基于XGBoost 的無線傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測算法*

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.揚州大學(xué)信息工程學(xué)院，江蘇 揚州 225127)

無線傳感器網(wǎng)絡(luò)憑借其傳輸數(shù)據(jù)量大且速度較快的優(yōu)勢，廣泛地應(yīng)用于不同研究領(lǐng)域[1]。但由于無線傳感器網(wǎng)絡(luò)的節(jié)點分布較為密集，節(jié)點與節(jié)點之間覆蓋區(qū)域出現(xiàn)大量交疊情況，節(jié)點工作時會出現(xiàn)大量的冗余數(shù)據(jù)，造成能耗較大，消耗網(wǎng)絡(luò)生存時間，消減網(wǎng)絡(luò)使用壽命[2]。為此，對無線傳感器網(wǎng)絡(luò)開展有效的冗余數(shù)據(jù)檢測，是網(wǎng)絡(luò)管理部門亟待解決的問題。

文獻[3]提出基于加權(quán)社會網(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)社會模型，對網(wǎng)絡(luò)采集數(shù)據(jù)展開可視化分析；依據(jù)分析結(jié)果提取數(shù)據(jù)冗余特征，計算數(shù)據(jù)的低維冗余支持度，并依據(jù)計算結(jié)果對低維數(shù)據(jù)的關(guān)聯(lián)規(guī)則實施評價；最后通過數(shù)據(jù)關(guān)聯(lián)規(guī)則對數(shù)據(jù)進行聚類處理，實現(xiàn)網(wǎng)絡(luò)冗余數(shù)據(jù)的檢測。該方法的檢測耗時較短，但檢測正確率較低。文獻[4]對無線傳感器網(wǎng)絡(luò)中的冗余流量進行了研究?；诠?jié)點的剩余能量執(zhí)行多跳路由，利用短信標消息處理基于區(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。中繼節(jié)點使用無線廣播優(yōu)勢來確認源節(jié)點，而不向發(fā)送方發(fā)送任何特殊的ACK 包，這減少了路由過程中的控制開銷。該方法具有較高的數(shù)據(jù)吞吐量，但存在檢測召回率較低的問題。

為解決上述網(wǎng)絡(luò)冗余數(shù)據(jù)檢測過程中存在的問題，提出基于XGBoost 的無線傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測算法。

1 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)預(yù)處理

為了有效實現(xiàn)無線傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測，針對無線傳感器網(wǎng)絡(luò)缺失數(shù)據(jù)實施插補處理，從而有效預(yù)處理無線傳感器網(wǎng)絡(luò)數(shù)據(jù)。利用局部近鄰算法，建立無線傳感器網(wǎng)絡(luò)數(shù)據(jù)辨識矩陣，降維無線傳感器網(wǎng)絡(luò)數(shù)據(jù)，由此提高無線傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測正確率。

1.1 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)缺失值插補

在無線傳感器網(wǎng)絡(luò)數(shù)據(jù)預(yù)處理過程中，需要使用相關(guān)算法對無線傳感器網(wǎng)絡(luò)中的缺失數(shù)據(jù)實施缺失值插補處理[5-6]。

通過數(shù)據(jù)采集器對無線傳感器網(wǎng)絡(luò)數(shù)據(jù)展開采集處理，建立無線傳感器網(wǎng)絡(luò)數(shù)據(jù)集A，并將其劃分成測試集B 和檢測集C。無線傳感器網(wǎng)絡(luò)缺失數(shù)據(jù)缺失值插補處理流程如下:

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

在無線傳感器網(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]，缺失插補過程中迭代值不可超出該閾值。

③網(wǎng)絡(luò)數(shù)據(jù)缺失值隨機插補。

在設(shè)定的缺失值上下限閾值之間隨機選取數(shù)據(jù)，初次對無線傳感器網(wǎng)絡(luò)[7]中的缺失數(shù)據(jù)開展缺失值插補處理。

④尋找最優(yōu)復(fù)雜度模型。

通過構(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)的分組插補方法計算網(wǎng)絡(luò)數(shù)據(jù)缺失值的誤差。

⑤開展缺失值插補處理。

重復(fù)上述流程對網(wǎng)絡(luò)數(shù)據(jù)迭代計算，直至完成所有數(shù)據(jù)的插補處理。

無線傳感器網(wǎng)絡(luò)完成數(shù)據(jù)缺失值插補后，通過Z-score 算法完成無線傳感器網(wǎng)絡(luò)數(shù)據(jù)的標準化處理[8]，結(jié)果如下式所示:

