[发明专利]一种超图卷积网络模型及其半监督分类方法在审
| 申请号： | 201811318538.1 | 申请日： | 2018-11-07 |
| 公开（公告）号： | CN109492691A | 公开（公告）日： | 2019-03-19 |
| 发明（设计）人： | 孙玉宝;徐宏伟;刘青山;陈基伟;陈逸 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京钟山专利代理有限公司 32252 | 代理人： | 戴朝荣 |
| 地址： | 211500 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种超图卷积网络模型及其半监督分类方法包括如下步骤：包括如下步骤：步骤1：对非欧式结构的样本数据特征进行稀疏编码，形成样本表示系数矩阵；步骤2：依据样本的相似性构建超边，计算超边权重，构建超图模型；步骤3：借助于超图谱理论，定义超图上的卷积运算，构建超图卷积网络模型；步骤4：定义超图卷积网络上的半监督学习方法，设计损失函数，旨在利用少量标定样本的类别信息，预测所有样本的类别标签；步骤5：分别制作训练、验证和测试的半给定标签矩阵，设置网络超参数，训练网络模型，依据随机梯度下降算法学习网络的卷积核以及正则性因子参数；步骤6：对于给定数据，用训练好的模型预测未知的样本类别，实现半监督分类。 | ||
| 搜索关键词： | 网络模型 半监督 构建 样本 分类 训练网络模型 半监督学习 标签矩阵 超图模型 卷积运算 类别标签 类别信息 模型预测 欧式结构 随机梯度 损失函数 稀疏编码 系数矩阵 下降算法 样本表示 样本类别 样本数据 因子参数 网络 卷积核 正则性 标定 权重 图谱 验证 测试 预测 制作 学习 | ||
【主权项】：
1.一种超图卷积网络模型及其半监督分类方法，其特征在于：包括如下步骤：步骤1：对非欧式结构的样本数据特征进行稀疏编码，形成样本表示系数矩阵；步骤2：依据样本的相似性构建超边，计算超边权重，构建超图模型；步骤3：借助于超图谱理论，定义超图上的卷积运算，构建超图卷积网络模型；步骤4：定义超图卷积网络上的半监督学习方法，设计损失函数，旨在利用少量标定样本的类别信息，预测所有样本的类别标签；步骤5：分别制作训练、验证和测试的半给定标签矩阵，设置超参数，利用Adam随机梯度下降算法训练网络模型；步骤6：对于给定数据，用训练好的模型预测未知的样本类别，实现半监督分类。
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南京信息工程大学，未经南京信息工程大学许可，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/201811318538.1/，转载请声明来源钻瓜专利网。
