-
公开(公告)号:CN118982693A
公开(公告)日:2024-11-19
申请号:CN202411200312.7
申请日:2024-08-29
申请人: 山西大学
摘要: 本发明提出了一种基于两级自步学习的无监督图匹配方法,实现步骤为:获取训练样本集和测试样本集;构建基于两级自步学习的无监督图匹配网络模型O;对无监督图匹配网络模型进行迭代训练;获取无监督图匹配结果。本发明在对无监督图匹配网络模型进行训练的过程中,自步学习子图更新网络通过置信度值较高的指示矩阵对融合关联子图的节点特征和分配关联子图的节点特征进行更新,批量样本自步学习反馈网络通过置信度对训练样本集进行更新,并将更新结果作为下一次迭代的输入,避免了现有技术中因存在置信度较低的节点特征和随机选取训练样本子集的缺陷,有效提高了匹配精度。