基于图结构增强的图神经网络方法

针对图卷积网络(GCNs)在面对低同质性的图结构时性能骤降问题,提出了一种新颖的基于图结构增强的图神经网络方法,用于学习改善的图节点表示。首先将节点信息通过消息传播和聚合,得到节点的初始表示;然后计算节点表示的相似性度量,得到图的同质结构;最后融合图的原始结构和同质结构进行节点的信息传递得到节点表示用于下游任务。结果表明:在6个公开的数据集上,所提算法在节点分类的多个指标上均优于对比算法,特别是在同质性较低的4个数据集上,所提算法的准确度(ACC)分数分别超过最高基准5.53%、6.87%、3.08%、4.00%,宏平均(F1)值分别超过最高基准5.75%、8.06%、6.46%、5.61%,获得了远高于基准的优越表现,表明所提方法成功改善了图数据的结构,验证了该算法对图结构优化的有效性。

用图结构和智能合约实现商业供应链动态实时管理

建立高效低成本的实时动态供应链管理机制,是数字经济的基础。传统的供应链管理,因为工具分散、数据孤立、智能化不够、灵活性不足,因此无法实现动态实时管理,无法形成聚合效应。本文针对目前的供应链管理现状,提出了用图结构+智能合约方法,实现供应链动态实时管理的新模式。该方法的核心就是,用图结构表征非线性的网状商业关系,利用智能合约定制动态实时处理机制,从而在实时动态变化的商业环境中,对于频繁增减的机构用户节点,可以方便高效地自动化管理供应链的有效运营。

基于改进局部图结构的再认记忆脑电特征提取

为了研究再认记忆脑电的纹理特征,以及解决垂直对称局部图结构和对称局部图结构在提取脑电纹理特征时结构不稳定的问题。基于新旧范式设计了再认记忆实验,采集医学生和非医学生(均为35名)相关脑电,并且将这些脑电分为学习医学图片阶段、学习非医学图片阶段、再认旧医学图片阶段、再认旧非医学图片阶段、再认新医学图片阶段和再认新非医学图片阶段。首先,利用二维小波变换得到每位被试脑电的三个子频带,并提出改进集成局部图结构方法对原数据和3个子频带进行特征提取,改进算法纳入了具有稳定结构的扩展对称局部图结构和复合局部图结构;然后对特征进行归一化,避免结果过拟合,使用皮尔逊相关系数筛选出相关系数在0.8~1之间的特征矩阵列。在支持向量机等分类器上验证改进前后的算法,并使用正确率、精确率、召回率和F1评分这四个指标对模型进行评估。与改进前算法相比,改进后算法在支持向量机上的分类正确率分别提升3.8%,0.4%,0.3%,1.6%,5.1%和4.2%。分类结果说明医学生和非医学生在医学图片学习再认阶段存在明显差异,新加入扩展对称局部图结构和复合局部图结构比原算法中垂直对称局部图结构和对称局部图结构具有更好的分类性能。

面向鲁棒图结构防御的过参数化图神经网络

图数据在现实应用中普遍存在,图神经网络(GNN)被广泛应用于分析图数据,然而GNN的性能会被图结构上的对抗攻击剧烈影响.应对图结构上的对抗攻击,现有的防御方法一般基于图内聚先验进行低秩图结构重构.但是现有的图结构对抗防御方法无法自适应秩真值进行低秩图结构重构,同时低秩图结构与下游任务语义存在错配.为了解决以上问题,基于过参数化的隐式正则效应提出过参数化图神经网络(OPGNN)方法,并形式化证明所提方法可以自适应求解低秩图结构,同时证明节点深层表征上的过参数化残差链接可以有效解决语义错配.在真实数据集上的实验结果表明,OPGNN方法相对于现有基线方法具有更好的鲁棒性,同时,OPGNN方法框架在不同的图神经网络骨干上如GCN、APPNP和GPRGNN上显著有效.

