基于感染图卷积网络的源识别方法及系统

发明专利有效专利

申请号：
CN202110786345.4
IPC分类号：G06V10/764;G06K9/62;G06N3/04;G06N3/08
申请日期：
2021-07-12
申请人：
上海交通大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于感染图卷积网络的源识别方法及系统
申请号	CN202110786345.4	申请日期	2021-07-12
法律状态	授权	申报国家	中国
公开/公告日	2021-10-01	公开/公告号	CN113469261A
优先权	暂无	优先权号	暂无
主分类号	G06V10/764	IPC分类号	G;0;6;V;1;0;/;7;6;4;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	上海交通大学	申请人地址	上海市闵行区东川路800号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	上海交通大学	当前权利人	上海交通大学
发明人	佟博;郭强;傅洛伊;王新兵
代理机构	上海汉声知识产权代理有限公司	代理人	暂无

摘要

本发明提供了一种基于感染图卷积网络的源识别方法及系统，涉及网络探索式搜索技术领域，该方法包括步骤S1输入经过对称归一化的拉普拉斯矩阵和各个节点的特征向量V；步骤S2基于图神经网络的特征优化层，基于通过向量化的特征输入对图神经网络进行迭代更新，对特征向量V进行优化；步骤S3基于多个IGCN网络层根据不同的类型节点选择分配不同的权重进行特征优化，更新特征向量V；步骤S4根据更新的特征向量V，输入到前反馈神经网络中，输出学习得到的分类概率；步骤S5将源识别问题定义为图分类问题，使用交叉熵损失函数进行反向传播，学习输入节点的特征向量V。本发明能够在模型无关的情况下提高对源的预测准确性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供