[發(fā)明專利]一種基于張量圖卷積網(wǎng)絡(luò)的節(jié)點(diǎn)分類方法及系統(tǒng)在審
| 申請(qǐng)?zhí)枺?/td> | 202210536635.8 | 申請(qǐng)日: | 2022-05-17 |
| 公開(kāi)(公告)號(hào): | CN114912529A | 公開(kāi)(公告)日: | 2022-08-16 |
| 發(fā)明(設(shè)計(jì))人: | 陳川;吳哲彬;鄭子彬 | 申請(qǐng)(專利權(quán))人: | 中山大學(xué) |
| 主分類號(hào): | G06K9/62 | 分類號(hào): | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227 | 代理人: | 楊小紅 |
| 地址: | 510275 *** | 國(guó)省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 張量 圖卷 網(wǎng)絡(luò) 節(jié)點(diǎn) 分類 方法 系統(tǒng) | ||
1.一種基于張量圖卷積網(wǎng)絡(luò)的節(jié)點(diǎn)分類方法,其特征在于,包括:
根據(jù)圖數(shù)據(jù)生成多個(gè)不同視角的單視角增強(qiáng)圖,根據(jù)圖數(shù)據(jù)和得到的多個(gè)單視角增強(qiáng)圖進(jìn)行張量化操作得到一個(gè)多視角增強(qiáng)圖;
其中,所述圖數(shù)據(jù)包括圖的鄰接矩陣和特征矩陣,所述特征矩陣由圖中所有節(jié)點(diǎn)的特征向量構(gòu)成,所述多視角增強(qiáng)圖包括鄰接張量和特征張量,所述鄰接張量的每個(gè)前切面表示對(duì)應(yīng)視角的單視角增強(qiáng)圖的鄰接矩陣,所述特征張量的每個(gè)前切面表示對(duì)應(yīng)視角的單視角增強(qiáng)圖的特征矩陣;
將所述多視角增強(qiáng)圖的鄰接張量和特征張量輸入到訓(xùn)練好的張量圖卷積網(wǎng)絡(luò)模型中,輸出所述圖數(shù)據(jù)中各節(jié)點(diǎn)的預(yù)測(cè)分類結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于張量圖卷積網(wǎng)絡(luò)的節(jié)點(diǎn)分類方法,其特征在于,根據(jù)圖數(shù)據(jù)和得到的多個(gè)單視角增強(qiáng)圖進(jìn)行張量化操作得到一個(gè)多視角增強(qiáng)圖包括:
將圖數(shù)據(jù)和得到的多個(gè)單視角增強(qiáng)圖進(jìn)行重構(gòu),得到第一多視角增強(qiáng)圖,所述第一多視角增強(qiáng)圖包括第一鄰接張量和特征張量;
對(duì)所述第一鄰接張量進(jìn)行張量分解得到第二鄰接張量;
基于所述第二鄰接張量和特征張量生成第二多視角增強(qiáng)圖,所述第二鄰接張量為所述第二多視角增強(qiáng)圖的鄰接張量。
3.根據(jù)權(quán)利要求2所述的基于張量圖卷積網(wǎng)絡(luò)的節(jié)點(diǎn)分類方法,其特征在于,對(duì)所述第一鄰接張量進(jìn)行張量分解得到第二鄰接張量包括:
利用基于張量的奇異值分解方法對(duì)所述第一鄰接張量進(jìn)行張量分解,得到所述第一鄰接張量的低秩近似值作為第二鄰接張量。
4.根據(jù)權(quán)利要求2所述的基于張量圖卷積網(wǎng)絡(luò)的節(jié)點(diǎn)分類方法,其特征在于,所述張量圖卷積網(wǎng)絡(luò)模型包括輸入層、二層張量圖卷積層、全連接層和輸出層,對(duì)所述張量圖卷積網(wǎng)絡(luò)模型的訓(xùn)練過(guò)程包括:
利用所述輸入層將訓(xùn)練集中各圖數(shù)據(jù)對(duì)應(yīng)多視角增強(qiáng)圖的鄰接張量和特征張量輸入到所述二層張量圖卷積層;
利用所述二層張量圖卷積層得到所述多視角增強(qiáng)圖的節(jié)點(diǎn)表征張量;
利用所述全連接層根據(jù)所述節(jié)點(diǎn)表征張量得到節(jié)點(diǎn)表征矩陣;
利用所述輸出層根據(jù)所述節(jié)點(diǎn)表征矩陣得到圖數(shù)據(jù)中各節(jié)點(diǎn)的預(yù)測(cè)分類結(jié)果。
5.根據(jù)權(quán)利要求4所述的基于張量圖卷積網(wǎng)絡(luò)的節(jié)點(diǎn)分類方法,其特征在于,所述二層張量圖卷積層包括第一層張量圖卷積層和第二層張量圖卷積層,利用所述二層張量圖卷積層得到所述多視角增強(qiáng)圖的節(jié)點(diǎn)表征張量包括:
利用所述第一層張量圖卷積層對(duì)所述鄰接張量的每個(gè)前切面進(jìn)行對(duì)稱歸一化得到歸一鄰接張量,然后對(duì)所述歸一鄰接張量和所述特征張量進(jìn)行張量運(yùn)算得到第一特征張量;
利用所述第二層張量圖卷積層對(duì)所述歸一鄰接張量和所述第一特征張量進(jìn)行張量運(yùn)算得到節(jié)點(diǎn)特征張量。
