèi)的觀測值進行聚類。文獻[11]提出了一種基于距離相似性的技術(shù)來識別傳感器網(wǎng)絡(luò)中的全局異常值。該技術(shù)嘗試通過相鄰節(jié)點之間的一組代表性數(shù)據(jù)交換來減少通信開銷。每個節(jié)點使用距離相似度來本地識別異常值,然后將離群值廣播到相鄰節(jié)點進行驗證。相鄰節(jié)點重復(fù)該過程,直到網(wǎng)絡(luò)中的整個傳感器節(jié)點最終同意全局異常值。然而廣播帶來的通信開銷使其無法應(yīng)用到大型網(wǎng)絡(luò)。

    2 網(wǎng)絡(luò)模型與相關(guān)知識

    2.1 網(wǎng)絡(luò)模型

    WSN由隨機部署在一個平面區(qū)域上的一組傳感器節(jié)點S={s1,s2, …,sn}組成。節(jié)點i通信范圍內(nèi)的鄰居節(jié)點用Si={s1,s2, …,sk}表示。節(jié)點i在時刻t的觀測值表示為xi(t),xmax表示有效的節(jié)點觀測值最大值,xmin為有效的節(jié)點觀測值最小值,節(jié)點i到n時刻為止的觀測值集合以Xi(n)表示,即Xi(n)={xi(1),xi(2), …,xi(n)}。

    本文假設(shè)指定區(qū)域內(nèi)節(jié)點密度較高(如小型家居系統(tǒng)),當一個事件發(fā)生時,多個臨近事件發(fā)生地的節(jié)點都將及時地捕獲到該事件。

    定義1數(shù)據(jù)變化模式:節(jié)點i在t時刻的數(shù)據(jù)變化模式Δxi(t)與上一時刻的觀測值相關(guān),Δxi(t)=│xi(t)-xi(t-1)│,Δxi(t)∈D,其中D為區(qū)間[0,xmax-xmin]。不失一般性,本文將數(shù)據(jù)變化模式簡稱為模式。

    ΔXi(n)表示節(jié)點i從2時刻到n時刻為止所有數(shù)據(jù)變化模式的集合,即:

    ΔXi(n)={Δxi(2),Δxi(3), …, Δxi(n)}

    其中│ΔXi(n)│=n-1。

    定義2模式區(qū)間:D為區(qū)間[0,xmax-xmin],將D均勻地劃分為若干區(qū)間{d1,d2, …,dk},稱為模式區(qū)間,ΔXi(n)中任意的一個數(shù)據(jù)變化模式在D的某一個模式區(qū)間內(nèi)。

    定義3區(qū)間頻繁度:在節(jié)點的數(shù)據(jù)變化模式集合ΔXi(n)= {Δxi(2),Δxi(3), …, Δxi(n)}中,屬于模式區(qū)間dj的模式的個數(shù)記為V(j),則稱P(j)=V(j)/(n-1)為模式區(qū)間dj的頻繁度。

    2.2 相關(guān)知識

    2.2.1數(shù)據(jù)異常

    根據(jù)本地節(jié)點異常的原因?qū)Ξ惓_M行分類,有點異常、上下文異常與集體異常三類[12]。

    (1)點異常:相對于數(shù)據(jù)集被認為是異常的單個數(shù)據(jù)實例。

    (2)上下文異常:在當前上下文中被認為是異常的數(shù)據(jù)實例。在不同的上下文中,相同的數(shù)據(jù)實例可能被認為是正常的。

    (3)集合異常:連續(xù)多個測量值為常數(shù),即在一段時間內(nèi)測量值幾乎沒有什么波動。

    圖1 異常類型

    圖1顯示了Chandola等人定義的異常[12]。在時段24發(fā)生點異常,即數(shù)據(jù)實例對于整個數(shù)據(jù)集是異常的。在時段43出現(xiàn)上下文異常,但是如果該觀測值出現(xiàn)在時刻t1,t2,t3或t4,則不會被認為是異常的。最后,集合異常發(fā)生在時間段54~71,節(jié)點由于故障在該時段內(nèi)連續(xù)出現(xiàn)多個幾乎沒有什么波動的觀測值。本文將上下文異常視為點異常的一種特例。

    2.2.2WSN中數(shù)據(jù)空間相關(guān)性

    在WSN中,數(shù)據(jù)實例之間經(jīng)常存在相對位置關(guān)系,這樣的數(shù)據(jù)稱為空時數(shù)據(jù)(spatio temporal dam)。在進行異常檢測時,常常利用數(shù)據(jù)的空間相關(guān)特性區(qū)分節(jié)點故障和事件。由于組成事件的感知數(shù)據(jù)之間具有較強的時空關(guān)聯(lián)性,當事件發(fā)生時,臨近節(jié)點將擁有相似的觀測值,這是因為基于噪聲測量與傳感器故障可能隨機無關(guān),而事件測量可能在空間上相關(guān)的事實。這一觀察使我們能夠區(qū)分事件和錯誤。例如,對Intel室內(nèi)項目[13]的數(shù)據(jù)進行空間相關(guān)性的分析。圖2給出了兩個鄰近的節(jié)點(節(jié)點4,6)和一個非臨近節(jié)點(節(jié)點24)的溫度隨時間變化的趨勢圖??梢悦黠@地看出4,6節(jié)點彼此鄰近,其同一時刻的觀測值更加接近。在空間上彼此鄰近的鄰居節(jié)點的數(shù)據(jù)具有一定程度的相似性。

