一种基于集成学习和多层DropNode传播的节点分类方法
公开
摘要
本发明属于图挖掘技术领域，公开了一种基于集成学习和多层DropNode传播的节点分类方法。本发明包括如下步骤：首先，获取实验所需要使用的数据集，包括Cora、Citeseer、Pubmed三个数据集；然后，针对图数据，执行多层DropNode传播；接着，将多层DropNode传播获得的矩阵送入多层感知机(MLP模型)中进行预测，获得分类结果；再集成多个模型的分类结果；然后，计算监督损失和集成学习损失；最后，验证模型的鲁棒性和过平滑性。本发明通过半监督节点方法的实施，有效地提高了节点分类的准确率，同时很好地缓解了大多数图神经网络面临的不鲁棒和过平滑的问题。
基本信息
专利标题 ：
一种基于集成学习和多层DropNode传播的节点分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114611630A
申请号 ：
CN202210366187.1
公开（公告）日 ：
2022-06-10
申请日 ：
2022-04-08
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
林琦于硕孙克夏锋
申请人 ：
大连理工大学
申请人地址 ：
辽宁省大连市甘井子区凌工路２号
代理机构 ：
辽宁鸿文知识产权代理有限公司
代理人 ：
隋秀文
优先权 ：
CN202210366187.1
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/04 G06N3/08 G06F40/216
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
