您当前的位置:
首页 >
文章列表页 >
RWK-GNN:基于特征增强与子核分解的非平衡图欺诈检测算法
RWK-GNN:基于特征增强与子核分解的非平衡图欺诈检测算法
RWK-GNN: Fraud Detection for Imbalanced Graphs with Feature Enhancement and Subkernel Decomposition
- 电子学报 2024年52卷第10期 页码:3382-3391
DOI: 10.12263/DZXB.20240346
修回:2024-08-26
移动端阅览
HTML全文
图( 7 ) 表( 5 )
参考文献
出版信息
数据统计
107
浏览量
86
下载量
2
CSCD
文章被引用时,请邮件提醒。
提交
工具集
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
相关文章
基于噪声过滤与特征增强的图神经网络欺诈检测方法
基于图神经网络的高光谱图像分类研究进展
基于RSMA的通信导航一体化信号波形设计
知识增强的区域关联图像解说生成方法
一种加载介质钉层的宽角低扫描损耗毫米波双极化相控阵
相关作者
李康和
黄震华
黄震华
万升
杨健
宫辰
杨健
欧晨
相关机构
华南师范大学人工智能学院
华南师范大学计算机学院
南京理工大学计算机科学与工程学院
南开大学计算机学院
湖南工商大学微电子与物理学院

