摘要
本发明公开了一种多视图数据的图神经网络特征和标签传播方法,包括如下步骤:S1:初始化模型优化变量,并使用核方法评估所有图的邻接矩阵;S2:根据多视图数据中的节点特征,利用图神经网络的消息传递机制,将多视图数据中的节点特征在图结构中进行传播;S3:根据特征和标签传播并行或协同训练的选择,通过不同的多视图标签传播规则将标签信息在图结构中进行传播;S4:结合特征传播和标签传播的结果,预测测试样本的标签。本发明能够在多视图数据中有效整合信息,提高标签预测的准确性,适用于复杂的图结构数据处理任务。
技术关键词
标签传播方法
神经网络特征
节点特征
消息传递机制
矩阵
多层感知机
核方法
样本
融合标签
表达式
元素
参数
标记
游走模型
注意力机制
数据分布
融合特征
系统为您推荐了相关专利信息
数据估计方法
状态空间模型
参数
协方差矩阵
非临时性计算机可读存储介质
轮廓信息
图像对齐方法
模版
旋转角度差值
点云配准算法
电子烟烟雾
生成对抗网络
构建知识图谱
循环神经网络模型
节点特征
隐写方法
视频帧
交叉注意力机制
生成大素数
对齐模块
微服务实例
微服务系统
特征提取模型
服务异常检测方法
矩阵