基于改进SVDD算法的池塘水质数据流异常检测

来源：农业工程学报杂志2021年第24期北京时间：

作者：施珮,匡亮,唐玥,袁永明,余晓栋,

摘要：无线传感器网络获取的水质数据流具有高复杂性、非平稳性、非线性等特点，为了提高传感数据流的异常检测能力，保障水质监测数据流的有效性，该研究提出一种基于改进支持向量数据描述（Support Vector Data Description，SVDD）水质数据流异常检测方法。首先应用马氏距离改进Parzen-Window高斯窗函数，避免数据在分类过程中产生干扰。再利用改进的Parzen-Window获取训练数据的分布密度估计，并结合模糊隶属度函数，对传统SVDD算法进行密度补偿，构建改进的SVDD异常检测模型，从而降低有噪正常样本的干扰性，提高算法的分类精度。最后，选择密度补偿支持向量数据描述（Density Weighted Support Vector Data Description，D-SVDD）、传统SVDD和FastFood算法，在不同试验池塘的多个测试数据集中进行对比试验。结果表明，改进 SVDD 算法具有较高的检测性能，该算法在 3 口池塘的最高异常检测正确率 TPR（True Positive Rate）值达到99.83%，最高检测准确率 Accuracy 达到 99.83%，明显优于 D-SVDD 和传统 SVDD 算法，且最低运行时间仅 1.34 s。结果可为水质数据流异常监测提供技术支持。

关键词：水产养殖, 水质, 数据流, 密度补偿, 支持向量数据描述