[发明专利]一种属性网络上事件检测的交互式可视化方法

权利要求书

1.一种属性网络上事件检测的交互式可视化方法，其特征在于，包括如下步骤：

1)网络构建；

2)交互操作类型定义及事件定义；

3)融合人的交互的目标函数定义；

4)属性网络上融合人的交互的算法定义；

5)子图可视界面设计及实现。

2.根据权利要求1所述的一种属性网络上事件检测的交互式可视化方法，其特征在于，

具体包括以下步骤：

1-1)时间片划分，网络构建：将数据划分为不同时间片，为每个时间片构建属性网络G＝(V,E,P)，其中V是顶点集合，而E是边集合，P是一个特征向量，P(i)也被称为节点i的p值，定义了节点i的属性，用来表示这个节点的异常程度。

3.根据权利要求1所述的一种属性网络上事件检测的交互式可视化方法，其特征在于，

2-1)定义网络上的交互操作，其中包括增加节点和删除节点：

交互式添加操作(IAO)：给定从G中检测到的子图S，我们将交互式添加操作定义为S⁺(v)，这意味着向子图S中向添加一个顶点v，该节点v是子图S的一阶邻居节点，S⁺表示向子图S添加的一组顶点的集合；

交互式删除操作(IRO)：给定从G中检测到的子图S，我们将交互式删除操作定义为S^-(v)，这意味着从子图S中删除S中的顶点v，S^-表示从子图S中移除的一组顶点集合；

专家操作应该满足下面的三个基本属性：

1)每个交互操作都基于机器找到的最佳子图S⁰；

每个IAO：S⁺(v)都满足节点v是与事件最相关的顶点，即

2)每个IRO：S^-(v)都满足节点v是事件最不相关的节点；

v∈{v|P(v)α_max}

2-2)定义交互操作下的事件：给定图G＝(V,E,P)，在一系列交互式操作(IAO或IRO)的约束下，找到顶点连通子图S，其中S包含于G，该子集最大化目标函数F(S)，其中

4.根据权利要求1所述的一种属性网络上事件检测的交互式可视化方法，其特征在于，

3-1)在机器查询子图基础上，融合人的交互操作(IAO和IRO)进一步优化子图，寻找更大的目标函数的子图，因此我们定义了目标函数形式如下：

其中，S⁰是机器查询的最优子图，S⁺是人类专家交互添加的节点集合，S^-是人类专家交互删除的节点集合，K是允许专家交互操作的上限次数；

函数是一个统计函数，包含3个参数，其中，α是异常等级，P(v)≤α就视为异常，N_α(S)表示子图S中p值小于等于α的节点个数，N(S)表示子图S中的节点数，S＝S⁰∪S⁺-S^-是在人类专家交互作用下获得的一组连通的顶点子集；

需要满足两个属性：

是随着N_α(S)单调递增；

是随着N(S)-N_α(S)单调递减；

为满足这两个属性，考虑Berk-Jones统计量：

其中，KL是p值小于α的观察比例与预期比例之间的Kullback-Leibler散度。

因此我们可以得到基于BJ统计量的交互查找属性网络子图的目标函数为：