    圖2 節(jié)點溫度變化趨勢圖

    3 異常檢測算法

    數(shù)據(jù)的變化模式由節(jié)點上連續(xù)觀測值的差值構(gòu)成。本文異常檢測方法的思想是將數(shù)據(jù)流的數(shù)據(jù)變化模式映射到某個特征空間的分區(qū)中,將非頻繁出現(xiàn)的分區(qū)認為是異常分區(qū),頻繁出現(xiàn)的分區(qū)認為是正常分區(qū)。若某時刻數(shù)據(jù)的變化模式映射到特征空間的異常分區(qū),則將該時刻的數(shù)據(jù)當做潛在異常值,并利用相鄰節(jié)點數(shù)據(jù)的空間相關(guān)性對其進行驗證。

    該算法的目標是識別出潛在的異常觀測值并將其分類。在判斷異常觀測值產(chǎn)生的原因時,目標節(jié)點收集其鄰居節(jié)點集Si的當前時刻觀測值,并利用數(shù)據(jù)的空間相關(guān)性進行判斷,避免了將節(jié)點數(shù)據(jù)傳輸至Sink節(jié)點產(chǎn)生的大量能量消耗。PFSC方法是一個自學(xué)習(xí)-檢測的過程,可分為兩個階段,即第一階段為訓(xùn)練階段,第二階段為異常檢測階段。

    3.1 數(shù)據(jù)變化模式

    節(jié)點的數(shù)據(jù)流是按時間順序排列的一系列數(shù)據(jù)的集合,也稱為時間序列。在時間序列數(shù)據(jù)挖掘的研究中,通常用時間序列模式表示來描述原始的時間序列,即將原始時間序列映射到某個特征空間中,并用它在這個特征空間中的映像來描述原始序列。時間序列模式一定程度上保留了時間序列的主要特征,更能反應(yīng)時間序列的變化情況。分段線性表示(PLR)是將時間序列表示成多段相鄰的直線,用多段直線段擬合原時間序列,時間序列Xi(n)的PLR模型表示為:

    Xi(n)={xi(1),xi(2),…,xi(n)}

    L(Xi(n))={L(y1,y2),L(y2,y3),…,L(yk-1,yk)}

    (1)

    式中,yj∈Xi(n),L(yj,y(j+1))表示連接兩點的直線段。

    在此基礎(chǔ)上,本文將PLR中的線段長度壓縮為1,分段數(shù)量設(shè)置為n-1,同時用│y(j+1)-yj│來描述分段L(yj,y(j+1))的特征,得到Xi(n)的數(shù)據(jù)變化模式:

    H(Xi(n))={Δxi(2),Δxi(3),…,Δxi(n)}

    (2)

    數(shù)據(jù)變化模式一定程度上保留了時間序列在各個時刻的數(shù)據(jù)變化情況。通常在正常的工作環(huán)境下,節(jié)點的讀數(shù)在連續(xù)的時間內(nèi)是漸變的過程,而異常觀測值與正常值存在明顯的差異,并且在節(jié)點的工作過程中異常值出現(xiàn)的頻率通常遠低于正常數(shù)據(jù)。因此,若將數(shù)據(jù)變化模式映射到某個特征空間的分區(qū)中,數(shù)據(jù)流中正常數(shù)據(jù)的變化模式落在特征空間的高頻率分區(qū),而異常值的變化模式相對處于低頻率分區(qū)。

    3.2 訓(xùn)練階段

    訓(xùn)練階段的思想是:在數(shù)據(jù)流中為數(shù)據(jù)變化模式集ΔXi(n)創(chuàng)建一個分布模型,即將數(shù)據(jù)變化模式映射到某個特征空間的分區(qū)中,確定非頻繁出現(xiàn)的分區(qū)。

    數(shù)據(jù)變化模式Δxi(t)=│xi(t)-xi(t-1)│,其取值范圍為[0,xmax-xmin],記為D。為了對數(shù)據(jù)流的模式創(chuàng)建一個分布模型,將每個采樣周期產(chǎn)生的模式映射到特征空間中,模式的取值范圍D= [0,xmax-xmin]被均勻地劃分為若干個模式區(qū)間{d1,d2, …,dk}。模式區(qū)間數(shù)量根據(jù)領(lǐng)域知識進行估計。每一個模式區(qū)間對應(yīng)D的一個小的取值范圍。

    訓(xùn)練階段開始時,對每個采樣周期的模式判斷其在哪一個模式區(qū)間內(nèi),該模式區(qū)間dj出現(xiàn)的次數(shù)V(j)加1。圖3給出了節(jié)點i在訓(xùn)練階段的操作過程。

    圖3 節(jié)點i訓(xùn)練階段圖

    圖3中,節(jié)點i的訓(xùn)練階段,在時刻4數(shù)據(jù)變化模式為Δxi(4),判斷其屬于d2分區(qū),V(2)加1。同理,節(jié)點進行下一個時刻數(shù)據(jù)變化模式Δxi(5)的映射,此時V(1)為2,該過程直至訓(xùn)練階段結(jié)束。

    在訓(xùn)練階段結(jié)束時,對D中的模式區(qū)間統(tǒng)計其模式出現(xiàn)的次數(shù),計算各個模式區(qū)間的頻繁度。

    (3)

