【技术实现步骤摘要】
本申请涉及图处理，特别是涉及一种基于超边强化的图对比学习的图扩充方法及装置。
技术介绍
1、图数据是一种用于描述物体和物体之间关联关系的抽象数据类型，广泛应用于各个领域。在物流领域，城市之间的道路构成了交通路网图。作为实际场景中最常见的信息载体，图数据蕴含着丰富的信息，因此对图数据进行分析和研究具有重要的价值。能否有效感知和理解图数据，并从中挖掘有用的信息，是解决许多实际问题的关键，通过对交通路网图进行图像扩充可以挖掘更多有用的信息，进而提高交通路线规划的准确率
2、传统的交通路网的图数据分析通常采用监督学习框架，即通过人为特征提取或端到端图深度学习模型将图数据作为输入。经过训练后，模型挖掘图数据中的有效信息并输出预测结果。尽管这类图监督学习方法在许多任务上取得了显著成功，但仍然存在一些问题：依赖大量人工标注数据、由于过拟合导致泛化能力差以及面向标签相关的攻击时模型鲁棒性差，扩充准确率低等。。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高交通路网中图扩充准...
【技术保护点】
1.一种基于超边强化的图对比学习的图扩充方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，利用超边的节点与超边之间的关联矩阵、节点之间的度矩阵以及超边的度矩阵计算得到节点之间的邻接矩阵和超边的邻接矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，基于超边的节点级PageRank来度量节点的重要性，以一定概率对节点进行随机行走，在随机行走过程中根据所述节点之间的邻接矩阵和节点之间的度矩阵计算得到节点转移矩阵，利用节点偏好概率矩阵和所述节点转移矩阵计算得到每个节点的Pagerank值然后迭代地更新每个节点的PageR...
【技术特征摘要】
1.一种基于超边强化的图对比学习的图扩充方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，利用超边的节点与超边之间的关联矩阵、节点之间的度矩阵以及超边的度矩阵计算得到节点之间的邻接矩阵和超边的邻接矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，基于超边的节点级pagerank来度量节点的重要性，以一定概率对节点进行随机行走，在随机行走过程中根据所述节点之间的邻接矩阵和节点之间的度矩阵计算得到节点转移矩阵，利用节点偏好概率矩阵和所述节点转移矩阵计算得到每个节点的pagerank值然后迭代地更新每个节点的pagerank值，直到每个节点的pagerank值不再变化，输出每个节点的pagerank值直到每个节点的pagerank值不再变化，，利用所述每个节点的pagerank值计算得到节点的重要性概率，包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，基于节点的超边级pagerank对超边的度进行归一化，得到超边偏好概率矩阵，以一定概率对超边进行随机行走，在随机行走过程中根据所述超边的邻接矩阵和...
【专利技术属性】
技术研发人员：唐九阳，张俊丰，曾维新，赵翔，徐浩，葛斌，胡升泽，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
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。