公开(公告)号：CN112699938A

公开(公告)日：2021-04-23

申请号：CN202011604370.8

申请日：2020-12-30

Applicant: 北京邮电大学

Inventor： 石川 ,  王啸 ,  薄德瑜

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明实施例提供了一种基于图卷积网络模型的分类方法及装置，获取目标对象的待处理特征数据，并输入至目标图卷积网络模型；目标图卷积网络模型包括多层感知器、卷积网络和特征变换层；通过多层感知器分别对每一目标对象的待处理特征数据进行非线性变换，得到该目标对象的第一特征数据；通过卷积网络，对各目标对象的第一特征数据进行特征提取，得到各目标对象的聚合特征数据；通过特征变换层分别对每一目标对象的聚合特征数据进行映射处理，得到该目标对象的类别标签；在预设的类别标签与类别的对应关系中，确定每一目标对象的类别标签对应的类别，作为该目标对象的类别。基于上述处理，可以提高确定出的目标对象的类别的准确性。

公开(公告)号：CN112232492A

公开(公告)日：2021-01-15

申请号：CN202011193283.8

申请日：2020-10-30

Applicant: 北京邮电大学

Inventor： 石川 ,  王啸 ,  王睿嘉

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了一种基于解耦的异质网络嵌入方法、装置及电子设备，该方法包括：将从待处理异质网络获取的不同元路径下的嵌入向量输入至编码层，获得待定的共有特征向量，并基于元路径鉴别网络模型，得到该待定的共有特征向量的损失函数值；将从嵌入向量查找层获取的待定的特有特征向量与待定的共有特征向量进行合成，并基于语义鉴别网络模型，得到合成嵌入向量的损失函数值；在两个损失函数值小于或等于预设损失函数阈值时；输出该待定的共有特征向量与待定的特有特征向量，否则，调整编码层、嵌入向量查找层和生成层的参数，并重复执行将多组嵌入向量输入至编码层的步骤。从而实现在不选择元路径的前提下，保证异质网络的低维向量的准确度。

公开(公告)号：CN111930858A

公开(公告)日：2020-11-13

申请号：CN202010711317.1

申请日：2020-07-22

Applicant: 北京邮电大学

Inventor： 石川 ,  王啸 ,  赵健安

IPC: G06F16/28 ,  G06F16/22 ,  G06N3/04 ,  G06N20/00

Abstract: 本发明实施例提供一种异质信息网络的表示学习方法、装置及电子设备，包括：获得异质信息网络和异质信息网络的网络模式，并从异质信息网络中采样出与网络模式相匹配的网络模式实例以及针对异质信息网络包含的每个节点，基于该节点的一阶邻居关系和包含该节点的网络模式实例，得到该节点的节点表示，由于网络模式全面地保留了网络中的各节点的节点类型和关系信息，因此通过与网络模式相匹配的网络模式实例可以生成统一的网络表示。

公开(公告)号：CN111814853A

公开(公告)日：2020-10-23

申请号：CN202010591742.1

申请日：2020-06-24

Applicant: 北京邮电大学

Inventor： 王啸 ,  石川 ,  范少华

IPC: G06K9/62

Abstract: 本发明实施例提供了一种数据选择偏差下的去相关聚类方法及装置，其中，方法包括：获取存在偏差的多张图像，作为样本集；基于样本集，联合优化加权后聚类算法和去相关正则项，得到最优加权后聚类算法，其中，最优加权后聚类算法是通过多次计算加权后聚类算法得到的，加权后聚类算法是通过使用去相关正则项学习得到的各样本权重，对聚类算法进行加权得到的；各样本权重为通过使用去相关正则项，对样本集中的各图像，学习本次各样本权重；通过在本次加权后聚类算法中包含的本次聚类中心和簇不是首次聚类中心和簇，并且本次聚类中心和簇与上次聚类中心和簇之间的差异小于阈值时，得到最优加权后聚类算法，以确定图像不受偏差影响的聚类中心和簇。