属性网络动态流中的变化检测
统计方法学
2017-11-15 v1
摘要
尽管静态网络中的异常检测已被广泛研究，但研究人员近来才开始关注动态网络。这一趋势主要源于动态网络在表示复杂物理、生物、网络与社会系统方面的能力。本文提出一种用于建模与监测动态属性网络的新方法，以快速检测网络结构中的时间变化。在该方法中，广义线性模型（GLM）被用于建模静态属性网络，随后将该模型与状态转移方程相结合以捕捉系统的动态行为。扩展卡尔曼滤波（EKF）被用作一种在线递归推断过程，随时间的推移预测并更新网络参数。为检测边形成底层机制中的变化，通过指数加权移动平均（EWMA）控制图对边预测残差进行监测。所提出的建模与监测流程通过属性二值与加权网络的仿真进行了检验，并以安然公司的电子邮件通信数据作为案例研究，展示了该方法在现实问题中的应用。
引用
@article{arxiv.1711.04441,
title = {Change Detection in a Dynamic Stream of Attributed Networks},
author = {Mostafa Reisi Gahrooei and Kamran Paynabar},
journal= {arXiv preprint arXiv:1711.04441},
year = {2017}
}