【技术实现步骤摘要】
本专利技术涉及滤波技术应用领域,特别是涉及一种滤波方法及装置。
技术介绍
目前很多能源、传输及神经网络等高维度数据都是基于图论结构进行研究的。图论结构中的图是各种类型图的抽象及概括,其中,图论中图的点表示研究对象,图论中图的边表示所研究这些对象之间的联系。对于图进一步的描述方式就是在图上设置信号。比如,在传输网络中,信号可以用来描述病原体的传播,人类的迁移或者是库存货物的流动。在社交网络中,用户之间的关系会构成一张复杂网络,而且用户行为数据也包含着大量有价值的信息。在对用户行为和用户之间关系联合分析时,可以使用图滤波算法。现有的图滤波算法中的基于矩阵的图滤波。该图滤波只包括一类节点的复杂网络的结构特征,对一类节点的复杂网络进行滤波,无法分析更高维的复杂网络(包括多种不同类别的节点的复杂网络),对复杂网络的信号进行滤波。
技术实现思路
本专利技术实施例的目的在于提供一种滤波方法及装置,综合利用异构型网络的不同类别节点及不同类别节点的连接,对异构型网络的原始节点信号进行滤波。为达到上述目的,本专利技术实施例公开了一种滤波方法,其中,包括如下步骤:获取异构型网络的多个子网,其中,所述多个子网包括不同预定类型的节点,每个子网为同一预定类型子网节点组成的网络;分别构造所述多个子网的子网内所述子网节点之间的连接、所述多个子网的两个子网间节点之间的连接及所述多个子网的超图节点之间的连接对应的张量特征数据,其中,所述超图为三个以上子网形成的;为所述异构型网络配置一个原始节点信号;根据所述张量特征数据,分别在所述子网内、所述两个子网间上、所述超图上传播所述原始节点信号,并对应 ...
【技术保护点】
一种滤波方法,其特征在于,包括:获取异构型网络的多个子网,其中,所述多个子网包括不同预定类型的节点,每个子网为同一预定类型子网节点组成的网络;分别构造所述多个子网的子网内所述子网节点之间的连接、所述多个子网的两个子网间节点之间的连接及所述多个子网的超图节点之间的连接对应的张量特征数据,其中,所述超图为三个以上子网形成的;为所述异构型网络配置一个原始节点信号;根据所述张量特征数据,分别在所述子网内、所述两个子网间上、所述超图上传播所述原始节点信号,并对应得到传播后的第一滤波信号、多个第二滤波信号及多个第三滤波信号;根据所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号,确定所述异构型网络的传播滤波信号。
【技术特征摘要】
1.一种滤波方法,其特征在于,包括:获取异构型网络的多个子网,其中,所述多个子网包括不同预定类型的节点,每个子网为同一预定类型子网节点组成的网络;分别构造所述多个子网的子网内所述子网节点之间的连接、所述多个子网的两个子网间节点之间的连接及所述多个子网的超图节点之间的连接对应的张量特征数据,其中,所述超图为三个以上子网形成的;为所述异构型网络配置一个原始节点信号;根据所述张量特征数据,分别在所述子网内、所述两个子网间上、所述超图上传播所述原始节点信号,并对应得到传播后的第一滤波信号、多个第二滤波信号及多个第三滤波信号;根据所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号,确定所述异构型网络的传播滤波信号。2.如权利要求1所述的滤波方法,其特征在于,所述根据所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号,确定所述异构型网络的传播滤波信号,包括:线性加权所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号,确定所述异构型网络的传播滤波信号。3.如权利要求1或2所述的滤波方法,其特征在于,所述根据所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号,确定所述异构型网络的传播滤波信号,包括:获取所述子网内、所述两个子网间及所述超图对应的预设滤波方式;根据所述预设滤波方式,频域滤波所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号,确定所述异构型网络的传播滤波信号。4.如权利要求3所述的滤波方法,其特征在于,所述根据所述预设滤波方式,频域滤波所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号,确定所述异构型网络的传播滤波信号,包括:对归一化张量特征数据进行预设特征分解;根据所述预设滤波方式及所述预设特征分解,频域滤波所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号,并对应得到第一频域信号、多个第二频域信号及多个第三频域信号;转换所述第一频域信号、所述多个第二频域信号及所述多个第三频域信号,分别对应为所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号;线性加权所述第一滤波信号、所述多个第二滤波信号及所述多个第三滤波信号,确定所述异构型网络的传播滤波信号。5.如权利要求4所述的滤波方法,其特征在于,所述对归一化张量特征数据进行预设特征分解,包括:在所述归一化张量特征数据为归一化子网内的邻接矩阵时,对所述归一化子网内的邻接矩阵进行特征分解;在所述归一化张量特征数据为归一化两个子网间的邻接矩阵时,对所述归一化两个子网间的邻接矩阵进行奇异值分解;在所述张量特征数据为邻接张量时,对所述邻接张量进行高阶奇异值分解。6.如权利要求1所述的滤波方法,其特征在于,所述分别构造所述多个子网的子网内所述子网节点之间的连接、所述多个子网的两个子网间节点之间的连接及所述多个子网的超图节点之间的连接对应的张量特征数...
【专利技术属性】
技术研发人员:牛凯,乔雨倩,贺志强,
申请(专利权)人:北京邮电大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。