SSGCN-混合式图卷积网络:用于三维CAD模型的加工特征识别

1

作者 王洪申 王尚旭 强会英 《机械科学与技术》 北大核心 2025年第1期30-39,共10页

为解决CAD/CAPP/CAM集成过程中,三维CAD模型加工特征识别问题,提出了一种混合式图卷积网络(Hybrid spectral domain and spatial domain graph convolution networks, SSGCN)的特征识别算法。以三维模型的面为节点,边为节点间的连接关系... 为解决CAD/CAPP/CAM集成过程中,三维CAD模型加工特征识别问题,提出了一种混合式图卷积网络(Hybrid spectral domain and spatial domain graph convolution networks, SSGCN)的特征识别算法。以三维模型的面为节点,边为节点间的连接关系,构建图数据结构。提取面的几何属性信息,自定义编码构建节点属性矩阵,作为网络的输入。提取图结构的邻接矩阵、度矩阵等构建混合式图卷积网络。通过Python-OCC相关算法以及布尔运算,设计了一种批量生成带有面标签的加工特征模型数据集算法。使用带有面标签的加工特征模型数据集对网络进行训练,对加工特征模型进行测试,得到很好的识别效果。 展开更多

关键词 CAD模型 图卷积网络 加工特征识别 邻接矩阵

在线阅读 下载PDF 职称材料

基于图卷积网络的室内Wi-Fi指纹定位算法

2

作者 康晓非 梁琪悦 李雨玫 《计算机工程与设计》 北大核心 2025年第8期2157-2162,共6页

针对传统室内定位算法未考虑指纹数据非欧几里德特征的问题,提出一种基于图卷积网络(graph convolutional neural network,GCN)双层特征提取的Wi-Fi指纹室内定位算法(DuGCNLoc)。该算法在接入点(access point,AP)层面通过设计邻接矩阵... 针对传统室内定位算法未考虑指纹数据非欧几里德特征的问题,提出一种基于图卷积网络(graph convolutional neural network,GCN)双层特征提取的Wi-Fi指纹室内定位算法(DuGCNLoc)。该算法在接入点(access point,AP)层面通过设计邻接矩阵建立图结构;在参考点(reference point,RP)层面,使用K近邻(K-nearest neighbor,KNN)选取邻近节点构建子图,并通过GCN分别对图结构特征提取,位置预测由全连接层(fully connected layer,FC)完成。实验结果表明,所提算法在自建数据集和公共数据集上的定位性能均优于传统算法,实现了平均定位误差为0.85 m的精度。 展开更多

关键词 室内定位 位置指纹 图结构 邻接矩阵 图卷积网络 最近邻算法 接收信号强度

在线阅读 下载PDF 职称材料

利用可选择多尺度图卷积网络的骨架行为识别

3

作者 曹毅 李杰 +2 位作者 叶培涛 王彦雯 吕贤海 《电子与信息学报》 北大核心 2025年第3期839-849,共11页

针对目前骨架行为识别方法忽视骨架关节点多尺度依赖关系和无法合理利用卷积核进行时间建模的问题,该文提出了一种可选择多尺度图卷积网络(SMS-GCN)的行为识别模型。首先,介绍了人体骨架图的构建原理和通道拓扑细化图卷积网络的结构;其... 针对目前骨架行为识别方法忽视骨架关节点多尺度依赖关系和无法合理利用卷积核进行时间建模的问题,该文提出了一种可选择多尺度图卷积网络(SMS-GCN)的行为识别模型。首先,介绍了人体骨架图的构建原理和通道拓扑细化图卷积网络的结构;其次,构建成对关节邻接矩阵和多关节邻接矩阵以生成多尺度通道拓扑细化邻接矩阵,并引入图卷积网络,进一步提出多尺度图卷积(MS-GC)模块,以期实现对骨架关节点的多尺度依赖关系的建模;然后,基于多尺度时序卷积和可选择大核网络,提出可选择多尺度时序卷积(SMS-TC)模块,以期实现对有用的时间上下文特征的充分提取,同时结合MS-GC和SMS-TC模块,进而提出可选择多尺度图卷积网络模型并在多支流数据输入下进行训练;最后,在NTU-RGB+D和NTU-RGB+D 120数据集上进行大量实验,实验结果表明,该模型能够捕获更多的关节特征和学习有用的时间信息,具有优异的准确率和泛化能力。 展开更多

