一种基于p-Laplacian图卷积神经网络的半监督分类方法

摘要

本发明公开一种基于p‑Laplacian图卷积神经网络的半监督分类方法，属于半监督分类技术领域。包括：1：提取训练样本特征；2：计算其p‑Laplacian矩阵；3：计算样本结构信息矩阵；4：建立p‑Laplacian的图卷积神经网络模型；5：对训练样本的特征进行卷积操作，得到第一层网络的输出；6：每一层网络的输出作为下一层网络的输入；7：将最后一层卷积网络的输出输入softmax分类器，得到模型参数；8：计算验证样本交叉熵损失，选择模型参数；9：对测试样本提取特征；10：利用模型对其训练，将最后一层卷积网络输出送到softmax分类器分类。本申请采用多次卷积操作，能够大幅度提高模型分类效果。