基於深度圖卷積膠囊網絡融合的圖分類模型

資料大小: 3.20 MB

所需積分: 0

下載次數:

用户評論: 0條評論,查看

上傳日期: 2021-05-07

上 傳 者: 他上傳的所有資料

資料介紹

標籤:深度學習(3474)模型(922)神經網絡(3135)

  針對提取圖表徵用於圖分類過程中的結構信息提取過程的問題,提出了一種圖卷積神經網絡與膠囊網絡融合的圖分類模型。首先,利用圖卷積神經網絡處理圖中的節點信息,迭代以後得到節點表徵,表徵中藴含着該節點的子樹結構信息;然後,利用 Weisfeiler-lehman圖核算法的思想對節點表徵的多維度進行排序,得到多視角的圖表徵;最後,將多視角的圖表徵整理成膠囊的形式並輸入膠囊網絡,使用動態路由算法得到更高層次的分類膠囊,進而進行分類。實驗結果表明,所提模型在公共數據集上的分類準確度提升了1%~3%,同時具備更強的結構特徵提取能力,在少樣本情況下的表現比 DGCNN更加穩定。

用户評論

查看全部 條評論

發表評論請先 , 還沒有賬號?免費註冊

發表評論

用户評論
技術交流、我要發言! 發表評論可獲取積分! 請遵守相關規定。
上傳電子資料