多视图低秩子空间的图结构学习多站点自闭症诊断方法

自闭症谱系障碍(Autism spectrum disorder,ASD)是一种最常见且具有遗传性的神经发育障碍疾病,具有社交沟通缺陷等多种症状。准确识别生物标记物对ASD的早期干预起到至关重要的作用。现有大量方法利用了多站点影像数据来增加样本量,从而提高了方法诊断的准确性,但是多站点间由于成像装置、成像参数和数据处理流程存在的差异造成的数据异质性影响往往被忽略。为了解决上述问题,本文提出了一种基于多视图低秩子空间的图结构学习多站点自闭症诊断方法(MVLL-GSL)。首先构建具有不同拓扑结构信息的多视图脑网络,然后分别将视图中不同类的样本分别投影到各自的低秩子空间,从而降低数据异质性的影响,最后使用图结构学习和多任务图嵌入学习相结合,并融入先验子网络和多视图一致性正则化约束,旨在从多视图低秩子空间中获得更具判别性和一致性的特征。使用自闭症公开数据库ABIDE(Autism brain imaging data exchange)对提出的方法进行验证。实验结果表明,MVLL-GSL方法提高了ASD的诊断性能,并解释了不同先验子网络与ASD发病机制的关联性。

融合子图结构的知识图谱嵌入对抗性攻击方法

知识图谱嵌入(Knowledge Graph Embedding,KGE)技术的高速发展极大提高了人类对于结构化知识的利用效率,该技术也为人工智能的相关应用提供了有利的支撑.但是知识图谱嵌入方法的脆弱性(vulnerability)给知识图谱的应用带来了巨大的挑战,近期的一些研究表明,在训练数据中添加微小的扰动便能对训练后的机器学习模型造成巨大的影响,甚至导致错误的预测结果.目前针对可能破坏知识图谱嵌入模型的安全漏洞的研究大多关注嵌入模型的损失函数而忽略图结构信息的作用,因此本文提出了一种融合子图结构深度学习的攻击方法DLOSSAA(Deep Learning of Subgraph Structure Adversarial Attack),对知识图谱嵌入的健壮性进行研究.DLOSSAA方法首先通过对子图结构的深度学习捕获相关子图的结构信息,然后通过修正的余弦相似度(Adjusted Cosine Similarity)筛选出最佳的攻击样本,最后将攻击样本添加到训练数据中进行攻击.实验结果表明,该方法能够有效降低攻击后的知识图谱嵌入模型的性能,攻击效果优于大部分已有的对抗性攻击方法.

基于多种图结构信息融合的刮板输送机健康状态识别

刮板输送机是一种煤矿井下用的煤炭输送设备,在煤矿生产中具有重要作用。恶劣工作环境及长期使用磨损导致刮板输送机性能逐渐退化,故及时掌握刮板输送机健康状态极为关键。为克服传统方法在刮板输送机整机健康状态识别过程中存在的部件强耦合性关系难以提取融合及健康指标构建人工参与过多、易受异常值影响的问题,提出一种基于多种图结构信息融合的刮板输送机健康状态识别方法。利用自注意力机制(SA)与标准化流(NF)共同优化的变分自编码器(VAE)无监督地自动构建刮板输送机健康指标,降低了刮板输送机健康指标构建中对人工经验的依赖,同时有效拟合了健康指标的隐式分布,克服了监测数据中存在的异常值影响健康指标构建的问题;提出了一种多种图结构信息提取方法,提取刮板输送机先验图结构及相似性度量图结构,全方位显式地表达了多部件之间的耦合关系;提出了一种多种图结构信息融合方法,利用多个图注意力网络(GAT)有效提取并融合刮板输送机的多种图结构信息。在采集的刮板输送机真实状态数据中进行试验,结果表明,模型识别准确率可达98.60%,宏平均F_(1)(Macro-F_(1))值可达96.81%,该方法为刮板输送机的健康状态识别提供了一种新的可行途径。