关键词 骨架行为识别 图卷积网络 多尺度通道拓扑细化邻接矩阵 可选择多尺度时序卷积 可选择多尺度图卷积网络

在线阅读 下载PDF 职称材料

融合生成对抗图卷积网络的社会化推荐算法

4

作者 李梁 卫鼎峰 +1 位作者 李刚 赵清华 《计算机应用与软件》 北大核心 2025年第1期224-233,共10页

针对显性社交关系的嘈杂性问题以及大多数社会化推荐算法忽略好友之间动态变化的问题,提出一种融合生成对抗图卷积网络的社会化推荐算法(AGCN)。在评分信息和显性社交关系上构建用户的潜在好友关系;利用精简高效的图卷积神经网络学习信... 针对显性社交关系的嘈杂性问题以及大多数社会化推荐算法忽略好友之间动态变化的问题,提出一种融合生成对抗图卷积网络的社会化推荐算法(AGCN)。在评分信息和显性社交关系上构建用户的潜在好友关系;利用精简高效的图卷积神经网络学习信息的结构特征,以获取用户和产品的深层次特征;采用生成对抗网络动态地构建与用户具有相同喜好的可信好友,惩戒虚假好友,实现好友的动态变化。在Filmtrust与Ciao数据集上的结果表明,与BPR、SBPR、CUNE-BPR和LightGCN算法相比,无论是普通用户还是冷启动用户,该算法均实现了更好的推荐性能。 展开更多

关键词 显性社交关系 图卷积神经网络 生成对抗网络 自动编码器

在线阅读 下载PDF 职称材料

高斯混合模型与文本图卷积网络结合的虚假评论识别算法

5

作者 王星 刘贵娟 陈志豪 《计算机应用》 CSCD 北大核心 2024年第2期360-368,共9页

针对文本图卷积网络(Text GCN)窗口边权阈值策略不足的问题,为了更精准地挖掘相关的词关联结构、提高预测精度,提出一种高斯混合模型(GMM)与Text GCN结合的虚假评论识别算法F-Text GCN。首先,利用GMM分离噪声边权分布的特性,提高虚假评... 针对文本图卷积网络(Text GCN)窗口边权阈值策略不足的问题,为了更精准地挖掘相关的词关联结构、提高预测精度,提出一种高斯混合模型(GMM)与Text GCN结合的虚假评论识别算法F-Text GCN。首先,利用GMM分离噪声边权分布的特性,提高虚假评论在训练数据上相对正常评论数不足的边信号强度;然后,考虑到信源的多样性,综合文档、词汇和评论以及非文本特征构造邻接矩阵;最后,通过Text GCN的谱分解提取邻接矩阵的虚假评论关联结构实施预测。根据国内某大型电商平台采集的126086条实际中文评论数据开展实证研究,实验结果表明,F-Text GCN识别虚假评论的F1值达到82.92%,与预训练表征模型BERT和文本卷积神经网络相比分别提升了10.46%和11.60%,相较于只使用评论文本信源的Text GCN模型F1值提升了2.94%;研究了高仿虚假评论的预测错误率,在支持向量机(SVM)作用后难识别的评论样本上尝试二次识别,F-Text GCN整体预测准确率可达94.71%,相较于Text GCN和SVM,在识别准确率上分别提升了2.91%和14.54%。研究发现,虚假评论的二阶图邻居结构显示出较强的干预消费者决策的词汇,这表明所提算法特别适用于提取用于虚假评论检测的长程词语搭配结构和全局句子特征模式变化的场景。 展开更多

