公开(公告)号：CN120030390A

公开(公告)日：2025-05-23

申请号：CN202510198072.X

申请日：2025-02-21

Applicant: 大连理工大学

Inventor： 原旭 ,  黄华飞 ,  罗仁强

IPC: G06F18/24 ,  G06F18/214 ,  G06F17/16 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明属于图异常检测领域，提出一种基于特征分解增强的图异常检测方法。这是一种新的即插即用方法，它利用邻接矩阵特征向量中编码的邻居信息来增强图异常检测上现有方法的性能。通过对特征向量的理论分析表明，每个节点的特征向量的分量可以为其对应的邻居特征向量的线性平均值来表示。此外还证明了合并特征向量会线性增加节点的异常程度，为在异常检测中使用图谱信息提供理论基础。通过结合特征向量和节点特征矩阵，融入现有方法中，最后给出最终预测的结果。本发明从谱域的角度来优化图异常检测，考虑了图中节点特征向量和领域节点关系，并将特征和消息传递机制结合起来，提升了现有图异常检测方法的性能，并且适配大多数的图异常检测任务。