一种基于结构增强和图卷积网络的社区划分方法

本发明涉及一种基于结构增强和图卷积网络的社区划分方法，属于多视图聚类领域。旨在解决深度聚类算法中存在的结构信息冗余和表示信息融合不充分问题。该方法首先通过结构增强模块，利用对抗学习机制学习冗余边缘矩阵，增强图的结构信息，去除冗余连接。随后，利用自动编码器提取图的属性信息，并使用图卷积神经网络融合属性信息和增强的结构信息，得到更优的嵌入表示。该方法设计了一种双自监督机制，通过学习高置信度赋值来优化数据表示，提升聚类效果和模块的表示能力。最后，通过一步聚类模块直接获取表示的聚类分布，避免次优聚类性能。本发明能够有效提高社区发现的准确性和鲁棒性，为下游任务提供更精确的表示和更优的支持。