关键词 高斯混合模型 虚假评论识别 文本图卷积神经网络 邻接矩阵 词汇共现网络

在线阅读 下载PDF 职称材料

基于图卷积交互网络的车辆轨迹预测方法 被引量：1

6

作者 王梦茜 蔡英凤 +3 位作者 王海 饶中钰 陈龙 李祎承 《汽车工程》 EI CSCD 北大核心 2024年第10期1863-1872,共10页

精确预测邻近车辆的未来轨迹对自动驾驶汽车的决策和运动规划至关重要,现有研究倾向于利用递归神经网络(RNN)对车辆的时间交互进行建模,但其对车辆交互建模的可解释性差,忽略了实际的车道结构,在捕捉车辆与其环境的交互方面存在不足。... 精确预测邻近车辆的未来轨迹对自动驾驶汽车的决策和运动规划至关重要,现有研究倾向于利用递归神经网络(RNN)对车辆的时间交互进行建模,但其对车辆交互建模的可解释性差,忽略了实际的车道结构,在捕捉车辆与其环境的交互方面存在不足。为解决这一问题,本文提出了一种基于图卷积交互网络的考虑车道拓扑约束的车辆轨迹预测模型。其中车辆交互关系提取模块在构建车辆的空间关系时增加了边缘权重,以考虑车辆的邻近交互,使交互更具可解释性;行驶场景表征模块旨在通过从高精地图中提取车道拓扑来提高车辆轨迹预测的准确性;轨迹预测模块将上述两个模块的输出进行集成,并输出预测的未来轨迹。这种集成允许对道路结构和车辆行驶轨迹之间的相互作用进行更精确的建模。实验结果表明,与主流方法相比,该模型在Argoverse数据集上取得了良好的性能,提高了复杂道路结构下车辆轨迹规划的准确性和合理性。 展开更多

关键词 自动驾驶汽车 轨迹预测 图卷积网络 交互建模

在线阅读 下载PDF 职称材料

基于图卷积网络的高质量专利自动识别方案研究 被引量：25

7

作者 吴洁 桂亮 刘鹏 《情报杂志》 CSSCI 北大核心 2022年第1期88-95,124,共9页

[研究目的]高质量专利对促进专利转化、技术追踪和战略布局十分重要,面对海量专利数据,如何准确高效自动识别高质量专利,为开展后续专利投资融资、产业转型等专利工作做基础铺垫,成为当前重要研究问题。[研究方法]以国家知识产权局受理... [研究目的]高质量专利对促进专利转化、技术追踪和战略布局十分重要,面对海量专利数据,如何准确高效自动识别高质量专利,为开展后续专利投资融资、产业转型等专利工作做基础铺垫,成为当前重要研究问题。[研究方法]以国家知识产权局受理的申请专利为研究对象,使用专利维持年限表征专利质量,提取专利数字特征并嵌入专利文本特征生成的专利-核心词汇网络,搭建图卷积网络模型自动识别高质量专利。[研究结论]目前针对专利质量的研究专注于挖掘专利数字特征而忽视专利文本特征,该方案在高质量专利自动识别过程中使用专利数字特征与文本特征,对当前专利质量研究做出补充。此外,所提方案可在专家标注少量专利文档情况下完成专利质量识别任务,解决现有专利质量标签标注方案无法全面衡量专利质量的局限。同时,将图卷积网络扩展到专利背景下的质量识别领域,为专利质量研究提供崭新框架,实验结果也显示方案具有较高实践价值。 展开更多