式中，n為無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)總量，man，I為實際數(shù)據(jù)值，An為數(shù)據(jù)平均值。Sn為數(shù)據(jù)標準差，數(shù)man為據(jù)的標準化處理結(jié)果。

1.2 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)降維方法

無線傳感器網(wǎng)絡(luò)數(shù)據(jù)在完成缺失值插補后，通過局部近鄰算法[9]對網(wǎng)絡(luò)數(shù)據(jù)實施降維處理。

1.2.1 建立辨識矩陣

設(shè)定無線傳感器網(wǎng)絡(luò)數(shù)據(jù)中有a個訓(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)的類別標簽，建立網(wǎng)絡(luò)數(shù)據(jù)的辨識矩陣，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)近鄰點數(shù)量建立數(shù)據(jù)的局部近鄰圖，再通過建立的近鄰圖，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)。

通過建立的數(shù)據(jù)散度矩陣[10]獲取無線傳感器網(wǎng)絡(luò)數(shù)據(jù)的辨識向量c，以此建立無線傳感器網(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為辨識向量集合，JA(C)、Jk(C)為矩陣辨識系數(shù)，tr 為矩陣對角函數(shù)。

柑橘產(chǎn)量與氣溫、降水量呈顯著正相關(guān)；與日照時數(shù)呈極顯著負相關(guān)。需要加強研究柑橘各發(fā)育期氣象因子與柑橘產(chǎn)量的關(guān)系，掌握柑橘生長發(fā)育期對氣溫、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)實際，加強果園管理，提高柑橘產(chǎn)量與品質(zhì)。

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

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，獲取模型目標函數(shù)解，實現(xiàn)無線傳感器網(wǎng)絡(luò)數(shù)據(jù)的降維，過程如下式所示:

式中，φ為模型目標函數(shù)解[11]，s.t.為模型約束條件。

2 XGBoost 檢測算法設(shè)計

在上述無線傳感器網(wǎng)絡(luò)數(shù)據(jù)預(yù)處理的基礎(chǔ)上，設(shè)計XGBoost 檢測算法。采用XGBoost 算法，提取無線傳感器網(wǎng)絡(luò)數(shù)據(jù)冗余特征。利用決策樹，建立無線傳感器網(wǎng)絡(luò)數(shù)據(jù)分類模型，分類無線傳感器網(wǎng)絡(luò)數(shù)據(jù)冗余特征，由此實現(xiàn)無線傳感器網(wǎng)絡(luò)的冗余數(shù)據(jù)檢測，從而有效提高無線傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測召回率。

2.1 提取數(shù)據(jù)冗余特征

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

式中，ei為數(shù)據(jù)i的目標實際值，ej為目標預(yù)測值，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為建立的目標函數(shù)。

式中，U(t)為冗余數(shù)據(jù)的分裂樹節(jié)點累加值，ωi為節(jié)點輸出分數(shù)，I為分類樹葉子上的樣本集合，Ij為分裂樹結(jié)構(gòu)函數(shù)，T為葉子節(jié)點，gi、hi為數(shù)據(jù)冗余系數(shù)，γ、λ為權(quán)重因子。

分裂樹建立后，依據(jù)冗余數(shù)據(jù)特征編碼形式確定無線傳感器網(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)分裂樹上的對應(yīng)節(jié)點位置為βnk，以此建立樣本數(shù)據(jù)的索引向量矩陣，過程如下式所示:

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

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

2.2 特征分類

由于提取出的數(shù)據(jù)冗余特征包含多個類別，因此，依據(jù)建立的決策樹對無線傳感器網(wǎng)絡(luò)數(shù)據(jù)實施分類處理，完成無線傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)的檢測。

基于提取的數(shù)據(jù)冗余特征建立無線傳感器網(wǎng)絡(luò)數(shù)據(jù)分類模型[12]，過程如下式所示:

式中，M為建立的分類模型，η為網(wǎng)絡(luò)數(shù)據(jù)的分類算子，t為樣本標簽，X為訓(xùn)練數(shù)據(jù)集。最后依據(jù)下式完成無線傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)的分類，實現(xiàn)無線傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)的檢測，過程如下式所示:

