典型文献
差分进化算法优化的图注意力网络集成研究
文献摘要：
为进一步提升图分类算法的性能和稳健性,提出了差分进化算法优化的图注意力网络集成.首先,通过划分原始样本让不同的基学习器关注数据的不同区域;其次,利用差分进化算法良好的搜索能力,以分类器集成的分类错误率为目标函数优化基学习器的权重向量;最后,在权重向量基础上综合各基学习器的输出作为分类器集成的总体输出.实验引入引文数据集Cora进行验证,与基础的图注意力网络模型相比,所提出的集成算法的分类性能和稳健性有一定的改进.在固定超参数时其准确率比内部基学习器平均准确率高0.001～0.011,以0～0.005的差距持平或领先于多数投票法分类器集成;在随机超参数时其准确率比内部基学习器平均准确率高0.053～0.173,以0.003～0.006的优势领先于多数投票法分类器集成;此外在参数扰动和数据扰动下的集成训练时长分析也得出了有意义的结论.
文献关键词：
分类器集成;差分进化;图神经网络;注意力机制
中图分类号：
作者姓名：
刘鹏飞;张伟峰;何克晶
作者机构：
华南农业大学 数学与信息学院,广东 广州 510642;华南理工大学 计算机科学与工程学院,广东 广州 510006
文献出处：
引用格式：
[1]刘鹏飞;张伟峰;何克晶-.差分进化算法优化的图注意力网络集成研究)[J].云南大学学报（自然科学版）,2022(01):41-48
A类：
B类：
差分进化算法,算法优化,图注意力网络,网络集成,集成研究,图分类,分类算法,基学习器,搜索能力,分类器集成,错误率,目标函数优化,权重向量,引文,Cora,集成算法,分类性能,超参数,平均准确率,持平,领先于,多数投票,投票法,参数扰动,数据扰动,图神经网络,注意力机制
AB值：
0.298715
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