关键词 专利质量 图卷积网络 评价指标 文本特征 自动识别

在线阅读 下载PDF 职称材料

基于图卷积网络的专利摘要自动生成研究 被引量：4

8

作者 李健智 王红玲 王中卿 《计算机科学》 CSCD 北大核心 2022年第S01期172-177,共6页

专利说明书含有大量有用的信息,但由于篇幅很长,人们很难快速获取其中的有效信息。专利摘要是对一份完整专利说明书的总结与概述,权利要求书作为说明书的一部分,其记载的内容确定了专利申请文件的保护范围,含有专利文献的主要信息。同... 专利说明书含有大量有用的信息,但由于篇幅很长,人们很难快速获取其中的有效信息。专利摘要是对一份完整专利说明书的总结与概述,权利要求书作为说明书的一部分,其记载的内容确定了专利申请文件的保护范围,含有专利文献的主要信息。同时经研究发现,专利的权利要求书具有特殊的结构。因此,提出了一种基于图卷积网络的专利摘要自动生成方法,旨在通过专利的权利要求书及其结构信息来生成专利摘要。该方法首先获取权利要求书中的结构信息,在编码阶段引入图卷积神经网络来融合语义信息和结构信息,从而生成高质量的专利摘要。实验结果表明,与目前主流的抽取式摘要方法和传统的编码器-解码器生成方法相比,该方法在ROUGE评价指标上有显著提高。 展开更多

关键词 专利摘要 权利要求书 图卷积网络 自动文摘

在线阅读 下载PDF 职称材料

用于动作识别的双流自适应注意力图卷积网络 被引量：7

9

作者 杜启亮 向照夷 +1 位作者 田联房 余陆斌 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第12期20-29,共10页

人体动作识别因在公共安全方面具有重要的作用而在计算机视觉领域备受关注。然而,现有的图卷积网络在融合多尺度节点的邻域特征时,通常采用各阶邻接矩阵直接相加的方法,各项重要性一致,难以聚焦于重要特征,不利于最优节点关系的建立,同... 人体动作识别因在公共安全方面具有重要的作用而在计算机视觉领域备受关注。然而,现有的图卷积网络在融合多尺度节点的邻域特征时,通常采用各阶邻接矩阵直接相加的方法,各项重要性一致,难以聚焦于重要特征,不利于最优节点关系的建立,同时采用对不同模型的预测结果求平均的双流融合方法,忽略了潜在数据的分布差异,融合效果欠佳。为此,文中提出了一种双流自适应注意力图卷积网络,用于对人体动作进行识别。首先,设计了能自适应平衡权重的多阶邻接矩阵,使模型聚焦于更加重要的邻域;然后,设计了多尺度的时空自注意力模块及通道注意力模块,以增强模型的特征提取能力;最后,提出了一种双流融合网络,利用双流预测结果的数据分布来决定融合系数,提高融合效果。该算法在NTU RGB+D的跨主体和跨视角两个子数据集上的识别准确率分别达92.3%和97.5%,在Kinetics-Skeleton数据集上的识别准确率达39.8%,均高于已有算法,表明了文中算法对于人体动作识别的优越性。 展开更多

关键词 动作识别 图卷积网络 邻接矩阵 注意力 双流融合

在线阅读 下载PDF 职称材料

基于双流自适应图卷积神经网络的行人过街意图识别 被引量：3

10

作者 胡远志 蒋涛 +1 位作者 刘西 施友宁 《汽车安全与节能学报》 CAS CSCD 北大核心 2022年第2期325-332,共8页

对城市道路上的自动驾驶车辆,提出了一种判别行人过街意图的识别方法。该方法利用双流、时空自适应图卷积神经网络(2s-AGCN),联系了行人骨架的动力学与行人过街意图;以时空图卷积神经网络(ST-GCN)的动作识别为基础,加入自适应图卷积神... 对城市道路上的自动驾驶车辆,提出了一种判别行人过街意图的识别方法。该方法利用双流、时空自适应图卷积神经网络(2s-AGCN),联系了行人骨架的动力学与行人过街意图;以时空图卷积神经网络(ST-GCN)的动作识别为基础,加入自适应图卷积神经网络结构(AGCN);在骨骼的长度和方向上,设计了双流网络,将2个网络输出的Softmax分数融合,来预测行人过街意图。根据自动驾驶联合注意力公开数据集(JAAD),进行了仿真实验。结果表明:本文的2s-AGCN行人过街意图识别方法的准确率达到了89.36%,比ST-GCN神经网络的结果高3.36%。因此,该方法识别准确率较高。 展开更多

关键词 自动驾驶车辆 驾驶安全 行人过街意图 图卷积神经网络(GCN)