    頻繁模式區(qū)間閾值為P,若P(j)

    3.3 檢測階段

    3.3.1異常識別

    異常識別的任務(wù)是篩選出數(shù)據(jù)流中的潛在異常值。學(xué)習(xí)階段結(jié)束后可以獲取特種空間中非頻繁模式區(qū)間。在異常識別過程中,將目標數(shù)據(jù)映射到特種空間的分區(qū)中,如果該時刻數(shù)據(jù)的模式落在非頻繁模式區(qū)間,則將其當做潛在的異常值進行處理。映射過程與學(xué)習(xí)階段相似。

    3.3.2異常分類

    為了確認是否真的出現(xiàn)了異常并對異常進行分類,本文利用WSN數(shù)據(jù)的空間相關(guān)性進行驗證。當節(jié)點i產(chǎn)生一個潛在異常觀測值xi(t)時,該節(jié)點利用無線信道向其鄰節(jié)點Si= {s1,s2, …,sk}請求其t時刻的數(shù)據(jù)xj(t),其中j∈Si。計算其鄰居節(jié)點xj(t)的平均值μ和標準差σ。根據(jù)拉依達準則,若

    |xi(t)-μ|<δσ

    (4)

    則認為該節(jié)點觀測值與其鄰居節(jié)點觀測值狀態(tài)相一致,該異常觀測值是由事件引起的;若不滿足式(4),則認為該節(jié)點觀測值與其鄰居節(jié)點觀測值狀態(tài)不一致,該異常觀測值是由節(jié)點軟、硬件故障或者環(huán)境等其他因素引起的錯誤數(shù)據(jù)。

    δ的取值根據(jù)實際應(yīng)用確定。假設(shè)事件是一個Bernoulli過程,并且事件過程中,數(shù)據(jù)符合正態(tài)分布,將事件過程的數(shù)據(jù)化簡為符合正態(tài)分布的隨機變量:

    =1-(Φ(δ)-Φ(-δ))

    =2-2Φ(δ)

    (5)

    其中Φ(δ)為標準正態(tài)分布,當Φ(δ)>0.9時,p<0.1,查表可得當δ取大于1.29時,Φ(δ)>0.9。本文將在實驗中對拉依達系數(shù)δ的取值進行討論。

    4 實驗

    本文在MATLAB環(huán)境下采用Inter室內(nèi)實驗室項目[13]數(shù)據(jù)集來分析算法的性能。所采用的數(shù)據(jù)集的數(shù)據(jù)格式如表1所示。

    表1 Inter室內(nèi)實驗室項目數(shù)據(jù)格式

    4.1 評估指標

    異常值檢測算法通常使用檢測率(召回率)、查準率和誤報率(虛警率)進行評估。為了定義這些度量,此處采用混淆矩陣,如表2所示。

    表2 混淆矩陣

    因此,檢測率(Detection rate)、查準率(Precision rate)和誤報率(False alarm rate)定義如下:

    檢測率:Dr=TP/(TP+FN)

    (6)

    查準率:Pr=TP/(TP+FP)

    (7)

    誤報率:Fr=FP/(FP+TN)

    (8)

    4.2 算法性能

    本文所提出的算法有兩個參數(shù)對算法的性能具有影響,分別為D的分區(qū)頻繁度閾值p和拉依達準則的系數(shù)δ。實驗分兩組進行,分別分析在設(shè)置不同的分區(qū)頻繁度閾值p和設(shè)置不同拉依達法則系數(shù)δ的情況下,PFSC算法的性能。

    圖4展示了PFSC算法性能隨分區(qū)頻繁度閾值p變化趨勢圖。其中p增大時,PFSC算法的檢測率增大,而查準率減小,誤判率因查準率的減小而增大。這是因為當p取較大值時,算法在判斷潛在異常數(shù)據(jù)時不僅識別出實際異常值,同時將部分變化模式較大的正常數(shù)據(jù)也識別為潛在異常數(shù)據(jù),導(dǎo)致算法在檢測率增大的同時查準率下降。當p取0.05時,PFSC算法檢測率為83.903%,準確率為73.589%,誤判率為1.581%,此時PFSC性能較好。

    圖4 頻繁模式區(qū)間閾值實驗圖

    圖5展示了不同拉依達準則系數(shù)δ對PFSC算法性能的影響。δ在1.5前后PFSC的檢測率呈現(xiàn)不同狀態(tài),當δ大于1.5時,檢測率逐漸減小。圖中可以明顯看出,PFSC的準確率隨δ增大而增大,同時誤判率持續(xù)減小,這是因為拉依達準則系數(shù)δ控制錯誤數(shù)據(jù)的判定,δ越大說明異常數(shù)據(jù)越偏離其鄰居節(jié)點數(shù)據(jù),它為錯誤數(shù)據(jù)的可能性越大。其中δ取1.5時,PFSC的檢測率為83.835%,準確率為74.093%,誤判率為1.54%。

    圖5 拉依達準則系數(shù)δ實驗圖

    從實驗結(jié)果可以看出,PFSC算法在p取0.05,δ取1.5時性能最好。

    為判定數(shù)據(jù)不同程度的異常率對算法性能的影響,本文將比較PFSC算法與文獻[14]提出的基于小波的異常檢測算法(Wavelet Based Outlier Detection,WBOC)和文獻[15]提出的基于K最近鄰的KNN異常檢測算法在數(shù)據(jù)不同異常率下的性能。其中PFSC算法p取0.05,δ取1.5,WBOC誤差閾值取2,KNN誤差閾值取2。