河海图结构蛋白质数据集及预测模型

蛋白质是一种具有空间结构的物质。蛋白质结构预测的主要目标是从已有的大规模的蛋白质数据集中提取有效的信息,从而预测自然界中蛋白质的结构。目前蛋白质结构预测实验存在的一个问题是,缺少能够进一步反映出蛋白质空间结构特征的数据集。当前主流的PDB蛋白质数据集虽然是经过实验测得,但没有利用到蛋白质的空间特征,而且存在掺杂核酸数据和部分数据不完整的问题。针对以上问题,从蛋白质的空间结构角度来研究蛋白质的预测。在原始PDB数据集的基础上,提出了河海图结构蛋白质数据集(Hohai Graphic Protein Data Bank,HohaiGPDB)。该数据集以图结构为基础,表达出了蛋白质的空间结构特征。基于传统Transformer网络模型对新的数据集进行了相关的蛋白质结构预测实验,在HohaiGPDB数据集上的预测准确率可以达到59.38%,证明了HohaiGPDB数据集的研究价值。HohaiGPDB数据集可以作为蛋白质相关研究的通用数据集。

基于加权紧凑局部图结构的人脸识别算法

针对局部图结构算法(local graph structure,LGS)构建图结构时用到的像素点距离中心像素太远,以及在图结构形成后分配权重时没有结合周围像素点到中心像素的距离因素问题,提出加权紧凑局部图结构(weighted compact local graph structure,WCLGS)算法。该算法定义了一种混合特征提取策略,从四个方向为中心像素点构建图结构,分别在垂直方向和对角线方向捕获对称和非对称信息,并且在图结构形成后对距中心像素点近的边赋较大的权重,对距中心像素点远的边赋较小的权重。WCLGS通过提取更近的像素点信息和合理的加权策略,密切关注中心像素点的近邻元素的差异,使得中心点两侧的信息提取更加均匀充分。实验证明,与现有的一些局部图结构算法相比,WCLGS在ORL(Olivetti Research Laboratory)、AR(active record)和HD(high definition)热红外人脸数据库上有更好的识别率和性能。

可满足性问题的三维DNA图结构算法

论文提出用三维图结构解决DNA分子计算问题,给出了解决3-SAT问题的方法。在所提出的方法中,算法所要求的步骤与公式中变量的数目相等。

基于YOLO v3与图结构模型的群养猪只头尾辨别方法

在利用视频监控技术对群养猪只进行自动行为监测时,对猪只准确定位并辨别其头尾位置对提高监测水平至关重要,基于此提出一种基于YOLO v3(You only look once v3)模型与图结构模型(Pictorial structure models)的猪只头尾辨别方法。首先,利用基于深度卷积神经网络的YOLO v3目标检测模型,训练猪只整体及其头部和尾部3类目标的检测器,从而在输入图像中获得猪只整体及头尾部所有的检测结果;然后,引入图结构模型,描述猪只的头尾结构特征,对每个猪只整体检测矩形框内的头尾部位组合计算匹配得分,选择最优的部位组合方式;对部分部位漏检的情况,采取阈值分割与前景椭圆拟合的方法,根据椭圆长轴推理出缺失部位。在实际猪场环境下,通过俯拍获得猪舍监控视频,建立了图像数据集,并进行了检测实验。实验结果表明,与直接利用YOLO v3模型相比,本文方法对头尾定位的精确率和召回率均有一定提高。本文方法对猪只头尾辨别精确率达到96.22%,与其他方法相比具有明显优势。

二维条码码图结构特性分析

介绍了QR二维条码和PDF417二维条码的码图结构.将构成码图的模块分为模式特征区域和数据符号区域.并对这两个区域的特性进行了分析,比较了在模块数量相近的情况下,这两种条码的信息容量.最后,对二维条码码图结构的设计提出了几点建议.

