用于半监督分类的二阶近似谱图卷积模型

作     者：公沛良 艾丽华 GONG Pei-Liang;AI Li-Hua

作者机构：北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京100044 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2021年第47卷第5期

页      面：1067-1076页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 070104[理学-应用数学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61472029 51827813 61473031)资助 

主　　题：图理论 谱图卷积 半监督学习 节点分类 关系数据 

摘      要：近年来,基于局部一阶近似的谱图卷积方法在半监督节点分类任务上取得了明显优势,但是在每次更新节点特征表示时,只利用了一阶邻居节点信息而忽视了非直接邻居节点信息.为此,本文结合切比雪夫截断展开式及标准化的拉普拉斯矩阵,通过推导及简化二阶近似谱图卷积模块,提出了一种融合丰富局部结构信息的改进图卷积模型,进一步提高了节点分类性能.大量的实验结果表明,本文提出的方法在不同数据集上的表现均优于现有的流行方法,验证了模型的有效性.