检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

结合图采样和图注意力的3D目标检测方法

计算机工程与应用 2023年第9期59卷 237-244页

作者：李文举储王慧崔柳苏攀张干上海应用技术大学计算机科学与信息工程学院上海201418

在点云中进行三维目标检测时,小目标和复杂背景下目标的检测精度不足是突出的问题之一。针对该问题,提出了一种基于图采样和图注意力机制的3D点云目标检测方法。减小基准网络下采样体素大小以保持小目标的点云密度;引入图采样降低在点... 详细信息

在点云中进行三维目标检测时,小目标和复杂背景下目标的检测精度不足是突出的问题之一。针对该问题,提出了一种基于图采样和图注意力机制的3D点云目标检测方法。减小基准网络下采样体素大小以保持小目标的点云密度;引入图采样降低在点云中构造拓扑图的代价;通过对图采样前后的图分别嵌入自注意力机制,提高网络的特征提取能力。在KITTI数据集上与基准网络Point-GNN相比,对汽车目标在复杂场景上的检测精度提升了1.96%,对行人与骑行者目标在中等难度场景和复杂场景上的检测精度分别提升4.21%和2.57%;与Point-GNN相比,减少了15%的训练时间。实验结果表明,设计的方法对于3D点云中小目标和复杂背景下目标的检测更加有效,图采样方法还能够提升模型的训练效率。

关键词：点云 3D目标检测图神经网络图采样图注意力机制

在线全文

学校读者我要写书评

暂无评论

表征学习驱动的多重网络图采样

浙江大学学报（理学版） 2022年第3期49卷 271-279,293页

作者：虞瑞麒刘玉华沈禧龙翟如钰张翔周志光杭州电子科技大学数字媒体与艺术设计学院浙江杭州310018 浙江财经大学信息管理与人工智能学院浙江杭州310018

已有的图采样方法侧重于单图采样,关注如何在一张图上通过采样保留其特定的拓扑结构特征。随着数据采集能力的提升,多重网络图在实际应用中越来越普遍,即相同的节点集在不同场景中具有不同的网络关系。针对传统图采样方法无法兼顾多重... 详细信息

已有的图采样方法侧重于单图采样,关注如何在一张图上通过采样保留其特定的拓扑结构特征。随着数据采集能力的提升,多重网络图在实际应用中越来越普遍,即相同的节点集在不同场景中具有不同的网络关系。针对传统图采样方法无法兼顾多重网络图结构特征的问题,提出了表征学习驱动的多重网络图采样算法。首先,设计融合多重网络图结构特征的图表征学习方法,将节点投影至二维的表征学习空间;其次,利用改进的自适应蓝噪声采样算法,考虑节点密度和网络连通性,从表征学习空间筛选节点,以保持其多重网络结构特征及图上下文结构特征。进而开发了一套多重网络图采样可视分析系统,支持用户交互式地探索多重网络图采样,并与已有采样算法进行对比。案例分析和评估实验证明了本文算法在多重网络图采样中的有效性。

关键词：多重网络图图采样可视分析评估

在线全文

学校读者我要写书评

暂无评论

面向社区不均衡图的采样方法研究

面向社区不均衡图的采样方法研究

作者：武宜韬中南大学

学位级别：硕士

图采样是一种化简大型关系网络的重要技术。它从原图中抽取一定数量的节点和边,形成规模相对较小的代表性样本子图。样本子图可用于估计原图拓扑特征、提升图计算效率和改进图可视化可读性。图采样通常要保留原图的社区结构,因为社区结... 详细信息

