基于图的社交网络异常检测

基于图的社交网络异常检测
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: , , ,
2021-01
ISBN: 9787118122466
定价: 75.00
分类: 工程技术
6人买过
  •   网络的异常检测旨在探测出网络结构、节点行为是否发生显著的变化,进一步知道是哪些原因导致了异常的发生,从而实现网络和节点行为的预测。
      《基于图的社交网络异常检测》从网络的图表示开始,以社交网络为研究对象,描述了网络中异常节点检测框架,主要从静态网络和动态网络两个角度介绍了异常节点检测的过程,介绍了基于特征的静态网络异常节点检测方法;针对动态网络中节点的演化行为,重点介绍了基于隐变量的节点行为演化建模,及节点异常行为检测的选择性集成方法等。
      《基于图的社交网络异常检测》可供社交网络分析、信息科学及相关研究领域研究人员和专业技术人员参考,也可作为研究生的教学用书,还可供对数据分析感兴趣的开发人员学习使用。 第1章 概述
    1.1 引言
    1.2 社交网络异常检测技术概况
    1.2.1 社交网络演化与异常检测技术
    1.2.2 社交网络节点演化与异常检测技术
    1.2.3 异常检测方法概述
    1.3 小结

    第2章 社交网络演化和节点异常行为的概念
    2.1 社交网络演化基本概念
    2.2 社交网络节点行为的定义
    2.3 社交网络节点行为异常的定义
    2.4 社交网络节点异常行为检测过程
    2.5 小结

    第3章 基于图的社区发现与异常点探测
    3.1 基于图嵌入的社区发现与异常点检测框架
    3.2 图嵌入概述
    3.3 社区发现和异常点检测
    3.3.1 构建密度顺序树
    3.3.2 密度顺序树的划分与异常点发现
    3.3.3 社区数目的确定
    3.4 算法应用与分析
    3.4.1 数据介绍
    3.4.2 实验方法与结果分析
    3.5 小结

    第4章 基于动态图的社交网络节点演化建模与异常检测
    4.1 动态网络节点行为异常检测框架
    4.2 基于ego网络的节点特征提取
    4.3 动态网络节点演化建模
    4.4 节点行为异常检测与演化可视化
    4.4.1 基于异常排序的节点异常行为检测集成方法
    4.4.2 节点行为的可视化
    4.5 算法应用与分析
    4.5.1 数据介绍
    4.5.2 实验方法与结果分析
    4.6 小结

    第5章 基于异常偏好的节点行为异常检测集成方法
    5.1 基于先验知识的节点行为异常检测问题描述
    5.2 先验库的构建
    5.3 基于先验库的异常偏好计算
    5.4 基于异常偏好的异常检测集成方法
    5.5 算法应用与分析
    5.5.1 仿真数据介绍
    5.5.2 实验方法与结果分析
    5.6 小结

    第6章 基于异常重构的节点行为预测
    6.1 问题描述
    6.2 异常数据的重构
    6.3 基于向量自回归模型的节点行为预测
    6.4 算法应用与分析
    6.5 小结

    参考文献
    后记
  • 内容简介:
      网络的异常检测旨在探测出网络结构、节点行为是否发生显著的变化,进一步知道是哪些原因导致了异常的发生,从而实现网络和节点行为的预测。
      《基于图的社交网络异常检测》从网络的图表示开始,以社交网络为研究对象,描述了网络中异常节点检测框架,主要从静态网络和动态网络两个角度介绍了异常节点检测的过程,介绍了基于特征的静态网络异常节点检测方法;针对动态网络中节点的演化行为,重点介绍了基于隐变量的节点行为演化建模,及节点异常行为检测的选择性集成方法等。
      《基于图的社交网络异常检测》可供社交网络分析、信息科学及相关研究领域研究人员和专业技术人员参考,也可作为研究生的教学用书,还可供对数据分析感兴趣的开发人员学习使用。
  • 目录:
    第1章 概述
    1.1 引言
    1.2 社交网络异常检测技术概况
    1.2.1 社交网络演化与异常检测技术
    1.2.2 社交网络节点演化与异常检测技术
    1.2.3 异常检测方法概述
    1.3 小结

    第2章 社交网络演化和节点异常行为的概念
    2.1 社交网络演化基本概念
    2.2 社交网络节点行为的定义
    2.3 社交网络节点行为异常的定义
    2.4 社交网络节点异常行为检测过程
    2.5 小结

    第3章 基于图的社区发现与异常点探测
    3.1 基于图嵌入的社区发现与异常点检测框架
    3.2 图嵌入概述
    3.3 社区发现和异常点检测
    3.3.1 构建密度顺序树
    3.3.2 密度顺序树的划分与异常点发现
    3.3.3 社区数目的确定
    3.4 算法应用与分析
    3.4.1 数据介绍
    3.4.2 实验方法与结果分析
    3.5 小结

    第4章 基于动态图的社交网络节点演化建模与异常检测
    4.1 动态网络节点行为异常检测框架
    4.2 基于ego网络的节点特征提取
    4.3 动态网络节点演化建模
    4.4 节点行为异常检测与演化可视化
    4.4.1 基于异常排序的节点异常行为检测集成方法
    4.4.2 节点行为的可视化
    4.5 算法应用与分析
    4.5.1 数据介绍
    4.5.2 实验方法与结果分析
    4.6 小结

    第5章 基于异常偏好的节点行为异常检测集成方法
    5.1 基于先验知识的节点行为异常检测问题描述
    5.2 先验库的构建
    5.3 基于先验库的异常偏好计算
    5.4 基于异常偏好的异常检测集成方法
    5.5 算法应用与分析
    5.5.1 仿真数据介绍
    5.5.2 实验方法与结果分析
    5.6 小结

    第6章 基于异常重构的节点行为预测
    6.1 问题描述
    6.2 异常数据的重构
    6.3 基于向量自回归模型的节点行为预测
    6.4 算法应用与分析
    6.5 小结

    参考文献
    后记
查看详情