    實驗效果如圖6~圖7所示??梢钥闯?,當節(jié)點采集的數(shù)據(jù)異常率從5%增大到20%時,三種算法的檢測率都呈下降趨勢。當異常率較大時,在PFSC與KNN算法中,目標節(jié)點因鄰居節(jié)點潛在的異常數(shù)據(jù)而影響本地異常值的判定,鄰居節(jié)點集Si中的異常數(shù)據(jù)越多,算法檢測率越低。其中PFSC算法的異常鑒定與KNN相似,其檢測率接近于KNN算法。在數(shù)據(jù)異常率為12.5%時,PFSC的檢測率為80.27%。

    圖6 數(shù)據(jù)異常率對檢測率影響

    圖7 數(shù)據(jù)異常率對誤報率影響

    圖7展示,當節(jié)點產(chǎn)生5%到20%不同程度異常率的數(shù)據(jù)時,PFSC算法的誤判率維持在2.41%左右,相比于WBOC與KNN有更低的誤判率。

    5 結(jié)論

    本文研究了無線傳感器網(wǎng)絡(luò)中的異常值檢測問題。由于網(wǎng)絡(luò)的特殊特性和資源限制,本文提出了一種基于數(shù)據(jù)變化模式頻繁度與數(shù)據(jù)空間相關(guān)性的PFSC算法,并以在線和分布式的方式檢測異常。實驗表明,PFSC算法在檢測不同異常率的數(shù)據(jù)流時有較高的檢測率和較小的誤判率。

    [1] MA L,GU X D, WANG B W. Correction of outliers in temperature time series based on sliding window prediction in meteorological sensor network[J]. Information, 2017, 8(2):60.

    [2] GANGULY A R, GAMA J, OMITAOMU O A, et al. Knowledge discovery from sensor data[M]. Springer Berlin Heidelberg, 2010.

    [3] RASSAM M A, ZAINAL A, MAAROF M A. Advancements of data anomaly detection research in wireless sensor networks: a survey and open issues[J]. Sensors, 2013, 13(8): 10087-10122.

    [4] ZHANG Y. Observing the unobservable: distributed online outlier detection in wireless sensor networks[D]. Enschede: University of Twente, 2010.

    [5] LAU B C P, MA E W M, CHOW T W S. Probabilistic fault detector for wireless sensornetwork[J]. Expert Systems with Applications, 2014, 41(8): 3703-3711.

    [6] SUBRAMANIAM S, PALPANAS T, PAPADOPOULOS D, et al. Online outlier detection in sensor data using non-parametric models[C]//Proceedings of the 32nd International Conference on Very Large Data Bases, 2006: 187-198.

    [7] XU X, GENG W, YANG G, et al. LEDFD: A low energy consumption distributed fault detection algorithm for wireless sensor networks[J]. International Journal of Distributed Sensor Networks, 2014, 10(2): 714530.

    [8] BAHREPOUR M, MERATNIA N, POEL M, et al. Distributed event detection in wireless sensor networks for disaster management[C]//Intelligent Networking and Collaborative Systems (INCOS), 2010 2nd International Conference on. IEEE, 2010: 507-512.

    [9] HILL D J, MINSKER B S. Anomaly detection in streaming environmental sensor data: A data-driven modeling approach[J]. Environmental Modelling & Software, 2010, 25(9): 1014-1022.

    [10] FAWZY A, MIKHTAR H M O, HEGAZY O. Outliers detection and classification in wireless sensor networks[J]. Egyptian Informatics Journal, 2013, 14(2): 157-164.

    [11] BRANCH J W,GIANNELLA C, SZYMANSKI B, et al. In-network outlier detection in wireless sensor networks[J]. Knowledge and Information Systems, 2013, 34(1): 23-54.

    [12] O′REILLY C, GLUHAK A, IMRAN M A, et al. Anomaly detection in wireless sensor networks in a non-stationary environment[J]. IEEE Communications Surveys & Tutorials, 2014, 16(3): 1413-1432.

    [13] Intel. IntelLab data[EB/OL].(2004-××-××).http://www.select.cs. cmu.edu/data/labapp3/index.html.

    [14] ZHUANG Y Z, CHEN L. In-network outlier cleaning for data collection in sensor networks[C]// Int′l VLDB Workshop on Clean Databases, Cleandb 2006.

    [15] XIE M, HU J K, HAN S, et al. Scalable hypergrid k-NN-based online anomaly detection in wireless sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems, 2013, 24(8): 1661-1670.

