基于概率分布对齐和信息熵最大化的图自监督学习方法

本发明公开了一种基于概率分布对齐和信息熵最大化的图自监督学习方法，所述方法包括以下步骤：对待处理图像进行双视角下的图数据增强处理；对双视角增强处理结果进行特征提取处理；对特征提取的双视角节点表征结果，进行基于节点表征层面和结构层面条件分布构建；对双视角多层面条件分布结果进行跨视角对齐；设置图卷积神经网络的信息熵最大化优化目标函数；基于对齐目标函数和信息熵最大化优化目标函数建立总体优化函数，基于此优化模型；本发明能够通过概率建模节点在拓扑空间和表征空间的分布，并基于JS散度进行对齐，全面捕捉了节点间的内在关系；通过最大化图神经网络参数矩阵的信息熵，显著增强了网络的表达能力和信息承载能力。