龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：重庆交通大学
摘要：本发明公开了一种随机配置网络下利用图数据增强效果的图异常检测方法，包括：将待检测的图数据输入训练好的异常检测模型中，输出对应的节点预测类型；训练步骤包括：通过随机配置网络对图数据样本进行随机节点嵌入和随机数据增强；通过图卷积网络进行图卷积处理，生成节点第一特征表示；通过图注意力网络捕捉节点之间的注意力关系，生成节点第二特征表示；融合节点第一和第二特征表示生成融合特征表示；通过分类器生成节点预测类型；计算损失并优化分类器的参数；重复迭代训练直至异常检测模型收敛或达到预设迭代轮次。本发明通过随机配置网络下图卷积网络和图注意力网络串行混合的异常检测模型来提高图数据节点异常检测的准确性。
主权项：1.随机配置网络下利用图数据增强效果的图异常检测方法，其特征在于，包括：S1：获取待检测的图数据；S2：将待检测的图数据输入训练好的异常检测模型中，输出对应的节点预测类型；其中异常检测模型基于随机配置网络、图卷积网络和图注意力网络构建；训练异常检测模型的处理步骤如下：S201：获取用作训练数据的图数据样本和对应的节点真实类型；S202：将图数据样本输入随机配置网络中，对图数据样本进行随机节点嵌入和随机数据增强，生成节点增强嵌入向量；S203：随机初始化图卷积网络和图注意力网络的权重参数；S204：将节点增强嵌入向量输入图卷积网络进行图卷积处理，生成节点第一特征表示；S205：将节点第一特征表示输入图注意力网络捕捉节点之间的注意力关系，生成节点第二特征表示；S206：将节点第一特征表示和节点第二特征表示进行融合，生成融合特征表示；S207：将融合特征表示输入分类器中进行分类，生成对应的节点预测类型；S208：基于节点预测类型和对应图数据样本的节点真实类型计算损失，并优化分类器的参数；S209：重复步骤S201至S208，直至异常检测模型收敛或达到预设迭代轮次；S3：将节点真实类型作为待检测图数据的图异常检测结果进行输出。
全文数据：
权利要求：
百度查询： 重庆交通大学 随机配置网络下利用图数据增强效果的图异常检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号