    猜你喜歡
    分區(qū)區(qū)間觀測
    觀測到恒星死亡瞬間
    軍事文摘(2023年18期)2023-11-03 09:45:42
    解兩類含參數(shù)的復(fù)合不等式有解與恒成立問題
    你學(xué)會“區(qū)間測速”了嗎
    上海實施“分區(qū)封控”
    浪莎 分區(qū)而治
    天測與測地VLBI 測地站周圍地形觀測遮掩的討論
    可觀測宇宙
    太空探索(2016年7期)2016-07-10 12:10:15
    區(qū)間對象族的可鎮(zhèn)定性分析
    高分辨率對地觀測系統(tǒng)
    太空探索(2015年8期)2015-07-18 11:04:44
    基于SAGA聚類分析的無功電壓控制分區(qū)
    電測與儀表(2015年8期)2015-04-09 11:50:16
    少妇熟女欧美另类| 伦理电影免费视频| 国产伦精品一区二区三区视频9| 91国产中文字幕| 99久久中文字幕三级久久日本| 18禁裸乳无遮挡动漫免费视频| 欧美精品一区二区大全| 久久av网站| 青春草视频在线免费观看| 亚洲精品乱码久久久v下载方式| 国产亚洲精品第一综合不卡 | 成人漫画全彩无遮挡| 日韩欧美一区视频在线观看| 日韩成人伦理影院| 久久国产精品男人的天堂亚洲 | 如何舔出高潮| 国产爽快片一区二区三区| 99热这里只有精品一区| 亚洲少妇的诱惑av| 18禁观看日本| 国产片特级美女逼逼视频| 老司机影院成人| 欧美 亚洲 国产 日韩一| a级毛片黄视频| 在线免费观看不下载黄p国产| 中文字幕人妻熟人妻熟丝袜美| 欧美+日韩+精品| 永久免费av网站大全| 最新中文字幕久久久久| 啦啦啦视频在线资源免费观看| 精品人妻熟女av久视频| 日韩视频在线欧美| 日本黄大片高清| 精品国产一区二区久久| 美女福利国产在线| 韩国高清视频一区二区三区| 80岁老熟妇乱子伦牲交| 伊人亚洲综合成人网| 美女国产视频在线观看| 亚洲欧美日韩卡通动漫| 18+在线观看网站| kizo精华| 日韩av不卡免费在线播放| 一本—道久久a久久精品蜜桃钙片| 视频中文字幕在线观看| 久久久久国产精品人妻一区二区| 日韩一区二区视频免费看| 成人亚洲精品一区在线观看| 观看av在线不卡| 高清av免费在线| 国产在视频线精品| 免费黄频网站在线观看国产| 精品熟女少妇av免费看| 亚洲精品色激情综合| 久久韩国三级中文字幕| 久久久久久人妻| 欧美激情国产日韩精品一区| 制服诱惑二区| 美女福利国产在线| 中文字幕人妻熟人妻熟丝袜美| 久久久久久久久久成人| 中文字幕久久专区| 亚洲国产精品专区欧美| 国产永久视频网站| 交换朋友夫妻互换小说| 亚洲精品日韩在线中文字幕| 18在线观看网站| 日韩中字成人| 色吧在线观看| a级毛片免费高清观看在线播放| 啦啦啦在线观看免费高清www| 亚洲av电影在线观看一区二区三区| 亚洲高清免费不卡视频| 欧美日韩av久久| 亚洲成人一二三区av| 新久久久久国产一级毛片| 久久久精品免费免费高清| 黄色配什么色好看| 人成视频在线观看免费观看| 人人妻人人澡人人看| 看非洲黑人一级黄片| 3wmmmm亚洲av在线观看| 日本黄大片高清| 精品少妇黑人巨大在线播放| 国产男女超爽视频在线观看| 人妻制服诱惑在线中文字幕| 久久久久久久久久成人| 免费大片黄手机在线观看| 男女免费视频国产| 一区二区三区精品91| 国产一区二区在线观看av| 国国产精品蜜臀av免费| 嘟嘟电影网在线观看| 亚洲精品美女久久av网站| 日韩伦理黄色片| av卡一久久| 国产亚洲精品第一综合不卡 | 男女边摸边吃奶| 国产片内射在线| 久久人人爽人人片av| 熟女av电影| av免费观看日本| 热re99久久国产66热| 精品人妻一区二区三区麻豆| 亚洲国产精品一区二区三区在线| 制服人妻中文乱码| 内地一区二区视频在线| 亚洲欧美一区二区三区黑人 | 黑人高潮一二区| 国产一区二区在线观看av| 成人漫画全彩无遮挡| 欧美日韩亚洲高清精品| 制服丝袜香蕉在线| 日本猛色少妇xxxxx猛交久久| 九色亚洲精品在线播放| 岛国毛片在线播放| 国产精品一国产av| 午夜久久久在线观看| 国产国拍精品亚洲av在线观看| 国产不卡av网站在线观看| 又黄又爽又刺激的免费视频.