基于弱分类器集成的车联网虚假交通信息检测

摘要：

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

所属期刊栏目：37

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61472001;江苏省自然科学基金资助项目BK2011464;江苏省青蓝工程基金;镇江市工业支撑基金资助项目No.GY2013030The National Natural Science Foundation of China61472001;The Natural Science Foundation of Jiangsu ProvinceBK2011464;Blue Project of Jiangsu Province,Zhenjiang City Industrial Support ProjectGY2013030

在线出版日期：2016-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：58-66