高级搜索

基于多核最大均值差异迁移学习的WLAN室内入侵检测方法

周牧 李垚鲆 谢良波 蒲巧林 田增山

引用本文: 周牧, 李垚鲆, 谢良波, 蒲巧林, 田增山. 基于多核最大均值差异迁移学习的WLAN室内入侵检测方法[J]. 电子与信息学报, 2020, 42(5): 1149-1157. doi: 10.11999/JEIT190358 shu
Citation:  Mu ZHOU, Yaoping LI, Liangbo XIE, Qiaolin PU, Zengshan TIAN. WLAN Indoor Intrusion Detection Approach Based on Multiple Kernel Maximum Mean Discrepancy Transfer Learning[J]. Journal of Electronics and Information Technology, 2020, 42(5): 1149-1157. doi: 10.11999/JEIT190358 shu

基于多核最大均值差异迁移学习的WLAN室内入侵检测方法

    作者简介: 周牧: 男,1984年生,教授,博士生导师,主要研究方向为无线定位与导航技术、信号处理与检测技术、机器学习与信息融合技术等;
    李垚鲆: 女,1995年生,硕士生,研究方向为室内入侵检测技术;
    谢良波: 男,1986年生,副教授,主要研究方向为射频识别技术、室内定位技术等;
    蒲巧林: 女,1988年生,助教,主要研究方向为机器学习、室内定位技术等;
    田增山: 男,1968年生,教授,博士生导师,主要研究方向为移动通信、个人通信、GPS及蜂窝网定位技术等
    通讯作者: 李垚鲆,liyaopingna@foxmail.com
  • 基金项目: 国家自然科学基金(61771083),重庆市基础与前沿研究计划基金(cstc2017jcyjAX0380),重庆市研究生科研创新项目(CYS18240)

摘要: 无线局域网(WLAN)室内入侵检测技术是目前智能检测领域的研究热点之一,而传统基于数据库构建的入侵检测技术没有考虑复杂室内环境中WLAN信号的时变性,从而导致WLAN室内入侵检测系统的鲁棒性较差。为了解决这一问题,该文提出一种基于多核最大均值差异(MKMMD)迁移学习的WLAN室内入侵检测方法。该方法首先利用离线有标记和在线伪标记的接收信号强度(RSS)特征来分别构建源域和目标域;其次,通过构造最优迁移矩阵以最小化源域和目标域RSS特征混合分布之间的MKMMD;再次,利用迁移后的源域RSS特征与对应标签来训练分类器,并将其用于对迁移后的目标域RSS特征进行分类以得到目标域标签集;最后,迭代更新目标域标签集直至算法收敛,进而实现对目标环境的入侵检测。实验结果表明,该文所提方法在保证较高检测精度的同时,能够有效克服信号时变性对检测性能的影响。

English

图(7)表(2)
计量
  • PDF下载量:  61
  • 文章访问数:  1042
  • HTML全文浏览量:  545
文章相关
  • 通讯作者:  李垚鲆, liyaopingna@foxmail.com
  • 收稿日期:  2019-05-21
  • 录用日期:  2019-11-27
  • 网络出版日期:  2019-12-18
  • 刊出日期:  2020-05-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章