一种基于时空行为特征数据解析的异常用户行为检测方法

本申请涉及大数据分析技术领域，公开了一种基于时空行为特征数据解析的异常用户行为检测方法，包括以下步骤：S1、数据采集：获取用户的时空行为特征数据；S2、数据预处理：对数据预处理，提取时空行为特征；S3、特征降维：对多模态特征矩阵进行降维，构建低维流形空间；S4、动态建模：刻画用户行为的局部动态变化模式；S5、分布分析：计算偏离程度；S6、异常判断：判断是否为异常用户行为。通过流形学习技术实现高维时空行为特征数据的非线性降维，采用流形正则化约束确保降维过程中保留数据的局部几何结构。相比传统方法，有效减少计算复杂度的同时，显著提高了特征表达的准确性，为后续分析提供了高质量的输入。