| 午夜影院在线不卡| 嘟嘟电影网在线观看| 高清在线视频一区二区三区| 赤兔流量卡办理| 伦理电影大哥的女人| 久久久久久久久久久久大奶| 26uuu在线亚洲综合色| 丰满乱子伦码专区| 亚洲四区av| 一个人免费看片子| 久久免费观看电影| 免费观看性生交大片5| 乱人伦中国视频| 日本-黄色视频高清免费观看| 国产男女内射视频| 亚洲美女搞黄在线观看| av网站免费在线观看视频| 国产亚洲最大av| 国产精品99久久99久久久不卡 | 男女边吃奶边做爰视频| 亚洲不卡免费看| 天堂中文最新版在线下载| 一级毛片电影观看| 亚洲国产欧美日韩在线播放| 人体艺术视频欧美日本| 国产亚洲午夜精品一区二区久久| 三上悠亚av全集在线观看| 日本免费在线观看一区| 五月玫瑰六月丁香| 亚洲五月色婷婷综合| 一个人看视频在线观看www免费| 少妇人妻久久综合中文| 青春草国产在线视频| 一个人看视频在线观看www免费| 精品一区二区免费观看| 秋霞在线观看毛片| 九九在线视频观看精品| 99九九线精品视频在线观看视频| 又黄又爽又刺激的免费视频.| 国产黄色免费在线视频| 午夜福利影视在线免费观看| h视频一区二区三区| 国产精品偷伦视频观看了| 高清不卡的av网站| 蜜桃国产av成人99| 久久久a久久爽久久v久久| 黑人高潮一二区| 最近手机中文字幕大全| 久久99热6这里只有精品| 国产色爽女视频免费观看| 亚洲成人av在线免费| 国产精品秋霞免费鲁丝片| 亚洲精品久久午夜乱码| 简卡轻食公司| 国产成人精品一,二区| 人人妻人人澡人人爽人人夜夜| 亚洲精品视频女| 国产成人91sexporn| 精品久久国产蜜桃| 精品国产国语对白av| 妹子高潮喷水视频| 国产精品国产av在线观看| 国产成人精品无人区| 美女国产视频在线观看| 欧美精品亚洲一区二区| 伊人久久精品亚洲午夜| 丰满乱子伦码专区| 亚洲欧美色中文字幕在线| 日产精品乱码卡一卡2卡三| 久久 成人 亚洲| 91成人精品电影| 蜜臀久久99精品久久宅男| 久久精品久久精品一区二区三区| 成人午夜精彩视频在线观看| 九九久久精品国产亚洲av麻豆| 男人爽女人下面视频在线观看| 热99久久久久精品小说推荐| 成人国语在线视频| 欧美丝袜亚洲另类| 日本黄大片高清| 日本av手机在线免费观看| 丝袜喷水一区| 五月伊人婷婷丁香| 国产日韩欧美视频二区| 日本黄大片高清| 久久99热这里只频精品6学生| 亚洲第一av免费看| 99热国产这里只有精品6| 简卡轻食公司| 肉色欧美久久久久久久蜜桃| 午夜福利视频精品| 欧美+日韩+精品| 日韩中文字幕视频在线看片| 久热久热在线精品观看| 亚洲精品自拍成人| 国产老妇伦熟女老妇高清| 国产欧美亚洲国产| 久久久久人妻精品一区果冻| 国产色爽女视频免费观看| 国产精品无大码| 一本久久精品| 欧美激情极品国产一区二区三区 | 人人妻人人添人人爽欧美一区卜| 久久婷婷青草| 极品人妻少妇av视频| 97精品久久久久久久久久精品| 看免费成人av毛片| 久久ye,这里只有精品| 乱人伦中国视频| 汤姆久久久久久久影院中文字幕| 国产片特级美女逼逼视频| 国产成人精品福利久久| 综合色丁香网| 亚洲欧美成人精品一区二区| 有码 亚洲区| 久久久久久久国产电影| 欧美精品一区二区免费开放| 免费黄色在线免费观看| 国产女主播在线喷水免费视频网站| 久久97久久精品| 男女无遮挡免费网站观看| 久久久久精品久久久久真实原创| 超碰97精品在线观看| 亚洲国产精品一区二区三区在线| 最后的刺客免费高清国语| 亚洲精品一二三| 亚洲av.av天堂| 国产精品一二三区在线看| 寂寞人妻少妇视频99o| 日日爽夜夜爽网站| 在线精品无人区一区二区三| 男女高潮啪啪啪动态图| 国产免费又黄又爽又色| 日本vs欧美在线观看视频| 另类精品久久| 亚洲av国产av综合av卡| 中文乱码字字幕精品一区二区三区| 黄色一级大片看看| 日本av手机在线免费观看| 精品一品国产午夜福利视频| 少妇人妻久久综合中文| 蜜桃久久精品国产亚洲av| 日产精品乱码卡一卡2卡三| 国产精品嫩草影院av在线观看| 岛国毛片在线播放| 亚洲精品久久午夜乱码| 人人妻人人爽人人添夜夜欢视频| 国产男女内射视频| 精品一区二区三卡| 亚洲国产欧美在线一区| 精品亚洲成国产av| 日日撸夜夜添| 高清在线视频一区二区三区| 国产精品一国产av| 妹子高潮喷水视频| 日本与韩国留学比较| 女性被躁到高潮视频| 国产精品一区二区在线观看99| 天堂8中文在线网| 男女无遮挡免费网站观看| 精品久久久久久电影网| 内地一区二区视频在线| 久久精品久久久久久噜噜老黄| a级毛色黄片| 人成视频在线观看免费观看| 中文乱码字字幕精品一区二区三区| 久久久久久久久久人人人人人人| 99久久综合免费| 亚洲国产精品999| 大片电影免费在线观看免费| 一个人免费看片子| av免费在线看不卡| 精品亚洲成a人片在线观看| 