一种基于超图p-Laplacian图卷积神经网络的半监督分类方法

摘要

本发明公开了一种基于超图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：计算超图p‑Laplacian矩阵；3：计算结构信息矩阵；4：建立超图p‑Laplacian的图卷积神经网络模型；5：对训练样本特征进行卷积操作，得到第一层网络输出；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作为分类器的输入，得到模型参数；8：然后计算验证样本的交叉熵损失，选择最好的模型参数；9：提取测试样本的特征；10：将最后一层卷积网络输出的特征向量送到分类器进行分类。本申请采用多次卷积操作，能够大幅度提高模型分类效果。