图采样是一种化简大型关系网络的重要技术。它从原图中抽取一定数量的节点和边,形成规模相对较小的代表性样本子图。样本子图可用于估计原图拓扑特征、提升图计算效率和改进图可视化可读性。图采样通常要保留原图的社区结构,因为社区结构是图的核心拓扑特性。但本文关注到图采样可能会受到社区不均衡性影响,即:当图中有多个社区且社区规模差异较大时,图采样往往难以保留所有社区,导致样本子图中无法完整呈现原图社区结构。为了验证这个经验性假设并解决社区不均衡图采样问题,本文从三个方面开展研究:(1)提出了一种图社区不均衡性度量指标。本文首先基于模块度方法对一个图进行社区划分;然后构造了两个社区规模分布向量,分别表征原图和社区均衡基准图的社区规模分布;最后通过距离散度来度量两个向量的差异性,距离越大说明该图的社区不均衡程度越高。本文构造了具有不均衡社区的仿真图数据集,通过多组对比实验验证了图社区不均衡性度量指标的有效性。(2)开展了社区不均衡性对图采样影响的实证研究。本文首先选取并实现了丰富的图采样算法和采样质量评价指标,全面收集了真实世界网络数据集。接着本文提出了三个经验假设。假设:社区不均衡图的采样质量要差于社区均衡图;假设:社区不均衡程度越高,则图采样质量越差;假设:上述影响在所有图采样算法和所有采样率下都成立。最后本文设计了多组实验验证了这三个假设。结果表明,假设和假设成立,假设部分成立。社区不均衡性对采样率0.3及以下的单种子游走类采样影响显著,对于更高的采样率和随机类采样算法以及多种子算法影响不显著。(3)提出了一种面向社区不均衡图的新采样方法。新采样方法的初始化阶段在每个社区中识别出社区中心作为采样种子节点;在采样阶段使用异步多路游走策略进行节点采样,该策略基于桥中心性分配节点访问概率,以控制有偏采样过程和鼓励采样过程进行跨社区游走;最后以采样节点集生成诱导子图作为采样结果。新采样方法可以直接嵌入大部分现有图采样算法中,不修改原采样算法的核心特性。多组实验结果表明,新采样方法能有效改进现有图采样算法在社区不均衡图上的采样质量。图28幅,表17个,参考文献97篇

关键词：图采样图可视化社区检测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图采样与异质图神经网络的欺诈检测研究

基于图采样与异质图神经网络的欺诈检测研究

作者：吕文韬杭州电子科技大学

学位级别：硕士

随着移动互联网的蓬勃发展,互联网服务逐渐人性化、便民化。这些互联网服务依托大数据与云计算的支撑,正在全方位改善人们的生活。然而,由于数据量的爆炸性增长,一些不法分子会将其欺诈行为隐藏在海量数据中,通过伪装成正常的互联网用... 详细信息

随着移动互联网的蓬勃发展,互联网服务逐渐人性化、便民化。这些互联网服务依托大数据与云计算的支撑,正在全方位改善人们的生活。然而,由于数据量的爆炸性增长,一些不法分子会将其欺诈行为隐藏在海量数据中,通过伪装成正常的互联网用户来逃避反欺诈系统的检测,进而实施一系列的犯罪行为来牟取利益。互联网中进行欺诈检测主要面临如下三大挑战:一是类别极度不平衡,由于互联网中用户基数大,欺诈者只占正常用户的万分之一甚至更低,因此欺诈检测模型很难高效地识别出欺诈者;二是欺诈者针对反欺诈系统的对抗攻击,欺诈者通过改变自身以往的行为,或模仿正常用户的行为来逃过反欺诈模型的检测,欺诈手段的快速变化也对欺诈检测系统提出了新的挑战;三是噪声信息多以及标签的稀缺,导致特征学习的指导信号弱,由于大多数数据缺乏完备的标签,噪声信息也会干扰模型的训练,如何在新场景中检测欺诈行为就成了又一挑战。基于以上描述,本文分别从数据层面的视角以及图结构层面的视角来切入欺诈检测领域,主要工作如下:(1)从数据层面看,由于欺诈检测任务中数据集极度不平衡,传统的数据采样算法并不能很好地应用在图结构数据中,因此,本文提出了一种基于异质图的过采样算法(Heterogeneous Graph SMOTE,HGSMOTE),将传统的过采样算法应用在异质图中。考虑到异质图中存在丰富的特征信息,而先前的过采样算法生成新的样本时会缺失相应的属性信息,因此本文在特征提取阶段,使用基于属性补全的异质图神经网络聚合节点信息。同时,使用异质图注意力网络来执行节点分类任务。在Amazon和Yelp Chi两个数据集上的实验结果证明了HGSMOTE算法的有效性。(2)从图结构层面看,考虑到欺诈者通常会通过伪装自身行为特征来对抗反欺诈系统的检测,映射到图结构层面即欺诈者往往倾向于与正常用户建立边的联系,因此,本文提出了一种基于多层注意力机制的异质图欺诈检测框架(Hierarchical Attention Fraud Detection,HAFD),具体来说,通过设计关系融合模块以及邻域融合模块来获取图结构特征,通过信息感知模块消除噪声信息并融合特征信息来生成最终的节点嵌入信息,通过面向不平衡的分类模块来修正数据中的不平衡现象,进而实现欺诈节点的成功分类。在Amazon和Yelp Chi两个数据集上的实验结果表明了HAFD可以有效地过滤掉模型训练中存在的噪声信息以及准确地识别出伪装了自身特征的欺诈者。

