聚类.在三个图数据集上进行了大量的实验,结果表明所提出的方法始终优于已有的典型聚类方法.(2)提出了基于图自编码器的图结构优化聚类算法.大多数图卷积神经网络假设观察到的图描述的节点关系是完整和准确的,但来自复杂系统的真实世界的图容易出错,且可能与图卷积神经网络的性质不相容.过度依赖原始图的图卷积神经网络...
分类号TP391学号16069051UDC04密级公开工学博士学位论文基于深度神经网络的图像聚类算法研究博士生姓名郭西风学科专业计算机科学与技术研究方向模式识别与人工智能指导教师祝恩教授协助指导教师殷建平教授国防科技大学研究生院二〇二〇年六月
摘要：本发明公开了一种基于聚类图神经网络的网络安全异常检测算法。该算法包括以下步骤：利用图模型描述网络拓扑结构，利用图神经网络卷积层优化节点特征，利用图聚类算法将图分割成多个不相交子图，将每个子图视为一个节点，子图的邻接关系视为边，形成一个子图，利用图注意力层为每个节点学习一个权重，将每个子图中的...
通过在学到的特征上运行谱聚类算法达到了当前最先进的聚类性能.5.为了进一步解决深度聚类在背景复杂接近自然的图像数据上表现不佳的问题,提出基于图像平移的自监督表示学习算法.自监督学习方法通过预测施加在数据上的变换来为神经网络提供监督信息,实践证明用这种监督信息可以训练更加复杂的神经网络,以及在复杂数据集上学习...
基于Hopfield神经网络的自动聚类图象分割算法研究 , PP. 0-0 赵廷钊 Keywords: 神经网络,邻域相关信息,能量函数,图象分割 Full-Text Cite this paper Add to My Lib Abstract: 竞争Hopfield神经网络(CompetitiveHopfieldNeuralNetwork),简称CHNN。它是一种融入优胜者全取(winner-takes-all-WTA)学习机制的Hopfield神...
首先,为解决计算效率低下的问题,基于马尔可夫聚类的多跳图神经网络采用幂迭代方法逼近逆矩阵,以实现近似线性计算复杂度,并减轻由存储密集邻接矩阵引起的内存消耗问题;其次,对于有限的多跳邻域表示问题,基于马尔可夫聚类的多跳图神经网络依次利用规范化马尔可夫聚类中的 Regularize、Inflflation 和 Prune 算子对邻接矩阵进行...
基于自组织神经网络SOM和K-means聚类算法的图像修复
我们的 主要思路是通过对异质图执行结构聚类来产生聚类标签,并利用聚类标签来监督异质图神经网络的训练。如图1中的模型架构图所示,SHGP主要包括两个模块,Att-HGNN模块可以被实现为任何基于注意力聚合机制的异质图神经网络(我们采用ie-HGCN模型,请参考: ),它的作用是计算节点的表示: ...
摘要SOM 算法作为一种聚类和高维可视化的无监督学习算法,是通过模拟人脑对信号处理的特点而发展起来的一种人工神经网络,它可以很好的用来构建知识地图。由于对等网络具有分散式控制、自组织、自适应和良好的扩展性等优点,这使得它非常适合用来处理因特网中海量主机资源。本文介绍了基于 SOM 算法的知识地图在对等网络中的...
双重聚类由于学习资源中知识点构成的复杂性以及用户需求的差异性,导致最终的推荐结果存在较大差异,为此,提出基于改进图神经网络和用户偏好聚类的个性化学习资源推荐算法.从交流互动,自主学习意识以及学习能力3个方面分析用户的偏好,在图神经网络中引入元数据概念,建立以知识点为基础的学习资源本体,实现资源之间的关联关系,...