-
公开(公告)号:CN114491166A
公开(公告)日:2022-05-13
申请号:CN202210087632.0
申请日:2022-01-25
Applicant: 南京邮电大学
IPC: G06F16/901 , G06F16/904
Abstract: 本发明公开了一种基于节点重要性的图摘要算法,包括:建立节点集合,对集合中所有点进行重要性指标计算和排序;根据重要性顺序,选择重要性较低且相距两跳的节点组成节点对,合并生成新的图摘要顶点,同时更新图摘要顶点集合,直至所有摘要节点均达到算法阈值时停止;遍历摘要顶点集合,根据MDL(最小描述长度)原则选择摘要点对生成边,并根据原始图和摘要图生成修正边集合,最终输出摘要图和修正边集合。本发明能够根据大图中节点的重要性进行摘要,避免了传统图摘要算法中存在的重要节点被提前合并等缺陷,在图处理领域具有广泛实用价值和应用前景。
-
公开(公告)号:CN116150694A
公开(公告)日:2023-05-23
申请号:CN202310057301.7
申请日:2023-01-17
Applicant: 南京邮电大学
IPC: G06F18/2433 , G06F16/906
Abstract: 本发明提供了一种动态图异常检测方法,主要包括以下步骤:非易失性存储器存储阶段,初始化非易失性存储器并配置为主要内存存储器;动态随机存储器存储阶段,对非易失性存储器中的时序快照集合进行粗粒度检测,找出可能的异常时刻并将其快照存入动态随机存储器;特征表示阶段,对所有可能的异常时刻T获得游走序列,从游走序列中学习各顶点的嵌入表示;异常判断阶段,对嵌入向量进行异常检测,输出异常节点。相较于现有技术,本发明能够减少检测时间,提高对时序图检测的准确性,避免了传统图异常检测算法计算时间长且对动态图适用性差的缺陷,在网络攻击检测和流量控制等领域有较好的应用价值。
-
公开(公告)号:CN114911981A
公开(公告)日:2022-08-16
申请号:CN202210554348.X
申请日:2022-05-19
Applicant: 南京邮电大学
IPC: G06F16/901 , G06F16/904 , G06F16/906
Abstract: 本发明公开了一种复杂网络中基于聚类系数的并行图摘要算法,包括:将图的原始顶点集合划分为不同的分区;将分区子图的原始顶点集和边集作为图摘要的初始顶点集合和边集合,对各分区顶点,根据顶点选择策略确定初始点,计算该点聚类系数,并合并该顶点与所有一跳邻居顶点生成新摘要顶点;更新图摘要的顶点集,同时根据聚类系数生成修正边集合,并更新图摘要的边集合;继续选择下一个待合并顶点,重复执行上述合并过程,直至各分区摘要图中顶点总数小于阈值时停止,最终合并输出总的摘要图和修正边集合。本发明能够根据复杂网络中顶点的聚类系数进行并行摘要,避免了传统图摘要算法计算效率慢、压缩率低等缺陷,在图压缩、复杂网络顶点重要性排序等领域有较好的应用价值。
-
-