关键词：图采样异质图图注意力网络欺诈检测

基于GPU图采样的大图模型训练系统的设计与实现

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于GPU图采样的大图模型训练系统的设计与实现

作者：印泓博北京邮电大学

学位级别：硕士

图深度学习方法作为分析图数据的有力工具被广泛应用于解决各种现实世界问题,并取得了巨大成功。随着图数据规模的快速增长,如何高效训练大规模图模型成为学术界和工业界关注的热门研究问题。现有的大规模图模型训练系统往往存在着图采... 详细信息

图深度学习方法作为分析图数据的有力工具被广泛应用于解决各种现实世界问题,并取得了巨大成功。随着图数据规模的快速增长,如何高效训练大规模图模型成为学术界和工业界关注的热门研究问题。现有的大规模图模型训练系统往往存在着图采样效率低、硬件配置需求高昂、可扩展性低等问题。对此,本论文围绕单机多卡环境下的大图模型训练,对基于GPU的大图采样、大规模异构图在多GPU上的计算子图生成、基于子图训练的大规模图模型训练等环节进行深入研究,设计并实现了基于GPU图采样的大图模型训练系统。具体而言,完成如下工作:1)为了解决GPU图采样中存储需求大、传输开销高的挑战,本论文提出了分块图压缩算法CGC。CGC利用新提出的线性估计压缩算法与混合编码方式,在压缩率与解压缩性能之间取得平衡。实验和理论分析证明CGC可以有效减少图文件大小并降低传输开销,同时支持以常数级别复杂度快速访问压缩后的邻居列表。2)实现了基于CGC算法的压缩图快速采样系统GraSS。它采用顶点并行模式,在单GPU上实现了多种对压缩图的图采样方法,加速图学习的端到端性能。在多张真实世界图和合成图上的实验结果表明,当目前最先进GPU采样系统不能有效完成采样任务时,GraSS仍可以高效支持大规模图上的各种图采样方法。3)当扩展到单机多GPU系统时,面对更大的图规模与更复杂的图结构,本论文设计并实现了多GPU计算子图生成技术。它采用分块策略提高生成的并行性能,能够高效完成图划分、图采样两阶段计算子图生成任务。通过真实世界中亿级顶点、十亿级边的大规模异构图验证了技术方案的有效性,为基于GPU图采样的大图模型训练系统提供训练数据支撑。4)设计并实现了基于GPU图采样的大图模型训练系统。该系统基于子图训练策略,可以在单机多卡环境下完成对大规模异构图的训练。系统通过随机子图组合策略缓解了子图训练带来的精度下降问题。而在大规模图数据上的实验表明,系统在减少一半GPU计算资源的情况下仍然能够有效完成图模型的训练任务。

关键词：图学习图采样大规模图处理 GPU

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识图谱卷积网络的学习资源推荐

计算机工程 2024年

作者：汤志康武毓琦李春英汤庸广东技术师范大学计算机科学学院广东技术师范大学广东省知识产权大数据重点实验室华南师范大学计算机学院

针对现有知识图谱卷积网络推荐模型随机采样选择邻域容易导致推荐结果不稳定的缺点，构建了结构洞和共同邻居重要性排序采样方法，结合知识图谱卷积网络在处理高维异构数据的优势，提出了基于结构洞和共同邻居的知识图谱卷积网络推荐模... 详细信息

针对现有知识图谱卷积网络推荐模型随机采样选择邻域容易导致推荐结果不稳定的缺点，构建了结构洞和共同邻居重要性排序采样方法，结合知识图谱卷积网络在处理高维异构数据的优势，提出了基于结构洞和共同邻居的知识图谱卷积网络推荐模型(Knowledge Graph Convolutional Networks Structural Holes and Common Neighbors Sorting，KGCN-SHCN)，该模型首先使用SHCN采样方法对知识图谱中的实体邻域进行排序采样；其次根据图卷积网络将实体信息与邻域采样信息进行聚合得到学习资源的特征表示；最后将学习者的特征表示和学习资源的特征表示依据预测函数得到交互概率。在3个学习资源数据集上的实验结果表明，所提模型尤其是求和聚合(Sum)方式，在评价指标AUC和ACC上总体优于KGCN、RippleNet等基于知识图谱的推荐模型，证明了所提KGCN-SHCN模型的有效性。

