穿戴网因资源限制,环境及恶意攻击等因素影响,易出现传感器数据错误,进而导致假警报以及错误的医疗检测。因此,在传感器采集到的数据用于医学检测之前,错误的传感器数据应尽可能多的被检测和修复。进而医护人员可依据修复后的传感器数据做出精准的判断。贝叶斯网络的优点是使用少量的传感器收集信息。首先,论文利用穿戴网中各传感器所获数据的时间和空间关系建立了一个贝叶斯网络模型。其次,考虑到采集数据的正确性问题,在模型中引入数据真实值概念并加入到检测算法中以使传感器的数据真实可信。由于无法保证传感器采集到数据的正确性,所以论文中为每个样本添加对应的真实值及真实值的权重,从而保障数据的真实性。再次,利用贝叶斯网络的性质,经过一系列的推导,近似地得到检错率、误判率、整体错误率以及假重构率等性能指标的数学表达式。进而根据整体错误率指标计算出方案的最优阈值。最后,论文给出错误检测与数据修复的具体方案,即假定真实值与传感器采集到的值相同,根据检测方案中的条件概率判断公式与阈值的关系来判断传感器读数是否正确。通过对比分析基于贝叶斯网络的错误检测和数据修复方案与KNN、MD、J48&LR等算法的仿真结果,实验结果表明论文提出的方案具有较高的正确性。