1.一种基于模型选择的SVDD无线传感器网络离群数据检测方法，其特征在于，包括：步骤一：所述高斯核函数满足无偏估计 采样T(1)～N(0,ID/δ2)，δ为高斯核函数参数，ID为单位矩阵，对T(1)进行Toeplitz变换形成D维随机特征矩阵TD；

输入数据集X和所述随机特征矩阵TD，根据公式 在亚线性时间内计算得复数空间内的近似核函数KM_RFF_unreliable，求其实部得到高斯核函数的近似矩阵KM_RFF；

对所述近似矩阵KM_RFF使用SMO算法求解二次规划问题，得到傅里叶随机特征映射的SVDD算法的决策函数：其中，a为决策模型圆心，R为决策半径；

步骤二：

利用核SVDD算法训练数据集X得到决策模型的支持向量点SVS使用所述决策函数作为决策模型，所述SVS作为训练集，得到决策结果，求解所述决策结果与决策半径R之间的累计平方和即为欠拟合误差，记为error_under；

步骤三：

核SVDD算法训练所得决策模型为SVDD_f，决策半径为SVDD_R，支持向量点为SVS，步骤一在低随机特征维度训练所得决策模型的支持向量点SVTRFF，选择SVS和SVTRFF中不同的支持向量SV_DIF,使用SVDD_f作为决策模型，SV_DIF作为训练集，如果决策结果与SVDD_R偏差较大，则表示TRFF模型中的该支持向量点是内部支持向量，即该模型存在过拟合误差，记为error_over；

步骤四：

输入所述数据集和由核SVDD算法所得决策模型的支持向量SVS，首先设置一个循环，如果找到满足模型选择条件的最优决策模型，则跳出循环，否则将继续执行循环进行模型选择；在循环下计算利用步骤三的方法当前特征矩阵通过步骤一所得决策模型的过拟合误差，如果其存在过拟合误差，则跳出本次循环；如果不存在过拟合误差，则利用步骤二进行欠拟合误差计算，若该决策模型欠拟合误差值小于给定的欠拟合误差阈值，则该模型即为核函数的最优的无偏估计，其对应的特征矩阵即为所求，否则，跳出本次循环。

2.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1所述的方法。

3.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1所述方法的步骤。

4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1所述方法的步骤。