李斌
- 作品数：3 被引量：13H指数：2
- 供职机构：北京工商大学更多>>
- 发文基金：教育部人文社会科学研究基金国家自然科学基金北京市属高等学校科学技术与研究生教育创新工程建设项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于微博评论的虚假消息检测模型被引量：9
- 2016年
- 微博虚假消息的判别是微博研究中的难点问题。为了实现快速准确识别,从源微博的评论角度出发定义了三个不同特征:支持性、置信度、内容相关性。利用所选三个特征作为输入,构建SVM分类算法判别消息真伪。以抓取的新浪微博上的真实数据集作为实验对象,利用提出的模型进行了实验并与人工神经网络对比,在虚假微博的识别中初步取得了较好的结果,可以有效的识别虚假消息。
- 段大高王长生韩忠明李斌
- 关键词：谣言支持向量机
- 基于行为模式的社会网络用户谱聚类算法被引量：1
- 2014年
- 利用行为模式对用户分类是一个非常新颖的问题,目前基于行为模式的社会网络用户聚类相关研究较少.在社会网络用户的交互行为的基础上构建用户行为马尔可夫模型,并采用一步转移矩阵、n步转移矩阵和收敛马尔可夫分布表达用户行为马尔可夫模型,提出相应的实现算法.基于谱聚类的思想,提出基于行为模式的社会网络用户谱聚类算法,基于行为模式的社会网络用户谱聚类能够发现行为模式相似程度较高的用户群.在人人网和脸谱网上进行了大量实验,实验结果表明本文方法对用户分类效果优于k最近邻算法.在大量用户聚类上,提出方法的聚类结果在聚类密集性和类别差异度上也都优于K最近邻算法.
- 韩忠明张晨李斌莫倩
- 关键词：社会网络马尔可夫模型谱聚类
- 基于Markov模型的异常用户检测被引量：3
- 2014年
- 在入侵检测的研究中,异常检测已逐步成为了入侵检测研究的主要方向。为提高检测效率,提出一种基于Markov模型的行为模式-聚类(BMC)的用户行为异常检测方法,采用一阶Markov模型对多用户计算机系统中用户的正常行为进行建模,学习Markov模型参数时采用命令匹配方法。在检测阶段,通过计算状态序列出现的概率得到概率序列,并对其进行加窗和处理得到判决值序列。BMC采用KNN方法对判决值序列进行聚类,以聚类结果来对用户行为进行异常检测与分析,发现系统中潜在的入侵用户及入侵用户群组。实验结果表明BMC不仅能够判别单用户的异常入侵行为,更能够有效识别多用户计算机系统中的异常用户行为。
- 韩忠明张晨李斌
- 关键词：入侵检测马尔科夫模型聚类
