[发明专利]一种基于自适应分数阶梯度的图数据类别预测方法有效

专利信息
申请号: 202010122396.2 申请日: 2020-02-27
公开(公告)号: CN111353534B 公开(公告)日: 2021-01-26
发明(设计)人: 骆春波;刘子健;罗杨;孙文健;王亚宁;吴佳;刘翔 申请(专利权)人: 电子科技大学
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08
代理公司: 成都正华专利代理事务所(普通合伙) 51229 代理人: 陈选中
地址: 611731 四川省成*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 自适应 分数 阶梯 数据 类别 预测 方法
【权利要求书】:

1.一种基于自适应分数阶梯度的图数据类别预测方法,其特征在于,包括以下步骤:

S1、对图数据的邻接矩阵A进行归一化处理,得到归一化的邻接矩阵

S2、建立五层神经网络结构,并对每层网络权重初始化,对迭代次数t、分数阶次参数和分数阶阶次进行初始化,t=0;

S3、将归一化的邻接矩阵和图数据的每个节点的特征H输入五层神经网络结构中,得到图数据的每个节点的预测类别;S4、根据图数据的每个节点的预测类别和每个节点的目标类别,计算均方误差损失函数值;

S5、判断均方误差损失函数值是否小于阈值,若是,则得到优化完成的五层神经网络,若否,则采用分数阶梯度下降法更新权重参数,同时根据分数阶次参数更新分数阶阶次,将t的值自增1,并跳转至步骤S3;

步骤S5中采用分数阶梯度下降法更新权重参数的计算公式为:

其中,η为步长因子,γ为均方误差损失函数,⊙表示哈达玛积,Γ(·)表示伽马函数,vt-1是t-1次迭代过程的分数阶阶次;

步骤S5中根据分数阶次参数更新分数阶阶次的计算公式为:

其中,α为分数阶次参数;S6、采用优化完成的五层神经网络处理图数据,得到图数据的每个节点的最终预测类别。

2.根据权利要求1所述的基于自适应分数阶梯度的图数据类别预测方法,其特征在于,所述步骤S1中包括以下步骤:

S11、对邻接矩阵A进行行求和或列求和,得到度矩阵D;

S12、将邻接矩阵A与单位矩阵I相加后,再与度矩阵D的0.5次幂进行左乘和右乘操作,得到归一化的邻接矩阵

3.根据权利要求2所述的基于自适应分数阶梯度的图数据类别预测方法,其特征在于,所述步骤S12中归一化的邻接矩阵为:

4.根据权利要求1所述的基于自适应分数阶梯度的图数据类别预测方法,其特征在于,所述步骤S2中五层神经网络依次包括:输入层、3层隐含层和输出层。

5.根据权利要求1所述的基于自适应分数阶梯度的图数据类别预测方法,其特征在于,所述步骤S3中五层神经网络结构中每层神经网络的输入输出关系为:

其中,为第t次迭代过程中第l层神经网络的输入,为第t次迭代过程中第l层神经网络的输出,为第0次迭代过程中第一层神经网络的输入,为第t次迭代过程中第l-1层神经网络的权重,1l≤5,e是自然对数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010122396.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top