多维数据的异常值检测是无线传感器网络(WSN)应用中的重要问题。由于WSN中节点电源能量、计算能力有限等因素,使得节能成为数据异常检测算法设计必须考虑的重要因素之一。而多维数据的预处理方式,数据传输方式,数据之间的时空相关性的利用等均会影响网络能耗。基于上述原因,本文给出两类异常值检测算法。基于轨迹的WSN多维数据检测算法。首先,根据某时刻网络中传感器节点采集到的多维数据之间的相似程度的大小对网络中的节点进行分簇;其次,基于对数据的降维结果,提出了基于轨迹的WSN多维数据检测算法。仿真实验表明,基于轨迹的WSN异常值检测方法,能够检测连续时间段内的异常值,检测效果好。基于改进k-means算法的WSN多维数据检测方法。首先,关于原始k-means方法选取初始聚类中心时的不足进行改进;其次,利用改进k-means将WSN节点聚类;最后,判断所有聚类的异常。仿真实验表明,基于改进k-means方法的WSN多维数据检测算法效果较好,且可以保证实时检测。基于改进k-means算法结合进化策略多维数据检测算法。首先,利用改进k-means方法确定初始聚类中心;其次,依据进化策略相应重组、变异方式生成新子代,并选择;最后,判断异常。仿真实验表明,该检测方法检测率很高。