Dataset-for-WSN-fault-detection

数据集概述

数据集名称

• 名称: Dataset-for-WSN-fault-detection

数据集描述

• 类型: 标记的无线传感器网络数据集
• 观测数量: 281280个观测（向量）
• 属性数量: 每个向量包含12个属性
• 数据来源: 基于2010年由北卡罗来纳大学格林斯伯勒分校的研究人员发布的原始数据集
• 数据收集方式: 使用TelosB mote收集自单跳和多跳无线传感器网络的湿度和温度数据，每5秒测量一次，持续6小时
• 异常引入: 通过引入热水蒸汽增加湿度和温度，区分正常数据和异常数据

准备的数据集

• 数据类型: 仅使用多跳无线传感器网络的室外数据
• 观测数量: 4688个观测（数据示例或向量）
• 数据结构: 每个观测包含3个连续时间点（t0, t1, t2）的2个温度测量和2个湿度测量（T1 T2 和 H1 H2）
• 故障引入: 随机引入不同类型的数据故障（偏移、增益、卡住和超出范围），并设置不同的故障率（50%, 40%, 30%, 20%, 10%）
• 数据集数量: 准备了60个数据集，每个数据集包含4688个观测
• 文件格式: 每个数据集分为两个Excel文件（一个用于观测，一个用于标签y）
• 标签定义: y=1表示正常观测，y=-1表示故障观测

数据集用途

• 适用领域: 机器学习和无线传感器网络的故障检测

引用信息

• 引用要求: 使用此数据集时，请参考相关出版物[2]

参考文献

• [1] Shan Suthaharan, Mohammed Alzahrani, Sutharshan Rajasegarar, Christopher Leckie and Marimuthu Palaniswami, "Labelled Data Collection for Anomaly Detection in Wireless Sensor Networks", in Proceedings of the Sixth International Conference on Intelligent Sensors, Sensor Networks and Information Processing (ISSNIP 2010), Brisbane, Australia, Dec 2010.
• [2] Salah Zidi, Tarek Moulahi and Bechir Alaya "Fault detection in Wireless Sensor Networks through SVM classifier", IEEE sensor journal, Vol. 18, NO.1, Jan 2018.