公开(公告)号：CN114330496A

公开(公告)日：2022-04-12

申请号：CN202111434145.9

申请日：2021-11-29

Applicant: 吉林大学

Inventor： 王英 ,  杨孟铎 ,  周昊 ,  孙明辰 ,  赵文龙

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于模体结构增强的图聚类方法。图数据不仅包含数据的特征信息，而且数据与数据之间也存在着联系，也就是结构信息。本发明旨在克服现有技术存在的对图数据在聚类方面挖掘图数据模式信息不足以及没有充分利用神经网络去深入学习图数据的表示的问题，该方法的步骤为：1.由图增强模块基于模体对图数据的结构进行增强得到增强后的邻接矩阵；2.将增强后的邻接矩阵以及图数据原有的特征矩阵输入到深度表示学习模块去学习获得图数据有效表示；3.使用自监督模块统一深度自编码器和图自编码器学习到的表示；4.利用获得到的图数据表示去做聚类预测。

公开(公告)号：CN114330496B

公开(公告)日：2024-08-13

申请号：CN202111434145.9

申请日：2021-11-29

Applicant: 吉林大学

Inventor： 王英 ,  杨孟铎 ,  周昊 ,  孙明辰 ,  赵文龙

IPC: G06F18/2323 ,  G06F18/23213 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明公开了一种基于模体结构增强的图聚类方法。图数据不仅包含数据的特征信息，而且数据与数据之间也存在着联系，也就是结构信息。本发明旨在克服现有技术存在的对图数据在聚类方面挖掘图数据模式信息不足以及没有充分利用神经网络去深入学习图数据的表示的问题，该方法的步骤为：1.由图增强模块基于模体对图数据的结构进行增强得到增强后的邻接矩阵；2.将增强后的邻接矩阵以及图数据原有的特征矩阵输入到深度表示学习模块去学习获得图数据有效表示；3.使用自监督模块统一深度自编码器和图自编码器学习到的表示；4.利用获得到的图数据表示去做聚类预测。