期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多层特征融合与增强的对比图聚类
1
作者
李志明
魏贺萍
+1 位作者
张广康
尤殿龙
《计算机应用研究》
北大核心
2025年第6期1749-1754,共6页
现有大多数对比图聚类算法存在以下问题:生成节点表示时忽略了浅层网络提取的底层特征和底层结构信息;未充分利用高阶邻居节点信息;未结合置信度信息与拓扑结构信息来构建正样本对。为解决以上问题,提出了基于多层特征融合与增强的对比...
现有大多数对比图聚类算法存在以下问题:生成节点表示时忽略了浅层网络提取的底层特征和底层结构信息;未充分利用高阶邻居节点信息;未结合置信度信息与拓扑结构信息来构建正样本对。为解决以上问题,提出了基于多层特征融合与增强的对比图聚类算法。该算法首先融合不同层次网络提取的节点特征,以补充节点的底层结构信息;其次,通过节点间的局部拓扑相关性和全局语义相似度聚合节点信息,以增强节点表示的上下文约束一致性;最后,联合置信度信息和拓扑结构信息构建更多高质量正样本对,提高簇内表示一致性。实验结果表明,CGCMFFE在四种广泛使用的聚类评价指标上表现出优异的性能。理论分析和实验研究验证了CGCMFFE中节点底层特征、高阶邻居节点信息、置信度和拓扑结构信息的关键作用,证明了CGCMFFE的优越性。
展开更多
关键词
多层特征融合
对比图聚类
无监督学习
在线阅读
下载PDF
职称材料
题名
基于多层特征融合与增强的对比图聚类
1
作者
李志明
魏贺萍
张广康
尤殿龙
机构
燕山大学
信息科学与工程学院
燕山大学
河北省软件工程重点实验室
燕山大学
河北省计算机虚拟技术与系统集成重点实验室
燕山大学燕山大学深圳研究院
出处
《计算机应用研究》
北大核心
2025年第6期1749-1754,共6页
基金
国家自然科学基金面上项目(62276226)
河北中央引导地方项目(236Z7725G)
河北省重点研发计划项目(20375001D)。
文摘
现有大多数对比图聚类算法存在以下问题:生成节点表示时忽略了浅层网络提取的底层特征和底层结构信息;未充分利用高阶邻居节点信息;未结合置信度信息与拓扑结构信息来构建正样本对。为解决以上问题,提出了基于多层特征融合与增强的对比图聚类算法。该算法首先融合不同层次网络提取的节点特征,以补充节点的底层结构信息;其次,通过节点间的局部拓扑相关性和全局语义相似度聚合节点信息,以增强节点表示的上下文约束一致性;最后,联合置信度信息和拓扑结构信息构建更多高质量正样本对,提高簇内表示一致性。实验结果表明,CGCMFFE在四种广泛使用的聚类评价指标上表现出优异的性能。理论分析和实验研究验证了CGCMFFE中节点底层特征、高阶邻居节点信息、置信度和拓扑结构信息的关键作用,证明了CGCMFFE的优越性。
关键词
多层特征融合
对比图聚类
无监督学习
Keywords
multi-level feature fusion
contrastive graph clustering
unsupervised learning
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多层特征融合与增强的对比图聚类
李志明
魏贺萍
张广康
尤殿龙
《计算机应用研究》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
