[发明专利]一种基于子结构组装网络的图分类方法和系统

摘要

本发明公开了一种基于子结构组装网络的图分类方法和系统，所述子结构组装网络包括：子结构组装单元层、池化层和全连接层；子结构组装单元层将任意大小的图结构作为输入，在每个节点上对与其相连的边通过概率方法做渐进边选择，从而组成以每个节点为中心的判别局部子结构，多个子结构组装单元层级联最终组装成较大的判别性子结构；将最后一个子结构组装单元层得到的以每个节点为中心节点的各种子结构通过池化层聚合成固定长度的特征向量以便于后续的分类；全连接层对池化层的输出进行预测得到类标签。本发明充分结合了模式搜索和深度学习提取判别性子结构，能有效减少分类误差。

主权项

1.一种基于子结构组装网络的图分类方法，其特征在于，所述方法包括：S1：创建子结构组装网络，所述子结构组装网络包括依次连接的L个子结构组装单元层、池化层和全连接层，所述L个子结构组装单元层依次级联，每个子结构组装单元层均具有至少一个输入端和至少一个输出端，其中，距离池化层最远的子结构组装单元层的输入端为所述L个子结构组装单元层的总输入端，与池化层连接的子结构组装单元层的输出端为所述L个子结构组装单元层的总输出端，所述L为大于等于1的正整数；S2：将接收到的输入图结构导入所述L个子结构组装单元层，每层子结构组装单元层通过概率方法对输入图结构上的每个节点选择与其相连的边组成判别局部子结构，通过多个子结构组装单元层级联以提取输入图结构的总判别图特征；S3：将步骤S2中得到的输入图结构的总判别图特征通过池化层聚合成固定长度的特征向量；S4：对于步骤S3中得到的特征向量，采用全连接层进行预测以获取池化层输出的特征向量的类标签。