在线阅读 下载PDF 职称材料

图卷积融合计算时效网络节点重要性评估分析 被引量：1

11

作者 周传华 操礼春 +1 位作者 周家亿 詹凤 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第5期930-938,共9页

复杂网络节点的重要性度量与时间属性相关,经典静态网络模型弱化对节点交互时间属性的有效表征.将深度学习模型迁移到动态图数据上进行端到端系统建模,提出基于图卷积融合计算的时效网络节点重要性综合评估模型.通过超邻接矩阵集结时效... 复杂网络节点的重要性度量与时间属性相关,经典静态网络模型弱化对节点交互时间属性的有效表征.将深度学习模型迁移到动态图数据上进行端到端系统建模,提出基于图卷积融合计算的时效网络节点重要性综合评估模型.通过超邻接矩阵集结时效网络结构特征的动态演化过程,利用图卷积神经网络框架融合计算节点邻域特征,分析节点时序演化重要性顺序结构,实现节点重要性综合排序.仿真实验结果表明,与基线方法相比,所提方法得到的Kendall’sτ值在所选网络数据集上均表现优良,体现出基于图卷积融合计算的时效网络节点重要性综合评估方法的有效性和优越性. 展开更多

关键词 时效网络 关键节点识别 超邻接矩阵 图卷积神经网络 全局时序效率

在线阅读 下载PDF 职称材料

基于互信息–图卷积神经网络的燃煤电站NOx排放预测 被引量：19

12

作者 刘菡 王英男 +1 位作者 李新利 杨国田 《中国电机工程学报》 EI CSCD 北大核心 2022年第3期1052-1059,共8页

燃煤电站NO_(x)排放预测模型可提高脱硝经济性。NO_(x)排放机理复杂,相关性变量众多,有效的融合相关变量之间的信息,能提高NO_(x)排放预测精度。提出了一种基于互信息-图卷积神经网络的NO_(x)排放预测模型。基于某660MW燃煤电站的运行参... 燃煤电站NO_(x)排放预测模型可提高脱硝经济性。NO_(x)排放机理复杂,相关性变量众多,有效的融合相关变量之间的信息,能提高NO_(x)排放预测精度。提出了一种基于互信息-图卷积神经网络的NO_(x)排放预测模型。基于某660MW燃煤电站的运行参数,计算影响NO_(x)排放的特征变量之间的互信息,设计特征变量间的邻接关系,获取特征邻接矩阵,构建了基于图卷积神经网络的NO_(x)排放预测模型。将所提出的NO_(x)预测模型与基于LSTM、BPNN和LS-SVM的典型NO_(x)预测模型进行对比,实验结果表明,MI-GCN预测模型具有较好的泛化能力和较高的预测精度。 展开更多

关键词 图卷积神经网络 NO_(x)排放预测 互信息 特征邻接矩阵

在线阅读 下载PDF 职称材料

基于时空自适应图卷积神经网络的脑电信号情绪识别 被引量：18

13

作者 高越 傅湘玲 +2 位作者 欧阳天雄 陈松龄 闫晨巍 《计算机科学》 CSCD 北大核心 2022年第4期30-36,共7页

随着人机交互在计算机辅助领域的快速发展,脑电信号已成为情绪识别的主要手段。与此同时,图网络因其对拓扑结构数据的优秀表征能力,逐渐受到研究者们的广泛关注。为进一步提升图网络对多通道脑电信号的表征性能,文中结合脑电信号的稀疏... 随着人机交互在计算机辅助领域的快速发展,脑电信号已成为情绪识别的主要手段。与此同时,图网络因其对拓扑结构数据的优秀表征能力,逐渐受到研究者们的广泛关注。为进一步提升图网络对多通道脑电信号的表征性能,文中结合脑电信号的稀疏性、不频繁性等多种特性,提出了一种基于时空自适应图卷积神经网络的脑电情绪识别方法(Self-Adaptive Brain Graph Convolutional Network with Spatiotemporal Attention,SABGCN-ST)。该方法通过引入时空注意力机制解决了情绪的稀疏性问题,并根据自适应学习的脑网络拓扑邻接矩阵,挖掘不同位置的电极通道之间的功能连接关系。最终模型基于图卷积操作进行图结构的特征学习,以实现对脑电信号的情绪预测。在DEAP和SEED两个脑电信号公开数据集上开展了大量实验,实验结果证明,SABGCN-ST相比基线模型在准确率上具有显著的优势,平均情绪识别准确率达到84.91%。 展开更多

