-
公开(公告)号：CN114611630A
公开(公告)日：2022-06-10
申请号：CN202210366187.1
申请日：2022-04-08
Applicant: 大连理工大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F40/216
Abstract: 本发明属于图挖掘技术领域，公开了一种基于集成学习和多层DropNode传播的节点分类方法。本发明包括如下步骤：首先，获取实验所需要使用的数据集，包括Cora、Citeseer、Pubmed三个数据集；然后，针对图数据，执行多层DropNode传播；接着，将多层DropNode传播获得的矩阵送入多层感知机(MLP模型)中进行预测，获得分类结果；再集成多个模型的分类结果；然后，计算监督损失和集成学习损失；最后，验证模型的鲁棒性和过平滑性。本发明通过半监督节点方法的实施，有效地提高了节点分类的准确率，同时很好地缓解了大多数图神经网络面临的不鲁棒和过平滑的问题。
Search Results
1
records
(took 0.018 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
