可信的图神经网络节点分类方法

为了研究节点特征表示的不确定性对节点分类的影响,提出一种可信的图神经网络节点分类方法。算法使用径向基函数计算节点间距离,得到各类节点质心后,根据距离分配与未标记节点最近质心的类别标签提高节点分类性能,同时定义未标记节点和质心之间的距离为模型输出的不确定性,并使用梯度惩罚损失加强输入变化的可检测性,可以有效地检测分布外节点样本。在Cora、Citeseer和Pubmed这3个公开网络数据集上的结果表明：模型在分类任务的AUROC指标分别达到81.5%、76.2%和74.6%,在分布外样本检测任务中AUROC指标分别达到83.6%、72.8%和70.6%,证明了所提算法在提高节点分类性能的同时,可以有效检测分布外的节点样本,提高了节点分类的可信性。     

特征图聚集多尺度行人检测高效算法

针对使用人工设计特征训练的行人检测算法准确率和效率较低的问题,提出一种采用卷积神经网络特征图聚集多尺度行人检测高效算法. 设计一种特征图聚集网络,将高层次特征图与低层次特征图进行聚集,构造出有较好空间分辨和语义能力的特征图;构造特征延伸网络,提供用于多尺度行人检测的特征图;重新设计目标候选区域,构造多尺度行人检测网络,提升定位准确性,并将特征图聚集网络、特征延伸网络和多尺度行人检测网络组合进行端到端训练. 实验测试结果表明,该算法可以有效提高行人检测与定位准确性,并可在普通硬件设备条件下提供实时检测.     

基于融合相似性和三部图的circRNA与疾病关联预测

传统的生物医学实验方法验证circRNA与疾病之间的关系存在耗时、耗力且成本过高的问题，为此提出基于三部图融合相似性的circRNA与疾病关联预测研究的模型（FSTPGCDA）. FSTPGCDA引入circRNA-disease关联信息、circRNA-gene关联信息、circRNA序列信息和疾病语义信息.进行拉普拉斯特征映射和Jaccard指标的融合相似性计算得到相似性矩阵，将不同相似性算法得到的相似性矩阵加权融合得到融合相似性矩阵.利用circRNA-disease关联矩阵和circRNA-gene关联矩阵构建gene-circRNA-disease三部图.通过融合相似性方法为三部图分配初始资源，使用贪心算法进行资源分配.实例验证表明，FSTPGCDA的预测性能和鲁棒性较好.     

基于施工场景的视觉关系检测方法

鉴于施工现场中工人与施工机械及施工用具之间不合规的交互关系是引发安全事故的重要原因,提出了一种基于施工场景的视觉关系检测方法。首先,采用卷积神经网络搭建实体检测和关系检测分支,以提取出施工场景中的实体特征和关系特征;其次,构建视觉模块、语义模块和空间模块对提取出的特征进行学习,使网络充分感知和理解视觉信息、语义信息与空间信息;最后,设计了一种图形对比损失函数,以提高模型的视觉关系检测性能。在自制的施工场景关系检测数据集上的实验结果表明,本文方法实现了75.89%、77.64%、78.93%的R@20、R@50、R@100召回率,具有良好的视觉关系检测性能,能精准地检测出施工场景中的目标及其交互关系。     

基于图神经网络的用户轨迹分类

针对现有轨迹用户链接(TUL)算法对轨迹信息提取不充分、计算成本过高等问题,该文提出了一种新的基于图神经网络(GNN)的TUL算法。首先,利用轨迹中的签到点构建签到图;其次,在签到图的基础上使用图神经网络学习签到图中的节点嵌入,保存签到点的位置信息和用户的访问偏好信息;最后,利用循环神经网络(RNN)构建轨迹序列的向量表示,并使用全连接网络对轨迹进行用户分类,实现轨迹与用户链接。实验结果表明,相比于传统的用户轨迹分类算法,该方法能更有效地挖掘用户轨迹的潜在移动规律,显著提高了两个数据集上的链接准确性和学习效率。     

基于图神经网络的兴趣活动推荐算法

针对在基于事件的社交网络中,用户和其参加过的活动天然构成异质网络这一特点,提出了一个端到端的推荐算法,旨在使用异质网络的高阶连接性和非线性匹配关系,提高活动的推荐命中率.首先,通过图神经网络提取异质图的高阶连接信息对每个节点的影响,更新节点的嵌入式表示;然后,将用户-活动的嵌入式表示输入到多层感知机中,得到基于当前嵌入...     

