-
题名基于图关系选择的深度聚类网络
- 1
-
-
作者
孙艳丰
杜鹏飞
-
机构
北京工业大学信息学部
-
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2024年第12期1428-1436,共9页
-
基金
国家自然科学基金资助项目(62172023)。
-
文摘
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。
-
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
-
Keywords
node clustering
graph convolutional network(GCN)
auto-encoder(AE)
graph relationship
contrastive learning
self-supervised learning
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于多通道图卷积网络的节点聚类
- 2
-
-
作者
孙艳丰
杜鹏飞
-
机构
北京工业大学信息学部
北京工业大学多媒体与智能软件技术北京市重点实验室
-
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2023年第3期355-362,共8页
-
基金
国家自然科学基金资助项目(62172023)。
-
文摘
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.
-
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
-
Keywords
node clustering
graph convolutional network(GCN)
attention mechanism
auto-encoder(AE)
feature fusion
graph structure
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