午夜av观看不卡| 51国产日韩欧美| 一级毛片黄色毛片免费观看视频| 王馨瑶露胸无遮挡在线观看| 免费高清在线观看日韩| 一二三四中文在线观看免费高清| 亚洲久久久国产精品| 激情五月婷婷亚洲| 一区二区日韩欧美中文字幕 | 中文字幕最新亚洲高清| 国产精品国产av在线观看| 又粗又硬又长又爽又黄的视频| 久久精品国产亚洲av天美| 中文欧美无线码| 精品人妻熟女av久视频| 日韩熟女老妇一区二区性免费视频| 国产成人精品婷婷| 国产亚洲av片在线观看秒播厂| 国产熟女午夜一区二区三区 | 人人妻人人澡人人看| 婷婷成人精品国产| 中文欧美无线码| 99热全是精品| 只有这里有精品99| 曰老女人黄片| 亚洲精品aⅴ在线观看| 午夜91福利影院| www.av在线官网国产| 久久久久人妻精品一区果冻| 亚洲精品一二三| 欧美国产精品一级二级三级| 赤兔流量卡办理| 精品久久久久久久久av| 久久久精品免费免费高清| 中文精品一卡2卡3卡4更新| 日本91视频免费播放| 成人国产麻豆网| 三上悠亚av全集在线观看| 18在线观看网站| 国产精品一区www在线观看| 在线天堂最新版资源| 毛片一级片免费看久久久久| 久久久国产精品麻豆| 亚洲精品av麻豆狂野| 欧美+日韩+精品| 美女xxoo啪啪120秒动态图| kizo精华| 青青草视频在线视频观看| 日日摸夜夜添夜夜添av毛片| 国产日韩一区二区三区精品不卡 | 爱豆传媒免费全集在线观看| 精品久久久噜噜| 十分钟在线观看高清视频www| 黑人巨大精品欧美一区二区蜜桃 | 国产成人a∨麻豆精品| www.av在线官网国产| 最近中文字幕高清免费大全6| 在线精品无人区一区二区三| av在线播放精品| 高清视频免费观看一区二区| 国产综合精华液| 人妻一区二区av| 黑人欧美特级aaaaaa片| 亚洲精品美女久久av网站| 亚洲精品久久午夜乱码| 女人久久www免费人成看片| 中文字幕av电影在线播放| 91精品三级在线观看| 亚洲国产精品一区三区| 精品人妻熟女毛片av久久网站| 校园人妻丝袜中文字幕| 五月开心婷婷网| 亚洲色图综合在线观看| 国产在线免费精品| 国产成人a∨麻豆精品| 久久久久久久久久久免费av| 一区二区三区乱码不卡18| 国产av码专区亚洲av| 性色avwww在线观看| 黑丝袜美女国产一区| 精品久久久精品久久久| 亚洲第一区二区三区不卡| 热99国产精品久久久久久7| 国产精品久久久久久久电影| 热99国产精品久久久久久7| 制服丝袜香蕉在线| 曰老女人黄片| 日产精品乱码卡一卡2卡三| 天堂俺去俺来也www色官网| 中文欧美无线码| 美女视频免费永久观看网站| 少妇被粗大猛烈的视频| 97在线人人人人妻| 亚洲av福利一区| 一级毛片aaaaaa免费看小| 国产国拍精品亚洲av在线观看| av专区在线播放| 国产片内射在线| 熟女av电影| 天堂8中文在线网| 伊人久久精品亚洲午夜| 18禁在线无遮挡免费观看视频| 99精国产麻豆久久婷婷| 亚洲精品日本国产第一区| 久久久久久久久久久久大奶| 久久99热6这里只有精品| 国产精品一国产av| 久久精品国产亚洲av天美| 久久久久久久久大av| 少妇精品久久久久久久| 国产亚洲午夜精品一区二区久久| 亚洲国产精品999| xxxhd国产人妻xxx| 黑丝袜美女国产一区| 最近手机中文字幕大全| 久久久久久久久久久久大奶| 国产69精品久久久久777片| 69精品国产乱码久久久| 精品人妻一区二区三区麻豆| 日韩av免费高清视频| 另类亚洲欧美激情| 91在线精品国自产拍蜜月| 大香蕉久久网| 嫩草影院入口| 99视频精品全部免费 在线| 国产精品久久久久成人av| 大话2 男鬼变身卡| 狂野欧美白嫩少妇大欣赏| 免费人妻精品一区二区三区视频| 在线亚洲精品国产二区图片欧美 | 久久精品熟女亚洲av麻豆精品| 国产男女内射视频| 亚洲性久久影院| 91久久精品国产一区二区成人| 大陆偷拍与自拍| 免费日韩欧美在线观看| 这个男人来自地球电影免费观看 | 色吧在线观看| 日韩欧美一区视频在线观看| 午夜免费鲁丝| 欧美日韩综合久久久久久| 一本大道久久a久久精品| av网站免费在线观看视频| 三级国产精品片| 哪个播放器可以免费观看大片| 亚洲av在线观看美女高潮| 国产精品国产三级国产av玫瑰| 国产成人精品一,二区| 丰满乱子伦码专区| 九草在线视频观看| 欧美 亚洲 国产 日韩一| 久久免费观看电影| 欧美成人精品欧美一级黄| 少妇人妻 视频| 免费黄网站久久成人精品| 国产熟女午夜一区二区三区 | 亚洲精品国产色婷婷电影| 欧美亚洲日本最大视频资源| 久久99一区二区三区| 