تشخيص همزمان زيرگراف هاي فشرده ناهنجار در شبكه هاي اجتماعي بزرگ

اين مقاله رويكرد جديد تشخيص ناهنجاري بدون علامت براساس پردازش سيگنال هاي مرتبط با اطلاعات محلي ارايه مي دهد كه قادر به تعيين همزمان زيرگراف هاي فشرده ناهنجار در گراف ناشناخته نويزي شبكه هاي اجتماعي بزرگ است. همچنين الگوريتم جديد نمونه برداري مبتني بر نمونه برداري فشرده جهت بازيابي ويژگي هاي تنك شبكه هاي ثابت ارايه داده كه هدفش بهبود دقتِ تشخيص ناهنجاري همراه با كاهش پيچيدگيِ نمونه برداري داده ها است. نتايج آزمايشات تجربي با داده هاي مصنوعي و واقعي شبكه هاي اجتماعي ‌در مقايسه با مهم ترين روش هاي علمي نشان داد كه رويكرد پيشنهادي علاوه بر برخورداري از دقت تشخيص همزمان چندين زيرگراف فشرده، پيچيدگي محاسباتي را از O(n^4 √(log⁡n )) به O(n^2) در شبكه n گره اي كاهش داده و به آساني قابل كاربرد در شبكه هاي پوياي پيچيده است.