社群演化的稳健迁移估计及演化离群点检测

被引：3

作者：

胡云 ^{[1
,2
]}

王崇骏 ^{[1
]}

谢俊元 ^{[1
]}

吴骏 ^{[1
]}

周作建 ^{[1
]}

机构：

[1] 南京大学计算机科学与技术系

[2] 淮海工学院计算机工程学院

来源：

软件学报 | 2013年 / 24卷 / 11期

基金：

中国博士后科学基金;

关键词：

时序数据集; 社群演化; 迁移矩阵; 稳健回归; 离群点检测算法;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

时序数据集中的社群演化模式是网络行为动力学研究与应用的重要领域.基于社群演化的离群点检测不仅能够发现新颖的异常行为模式,同时也有利于更准确地理解社群的演化趋势.运用成员关于社群隶属关系的变化,提出了社群演化迁移矩阵的概念,研究并揭示了迁移矩阵的若干性质及其与社群结构演化之间的关系.在采用稳健回归M-估计方法进一步优化迁移矩阵降低异常点干扰的同时,对社群演化离群点加以刻画和定义.鉴于复杂网络包含大量随机游走的边缘个体,所定义的离群点综合考虑其在社群中角色的变化和相对于社群总体迁移模式的差异.基于上述思想提出的演化离群点检测算法能够适应各类社群演化趋势,更有效地聚焦和发现大规模社会网络中重要成员的异常演化行为.实验结果表明,所提出的方法能够从大规模社会网络演化序列中发现重要的离群演化模式,并在现实中找到合理的解释.

引用

页码：2710 / 2720

页数：11

共 21 条

[1]

Anomaly detection[J] . Varun Chandola,Arindam Banerjee,Vipin Kumar. &nbspACM Computing Surveys (CSUR) . 2009 (3)

[2]

An introduction to ROC analysis[J] . Tom Fawcett. &nbspPattern Recognition Letters . 2005 (8)

[3]

Robust Statistics. P.J. Huber,E.M. Ronchetti. Journal of Women s Health . 2009

[4]

Community structure in social and biological networks. M. Girvan,M. E. J. Newman. Proceedings of the National Academy of Sciences of the United States of America . 2002

[5]

Algorithms for mining distance-based outliers in large datasets. Knorr EM,Ng RT. Proceedings of the 24th VLDB Conference . 1998

[6]

Identification of Outliers. Hawkins D. Journal of Women s Health . 1980

[7]

LOF: identifying density-based local outliers. Breunig MM,Kreigel HP,Ng RT,et al. Proceedings of ACM SIGMOD International Conference on Management of Data . 2000

[8]

Findout: finding outliers in very large datasets. Dantong Yu,Gholamhosein Sheikholeslami,Aidong Zhang. Knowledge and Information Systems . 2002

[9]

TOP-EYE:Top-k evolving trajectory outlier detection. Ge Yong,Xiong Hui,Zhou Zhi-Hua,et al. Proc of CIKM’’2010 . 2010

[10]

http://www. correlatesofwar.org/ .

← 1 2 3 →