基于物体语义栅格地图的语义拓扑地图构建方法

为构建以房间为节点的语义拓扑地图,基于物体语义栅格地图,提出了一种利用虚拟门检测和房间物体包含关系的拓扑分割及房间概念生成方法。首先,依据机器人轨迹和房间主方向,检测满足真实门宽度的占据栅格;然后,采用几何和物体语义约束优化检测结果;最后,利用每个拓扑区域包含的物体语义生成房间概念。通过在多个场景测试,验证了算法的有效性。     

基于图神经网络的物联网入侵检测研究

针对物联网入侵检测中网络设备的异构性以及设备间的复杂关联性,本文基于图神经网络（Graph Neural Network, GNN）提出一种GraphSAGE-GAT模型,可以有效捕捉物联网设备之间的关联关系,并还原物联网设备之间的通信拓扑,从而达到提升物联网异常检测准确率的目的。首先,基于物联网设备间的网络流数据构建了设备关联关系图,然后利用GraphSAGE(Graph Sample and Aggregate)算法对相邻设备节点进行采样,从而可利用相互关联设备节点信息增强设备节点的嵌入信息表示;再利用图注意力网络（Graph Attention Network, GAT）为提取到的关联设备节点之间的关系自动化地学习到相关性权重,并通过多层聚合函数将关联设备节点的表示进一步融合,得到设备关联图节点的嵌入表示向量,从而进一步增强各设备节点的表示能力。最后,根据融合后的图节点嵌入表示向量实现对设备网络节点样本的良性和攻击分类。基于数据集NF-ToN-IoT-v2和NF-BoN-IoT-v2进行了实验验证,结果表明,本文所提出的模型GraphSAGEGAT在物联网入侵检测上的准确率分别高...     

基于自深向浅特征融合的小目标检测方法

针对SSD算法各特征层关系未充分利用导致浅层特征层缺乏语义信息的问题，为提高对小目标的检测能力，提出一种自深向浅特征融合的小目标检测方法DTS-SSD(Deep to Shallow SSD)。使用BiFPN特征融合模块对特征多次提取获得多尺度语义信息；利用深层特征融合模块减少深层特征层缺失的小目标空间位置信息；构建1条自深向浅的特征融合路径来增强浅层特征层的语义信息；应用注意力机制学习特征图通道间的重要性。通过在PASCAL VOC2007测试集进行实验验证，mAP(Mean Average Precision)值达到80.1%,对目标的mAP较原SSD算法提高2.9%,该算法可行有效。     

面向目标情感分析的双重图注意力网络模型

目标情感分析旨在分析评论文本中不同目标所对应的情感倾向。当前,基于图神经网络的方法使用依存句法树来融入依存句法关系,一方面,此类方法大多忽略了依存关系缺乏区分度的事实;另一方面,未考虑依存句法树提供的依存关系存在目标与情感词关系缺失的问题。为此,提出双重图注意力网络模型。该模型首先使用双向长短期记忆网络得到具有语义信息的词节点表示,然后根据依存句法树在词节点表示上构建句法图注意力网络,实现依存句法关系重要程度的区分,更有效地建立目标与情感词之间的关系,进而得到更准确的目标情感特征表示;同时根据句子的无向完全图构建全局图注意力网络来挖掘目标与情感词缺失的关系,进一步提升模型的性能。实验结果表明,与现有模型对比,双重图注意力网络模型在不同数据集上的准确率与宏平均F1值均取得了更好结果。     

基于语义感知图神经网络的智能合约字节码漏洞检测方法

针对传统智能合约漏洞检测方法检测精度较低、误报率较高,以及基于神经网络的方法对字节码级智能合约特征挖掘不足的问题,提出了一种基于语义感知图神经网络的智能合约字节码漏洞检测方法.首先,以智能合约字节码划分基本块作为节点,并从字节码中提取基本块间的调用关系作为边,以此生成控制流图(control flow graph,CF...     

基于归约图的语义Web服务自动组合

在原有基于归约图的Web服务自动组合方法基础上,引入Web语义,在对Web服务库及用户请求进行语义标注后,运用综合了名称相似度和语义距离的语义相似度实现对象间的语义转换与匹配。该方法具有原方法的优点,并能够处理对象间不存在完全匹配的情况,从而提高Web服务组合的成功率。     

语义网络结构下的词义消歧

提出了一种基于语义网络结构的词义消歧方法。将文本片段中出现词的所有词义都看作节点，将两个词的任意两个词义之间的语义关系看作弧，将语义关系的紧密程度看作弧的权重，从而构成一个无向赋权网络；将Google的网页分级（PageRank）算法应用到无向赋权图中，评价网络中节点的重要性，并结合共指词义和词义的常用程度，对文本中出现的名词进行消歧。实验证明了该方法对文本进行词义消歧是有效的。     

