基于圖的社交網(wǎng)絡(luò)異常檢測(cè)

第1章 概述
1．1 引言
1．2 社交網(wǎng)絡(luò)異常檢測(cè)技術(shù)概況
1．2．1 社交網(wǎng)絡(luò)演化與異常檢測(cè)技術(shù)
1．2．2 社交網(wǎng)絡(luò)節(jié)點(diǎn)演化與異常檢測(cè)技術(shù)
1．2．3 異常檢測(cè)方法概述
1．3 小結(jié)
第2章 社交網(wǎng)絡(luò)演化和節(jié)點(diǎn)異常行為的概念
2．1 社交網(wǎng)絡(luò)演化基本概念
2．2 社交網(wǎng)絡(luò)節(jié)點(diǎn)行為的定義
2．3 社交網(wǎng)絡(luò)節(jié)點(diǎn)行為異常的定義
2．4 社交網(wǎng)絡(luò)節(jié)點(diǎn)異常行為檢測(cè)過程
2．5 小結(jié)
第3章 基于圖的社區(qū)發(fā)現(xiàn)與異常點(diǎn)探測(cè)
3．1 基于圖嵌入的社區(qū)發(fā)現(xiàn)與異常點(diǎn)檢測(cè)框架
3．2 圖嵌入概述
3．3 社區(qū)發(fā)現(xiàn)和異常點(diǎn)檢測(cè)
3．3．1 構(gòu)建密度順序樹
3．3．2 密度順序樹的劃分與異常點(diǎn)發(fā)現(xiàn)
3．3．3 社區(qū)數(shù)目的確定
3．4 算法應(yīng)用與分析
3．4．1 數(shù)據(jù)介紹
3．4．2 實(shí)驗(yàn)方法與結(jié)果分析
3．5 小結(jié)
第4章 基于動(dòng)態(tài)圖的社交網(wǎng)絡(luò)節(jié)點(diǎn)演化建模與異常檢測(cè)
4．1 動(dòng)態(tài)網(wǎng)絡(luò)節(jié)點(diǎn)行為異常檢測(cè)框架
4．2 基于ego網(wǎng)絡(luò)的節(jié)點(diǎn)特征提取
4．3 動(dòng)態(tài)網(wǎng)絡(luò)節(jié)點(diǎn)演化建模
4．4 節(jié)點(diǎn)行為異常檢測(cè)與演化可視化
4．4．1 基于異常排序的節(jié)點(diǎn)異常行為檢測(cè)集成方法
4．4．2 節(jié)點(diǎn)行為的可視化
4．5 算法應(yīng)用與分析
4．5．1 數(shù)據(jù)介紹
4．5．2 實(shí)驗(yàn)方法與結(jié)果分析
4．6 小結(jié)
第5章 基于異常偏好的節(jié)點(diǎn)行為異常檢測(cè)集成方法
5．1 基于先驗(yàn)知識(shí)的節(jié)點(diǎn)行為異常檢測(cè)問題描述
5．2 先驗(yàn)庫(kù)的構(gòu)建
5．3 基于先驗(yàn)庫(kù)的異常偏好計(jì)算
5．4 基于異常偏好的異常檢測(cè)集成方法
5．5 算法應(yīng)用與分析
5．5．1 仿真數(shù)據(jù)介紹
5．5．2 實(shí)驗(yàn)方法與結(jié)果分析
5．6 小結(jié)
第6章 基于異常重構(gòu)的節(jié)點(diǎn)行為預(yù)測(cè)
6．1 問題描述
6．2 異常數(shù)據(jù)的重構(gòu)
6．3 基于向量自回歸模型的節(jié)點(diǎn)行為預(yù)測(cè)
6．4 算法應(yīng)用與分析
6．5 小結(jié)
參考文獻(xiàn)
后記