关键词 脑电信号 情绪识别 图卷积神经网络 时空注意力机制 自适应邻接矩阵 深度学习

在线阅读 下载PDF 职称材料

融合改进图卷积的跨模态检索

14

作者 张宏图 化春键 +2 位作者 蒋毅 俞建峰 陈莹 《计算机工程与应用》 CSCD 北大核心 2024年第11期95-104,共10页

针对现有跨模态检索在公共子空间度量时难以充分挖掘模态内局部一致性的问题,提出了一种融合改进图卷积的跨模态检索方法。为了提升各模态内的局部一致性,以单个完整样本为节点构建模态图,充分挖掘特征间的交互信息;为了解决图卷积网络... 针对现有跨模态检索在公共子空间度量时难以充分挖掘模态内局部一致性的问题,提出了一种融合改进图卷积的跨模态检索方法。为了提升各模态内的局部一致性,以单个完整样本为节点构建模态图,充分挖掘特征间的交互信息;为了解决图卷积网络只能做浅层学习的问题,采用在每一层图卷积添加初始残差链接和权重恒等映射的方法来缓解此现象;为了通过高低阶邻居信息共同更新中心节点特征,提出减少邻居节点、增加图卷积网络层数的改进;为了学习高度局部一致且语义一致的公共表征,共享公共表征学习层权重,并联合优化公共子空间中模态内的语义约束和模态间的模态不变约束。实验结果表明,在Wikipedia和Pascal sentence这两个跨模态数据集上,不同检索任务的平均mAP值比11种现有方法分别提升了2.2%~42.1%和3.0%~54.0%。 展开更多

关键词 图卷积网络 跨模态检索 初始残差连接 恒等映射 邻接矩阵

在线阅读 下载PDF 职称材料

基于元图卷积的异质网络嵌入学习算法 被引量：4

15

作者 任嘉睿 张海燕 +1 位作者 朱梦涵 马波 《计算机研究与发展》 EI CSCD 北大核心 2022年第8期1683-1693,共11页

异质网络嵌入是将异质网络中丰富的结构和语义信息嵌入到低维的节点表示中.图卷积网络是处理网络数据的一种有效方法,当前也被用于研究异质网络的多类型节点和多维关系的表示问题,现有的图卷积网络模型主要采用元路径来表示不同类型节... 异质网络嵌入是将异质网络中丰富的结构和语义信息嵌入到低维的节点表示中.图卷积网络是处理网络数据的一种有效方法,当前也被用于研究异质网络的多类型节点和多维关系的表示问题,现有的图卷积网络模型主要采用元路径来表示不同类型节点间的一种语义关系.然而,孤立的单条元路径无法准确地反映节点间的复杂语义,即不能充分利用节点间存在的多种高阶间接语义关系.针对上述问题,提出了一种基于元图卷积的异质网络嵌入学习算法MGCN(meta-graph convolutional network),包括基于元图的异构邻接矩阵计算以及学习节点的嵌入表示2个阶段,基于元图的异构邻接矩阵设计了融合多条元路径上的不同语义的计算方法,能够挖掘节点间的高阶间接关系,通过异构邻接矩阵的计算,能够聚合节点邻域特征为统一模式,此种卷积学习降低了图卷积方法的嵌入维数,从而减少了计算时间.在2个公开的异质网络数据集上进行社会计算基础研究任务的实验表明,MGCN在节点分类、聚类任务上比基线模型有更好的性能且需更少的训练时间. 展开更多

