龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江工业大学
摘要：一种基于全局采样子图的图宽度学习分类方法，包括：1全局采样，使用连边采样法对原始网络进行全局采样，得到子图；2子图映射，通过连边到节点的映射机制分别将上述子图映射一次或两次得到一阶与二阶网络；3图特征提取与融合，通过Graph2vec模型提取原始网络以及所有映射后网络的特征，再将提取得到的原始网络特征以及各次采样映射后的一、二阶网络特征拼接，作为原始图的特征表示；4宽度网络分类。本发明还公开了一种基于上述方法的高效准确图分类系统。结合上述融合的图特征与已知的图标签有监督的训练宽度网络分类器中的权重矩阵。最后根据宽度网络中的权重矩阵与输入图特征来实现对图的有效分类。
主权项：1.一种基于全局采样子图的图宽度学习分类方法，其特征在于，包括以下步骤：S1：全局采样，对原始图按照连边进行N次全局采样得到N个子网络；S2：子图映射，按照SGN规则分别对N个子网络进行一阶和二阶的映射，得到2N个映射网络；S3：特征提取与特征融合，对原始网络与2N个映射网络分别基于Graph2vec进行特征提取，分别得到2N+1个网络的K维网络表征向量，通过表征向量横向拼接获取2N+1×K维的特征向量作为原始网络的最终表示；S4：宽度网络分类器训练，通过原始网络的最终表示和网络标签有监督的训练宽度网络，最终通过十折交叉验证获得图分类的精度。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种基于全局采样子图的图宽度学习分类方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号