资料下载
×
基于深度图卷积胶囊网络融合的图分类模型
消耗积分:0 |
格式:pdf |
大小:3.20 MB |
2021-05-07
分享资料个
针对提取图表征用于图分类过程中的结构信息提取过程的问题，提出了一种图卷积神经网络与胶囊网络融合的图分类模型。首先，利用图卷积神经网络处理图中的节点信息，迭代以后得到节点表征，表征中蕴含着该节点的子树结构信息;然后，利用 Weisfeiler-lehman图核算法的思想对节点表征的多维度进行排序，得到多视角的图表征;最后，将多视角的图表征整理成胶囊的形式并输入胶囊网络，使用动态路由算法得到更高层次的分类胶囊，进而进行分类。实验结果表明，所提模型在公共数据集上的分类准确度提升了1%~3%，同时具备更强的结构特征提取能力，在少样本情况下的表现比 DGCNN更加稳定。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
