【技术实现步骤摘要】
本专利技术涉及动态图学习以及深度学习中的异常检测领域，是一种基于动态图子图异常检测的流行病感染扩散的检测方法。
技术介绍
1、
2、图神经网络是一种能够处理图结构数据的人工神经网络。近年来，图神经网络在处理图结构数据方面被证明是一种有效的方法。大部分网络科学文献关注的是静态网络，然而现实世界中存在的每个网络都随着时间的推移而变化。动态图神经网络则被用于更好的表示随时间变化的图结构数据，目前已经被广泛应用于许多领域，包括社会网络分析、推荐系统和流行病检测。
3、异常检测是一种数据挖掘过程，旨在识别数据集中偏离多数的异常模式，当前在安全、金融和医学等领域都有广泛的应用。随着图异常检测的出现使得检测任务扩展到更加复杂的结构/关系数据上，可以用于识别单个图中的异常图对象(即节点、边或子图)，以及图集/数据库中的异常图。在流行病感染扩散检测这样的实际场景中，通常在一个社区内出现了第一个传染者后，短期内一些社区人员相继会出现感染症状，尽早的确定感染人群对于抑制传染扩散极为重要。社区人员的日常活动情况构建为图结构数据，一个人员...
【技术保护点】
1.基于动态图子图异常检测的流行病感染扩散的检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于动态图子图异常检测的流行病感染扩散的检测方法，其特征在于，所述步骤一中需在测试集中注入动态异常子图，即注入结构异常子图和属性异常子图两种异常子图：
3.根据权利要求1所述的基于动态图子图异常检测的流行病感染扩散的检测方法，其特征在于，所述步骤二中滑动窗口的窗口长度为τ+1，得到锚定矩阵S的具体过程为：
4.根据权利要求1所述的基于动态图子图异常检测的流行病感染扩散的检测方法，其特征在于，所述步骤三中采用GRU+GCN动态图神...
【技术特征摘要】
1.基于动态图子图异常检测的流行病感染扩散的检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于动态图子图异常检测的流行病感染扩散的检测方法，其特征在于，所述步骤一中需在测试集中注入动态异常子图，即注入结构异常子图和属性异常子图两种异常子图：
3.根据权利要求1所述的基于动态图子图异常检测的流行病感染扩散的检测方法，其特征在于，所述步骤二中滑动窗口的窗口长度为τ+1，得到锚定矩阵s的具体过程为：
4.根据权利要求1所述的基于动态图子图异常检测的流行病感染扩散的检测方法，其特征在于...
【专利技术属性】
技术研发人员：王金艳，杨汉钦，潘志洋，李先贤，
申请(专利权)人：广西师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。