-
题名基于多阶邻域贡献度的航线网络节点重要性辨识
- 1
-
-
作者
胡钢
王乐萌
卢志宇
胡俊杰
康凯
-
机构
安徽工业大学管理科学与工程学院
复杂系统多学科管理与控制安徽普通高校重点实验室
-
出处
《河北大学学报（自然科学版）》
CAS
北大核心
2024年第3期329-336,共8页
-
基金
国家自然科学基金资助项目(62072249)
国家社会科学基金一般项目(19BGL254)
+1 种基金
安徽省自然科学基金资助项目(2108085MC236)
安徽省高校自然科学研究项目(KJ2021A0385)。
-
文摘
为提高航线网络鲁棒性,对航线网络的节点重要性辨识进行研究.基于航空公司执飞数据构建航线网络拓扑模型,依托航线网络节点间交互阶数与网络平均路径差值集结邻域多阶异质性信息,利用航线网络邻域节点的圈结构表征节点在网络中的紧密性特征集结.构建基于航线网络的节点多阶邻域信息与结构信息融合模型并提出基于多阶邻域贡献度的节点中心性算法.实验选取投入攻击资源R=0.3和R=0.5进行分析,分别最大提升39.62%和49.69%的攻击效用值,表明该算法对航线网络节点重要性辨识准确有效,可给航线网络连通性优化设计提供理论参考.
-
关键词
航线网络
节点多阶邻域
邻域贡献度
圈结构贡献度
-
Keywords
airline network
multi-order neighborhood of nodes
neighborhood contribution degree
circle structure contribution degree
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名用于非精确图匹配的改进注意图卷积网络
被引量：6
- 2
-
-
作者
李昌华
刘艺
李智杰
-
机构
西安建筑科技大学信息与控制工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第1期41-45,共5页
-
基金
国家自然科学基金项目(61373112,51878536)资助
陕西省自然科学基金项目(2020JQ-687)资助。
-
文摘
将传统图卷积网络模型应用于非精确图匹配时,在卷积步骤早期易存在节点特性以及节点之间拓扑特征的损失,从而影响导致匹配性能.针对这一问题,提出了改进注意图卷积网络模型.使用相对较少的参数以端到端的方式学习分层表示,利用自注意机制来区分应该丢弃或保留的节点.首先利用注意图卷积网络来自动学习不同跳上邻域的重要程度;其次,加入自注意池化层,从矩阵图嵌入的各个方面概括图表示;最后,在多个标准图数据集中进行训练和测试.实验结果表明,相较于目前最先进的图核和其他深度学习算法,该方法在标准图数据集上实现了更优的图分类性能.
-
关键词
节点邻域
图形拓扑
图匹配
自注意图卷积网络
自注意图池化
-
Keywords
node neighborhood
graph topology
graph matching
attention graph convolutional network
self-attention graph pooling
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名用于非精确图匹配的改进GCN模型
被引量：2
- 3
-
-
作者
李昌华
崔李扬
李智杰
-
机构
西安建筑科技大学信息与控制工程学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2020年第8期1397-1408,共12页
-
基金
国家自然科学基金Nos.61373112,51878536
西安建筑科技大学基础研究基金No.RC1716。
-
文摘
针对现有图匹配算法对拓扑结构节点特征挖掘不够充分问题,提出了一种用于非精确图匹配的改进图卷积神径网络(GCN)模型。首先,考虑到选取的节点应具有较强的代表性,利用社交网络分析中三种衡量网络节点中心度的方法去获取图中节点的中心度,按照节点的中心度大小排序。其次,针对图的节点和边具有相应的领域特征,把拓扑结构映射到网格结构的同时,应最大化表示节点之间的关系属性,在节点邻域大小不满足感受野阈值时,对节点邻域进行中心度排序并按中心度大小依次获取邻域节点,直到邻域大小满足感受野阈值,进而利用卷积神经网络进行图的分类识别。最后,在多个标准图数据集上进行了训练和测试。实验结果表明,改进的GCN模型在图匹配问题上较同类方法具有更高的识别率。
-
关键词
拓扑结构
节点邻域
排序
图卷积神经网络
非精确图匹配
-
Keywords
topology
nodes neighborhood
sort
graph convolutional neural network
imprecise graph matching
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