关键词：知识图谱图卷积网络图采样推荐算法

多尺度融合与动态自适应图的公交客流预测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学与探索 2024年第7期18卷 1879-1888页

作者：郭翔宇彭莉兰李崇寿李天瑞西南交通大学计算机与人工智能学院成都611756 可持续城市交通智能化教育部工程研究中心成都611756

公交客流预测是公共交通规划和管理中的重要问题。虽然时空图卷积在地铁客流预测任务中获得了很好的预测效果,但是面对公交更复杂的线路、大规模的节点数据,现有的基于图卷积的空间建模方法将带来巨大的空间内存消耗。同时,公交客流量... 详细信息

公交客流预测是公共交通规划和管理中的重要问题。虽然时空图卷积在地铁客流预测任务中获得了很好的预测效果,但是面对公交更复杂的线路、大规模的节点数据,现有的基于图卷积的空间建模方法将带来巨大的空间内存消耗。同时,公交客流量短时间范围内更可能受到瞬时交通状况的影响。为了解决这些挑战,提出了一种多尺度融合和动态自适应图的公交客流预测模型(MFDAG)。该模型融合客流、时刻和周信息以增加数据的特征维度,用动态自适应图的方法来学习不同站点之间的关系。进一步提出了一种多尺度融合传播的方法来表示复杂的空间依赖关系,同时设计了一种多尺度卷积传播的方法来学习不同尺度的时间依赖关系。在两个真实的客流数据集上进行了实验,并与其他交通预测方法进行了比较。实验结果表明,所提出的多尺度融合和动态自适应图的公交客流预测方法具有更高的预测准确度。

关键词：公交客流预测图采样动态自适应图多尺度融合

基于图神经网络与深度学习的PDF文档检测模型

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2024年第2期45卷 356-366页

作者：雷靖玮伊鹏陈祥信息工程大学信息技术研究所河南郑州450002

针对传统PDF文档检测误报率过高的问题,提出一种基于图神经网络与深度学习的检测模型DGNN。通过收集文档运行时各线程产生的系统调用数据生成相应的系统调用图,运用所提基于H指数的图采样策略缩减数据规模;采样后的子图作为模型DGNN的输... 详细信息

针对传统PDF文档检测误报率过高的问题,提出一种基于图神经网络与深度学习的检测模型DGNN。通过收集文档运行时各线程产生的系统调用数据生成相应的系统调用图,运用所提基于H指数的图采样策略缩减数据规模;采样后的子图作为模型DGNN的输入,借助图卷积网络提取关联关系的同时,利用深度学习提取系统调用对的属性特征并完成特征融合,通过系统调用图的性质判别完成检测。实验结果表明,与其它方法相比,该模型特征提取与训练时间短,有效提高了PDF文档的检测效果。

关键词： PDF文档检测图神经网络深度学习图采样特征分析性能评价系统调用

在线全文

学校读者我要写书评

暂无评论

基于采样的大规模图聚类分析算法

电子学报 2019年第8期47卷 1731-1737页

作者：张建朋陈鸿昶王凯祝凯捷王亚文国家数字交换系统工程技术研究中心河南郑州450000 荷兰埃因霍温理工大学计算机系荷兰北布拉邦省5600MB

针对当前聚类方法(例如经典的GN算法)计算复杂度过高、难以适用于大规模图的聚类问题,本文首先对大规模图的采样算法展开研究,提出了能够有效保持原始图聚类结构的图采样算法(Clustering-structure Representative Sampling,CRS),它能... 详细信息

针对当前聚类方法(例如经典的GN算法)计算复杂度过高、难以适用于大规模图的聚类问题,本文首先对大规模图的采样算法展开研究,提出了能够有效保持原始图聚类结构的图采样算法(Clustering-structure Representative Sampling,CRS),它能在采样图中产生高质量的聚类代表点,并根据相应的扩张准则进行采样扩张.此采样算法能够很好地保持原始图的内在聚类结构.其次,提出快速的整体样本聚类推断(Population Clustering Inference,PCI)算法,它利用采样子图的聚类标签对整体图的聚类结构进行推断.实验结果表明本文算法对大规模图数据具有较高的聚类质量和处理效率,能够很好地完成大规模图的聚类任务.

关键词：大规模图图采样图聚类整体推断聚类代表点扩张准则