基于图卷积网络的海洋测绘遥感影像场景分类研究

海洋测绘遥感影像噪声难以去除,在遥感影像场景分类时,存在去噪效果不明显、增强效果不显著、分类准确率低等问题。针对这些问题本文提出基于图卷积网络的海洋测绘遥感影像场景分类方法。采用小波阈值图像去噪算法对遥感影像场景进行去噪,再通过NSST(nonsubsampled shearlet transform)方法得到去噪后影像的低频子带滤波与高频子带滤波,并对其展开增强处理,将预处理之后的遥感影像输进图卷积网络模型中,运用该模型中的差异化单元、分类器学习单元与遥感影像特征差异化单元实现最终分类。实验结果表明:与对照方法相比,该方法对遥感影像的去噪效果更好,增强效果更明显,场景分类准确率更高。说明该方法能够有效提升海洋测绘遥感影像的场景分类性能。

面向去中心化双重差分隐私的谱图卷积神经网络

图卷积神经网络是一种面向多任务且应用广泛的深度学习模型。文章研究了去中心化场景中谱域图卷积神经网络节点关系信息和节点特征信息的保护问题,提出双重差分隐私保护机制下的谱图卷积神经网络DDPSGCN。在给定隐私预算总额的条件下对拉普拉斯机制和高斯机制进行隐私预算分配,并通过隐私损失和Chernoff界理论进行参数估计。在两大分布噪声扰动作用基于不同图数据信息的隐私保护下,文章提出基于区块链去中心化差分隐私处理机制的图卷积神经网络训练算法。实验表明文章采用的去中心化双重差分隐私机制,能够在半监督节点分类任务准确率下降1%以内的前提下确保原始数据隐私不泄露,相较于单隐私保护机制有着更高的隐私保护效率和更强的对抗攻击鲁棒性。

融合背景知识的异构图虚假新闻检测方法研究

如今虚假新闻检测任务越来越受人们重视。本文考虑到不同的新闻具有涉及领域众多、隐含背景信息丰富的特点,提出利用新闻中的实体链接到领域广、信息全的维基百科,挖掘新闻潜在的背景信息与结构化三元组信息组成异构图,丰富新闻的表示。为了学习并更新建模后新闻异构图的特征向量,在图卷积网络的基础上,提出了一个基于语义距离的图卷积网络注意力模型DGAT (Distance Graph Attention Network, DGAT)。具体的,通过赋予异构图中不同类型节点不同的变化矩阵,将不同类型的节点映射到相同的公共空间中,解决了GCN模型不能直接应用在异构图上的局限。针对本文建模的新闻异构图特点,引入了基于新闻语义距离的注意力机制,以捕获融合了外部知识后,新闻与背景知识的语义一致性,最终输入分类器中进行虚假新闻检测。在公开数据集上进行的实验表明了本文方法的有效性。

基于知识图谱与特征识别的新能源微网消纳数据分析算法研究

针对现有电力数据分析算法缺乏结果可视性以及准确性不理想的问题,提出一种基于知识图谱与特征识别的新能源微网消纳数据分析算法。该算法根据微网架构明确新能源的出力模型,并利用结合长短时记忆网络和条件随机场的知识图谱技术,将微网中新能源消纳数据转化成图形结构。同时通过图卷积神经网络模型识别数据的图特征,并根据识别结果制定微网能量调控措施,以提高微网新能源的消纳能力。基于某微网的真实数据集对所提算法进行实验论证,结果表明所提算法的准确率、召回率和F1值分别为91.53%、89.95%、90.81%,均优于其他算法,故具有良好的工程应用价值。