基于图卷积网络和自编码器的半监督网络表示学习模型

来源 :模式识别与人工智能 | 被引量 : 0次 | 上传用户:laoyu2030
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了保留网络结构信息和节点特征信息,结合图卷积神经网络(GCN)和自编码器(AE),提出可扩展的半监督深度网络表示学习模型(Semi-GCNAE)。利用GCN捕获节点的K阶邻域中所有节点的结构和特征信息,并将捕获的信息作为AE的输入。AE对GCN捕获的K阶邻域信息进行特征提取和非线性降维,并结合Laplacian特征映射保留节点的团簇结构信息。引入集成学习方法联合训练GCN和AE,使模型习得的节点低维向量表示能同时保留网络结构信息和节点特征信息。在5个真实数据集上的广泛评估表明,文中模型习得的节点低维向量
其他文献
目的探讨中医内科治疗在胃食管反流病治疗中的疗效。方法将本卫生院2017年9月~2019年9月期间接诊的40例胃食管反流病患者通过随机方式进行分组,观察组纳入20例、对照组纳入20
目的:探讨三阴性乳腺癌(TNBC)转移的影像学特点,并与非三阴性乳腺癌(NTNBC)进行比较。方法:回顾性分析本院2011年7月至2016年3月75例乳腺癌转移患者临床及影像学随访资料,根据免疫组化分为TNBC转移组、NTNBC转移组。分析TNBC转移与NTNBC转移在发病年龄、原发肿瘤大小、手术方式、病理类型、影像随访首次发现转移的时间、转移部位、影像检查中转移灶特点(部位、大小、形态、边缘、强
目的探讨非淋菌性宫颈炎治疗中阿奇霉素与阴道栓剂联合的临床价值。方法选取45例非淋菌性宫颈炎患者,均为2018年1月~2019年6月期间收治,按照随机数字表法分为两组,对照组(n=2
近日,四级飓风“哈维”横扫美国得州南部沿岸,导致30万户停电。不过,美国休斯顿大学电子工程系和得州1超导中心教授姚彦新研发出的镁电池,倒是为人们应对灾害断电问题带来希望。
目的研究循证护理对慢阻肺患者治疗依从性及肺功能改善的影响。方法样本研究选取2019年2月~2020年2月我院收治的慢阻肺患者82例;均分两组。对照组基础护理,研究组循证护理。