摘要
一种基于课程学习的图特征补全方法,包括以下步骤;步骤1:对给定无向图中每个节点的补全难度通过多视角难度测量器计算,评估图中每个节点的补全难度并进行评分;步骤2:根据线性或几何调度函数不断引入缺失特征的节点到扩散过程中,动态生成每轮扩散的无向子图结构;步骤3:将无向子图结构的节点之间的对称传播转化为与方向相关的有向传播方式,以不同的扩散水平聚集邻近节点的补全或已知特征,得到初步的补全特征矩阵;步骤4:对扩散补全特征矩阵通过通道互信息相关性传播模块进行进一步优化,最终输出重构后的特征矩阵,并将其送入下游的GNNs中进行相关任务的训练。本发明增强模型的表达能力,并最终优化网络在下游任务上的性能表现。
技术关键词
补全方法
通道
概率密度函数
矩阵
多视角
测量器
特征值
高斯混合模型
调度器
线性
定义结构
邻域特征
重构
节点特征
控制结构
分块
聚类
系统为您推荐了相关专利信息
数模转换模块
双运算放大器
数模转换芯片
单片机
带通滤波器
玻璃生产线冷端
应力检测方法
模式特征库
数据
应力检测系统
转换器
微控制器
视频信号处理技术
电源芯片
显示设备