关键词 异质网络嵌入 图卷积神经网络 元图 异构邻接矩阵 高阶间接关系

在线阅读 下载PDF 职称材料

基于自组织增量-图卷积神经网络的金相图半监督学习 被引量：3

16

作者 李维刚 谌竟成 +1 位作者 谢璐 赵云涛 《电子与信息学报》 EI CSCD 北大核心 2021年第11期3301-3308,共8页

采用深度学习对钢铁材料显微组织图像分类,需要大量带标注信息的训练集。针对训练集人工标注效率低下问题,该文提出一种新的融合自组织增量神经网络和图卷积神经网络的半监督学习方法。首先,采用迁移学习获取图像数据样本的特征向量集合... 采用深度学习对钢铁材料显微组织图像分类,需要大量带标注信息的训练集。针对训练集人工标注效率低下问题,该文提出一种新的融合自组织增量神经网络和图卷积神经网络的半监督学习方法。首先,采用迁移学习获取图像数据样本的特征向量集合;其次,通过引入连接权重策略的自组织增量神经网络(WSOINN)对特征数据进行学习,获得其拓扑图结构,并引入胜利次数进行少量人工节点标注;然后,搭建图卷积网络(GCN)挖掘图中节点的潜在联系,利用Dropout手段提高网络的泛化能力,对剩余节点进行自动标注进而获得所有金相图的分类结果。针对从某国家重点实验室收集到的金相图数据,比较了在不同人工标注比例下的自动分类精度,结果表明:在图片标注量仅为传统模型12%时,新模型的分类准确度可达到91%。 展开更多

关键词 自组织增量神经网络 图卷积神经网络 自动标注 钢材显微组织

在线阅读 下载PDF 职称材料

错颌畸形的自动化诊断方法

17

作者 蒋晓彤 刘小峰 《电子测量与仪器学报》 北大核心 2025年第4期105-113,共9页

针对目前传统的错颌畸形诊断的主观性强、效率低等问题,设计了一种基于图神经网络(GNN)的错颌畸形自动化诊断方法GraphTeeth。GraphTeeth结合了图神经网络的架构优势,能够有效捕捉牙齿及其周围结构的拓扑信息。通过将牙齿的位置、形态... 针对目前传统的错颌畸形诊断的主观性强、效率低等问题,设计了一种基于图神经网络(GNN)的错颌畸形自动化诊断方法GraphTeeth。GraphTeeth结合了图神经网络的架构优势,能够有效捕捉牙齿及其周围结构的拓扑信息。通过将牙齿的位置、形态以及相互关系建模为图结构,利用节点间的消息传递机制学习到更加精细的局部特征和全局特征。在实验阶段,使用了包含各类错颌畸形病例的大型数据集来训练和测试GraphTeeth。实验结果显示,GraphTeeth在关键性能指标上显著优于现有的目标检测方法。在平均精确率均值(mAP)指标上,GraphTeeth达到了43.45%,相较于传统的目标检测算法如Mask R-CNN的32.26%、EfficientDet的38.73%和DETR的25.05%有显著提高。此外,对于特定类型的错颌畸形--如固定矫治器的配戴--GraphTeeth的准确率高达91.28%,而对于健康牙齿的识别率则达到了83.91%。结果表明,GraphTeeth能够提供更快、更准确、更客观的诊断,为正畸治疗提供可靠支持。 展开更多

关键词 错颌畸形 自动化检测 图神经网络 图卷积网络 深度学习

在线阅读 下载PDF 职称材料

基于多通道图卷积网络的节点聚类

18

作者 孙艳丰 杜鹏飞 《北京工业大学学报》 CAS CSCD 北大核心 2023年第3期355-362,共8页

针对在深度聚类中大部分基于图卷积网络(graph convolutional network,GCN)的方法仅使用拓扑图而忽略了特征空间中存在的结构信息的问题,提出一种通过引入特征图更充分地利用特征空间中存在的结构信息的节点聚类方法.首先,该方法使用自... 针对在深度聚类中大部分基于图卷积网络(graph convolutional network,GCN)的方法仅使用拓扑图而忽略了特征空间中存在的结构信息的问题,提出一种通过引入特征图更充分地利用特征空间中存在的结构信息的节点聚类方法.首先,该方法使用自动编码器(auto-encoder,AE)来学习节点特征的潜在表示,同时在特征图、拓扑图及节点属性3个层面获得节点嵌入;然后,使用融合机制对学习到的节点嵌入进行融合;最后,通过自监督的方式训练网络实现节点聚类.在6个基准数据集上的大量实验表明,该方法明显提高了聚类精度. 展开更多

