基本信息:
- 专利标题： 一种基于图注意力网络的复杂网络节点分类方法
- 申请号：CN202011035811.7 申请日：2020-09-27
- 公开(公告)号：CN112085124B 公开(公告)日：2022-08-09
- 发明人： 高智勇 , 黄婧 , 高建民 , 谢军太 , 李智勇 , 秦锐
- 申请人： 西安交通大学
- 申请人地址： 陕西省西安市咸宁西路28号
- 专利权人： 西安交通大学
- 当前专利权人： 西安交通大学
- 当前专利权人地址： 陕西省西安市咸宁西路28号
- 代理机构： 西安通大专利代理有限责任公司
- 代理人： 李鹏威
- 主分类号： G06K9/62
- IPC分类号： G06K9/62 ; G06N3/04 ; G06N3/08
摘要：
本发明公开了基于图神经网络的复杂网络节点分类方法，针对复杂机电系统耦合网络社团划分的难点问题，首先，将去趋势耦合相关分析应用于计算各监测变量节点间的相关关系，通过引入高斯噪声，对相关系数进行初次筛选，通过引入标度指数，对相关系数进行二次筛选；其次，以监测变量作为网络节点，将相关系数转换为连边权值，构建无向加权复杂网络；其次，从基于模块增益的全局模块度优化的静态社团检测算法出发，将网络中的每个节点作为一个划分，根据模块度函数，计算邻居节点对当前社团模块度增益，以此为依据判定该节点的社团归属，得到网络节点的初次划分，进而将网络初次划分的社团重新看成节点，在新的网络上进行新一轮的迭代，当模块度取得最大值时得到网络的最佳社团划分结果，将该结果作为图注意力神经网络的初始训练标签；并通过图注意力神经网络，基于实时监测数据进行训练，实现复杂网络的节点分类，从而为复杂机电系统耦合网络的准确描述提供可靠依据。
公开/授权文献:
- CN112085124A 一种基于图注意力网络的复杂网络节点分类方法 公开/授权日：2020-12-15
IPC结构图谱:
| G | 物理 |
| --G06 | 计算；推算；计数 |
| ----G06K | 数据识别；数据表示；记录载体；记录载体的处理 |
| ------G06K9/00 | 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置 |
| --------G06K9/62 | .应用电子设备进行识别的方法或装置 |