一种基于图卷积极限学习机的快速半监督分类方法

摘要

本发明提供一种基于图卷积极限学习机的快速半监督分类方法，包括以下步骤：构建疾病分类数据的自表达模型，并利用所述自表达模型构建疾病分类数据的全局鲁棒图，得到疾病分类数据的邻接矩阵A；根据所述邻接矩阵A计算随机图卷积模型输出H；根据所述随机图卷积模型输出H计算图卷积极限学习机的输出层权重β；利用计算得到的图卷积极限学习机的输出层权重β对未标记的疾病分类数据进行分类；本发明的有益效果是：在极限学习机方法中引入图卷积网络来代替隐藏层，构成一种全新的图卷积极限学习机模型；该模型能处理非欧式的图结构数据，如泛化到疾病分类、生物信息、化学医药等领域中，同时能够保持极限学习机的快速学习速度和通用的逼近能力。