关键词 节点聚类 图卷积网络(graph convolutional network GCN) 注意力机制 自动编码器(auto-encoder AE) 特征融合 图结构

在线阅读 下载PDF 职称材料

基于GCN和CNN联合的SAR图像自动目标识别 被引量：1

19

作者 秦基凯 刘峥 +1 位作者 谢荣 冉磊 《雷达科学与技术》 北大核心 2024年第6期587-595,共9页

基于卷积神经网络(Convolutional Neural Network, CNN)的合成孔径雷达(Synthetic Aperture Radar,SAR)自动目标识别(Automatic Target Recognition, ATR)技术近些年来备受关注,已成为SAR图像解译领域的研究热点。然而,这类方法主要利... 基于卷积神经网络(Convolutional Neural Network, CNN)的合成孔径雷达(Synthetic Aperture Radar,SAR)自动目标识别(Automatic Target Recognition, ATR)技术近些年来备受关注,已成为SAR图像解译领域的研究热点。然而,这类方法主要利用的是SAR图像的幅值信息,仅从局部区域中提取特征。鉴于SAR图像中的目标通常被视为散射中心的相干叠加,这些目标展现出复杂的结构和丰富的上下文信息。仅依靠CNN难以充分捕捉目标周围的全局信息,这可能会影响识别精度。因此,为了进一步提高识别性能,本研究引入图卷积网络(Graph Convolutional Network, GCN),提出一种结合GCN和CNN的SAR ATR方法。该方法首先利用传统CNN提取与SAR图像幅值相关的局部特征,接着通过构造图数据并应用GCN提取全局特征。此外,本研究还设计了多尺度GCN,通过融合不同尺度的特征来增强模型对图数据的学习能力。在模型训练阶段,采用标签平滑技术以缓解过拟合问题。通过端到端的训练策略,实现了GCN和CNN参数的联合优化,从而实现高精度的SAR图像目标识别。最终,通过在MSTAR和OpenSARship数据集上的实验表明,所提方法在识别性能上优于现有技术,并展现出卓越的泛化能力。 展开更多

关键词 合成孔径雷达 图卷积网络 卷积神经网络 自动目标识别 多尺度GCN

在线阅读 下载PDF 职称材料

基于图关系选择的深度聚类网络

20

作者 孙艳丰 杜鹏飞 《北京工业大学学报》 CAS CSCD 北大核心 2024年第12期1428-1436,共9页

针对在深度聚类中基于图卷积网络(graph convolutional network,GCN)编码图结构信息的方法存在过拟合的问题,提出一种通过对比学习将图邻接关系融合到传统深度网络中对图结构进行编码的方法。首先,该方法中使用自动编码器(auto-encoder,... 针对在深度聚类中基于图卷积网络(graph convolutional network,GCN)编码图结构信息的方法存在过拟合的问题,提出一种通过对比学习将图邻接关系融合到传统深度网络中对图结构进行编码的方法。首先,该方法中使用自动编码器(auto-encoder,AE)来学习节点特征的深层次潜在表示;然后,通过对比学习从图关系中学习有区分性的节点表示,同时设计了更细致的节点间影响力关系,从而为对比学习提供有力的正负样本选择依据;最后,通过自监督的方式训练网络以实现聚类任务。在6个基准数据集上进行了大量实验,结果表明,提出的方法显著地提高了聚类精度。 展开更多

关键词 节点聚类 图卷积网络(graph convolutional network GCN) 自动编码器(auto-encoder AE) 图关系 对比学习 自监督

在线阅读 下载PDF 职称材料