原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
计算机测量与控制()
．２０２５．３３７
２３４ComuterMeasurementControl设计与应用
p
文章编号:()://中图分类号:文献标识码:
１６７１４５９８２０２５０７０２３４０９DOI１０．１６５２６．cnki．１１Ｇ４７６２t．２０２５．０７．０２９TP３A
jp
基于网络增强联合稀疏典型相关分析的
异常节点检测模型设计
１２２２
,,,
高燕崔鸿雁刘诚符佳慧
(,;
１中国电子科技集团公司第三十研究所成都６１００００
,)
２郑州信大先进技术研究院郑州４５００００
:,
摘要文章对属性网络中的异常节点检测问题进行了研究通过提出一种基于网络增强联合稀疏典型相关分析的异
(),、、
常节点检测模型NEAnomSCCA进行了网络结构增强特征学习重构误差与典型向量计算以及异常节点检测的综
;,;,
合分析该模型首先利用近邻算法生成每个节点的图以增强网络结构并补全离散节点随后采用图神经网
kKNN
;,,;,
络学习节点的属性特征和结构特征接着计算重构误差和典型稀疏向量综合评估节点的异常程度最终根据重构
,;,、、、
误差和典型稀疏向量的相关性计算异常得分检测出异常节点实验结果表明在BloCataloCoraCiteseer
gg
四个现实世界的数据集上,模型与、、等模型进行对比,值分
PubmedNEAnomSCCAJAANEARISEPROPOSEDAUC
、、、,;
别提高了１１３％１３５％１１１％３３３％显示出该模型在异常节点检测任务上的优越性能得出了NEAnomSCCA
文档评论（0）