一种使用无线传感器网络预测圆形区域入侵检测的 k 屏障数量的深度学习方法附matlab代码

最新推荐文章于 2024-07-01 20:50:11 发布

原创最新推荐文章于 2024-07-01 20:50:11 发布 · 172 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #网络 #深度学习

机器学习组合优化系列matlab完整代码专栏收录该内容

448 篇文章

订阅专栏

本文聚焦无线传感器网络（WSN）在边境入侵检测和监视的应用。提出基于全连接前馈人工神经网络（ANN）的深度学习架构，用于预测k - barriers数量以实现快速入侵检测。用四个潜在特征训练评估模型，该方法在准确性和计算复杂度上优于其他基准算法。

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法神经网络预测雷达通信无线传感器

信号处理图像处理路径规划元胞自动机无人机电力系统

⛄ 内容介绍

无线传感器网络 (WSN) 是一项很有前途的技术，几乎在各行各业都有广泛的应用。WSN 的重要应用之一是在边境地区和防御设施中进行入侵检测和监视。边境地区绵延数百至数千英里，因此不可能巡逻整个边境地区。因此，敌人可能会在没有监视的情况下从任何地点进入，造成人员伤亡或摧毁军事设施。WSN 可以成为边界地区入侵检测和监视问题的可行解决方案。在边境地区和附近的军事营地等关键地区发现敌人是一项时间敏感的任务，因为几秒钟的延迟可能会造成灾难性的后果。所以，当敌人进入部署系统的范围时，设计能够识别和检测敌人的系统就变得势在必行。在本文中，我们提出了一种基于完全连接的前馈人工神经网络 (ANN) 的深度学习架构，用于准确预测 k-barriers 的数量，以实现快速入侵检测和预防。我们使用四个潜在特征训练和评估了前馈 ANN 模型，即圆形区域的面积、传感器的感应范围、传感器的传输范围以及高斯和均匀传感器分布的传感器数量。这些特征是通过蒙特卡洛模拟提取的。在这样做，我们发现该模型准确地预测了高斯分布和均匀传感器分布的 k-barrier 数量，前者的相关系数 (R = 0.78) 和均方根误差 (RMSE = 41.15)，前者的 R = 0.79 和 RMSE = 48.36后者。此外，所提出的方法在准确性和计算时间复杂度方面优于其他基准算法。

⛄ 部分代码

%% Code for "A deep learning approach to predict the number of k-barriers for intrusion detection over a circular region using wireless sensor networks"

%% Data from https://www.kaggle.com/datasets/abhilashdata/ffannid-intrusion-detection-in-wsns

%% IF you are using this code then please cite the following paper;

%% Singh, A., Amutha, J., Nagar, J., & Sharma, S. (2022). A deep learning approach to predict the number of k-barriers for intrusion detection over a circular region using wireless sensor networks. Expert Systems with Applications, 118588.

clc

clear all

data=xlsread('circ_bsm_gu.xlsx');

% rng(0) %seed for reproducibility

rand_pos = (randperm(length(data)));

for k = 1:length(data)

data(k) = data(rand_pos(k));

end

Area=data(:,1);

SensingRange=data(:,2);

Transmissionrange=data(:,3);

No_of_sensor=data(:,4);

X=[Area,SensingRange,Transmissionrange,No_of_sensor];

Y=data(:,end-1); %end uniform

x = X';

t = Y';

ts=tic;

% Choose a Training Function

% For a list of all training functions type: help nntrain

% 'trainlm' is usually fastest.

% 'trainbr' takes longer but may be better for challenging problems.

% 'trainscg' uses less memory. Suitable in low memory situations.

trainFcn = 'trainlm'; % Levenberg-Marquardt backpropagation.

⛄ 运行结果

⛄ 参考文献

Singh, A., Amutha, J., Nagar, J., & Sharma, S. (2022). A deep learning approach to predict the number of k-barriers for intrusion detection over a circular region using wireless sensor networks. Expert Systems with Applications, 118588.