一种基于互斥组稀疏学习的图神经网络节点分类方法

本发明涉及一种基于互斥组稀疏学习的图神经网络节点分类方法，包括如下步骤：在现有图神经网络中引入互斥组稀疏正则化机制，通过组内特征共享与组间特征竞争的策略，精细化地调控特征选择过程；将该正则项嵌入图神经网络中，依据不同网络层的特征重要性及噪声水平，自适应调整特征保留与剔除的权重以及平衡组稀疏和互斥稀疏正则化的比例，从而增强特征选择的鲁棒性与稳定性；实现对多尺度图特征的精细控制与选择。在实际中使用该方法可以提升神经网络对特征选择的灵活性与网络泛化性，同时显著增强了模型鲁棒性与表达能力。