精品少妇久久久久久888优播| kizo精华| 91久久精品国产一区二区三区| 日韩一区二区视频免费看| 又粗又硬又长又爽又黄的视频| 黄色视频在线播放观看不卡| 国产探花极品一区二区| av一本久久久久| 欧美变态另类bdsm刘玥| 国国产精品蜜臀av免费| 人妻 亚洲 视频| 国产男人的电影天堂91| 老熟女久久久| 久久免费观看电影| 国产免费视频播放在线视频| 精品一区二区三卡| 日本色播在线视频| 2021少妇久久久久久久久久久| 熟女av电影| 日本vs欧美在线观看视频| 午夜精品国产一区二区电影| 看非洲黑人一级黄片| 亚洲av不卡在线观看| 高清黄色对白视频在线免费看| 嫩草影院入口| 岛国毛片在线播放| 日本av手机在线免费观看| 97超碰精品成人国产| 有码 亚洲区| 久久婷婷青草| 有码 亚洲区| 免费看光身美女| 免费av中文字幕在线| 亚洲丝袜综合中文字幕| 日日撸夜夜添| 高清在线视频一区二区三区| 菩萨蛮人人尽说江南好唐韦庄| 18禁动态无遮挡网站| 亚洲色图 男人天堂 中文字幕 | 成人无遮挡网站| 国产成人精品在线电影| 精品少妇内射三级| 看十八女毛片水多多多| 少妇猛男粗大的猛烈进出视频| 久久鲁丝午夜福利片| 日韩成人av中文字幕在线观看| www.av在线官网国产| 免费日韩欧美在线观看| 男人操女人黄网站| 国产日韩欧美在线精品| 天美传媒精品一区二区| 永久网站在线| 欧美亚洲日本最大视频资源| av又黄又爽大尺度在线免费看| 国产成人午夜福利电影在线观看| 亚洲婷婷狠狠爱综合网| 亚洲精品自拍成人| 乱人伦中国视频| 久久久精品94久久精品| 成人免费观看视频高清| 国产精品久久久久久精品电影小说| 中文欧美无线码| 91成人精品电影| 久久影院123| 欧美日韩综合久久久久久| 亚洲五月色婷婷综合| 国产伦精品一区二区三区视频9| 99久久精品一区二区三区| 久久精品久久精品一区二区三区| 三级国产精品欧美在线观看| 晚上一个人看的免费电影| 自拍欧美九色日韩亚洲蝌蚪91| 在线精品无人区一区二区三| 99久国产av精品国产电影| 制服诱惑二区| 精品一区二区三卡| 亚洲精品av麻豆狂野| 国产女主播在线喷水免费视频网站| 亚洲精品456在线播放app| 亚洲国产欧美在线一区| 久久鲁丝午夜福利片| 亚洲国产色片| 人人妻人人澡人人看| 成人午夜精彩视频在线观看| 嫩草影院入口| 汤姆久久久久久久影院中文字幕| 中文字幕人妻熟人妻熟丝袜美| 亚洲av电影在线观看一区二区三区| 人体艺术视频欧美日本| 在线观看www视频免费| 女人精品久久久久毛片| 97超碰精品成人国产| 一级毛片我不卡| 这个男人来自地球电影免费观看 | 亚洲欧洲精品一区二区精品久久久 | 大香蕉久久网| 亚洲欧美一区二区三区国产| 精品久久久久久电影网| 欧美激情 高清一区二区三区| 亚洲欧美清纯卡通| 一区在线观看完整版| 日韩电影二区| 久久国产亚洲av麻豆专区| 男女啪啪激烈高潮av片| 精品人妻一区二区三区麻豆| 久久人人爽av亚洲精品天堂| av.在线天堂| 国产亚洲一区二区精品| 七月丁香在线播放| 精品少妇黑人巨大在线播放| 久久久久精品性色| 国产一区二区在线观看av| 熟女av电影| 久久国内精品自在自线图片| 日韩中字成人| 国产精品国产av在线观看| av电影中文网址| 亚洲色图 男人天堂 中文字幕 | 日本黄色日本黄色录像| 一本大道久久a久久精品| 国产精品一国产av| 亚洲丝袜综合中文字幕| 99九九在线精品视频| 国产精品国产三级专区第一集| 久久久a久久爽久久v久久| 久久青草综合色| 天天操日日干夜夜撸| 乱人伦中国视频| 免费大片18禁| 中文天堂在线官网| 精品人妻一区二区三区麻豆| 国产成人av激情在线播放 | 午夜福利影视在线免费观看| 亚洲天堂av无毛| 人妻 亚洲 视频| 插阴视频在线观看视频| 美女主播在线视频| 午夜免费男女啪啪视频观看| 亚洲精品国产av成人精品| 精品久久久久久久久亚洲| 另类亚洲欧美激情| 久久国内精品自在自线图片| 99热国产这里只有精品6| 日韩在线高清观看一区二区三区| 2021少妇久久久久久久久久久| 久久精品久久久久久噜噜老黄| 日韩在线高清观看一区二区三区| 亚洲四区av| 精品国产一区二区久久| 麻豆成人av视频| 欧美 亚洲 国产 日韩一| 又大又黄又爽视频免费| 久久亚洲国产成人精品v| 久久国内精品自在自线图片| 国产国语露脸激情在线看| 午夜视频国产福利| 免费观看的影片在线观看| 国产 一区精品| 80岁老熟妇乱子伦牲交| 国产精品久久久久成人av| 亚洲欧美成人综合另类久久久| 国产成人一区二区在线|