-
公开(公告)号：CN111291229B
公开(公告)日：2023-10-31
申请号：CN202010071390.7
申请日：2020-01-21
Applicant: 中国科学院计算技术研究所
IPC: G06F16/901 , G06F16/9035 , G06Q40/04
Abstract: 本发明提出一种基于稠密多部子图的检测方法及系统，包括：步骤1、根据链式特征中的信息流动，构建交易网络的多部图，根据预设的账户间信息流动阈值筛选该多部图，得到该多部图中的稠密子图；步骤2、以固定账户存在超阈值的信息流且在中间账户中保留低于阈值的权重为约束条件，生成该稠密子图中节点子集的异常值；步骤3、根据该异常值，输出该多部图中存在异常行为的节点子集作为异常行为检测结果。本发明通过具有有效性和鲁棒性和良好的可扩展性。
-
公开(公告)号：CN113139098A
公开(公告)日：2021-07-20
申请号：CN202110308958.7
申请日：2021-03-23
Applicant: 中国科学院计算技术研究所
IPC: G06F16/901 , G06N3/04
Abstract: 本发明提出一种同质关系大图的摘要提取方法及系统，包括：获取待摘要提取的关系图数据作为当前图数据，且该关系图数据为同质关系大图，并将该当前图数据中每个节点均看作超点；根据该当前图数据的邻接矩阵，通过局部敏感哈希对该当前图数据中节点进行分组；从组中随机选择多个超点对，分别计算该超点对若合并后和该关系图数据之间的差距，选择差距最小的超点对进行合并，得到重构图数据；输出该重构图数据作为摘要提取结果。
-
公开(公告)号：CN109828995B
公开(公告)日：2020-12-11
申请号：CN201811533324.6
申请日：2018-12-14
Applicant: 中国科学院计算技术研究所
IPC: G06F16/2458 , G06F16/28 , G06K9/62
Abstract: 本发明涉及一种基于视觉特征的图数据检测方法和系统，包括：获取待分析的图数据，并统计该图数据的分布特征；将该分布特征输入基于视觉特征的分类模型，得到该图数据中具有相同类别的节点，通过将类别相同的该节点划分至同一分组，得到多个分组；利用基于视觉的分析模型对该分组进行聚合分析，得到每个分组的聚类特征，根据每个分组的该聚类特征进行模式总结和异常检测处理，并将每个分组的该聚类特征、模式总结结果和异常检测结果作为该图数据的检测结果。本发明不直接对大图数据的邻接矩阵或者拉普拉斯矩阵进行分解操作，处理速度快，效率高，具有更强的及时性。
-
Patent Agency Ranking
公开(公告)号：CN111291229A
公开(公告)日：2020-06-16
申请号：CN202010071390.7
申请日：2020-01-21
Applicant: 中国科学院计算技术研究所
IPC: G06F16/901 , G06F16/9035 , G06Q40/04
Abstract: 本发明提出一种基于稠密多部子图的检测方法及系统，包括：步骤1、根据链式特征中的信息流动，构建交易网络的多部图，根据预设的账户间信息流动阈值筛选该多部图，得到该多部图中的稠密子图；步骤2、以固定账户存在超阈值的信息流且在中间账户中保留低于阈值的权重为约束条件，生成该稠密子图中节点子集的异常值；步骤3、根据该异常值，输出该多部图中存在异常行为的节点子集作为异常行为检测结果。本发明通过具有有效性和鲁棒性和良好的可扩展性。
-
公开(公告)号：CN113139098B
公开(公告)日：2023-12-12
申请号：CN202110308958.7
申请日：2021-03-23
Applicant: 中国科学院计算技术研究所
IPC: G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种同质关系大图的摘要提取方法及系统，包括：获取待摘要提取的关系图数据作为当前图数据，且该关系图数据为同质关系大图，并将该当前图数据中每个节点均看作超点；根据该当前图数据的邻接矩阵，通过局部敏感哈希对该当前图数据中节点进行分组；从组中随机选择多个超点对，分别计算该超点对若合并后和该关系图数据之间的差距，选择差距最小的超点对进行合并，得到重构图数据；输出该重构图数据作为摘要提取结果。
-
公开(公告)号：CN113392139B
公开(公告)日：2023-10-20
申请号：CN202110624648.6
申请日：2021-06-04
Applicant: 中国科学院计算技术研究所
IPC: G06F16/2458 , G06F16/901 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明提出一种基于关联融合的环境监测数据补全方法和系统，包括：获取数据存在缺失的环境监测数据及其对应的标记矩阵；根据环境监测数据中每个时间点的各个属性，得到属性间的关联系数，以构建图G，图G中节点对应属性，节点间的边对应属性间的属性关联系数；通过将图G和待补全矩阵按位相乘，得到中间矩阵，通过神经网络对中间矩阵进行时序处理，得到环境监测数据中各时间点的隐藏状态；根据各时间点的隐藏状态，计算环境监测数据的时间关联性系数；通过将时间关联性系数和各时间点的隐藏状态按位相乘，得到环境监测数据中各时间点的中间状态；在环境监测数据中，对中间状态采用生成式的非线性变换，得到环境监测数据的重构补全数据。
-
公开(公告)号：CN113392139A
公开(公告)日：2021-09-14
申请号：CN202110624648.6
申请日：2021-06-04
Applicant: 中国科学院计算技术研究所
IPC: G06F16/2458 , G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于关联融合的多元时间序列补全方法和系统，包括：获取数据存在缺失的多元时间序列及其对应的标记矩阵；根据多元时间序列中每个时间点的各个属性，得到属性间的关联系数，以构建图G，图G中节点对应属性，节点间的边对应属性间的属性关联系数；通过将图G和待补全矩阵按位相乘，得到中间矩阵，通过神经网络对中间矩阵进行时序处理，得到多元时间序列中各时间点的隐藏状态；根据各时间点的隐藏状态，计算多元时间序列的时间关联性系数；通过将时间关联性系数和各时间点的隐藏状态按位相乘，得到多元时间序列中各时间点的中间状态；在多元时间序列中，对中间状态采用生成式的非线性变换，得到多元时间序列的重构补全数据。
-
公开(公告)号：CN109828995A
公开(公告)日：2019-05-31
申请号：CN201811533324.6
申请日：2018-12-14
Applicant: 中国科学院计算技术研究所
IPC: G06F16/2458 , G06F16/28 , G06K9/62
Abstract: 本发明涉及一种基于视觉特征的图数据检测方法和系统，包括：获取待分析的图数据，并统计该图数据的分布特征；将该分布特征输入基于视觉特征的分类模型，得到该图数据中具有相同类别的节点，通过将类别相同的该节点划分至同一分组，得到多个分组；利用基于视觉的分析模型对该分组进行聚合分析，得到每个分组的聚类特征，根据每个分组的该聚类特征进行模式总结和异常检测处理，并将每个分组的该聚类特征、模式总结结果和异常检测结果作为该图数据的检测结果。本发明不直接对大图数据的邻接矩阵或者拉普拉斯矩阵进行分解操作，处理速度快，效率高，具有更强的及时性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
