[发明专利]基于特征加强的图压缩方法有效
申请号: | 201910799520.6 | 申请日: | 2019-08-28 |
公开(公告)号: | CN110633394B | 公开(公告)日: | 2021-10-15 |
发明(设计)人: | 陈晋音;李玉玮;林翔 | 申请(专利权)人: | 浙江工业大学 |
主分类号: | G06F16/904 | 分类号: | G06F16/904;G06F16/906;G06N3/04;G06N3/08 |
代理公司: | 杭州天正专利事务所有限公司 33201 | 代理人: | 王兵;黄美娟 |
地址: | 310014 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种基于特征加强的图压缩方法,应用于社交网络数据集的分类,根据图分类模型端到端的特点,采用分类准确率对输入的图的邻接矩阵求梯度的方法得到该模型拟合函数下所有连边的权重系数,根据其权重系数的绝对值进行连边重要性排序,将其与传统的连边重要性指标计算得到的连边排序进行重合率计算对比,在连边重合率最大的情况下确定关键连边的数量,保留其关键连边,删除剩余的连边和孤立的节点得到压缩后的图,再将其压缩后的图输入相同的图分类模型进行训练和测试,在保证分类准确率减少不多的情况下尽可能减少模型的训练时间和计算空间。 | ||
搜索关键词: | 基于 特征 加强 压缩 方法 | ||
【主权项】:
1.一种基于特征加强的图压缩方法,通过对端到端的图分类深度模型进行求梯度,获取图中所有连边对最后分类结果的权重系数,再按照其权重系数进行连边重要性排序,提取部分关键连边,最后只保留其关键连边,删除孤立节点,达到图压缩的效果,在保证分类准确率减少不多的情况下尽可能减少模型的训练时间和计算空间;/n具体步骤为:/n(1)设计端到端的图分类深度模型,根据分类准确率loss函数对连边进行求梯度,得到所有连边的权重系数。具体过程为:/n(1-1)设计一个端到端的图分类深度模型,该模型由图卷积、池化、全连接三个模块组成。利用图卷积模块得到节点特征,池化模块将部分节点分类聚合成一簇,对图进行池化降维,然后将各个视图的节点特征进行加权求和,转化为图的特征并进行特征融合,最终通过全连接,输出预测的图的类标。因此图分类深度模型的输入为图的邻接矩阵A和节点属性特征H,输出为图被预测为各个类标的置信度。/n(1-2)对邻接矩阵A求梯度,分类准确率loss函数为:/n
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浙江工业大学,未经浙江工业大学许可,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/patent/201910799520.6/,转载请声明来源钻瓜专利网。
- 上一篇:显示系统、程序以及存储介质
- 下一篇:智慧园区设备巡检与报修可视化系统