-
题名基于弱分类器集成的车联网虚假交通信息检测
被引量：4
- 1
-
-
作者
刘湘雯
石亚丽
冯霞
-
机构
江苏大学计算机科学与通信工程学院
安徽大学信息保障技术协同创新中心
-
出处
《通信学报》
EI
CSCD
北大核心
2016年第8期58-66,共9页
-
基金
国家自然科学基金资助项目(No.61472001)
江苏省自然科学基金资助项目(No.BK2011464)
+1 种基金
江苏省青蓝工程基金资助项目
镇江市工业支撑基金资助项目(No.GY2013030)~~
-
文摘
车联网中车辆以自组织的方式相互报告交通信息,开放的网络环境需要甄别消息,然而,要快速移动的车辆在短时间内检测出大量的交通警报信息是非常困难的。针对这一问题,提出一种基于弱分类器集成的虚假交通信息检测方法。首先,扩充交通警报信息的有效特征,并设计分割规则,将信息的特征集划分为多个特征子集;然后,根据子集特征的不同特性,使用对应的弱分类器分别进行处理。仿真实验和性能分析表明,选用弱分类器集成方法检测车联网中的虚假交通信息减少了检测时间,且由于综合特征的应用,检测率优于仅使用部分特征的检测结果。
-
关键词
车联网
虚假信息检测
弱分类器集成
BP神经网络
-
Keywords
VANET, false information detection, weak classifiers integration, BP neural network
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