6.根據(jù)權(quán)利要求5所述的基于張量圖卷積網(wǎng)絡(luò)的節(jié)點(diǎn)分類方法,其特征在于,利用所述第一層張量圖卷積層對(duì)所述歸一鄰接張量和所述特征張量進(jìn)行張量運(yùn)算得到第一特征張量包括:
所述第一層張量圖卷積層利用對(duì)所述歸一鄰接張量和所述特征張量進(jìn)行張量運(yùn)算得到第一特征張量;
其中,σ(·)表示非線性激活函數(shù),表示歸一鄰接張量,表示特征張量,表示第一層張量圖卷積層的權(quán)重張量,*表示張量t-product運(yùn)算,張量t-product運(yùn)算是先對(duì)張量沿著第三個(gè)維度進(jìn)行傅里葉變換將數(shù)據(jù)從原始空間域變換到傅里葉域,然后在傅里葉域中進(jìn)行兩個(gè)張量之間對(duì)應(yīng)矩陣前切面的矩陣乘法,最后將得到的結(jié)果沿著第三個(gè)維度進(jìn)行逆傅里葉變換回到原始的空域中作為張量t-product運(yùn)算的結(jié)果,表示第一特征張量。
7.根據(jù)權(quán)利要求6所述的基于張量圖卷積網(wǎng)絡(luò)的節(jié)點(diǎn)分類方法,其特征在于,利用所述第二層張量圖卷積層對(duì)所述歸一鄰接張量和所述第一特征張量進(jìn)行張量運(yùn)算得到節(jié)點(diǎn)特征張量包括:
所述第二層張量圖卷積層利用對(duì)所述歸一鄰接張量和所述第一特征張量進(jìn)行張量運(yùn)算得到第二特征張量,將所述第二特征張量作為節(jié)點(diǎn)特征張量;
其中,表示第二特征張量,表示第二層張量圖卷積層的權(quán)重張量。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中山大學(xué),未經(jīng)中山大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210536635.8/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無(wú)須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 基于快速?gòu)埩眶敯裟P偷囊曨l前景提取方法
- 運(yùn)算方法及相關(guān)方法和產(chǎn)品
- 張量寄存器文件
- 一種張量轉(zhuǎn)置方法、裝置、計(jì)算機(jī)及存儲(chǔ)介質(zhì)
- 一種基于張量的背景減除方法及系統(tǒng)
- 分解后的多維圖像的存儲(chǔ)、顯示和分析
- 在深度神經(jīng)網(wǎng)絡(luò)中利用激活稀疏性
- 一種基于張量鏈分解的流式數(shù)據(jù)增量處理方法及裝置
- 一種基于浮動(dòng)車數(shù)據(jù)加權(quán)張量重建的交通狀態(tài)估計(jì)方法
- 基于廣播機(jī)制進(jìn)行張量計(jì)算的方法、裝置、芯片及介質(zhì)
- 一種腸胃鏡配套清潔達(dá)標(biāo)圖譜
- 一種混合高低階圖卷積傳播系統(tǒng)
- 基于圖結(jié)構(gòu)矩陣特征向量的圖卷積神經(jīng)網(wǎng)絡(luò)生成方法
- 基于骨骼關(guān)節(jié)點(diǎn)的圖卷積行為識(shí)別方法及裝置
- 一種基于網(wǎng)絡(luò)結(jié)構(gòu)增強(qiáng)的圖卷積模型防御方法、裝置和系統(tǒng)
- 一種基于骨架的雙流自適應(yīng)圖卷積網(wǎng)絡(luò)行為識(shí)別方法
- 一種基于時(shí)空?qǐng)D卷積網(wǎng)絡(luò)的人臉檢測(cè)方法及裝置
- 一種基于權(quán)重不確定的圖卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法、裝置
- 一種基于圖自編碼器的融合子空間聚類方法及系統(tǒng)
- 基于圖卷積神經(jīng)網(wǎng)絡(luò)交互的推薦方法及系統(tǒng)
- 網(wǎng)絡(luò)和網(wǎng)絡(luò)終端
- 網(wǎng)絡(luò)DNA
- 網(wǎng)絡(luò)地址自適應(yīng)系統(tǒng)和方法及應(yīng)用系統(tǒng)和方法
- 網(wǎng)絡(luò)系統(tǒng)及網(wǎng)絡(luò)至網(wǎng)絡(luò)橋接器
- 一種電力線網(wǎng)絡(luò)中根節(jié)點(diǎn)網(wǎng)絡(luò)協(xié)調(diào)方法和系統(tǒng)
- 一種多網(wǎng)絡(luò)定位方法、存儲(chǔ)介質(zhì)及移動(dòng)終端
- 網(wǎng)絡(luò)裝置、網(wǎng)絡(luò)系統(tǒng)、網(wǎng)絡(luò)方法以及網(wǎng)絡(luò)程序
- 從重復(fù)網(wǎng)絡(luò)地址自動(dòng)恢復(fù)的方法、網(wǎng)絡(luò)設(shè)備及其存儲(chǔ)介質(zhì)
- 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、裝置及存儲(chǔ)介質(zhì)
- 網(wǎng)絡(luò)管理方法和裝置