式中，R為數(shù)據(jù)分類結(jié)果，loss 為分類模型的模型誤差，Xbest為測試數(shù)據(jù)集，Ctest為分類標簽。

3 仿真分析

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

3.1 仿真結(jié)果及分析

分別采用基于XGBoost 的無線傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測算法(所提方法)、加權(quán)社會網(wǎng)絡(luò)低維冗余數(shù)據(jù)快速挖掘算法仿真(文獻[3]方法)、無線傳感器網(wǎng)絡(luò)區(qū)域路由中處理冗余流量的節(jié)能技術(shù)(文獻[4]方法)展開測試。

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

①檢測正確率測試:檢測正確率是指正確檢測樣本數(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)檢測正確率測試中，檢測正確率越高，說明冗余數(shù)據(jù)檢測效果越好；檢測正確率越低，說明冗余數(shù)據(jù)的檢測效果越差。對3 種方法的檢測正確率展開測試，測試結(jié)果如圖1 所示。

圖1 不同方法的檢測正確率測試結(jié)果

由圖1 可知，樣本數(shù)據(jù)量與3 種冗余數(shù)據(jù)檢測方法的檢測正確率呈負相關(guān)趨勢。當(dāng)樣本數(shù)據(jù)量達到6 000 個時，文獻[3]方法和文獻[4]方法的檢測正確率分別為90.45%和89.43%，而所提方法的檢測正確率為97.59%。由此可知，所提方法測試出的檢測正確率是3 種方法中最高的，由此可證明，所提方法在冗余數(shù)據(jù)檢測時的檢測效果較好。

②檢測召回率測試:檢測召回率是指檢測為正確的檢測樣本數(shù)據(jù)量占實際的檢測樣本數(shù)據(jù)量的百分比。冗余數(shù)據(jù)檢測召回率測試時，測試出的召回率越高，說明冗余數(shù)據(jù)的檢測效果越好，反之則越差。對3 種方法的召回率展開測試，測試結(jié)果如圖2 所示。

圖2 不同方法的檢測召回率測試結(jié)果

由圖2 可知，樣本數(shù)據(jù)量與3 種方法測試出的召回率呈負相關(guān)趨勢。當(dāng)樣本數(shù)據(jù)量達到6 000 個時，文獻[3]方法和文獻[4]方法的檢測召回率分別為84.45%和75.43%，而所提方法的檢測召回率為95.00%。由此可知，所提方法的檢測召回率較高，可證明所提方法在開展冗余數(shù)據(jù)檢測時，具備有效性。

③檢測F1 值測試:檢測F1 值是指檢測正確率和檢測召回率的調(diào)和平均數(shù)。采用F1 值測試指標對所提方法、文獻[3]方法以及文獻[4]方法的冗余數(shù)據(jù)檢測結(jié)果展開測試，測試過程中，F(xiàn)1 值測試結(jié)果越高，說明檢測方法的檢測效果越好，反之則越差。以此測試3 種方法冗余數(shù)據(jù)檢測效果。測試結(jié)果如圖3 所示。

圖3 不同方法的檢測F1 值測試結(jié)果

由圖3 可知，樣本數(shù)據(jù)量與檢測方法的F1 值呈負相關(guān)趨勢。當(dāng)樣本數(shù)據(jù)量達到6 000 個時，文獻[3]方法和文獻[4]方法的檢測F1 值分別為60.96%和59.84%，而所提方法的檢測F1 值為65.87%。由此可知，所提方法的F1 值測試結(jié)果較高，說明所提方法的檢測效果較好。這主要是因為所提方法在冗余數(shù)據(jù)檢測前，使用局部近鄰算法對網(wǎng)絡(luò)數(shù)據(jù)實施降維處理，所以該方法在開展冗余數(shù)據(jù)檢測時的F1 值較高。

綜上所述，所提方法在開展無線傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測時，檢測的正確率、召回率和F1 值較高。由此可證明，所提方法在冗余數(shù)據(jù)檢測時的檢測效果好。

4 結(jié)束語

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)檢測就變得尤為重要。針對傳統(tǒng)冗余數(shù)據(jù)檢測方法中存在的問題，提出基于XGBoost 的無線傳感器網(wǎng)絡(luò)冗余數(shù)據(jù)檢測算法。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，建立無線傳感器網(wǎng)絡(luò)數(shù)據(jù)分類模型；最后依據(jù)建立的數(shù)據(jù)分類模型完成網(wǎng)絡(luò)數(shù)據(jù)的分類，實現(xiàn)冗余數(shù)據(jù)的檢測。該方法具有較好的檢測效果，能夠有效提升無線傳感器網(wǎng)絡(luò)的運行安全性。