语义网络结构下的词义消歧

提出了一种基于语义网络结构的词义消歧方法。将文本片段中出现词的所有词义都看作节点，将两个词的任意两个词义之间的语义关系看作弧，将语义关系的紧密程度看作弧的权重，从而构成一个无向赋权网络；将Google的网页分级（PageRank）算法应用到无向赋权图中，评价网络中节点的重要性，并结合共指词义和词义的常用程度，对文本中出现的名词进行消歧。实验证明了该方法对文本进行词义消歧是有效的。     

基于场景知识的移动目标检测

依据背景差法中背景建模的思想,从提取场景知识的角度出发,建立待检测场景的场景知识库,从而提出一种基于场景知识的移动目标检测算法。使用改进的均值漂移算法对待检测场景进行分割,并提取分割后各个区域的底层视觉特征建立场景知识库;从新的场景帧图像中获取各区域的知识特征向量,然后根据和原场景知识库中各特征向量的匹配结果检测出移动目标信息。仿真结果表明,该方法能有效地检测出场景中原有目标和新进入场景目标的移动信息,并在一定程度上改善了目标阴影、形变等噪声对检测结果的干扰。     

卷积记忆图协同过滤

针对推荐系统中用户和项目的向量表示问题,提出了一种端到端的具有记忆单元的图神经网络.在图神经网络中引入门控循环单元解决高阶连通节点间信息损失问题,可以使得用户和项目节点从高阶邻居获得更加完整的特征信息,然后利用卷积神经网络对网络输出层间的特征向量进行融合以获得不同阶段下用户的偏好.实验结果表明,与最优对比算法相比,采用所提卷积记忆图协同过滤推荐算法在4个数据集上的评分预测性能分别提升了1.98%,4.17%,9.27%和2.70%.     

一种用于图卷积网络的社交关系方向门控算法

针对社交网络用户态度分析任务中用户之间原有社交关系方向可能阻碍态度信息流动以及标签扩散的问题,提出了一种应用于半监督图卷积网络的社交关系方向门控算法.该算法首先在原有与逆向社交关系方向上分别进行图卷积运算,得到2种用户节点态度特征向量,然后利用门控机制对2种特征向量进行动态融合.扩展了态度信息传播路径的同时,还能够捕捉用户影响力差异,以自动选择态度信息的流动方向.在2个真实热点话题数据集上的实验结果表明,现有图卷积网络在加入该算法之后,其用户态度分析的准确率能够得到有效提升.     

基于图卷积网络的归纳式微博谣言检测新方法

为了解决传统图卷积神经网络在进行谣言检测时面临的未充分考虑单词语义信息以及池化方法选择困难的问题,提出基于图卷积网络(GCN)的归纳式微博谣言检测新方法. 考虑单词之间的语义关系,结合传统词共现建图方法提出基于词语义相关性的微博事件建图方法,并结合图卷积网络和门循环单元(GRU)实现节点信息聚合;为了有效融合不同节点状态的特征信息,提出基于注意力机制的多池化方法融合策略融合最大池、平均池和全局池以获取最终的图级向量;为了提高微博谣言检测效率,探究微博评论时间对检测结果的影响,获得用于模型训练的最佳评论利用时间阈值. 实验结果表明,本研究方法在给定数据集上的表现普遍优于Text-CNN、Bi-GCN、TextING等典型方法,验证了其在微博谣言检测领域的有效性.     

复杂物体透视形态图建立

全面分析并建立了复杂物体透视投影的视觉事件的确定方法和计算公式,视觉事件分为两类七种。文中提出用变半径高斯球表示三维透视投影空间,通过测试点对透视投影视觉事件的计算,可大大降低计算的复杂性;并且形态图的表示采用分子结构图表示,从而解决了透视投影空间的形态图的求解和表示。论文用实例——棱柱与圆锥相贯验证了该算法的有效性。     

基于本体的物品属性类人认知及推理

为了实现服务机器人对物品知识的类人认知和推理,以辅助机器人执行物品操作任务,提出基于属性的家庭物品语义知识库构建方法.通过对物品知识进行分类,使用视觉、类别、物理、功能、操作属性对物品知识进行系统化和条理化的描述,结合本体建模语言对物品知识进行建模;利用语义网络规则语言,制定针对物品属性的推理规则（包含视觉、类别、物理-功能、视觉-类别、类别-类别）,实现对物品属性的自主认知及推理.在实验室搭建的机器人物品操作仿真平台上验证了物品语义知识库对机器人操作物品的指导作用.对语义知识库的查询结果表明,机器人可以以统一的形式获取与物品相关的多种高层语义信息.