典型文献
基于粗糙图的图卷积神经网络算法
文献摘要：
图卷积神经网络在解决节点分类问题时,使用拓扑图刻画节点间关系,并根据该拓扑图进行节点特征更新.然而,传统的拓扑图只能刻画节点之间的确定关系(即连接边权重为固定值),忽略真实世界中广泛存在的不确定性.这些不确定性不仅影响节点之间的关系,同时影响模型最终的分类性能.为了克服该缺陷,文中提出基于粗糙图的图卷积神经网络算法.首先,使用上下近似理论和传统拓扑图的边理论构造粗糙边,在粗糙边中使用成对出现的最大-最小关系值刻画节点之间的不确定关系,从而构建粗糙图.然后,设计基于粗糙图的可端到端训练的神经网络架构,将使用粗糙权重系数训练后的粗糙图输入图卷积神经网络,使用这些不确定信息更新节点特征.最后,根据这些学习的节点特征进行节点分类.在真实数据上的实验表明,文中算法可提高节点分类的准确率.
文献关键词：
图卷积神经网络;拓扑图;粗糙集;粗糙图;不确定关系
中图分类号：
作者姓名：
潘柏儒;丁卫平;鞠恒荣;黄嘉爽;程纯;沈鑫杰;耿宇
作者机构：
南通大学 信息科学技术学院 南通226019
文献出处：
引用格式：
[1]潘柏儒;丁卫平;鞠恒荣;黄嘉爽;程纯;沈鑫杰;耿宇-.基于粗糙图的图卷积神经网络算法)[J].模式识别与人工智能,2022(09):827-838
A类：
粗糙图
B类：
图卷积神经网络,神经网络算法,节点分类,分类问题,拓扑图,节点特征,特征更新,接边,边权重,重为,固定值,真实世界,影响模型,分类性能,下近似,不确定关系,端到端训练,神经网络架构,权重系数,不确定信息,信息更新,真实数据,高节,粗糙集
AB值：
0.252624
相似文献
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。
