[发明专利]一种采用具有稀疏基序图卷积网络进行分类的方法

权利要求书

1.一种采用具有稀疏基序图卷积网络进行分类的方法，其特征在于，包括以下步骤：

将待分类目标与已知目标一起制成拓扑图，拓扑图中，目标作为节点，目标之间的联系为拓扑图的边；

通过图卷积网络对拓扑图进行识别，获得拓扑图中待分类目标的分类。

2.根据权利要求1所述的采用具有稀疏基序图卷积网络进行分类的方法，其特征在于，

将所述图卷积网络称为基于基序图卷积网络，基于基序图卷积网络对拓扑图进行识别时，通过拓扑图的原始邻接矩阵获得基序邻接矩阵，通过原始邻接矩阵和基序邻接矩阵进行信息传递；

其中，基于基序图卷积网络通过原始邻接矩阵进行消息传递获得全局特征，通过基序邻接矩阵进行消息传递获得局部特征，将全局特征和局部特征聚合获得待分类目标的特征，从而完成待分类目标的分类。

3.根据权利要求2所述的采用具有稀疏基序图卷积网络进行分类的方法，其特征在于，

基于基序图卷积网络按照GCN方法通过原始邻接矩阵传递信息，对输入的拓扑图进行学习，获得全局特征。

4.根据权利要求2所述的采用具有稀疏基序图卷积网络进行分类的方法，其特征在于，

基于基序图卷积网络按照GCN方法通过基序邻接矩阵传递信息对输入的拓扑图进行学习，获得基序对应的局部特征。

5.根据权利要求4所述的采用具有稀疏基序图卷积网络进行分类的方法，其特征在于，

基于基序图卷积网络通过基序邻接矩阵传递信息前，对基序邻接矩阵进行预处理，将基序邻接矩阵转化为稀疏基序矩阵，采用稀疏基序矩阵替代原基序邻接矩阵；

所述稀疏基序矩阵表示为：

其中，表示第k个基序对应的稀疏基序矩阵，A表示拓扑图原始邻接矩阵，A_k表示与第k个基序对应的原基序邻接矩阵，⊙表示按元素相乘。

6.根据权利要求5所述的采用具有稀疏基序图卷积网络进行分类的方法，其特征在于，

第k个基序对应的邻接矩阵A_k中的元素表示为：

其中，v_i表示拓扑图中第i个节点，v_j表示拓扑图中第j个节点，i、j为不相同的正整数。

7.根据权利要求5所述的采用具有稀疏基序图卷积网络进行分类的方法，其特征在于，

基于基序图卷积网络通过基序邻接矩阵进行传递信息时，卷积网络不同层之间的传递表示为：

其中，表示第k个基序第l层的输出。

8.根据权利要求7所述的采用具有稀疏基序图卷积网络进行分类的方法，其特征在于，

第k个基序第1层的初始特征通过以下方式获得：

获得拓扑图的初始特征矩阵；

初始特征矩阵通过一层或多层线性层以及ReLU激活单元，获得早期特征矩阵H⁽⁰⁾；

对早期特征矩阵进行L₀层消息传递，获得初始特征其中每层传递表示为：H^(l+1)＝AH^(l)，1≤l＜L₀，L₀为超参数；

将初始特征作为

9.根据权利要求7所述的采用具有稀疏基序图卷积网络进行分类的方法，其特征在于，

所述全局特征和局部特征聚合包括基序信息的聚合、全局信息的聚合，

基序信息的聚合表示为：

全局信息的聚合表示为：

其中，是可学习的参数，为可学习参数，为第l层输出的全局特征，L₁为超参数。

10.根据权利要求7所述的采用具有稀疏基序图卷积网络进行分类的方法，其特征在于，

所述全局特征和局部特征聚合还包括早期特征的聚合，表示为：

其中，w^(l)是可学习的参数，