公开(公告)号：CN117349494A

公开(公告)日：2024-01-05

申请号：CN202311232646.8

申请日：2023-09-22

Applicant: 桂林电子科技大学

Inventor： 孙晋永 ,  董志伟 ,  赵响

IPC: G06F16/906 ,  G06F16/901 ,  G06F18/25 ,  G06F40/30 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/088 ,  G06N3/048

Abstract: 本发明属于图分类技术领域，公开了一种空间图卷积神经网络的图分类方法、系统、介质及设备，利用NLP模型学习的子树模式的语义嵌入提取节点的多尺度语义特征向量，为了将CNNs推广到图数据，NSSGCN模型通过节点排序和感受野构建将非网格图数据转化为三维张量数据。本发明使用的节点重要性度量同时考虑了语义和结构的重要性；此外，通过通道注意模块来调整三维张量数据的特征分布；最后，使用调整后的三维张量的卷积和节点特征矩阵的投影和Readout，使用Dense层和softmax层一起执行图分类。实验结果表明，与经典图核方法和最先进的基于空间的GNN相比，所提出的NSSGCN模型提高了图分类的准确度。

公开(公告)号：CN117710738A

公开(公告)日：2024-03-15

申请号：CN202311731560.X

申请日：2023-12-15

Applicant: 桂林电子科技大学

Inventor： 孙晋永 ,  王雪纯 ,  董志伟

IPC: G06V10/764 ,  G06V10/72 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82

Abstract: 本发明属于机器学习技术领域，公开了一种基于原型对比学习的开放集识别方法及系统，包括：S1，为预训练阶段，首先在训练集中按一定比例划分出已知类样本集与未知类样本集；然后，对其中的已知类样本进行数据增强，将增强得到的样本输入预训练模型中进行训练；S2，分类器训练阶段，冻结训练好的预训练模型的参数，使用交叉熵损失训练分类器；S3，测试阶段，使用训练好的分类器对新样本进行测试，得到分类结果。本发明引入类原型思想，构建原型对比学习模型，设计原型对比损失函数来训练模型，促使样本在特征空间中向相应类原型靠近，使得每个已知类被限制在更紧凑的特征空间内。