基于图卷积网络和自编码器的半监督网络表示学习模型

基于图卷积网络和自编码器的半监督网络表示学习模型

论文摘要

为了保留网络结构信息和节点特征信息,结合图卷积神经网络(GCN)和自编码器(AE),提出可扩展的半监督深度网络表示学习模型(Semi-GCNAE).利用GCN捕获节点的K阶邻域中所有节点的结构和特征信息,并将捕获的信息作为AE的输入.AE对GCN捕获的K阶邻域信息进行特征提取和非线性降维,并结合Laplacian特征映射保留节点的团簇结构信息.引入集成学习方法联合训练GCN和AE,使模型习得的节点低维向量表示能同时保留网络结构信息和节点特征信息.在5个真实数据集上的广泛评估表明,文中模型习得的节点低维向量表示可以有效保留网络的结构和节点特征信息,并在节点分类、可视化和网络重构任务上性能较优.

论文目录

  • 1 可扩展的半监督深度网络表示学习模型
  • 1.1 图卷积神经网络
  • 1.2 自编码器
  • 1.3 模型结构
  • 2 实验及结果分析
  • 2.1 实验数据集
  • 2.2 基准网络表示学习方法
  • 2.3 评价标准
  • 2.4 实验结果
  • 2.4.1 节点分类
  • 2.4.2 可视化
  • 2.4.3 网络重构
  • 3 结 束 语
  • 文章来源

    类型: 期刊论文

    作者: 王杰,张曦煌

    关键词: 网络表示学习,图卷积神经网络,自编码器,特征映射

    来源: 模式识别与人工智能 2019年04期

    年度: 2019

    分类: 信息科技

    专业: 自动化技术

    单位: 江南大学物联网工程学院

    基金: 江苏省产学研合作基金项目(No.BY2015019-30)资助~~

    分类号: TP18

    DOI: 10.16451/j.cnki.issn1003-6059.201904004

    页码: 317-325

    总页数: 9

    文件大小: 4918K

    下载量: 494

    相关论文文献

    • [1].一种低延时的多通道8B/10B编码器设计[J]. 光通信技术 2020(02)
    • [2].基于神经网络与模糊理论的模糊自编码器[J]. 信息技术 2020(04)
    • [3].基于改进栈式自编码器的风电机组发电机健康评估[J]. 计算机工程与科学 2020(03)
    • [4].基于自编码器的语音情感识别方法研究[J]. 电子设计工程 2020(06)
    • [5].定位编码器在钢丝绳检测中的应用与研究[J]. 中国石油和化工标准与质量 2020(03)
    • [6].一种基于绝对值编码器的压力机装模高度标定方法[J]. 锻压装备与制造技术 2020(03)
    • [7].一种编码器检测维修工作台[J]. 港口科技 2020(04)
    • [8].一种基于硬件补偿的机电编码器系统[J]. 电子测量技术 2020(12)
    • [9].基于参数稀疏自编码器的旋转机械故障诊断[J]. 机械与电子 2020(07)
    • [10].有限角磁电编码器极值扇区间差值判断细分方法[J]. 仪器仪表学报 2020(07)
    • [11].门座式起重机起升电机编码器固定方式的改进[J]. 工程机械与维修 2020(05)
    • [12].编码器专利技术综述[J]. 中国科技信息 2018(22)
    • [13].编码器原理与应用分析[J]. 无线互联科技 2018(22)
    • [14].装卸料机编码器交叉比较调试工具研发与应用[J]. 电工技术 2019(18)
    • [15].角度编码器的校准和应用[J]. 上海计量测试 2019(05)
    • [16].堡盟:智能化重载编码器[J]. 今日制造与升级 2018(03)
    • [17].满足安全需求的绝对编码器[J]. 电世界 2016(08)
    • [18].轮胎式起重机测速编码器常见故障分析与解决方案[J]. 港口科技 2016(08)
    • [19].深度自编码器用于人脸美丽吸引力预测的研究[J]. 五邑大学学报(自然科学版) 2014(04)
    • [20].圆编码器的振动干扰研究[J]. 机床与液压 2015(17)
    • [21].散货港口堆、取料机编码器优化[J]. 电子技术与软件工程 2015(18)
    • [22].电容式技术令旋转换向编码器可靠性大增[J]. 中国电子商情(基础电子) 2015(09)
    • [23].基于附加绝对值编码器和伺服驱动的定位系统[J]. 设备管理与维修 2020(01)
    • [24].重载编码器在苛刻输送任务中的应用[J]. 今日制造与升级 2020(05)
    • [25].筹谋未来 堡盟编码器勾勒智能化版图[J]. 今日制造与升级 2019(05)
    • [26].自编码器理论与方法综述[J]. 计算机系统应用 2018(05)
    • [27].编码器在山钢板坯连铸机中的设计与应用[J]. 重型机械 2018(05)
    • [28].离轴设计为磁编码器开拓全新应用领域[J]. 金属材料与冶金工程 2015(04)
    • [29].绝对值编码器的应用[J]. 金属加工(冷加工) 2016(04)
    • [30].18位高分辨率绝对位置磁编码器的研究[J]. 数字技术与应用 2016(08)

    标签:;  ;  ;  ;  

    基于图卷积网络和自编码器的半监督网络表示学习模型
    下载Doc文档

    猜你喜欢