[发明专利]一种基于自动机器学习的图结构搜索方法

权利要求书

1.一种基于自动机器学习的图结构搜索方法，其特征在于，该方法包括如下步骤：

步骤S1、从输入的图像或者视频中，按照时间先后顺序顺次提取每一帧图像中的图结构的节点信息，并分别在各帧图像中的任意两个节点之间均构建边，所述节点信息和边形成拓扑结构图序列Gt，Gt＝(Vt，Et)；

上述各帧图像中的边构成一个边集Et＝{vti vtj|(i,j)∈H}；

其中：Vt为节点集，Vt＝{vti|t＝1，2，…，T；i＝1，2…，N}，包括了拓扑结构图序列中每一时刻的所有节点；t表示图像帧的序号；

vti表示第t帧图像中第i个节点的坐标信息；vtj表示第t帧图像中第j个节点的坐标信息；j＝1，2…，N，且j≠i；vti vtj的数值表示第i个节点和第j个节点的连接权重；i和j均为节点的序号；T为总帧数，取整数；N为节点的总个数，取整数；H是节点连接集合；

步骤S2、将所述边集Et和连接权重构建邻接矩阵W＝{Wij|i，j＝1,…,N}，Wij等于vtivtj的数值；

若节点i和节点j存在强物理连接关系，则Wij＝1；若节点i和节点j不存在连接关系，则Wij为0；

初始化所述邻接矩阵，得到初始化后的邻接矩阵W1；

步骤S3、将所述初始化后的邻接矩阵W1和节点集Vt输入学习图网络，得到训练后的邻接矩阵W2；由所述邻接矩阵W2得超参数邻接矩阵W3，所述超参数邻接矩阵W3和节点集Vt形成高鲁棒性拓扑图结构。

2.根据权利要求1所述的一种基于自动机器学习的图结构搜索方法，其特征在于，还包括步骤S4、将所述超参数邻接矩阵W3作为通用的边集，与任意数据集中的节点集组合，形成该数据集的高鲁棒性拓扑图结构。

3.根据权利要求1或2所述的一种基于自动机器学习的图结构搜索方法，其特征在于，得到所述超参数邻接矩阵W3的过程如下：将所述邻接矩阵W2中的连接权重按照由大到小的顺序排序：保留排序序列中前部的若干个连接权重，保留的所述连接权重的数量小于等于N/3，且将剩余的连接权重重置为0，保留的连接权重形成超参数邻接矩阵W3。

4.根据权利要求1或2所述的一种基于自动机器学习的图结构搜索方法，其特征在于，得到所述超参数邻接矩阵W3的过程如下：保留邻接矩阵W2中的连接权重阈值大于0.7的连接权重，且剩余的连接权重重置为0，保留的连接权重形成超参数邻接矩阵W3。

5.根据权利要求1或2所述的一种基于自动机器学习的图结构搜索方法，在所述步骤S2中，初始化所述邻接矩阵的权重参数为1。

6.根据权利要求2所述的一种基于自动机器学习的图结构搜索方法，其特征在于，所述学习图网络为图卷积网络、图循环网络、图注意力网络或图残差网络。