公开(公告)号：CN114757271A

公开(公告)日：2022-07-15

申请号：CN202210353954.5

申请日：2022-04-06

Applicant: 扬州大学

Inventor： 徐晓华 ,  韩玉 ,  何萍 ,  夏应玺 ,  叶进

IPC: G06K9/62 ,  G06N3/04 ,  G06Q50/00

Abstract: 本发明公开了一种基于多通道图卷积网络的社交网络节点分类方法与系统。本发明首先根据社交网络数据集中的节点属性构造属性矩阵和邻接矩阵分别输入到两个图卷积网络通道，得到拓扑空间和特征空间对应的节点嵌入，同时通过参数共享的图卷积网络提取拓扑空间和特征空间的公共信息，并使用注意力机制来学习节点嵌入相对应的权重。为了能够增强不同输入在相同网络间得到的节点嵌入的共性，使用一致性对其进行约束，相对应地，为了确保能够从不同的网络中获取不同的节点信息，使用HSIC准则对相同输入在不同的网络得到的节点嵌入进行差异化约束。最后将约束和节点分类损失结合来构造目标函数并进行优化。本发明能够提高社交网络节点分类的准确性。

公开(公告)号：CN118747215A

公开(公告)日：2024-10-08

申请号：CN202410743756.9

申请日：2024-06-11

Applicant: 扬州大学

Inventor： 徐晓华 ,  叶进 ,  何萍 ,  吴志轩 ,  郭思驿

IPC: G06F16/35 ,  G06F18/24 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种邻居效应图卷积网络的引文网络节点分类方法及系统。本发明通过引入基于熵的度量来评估引文网络中节点邻域的异配性，并利用这一度量优化图卷积网络的信息聚合机制。首先，通过编码器将节点特征转换为两组特征：聚合特征和判别特征，分别对应于节点邻居的局部信息和节点自身的属性信息。通过利用每个节点的类别分布熵调整这两种特征的比例，动态调整信息聚合策略，以优化节点表示的生成过程。此外，通过考虑每个节点邻居的信息多样性，本发明采用冯·诺依曼熵作为权重指导图卷积的信息聚合过程，从而有效利用邻居信息并增强节点分类的辨别力。最后，本发明将这些机制整合并通过损失函数进行优化。本发明能够显著提高引文网络节点分类的准确性。

公开(公告)号：CN114757271B

公开(公告)日：2024-04-23

申请号：CN202210353954.5

申请日：2022-04-06

Applicant: 扬州大学

Inventor： 徐晓华 ,  韩玉 ,  何萍 ,  夏应玺 ,  叶进

IPC: G06F18/2415 ,  G06F18/2413 ,  G06F18/22 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06Q50/00

Abstract: 本发明公开了一种基于多通道图卷积网络的社交网络节点分类方法与系统。本发明首先根据社交网络数据集中的节点属性构造属性矩阵和邻接矩阵分别输入到两个图卷积网络通道，得到拓扑空间和特征空间对应的节点嵌入，同时通过参数共享的图卷积网络提取拓扑空间和特征空间的公共信息，并使用注意力机制来学习节点嵌入相对应的权重。为了能够增强不同输入在相同网络间得到的节点嵌入的共性，使用一致性对其进行约束，相对应地，为了确保能够从不同的网络中获取不同的节点信息，使用HSIC准则对相同输入在不同的网络得到的节点嵌入进行差异化约束。最后将约束和节点分类损失结合来构造目标函数并进行优化。本发明能够提高社交网络节点分类的准确性。

公开(公告)号：CN119271861A

公开(公告)日：2025-01-07

申请号：CN202411055445.X

申请日：2024-08-02

Applicant: 扬州大学

Inventor： 徐晓华 ,  郭思驿 ,  何萍 ,  朱含玉 ,  郑斯丹 ,  叶进 ,  胡雨豪

IPC: G06F16/906 ,  G06F16/901 ,  G06F18/213 ,  G06F18/22 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048

Abstract: 本发明公开了一种混合异配图高阶邻居卷积网络的引文网络节点分类方法及系统。本发明通过两个主要策略来构造图的邻接矩阵：首先，通过混合函数融合节点的一阶到k阶邻居信息，自适应地学习一个新的邻接矩阵；其次，利用多层感知机模型生成节点的软标签矩阵，并据此计算节点间的类相似度矩阵。在混合异配图高阶邻居卷积网络模型中，使用这两种学习到的邻接矩阵和类相似度矩阵进行操作，以进行更有效的节点特征更新。接着，本发明通过损失函数进行优化，以提高处理异配图数据时节点分类的准确性。最后，通过在多个真实数据集上与其他网络模型进行对比实验，本发明能够显著提高异配图上节点分类的准确性，并验证了混合异配图高阶邻居卷积网络在提取节点信息和提高节点分类准确率方面的有效性。

公开(公告)号：CN114973413A

公开(公告)日：2022-08-30

申请号：CN202210615104.8

申请日：2022-06-01

Applicant: 扬州大学

Inventor： 徐晓华 ,  许亭亭 ,  何萍 ,  夏应玺 ,  叶进

IPC: G06V40/20 ,  G06V10/82 ,  G06V10/46 ,  G06V10/26 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于单个RGB图像的三维手势识别方法与系统，首先通过手部分割网络生成只包含手的手部掩膜，原始的RGB图像利用手部掩膜裁剪出只包含手的手部图像；然后利用残差网络提取裁剪的手部图像的特征，减少计算量和防止过拟合；再利用二维关键点检测网络将卷积神经网络整合进可以学习信息丰富的空间信息模型序列化的预测框架，不断对手的关键点位置进行细化；最后重构三维关键点，利用二维关键点生成三维关键点，输出最有可能的手势。本发明对基于单个RGB图像的三维手势识别方法进行了充分的探索，从而达到可以在虚拟场景通过手势建立最直接的人机交互方式，让机器理解人类的表达。