[發(fā)明專利]一種用于關(guān)系圖數(shù)據(jù)的卷積分類方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910080643.4
• 申請日: 2019-01-28
• 公開（公告）號: CN109918542B
• 公開（公告）日: 2021-12-17
• 發(fā)明（設(shè)計）人: 許勇;周恒晟
• 申請（專利權(quán)）人: 華南理工大學(xué)
• 主分類號: G06F16/901
• 分類號: G06F16/901;G06F16/215;G06F16/2458
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 李斌

本發(fā)明公開了一種用于關(guān)系圖數(shù)據(jù)的卷積分類方法，包括：(1)導(dǎo)入原始數(shù)據(jù)樣本，對數(shù)據(jù)樣本進(jìn)行采樣、清洗及預(yù)處理；(2)選定關(guān)系屬性和標(biāo)簽屬性，對其余屬性進(jìn)行編碼操作；(3)根據(jù)選定的關(guān)系屬性，構(gòu)建關(guān)系圖數(shù)據(jù)并計算關(guān)系圖的拉普拉斯矩陣和切比雪夫多項式的系數(shù)；(4)對關(guān)系圖數(shù)據(jù)進(jìn)行分類訓(xùn)練和交叉檢驗；(5)根據(jù)訓(xùn)練和檢驗結(jié)果對關(guān)系圖卷積模型的參數(shù)進(jìn)行調(diào)節(jié)，得到最優(yōu)分類器。在本發(fā)明中，能夠提取數(shù)據(jù)在關(guān)系圖中的結(jié)構(gòu)信息，結(jié)合數(shù)據(jù)自身特征，可以通過少量的訓(xùn)練數(shù)據(jù)得到較好的分類結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)識別分類領(lǐng)域，尤其涉及一種用于關(guān)系圖數(shù)據(jù)的卷積分類方法及系統(tǒng)。

背景技術(shù)

卷積神經(jīng)網(wǎng)絡(luò)是近年來神經(jīng)網(wǎng)絡(luò)發(fā)展的最新成果，在圖像處理上，卷積算子是一個由人為設(shè)定的固定大小的感知域，采用離散卷積方式。離散卷積本質(zhì)上是一種加權(quán)求和，因此卷積神經(jīng)網(wǎng)絡(luò)中的卷積操作本質(zhì)上是通過計算中心像素和在感知域內(nèi)的鄰近像素的加權(quán)求和來提取圖像上的特征。卷積神經(jīng)網(wǎng)絡(luò)處理的圖像或者視頻數(shù)據(jù)屬于典型的歐幾里得結(jié)構(gòu)數(shù)據(jù)，當(dāng)中的像素點以十分規(guī)整的形式排列并且能夠以矩陣的形式進(jìn)行表示。

與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)所處理的數(shù)據(jù)，尤其是卷積神經(jīng)網(wǎng)絡(luò)處理的圖像數(shù)據(jù)不同，關(guān)系數(shù)據(jù)通常以由頂點和邊組成的拓?fù)鋱D進(jìn)行表示。例如，在社交網(wǎng)絡(luò)中，所有的用戶通過某種關(guān)系屬性相互連接，并且用戶也作為社交關(guān)系圖的頂點呈現(xiàn)。同時，用戶的特征可以通過彼此之間的連接關(guān)系相互影響。一方面，受到卷積神經(jīng)網(wǎng)絡(luò)大獲成功的影響，卷積操作很自然地被嘗試推廣到關(guān)系數(shù)據(jù)的識別分類上；另一方面，由于關(guān)系圖數(shù)據(jù)自身的性質(zhì)，如缺乏全局參數(shù)化和位移不變性，在拓?fù)鋱D節(jié)點與節(jié)點之間的相鄰節(jié)點數(shù)量不一定會一致，所以無法像卷積神經(jīng)網(wǎng)絡(luò)中設(shè)定一個固定尺寸的卷積核。

幾何深度學(xué)習(xí)是一類新興技術(shù)的總稱，其試圖將結(jié)構(gòu)化深層神經(jīng)網(wǎng)絡(luò)模型推廣到非歐幾里得域，比如圖和流形。在其中一個領(lǐng)域中，光譜圖形卷積將拓?fù)鋱D中的節(jié)點處理為圖像中被視為信號的像素。在此框架下，卷積操作定義在圖的拉普拉斯矩陣及其本征空間上。

拉普拉斯矩陣(Laplacian matrix)也叫導(dǎo)納矩陣、基爾霍夫矩陣或離散拉普拉斯算子，主要應(yīng)用在圖論中，作為一個圖的矩陣表示。通過圖的度矩陣和鄰接矩陣計算得來，是一種基于歐式距離的測度，提供了對于圖中任意兩個點之間距離的參考。此外，該矩陣是對稱的半正定矩陣。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種用于關(guān)系圖數(shù)據(jù)的卷積分類方法，本發(fā)明將卷積操作推廣到關(guān)系圖數(shù)據(jù)的分類上，具有較好的分類結(jié)果與效率。

本發(fā)明的目的能夠通過以下技術(shù)方案實現(xiàn)：

一種用于關(guān)系圖數(shù)據(jù)的卷積分類方法，具體步驟包括：

(1)導(dǎo)入原始數(shù)據(jù)樣本，對數(shù)據(jù)樣本進(jìn)行采樣、清洗及預(yù)處理；

(2)選定關(guān)系屬性和標(biāo)簽屬性，對其余屬性進(jìn)行編碼操作；

(3)根據(jù)選定的關(guān)系屬性，構(gòu)建關(guān)系圖數(shù)據(jù)并計算關(guān)系圖的拉普拉斯矩陣和切比雪夫多項式的系數(shù)；

(4)對關(guān)系圖數(shù)據(jù)進(jìn)行分類訓(xùn)練和交叉檢驗；

(5)根據(jù)訓(xùn)練和檢驗結(jié)果對關(guān)系圖卷積模型的參數(shù)進(jìn)行調(diào)節(jié)，得到最優(yōu)分類器。

具體地，所述步驟(1)中，對數(shù)據(jù)樣本采樣，保證所有數(shù)據(jù)樣本處于同一分布空間；對數(shù)據(jù)樣本清洗，保證每一個數(shù)據(jù)樣本屬性的完整；對數(shù)據(jù)樣本預(yù)處理，對數(shù)值型屬性和非數(shù)值型屬性進(jìn)行編碼操作。

具體地，所述步驟(3)中，根據(jù)選定的關(guān)系屬性構(gòu)建關(guān)系圖數(shù)據(jù)，包括構(gòu)建關(guān)系圖的鄰接矩陣和提取關(guān)系特征。