| 基于粗糙图的图卷积神经网络算法 |
| |
| 作者姓名： | 潘柏儒 丁卫平 鞠恒荣 黄嘉爽 程纯 沈鑫杰 耿宇 |
| |
| 作者单位： | 南通大学信息科学技术学院 |
| |
| 基金项目： | 国家自然科学基金项目(No.61976120,62006128,62102199)；;江苏省自然科学基金项目(No.BK20191445)；;江苏省高等学校自然科学研究重大项目(No.21KJA510004)；;江苏省高等学校自然科学研究面上项目(No.20KJB520009)；;中国博士后科学基金项目(No.2022M711716)；;教育部人文社会科学研究青年基金项目(No.21YJCZH013)资助~~； |
| |
| 摘 要： | 图卷积神经网络在解决节点分类问题时，使用拓扑图刻画节点间关系，并根据该拓扑图进行节点特征更新.然而，传统的拓扑图只能刻画节点之间的确定关系(即连接边权重为固定值),忽略真实世界中广泛存在的不确定性.这些不确定性不仅影响节点之间的关系，同时影响模型最终的分类性能.为了克服该缺陷，文中提出基于粗糙图的图卷积神经网络算法.首先，使用上下近似理论和传统拓扑图的边理论构造粗糙边，在粗糙边中使用成对出现的最大-最小关系值刻画节点之间的不确定关系，从而构建粗糙图.然后，设计基于粗糙图的可端到端训练的神经网络架构，将使用粗糙权重系数训练后的粗糙图输入图卷积神经网络，使用这些不确定信息更新节点特征.最后，根据这些学习的节点特征进行节点分类.在真实数据上的实验表明，文中算法可提高节点分类的准确率.
|
| 关 键 词： | 图卷积神经网络 拓扑图 粗糙集 粗糙图 不确定关系 |
|