图结构在航空遥感图像特征点匹配中的应用

为了解决海上航空遥感图像拍摄目标及相机视角变化快,相似特征多导致的匹配不一致问题,并提高匹配算法的效率,提出了一种基于图结构的航空遥感图像特征点匹配算法。该特征匹配过程分为初始匹配和精确匹配两步,首先采用快速特征提取算法SURF进行特征提取并进行初始匹配,然后在精确匹配过程中充分考虑图像的局部空间结构及全局信息,建立K近邻图结构,用K近邻结构差异与点集的变换误差作为匹配的收敛条件,以解决图像目标发生变化而导致的K近邻结构不一致及K近邻结构相同时仍然存在干扰点两个问题,最终实现快速精确的特征匹配。

特征映射环境下工艺信息模型的图结构表达与应用

在将零件的CAD系统设计特征信息映射为CAPP系统所需的制造特征信息后，再将映射后的零件信息按照CAPP系统模型的结构要求进行转换，从而使CAPP系统能通过特征映射自动获取零件信息，最终实现CAD／CAPP信息集成。重点讨论如何采用带属性的图结构表达CAPP系统工艺信息模型和加工方法，并以此为基础形成零件的加工顺序图，为进一步构造和完善集成化CAPP系统打下了基础。

基于潜在语义与图结构的微博语义检索

微博文本短小、特征稀疏、与用户查询之间存在语义鸿沟的特点会降低语义检索效率。针对该问题,结合文本特征和知识库语义,构建基于潜在语义与图结构的语义检索模型。通过Tversky算法计算基于Hashtag的特征相关度;利用隐含狄利克雷分布算法对Wikipedia语料库训练主题模型,基于JSD距离计算映射到该模型的文本主题相关度;抽取DBpedia中实体及其网络关系连接图,使用SimRank算法计算图中实体间的相关度。综合以上3个结果得到最终相关度。通过短文本和长文本检索对Twitter子集进行实验,结果表明,与基于开放关联数据和图论的方法相比,该模型在评估指标MAP,P@30,R-Prec上分别提高了2.98%,6.40%,5.16%,具有较好的检索性能。

基于图结构的工作流技术分析和研究

通过对工作流基本组成元素和工作流运作特点的分析 ,利用工作流开展的时间差和人力资源的复用性 ,从并行工程的角度出发 ,提出了一种基于产品逻辑结构的柔性工作流思想 .根据这一思想 ,结合产品形成过程的逻辑关系 ,利用有关图论的知识 ,构造了一个基于全息树结构的柔性工作流模型 ,实现了逻辑信息、工作流程的有机融合 ,同时也给出了支持这种柔性工作流模型的后台关系数据库结构 .

一种检测兴趣漂移的图结构推荐系统

协同过滤是构造推荐系统最有效的方法之一.其中,基于图结构推荐方法成为近来协同过滤的研究热点.基于图结构的方法视用户和项为图的结点,并利用图理论去计算用户和项之间的相似度.尽管人们对图结构推荐系统开展了很多的研究和应用,然而这些研究都认为用户的兴趣是保持不变的,所以不能够根据用户兴趣的相关变化做出合理推荐.本文提出一种新的可以检测用户兴趣漂移的图结构推荐系统.首先,设计了一个新的兴趣漂移检测方法,它可以有效地检测出用户兴趣在何时发生了哪种变化.其次,根据用户的兴趣序列,对评分项进行加权并构造用户特征向量.最后,整合二部投影与随机游走进行项推荐.在标准数据集MovieLens上的测试表明算法优于两个图结构推荐方法和一个评分时间加权的协同过滤方法.

基于图结构的中文文本表示方法研究

为解决基于统计的文本表示模型的信息缺失问题,本文提出了一种考虑词间语义和语序信息的基于图结构的中文文本表示方法,其思想是将文本的特征项表示成图结构中的节点,特征项间的关系表示成节点间的有向边,据此可将文本表示成由节点和有向边组成的图结构,并且将边赋予权重信息,该模型较大程度地保留了原文本的结构信息及语义信息。中文语料测试结果表明,基于图结构的文本表示方法对复杂文本语料的分类问题十分有效。对于简短文本语料,本文提出扩展特征项共现单元的修正方法,提高了图结构中文文本表示方法的普遍适用性。

一种基于图结构模型的人体姿态估计算法

针对单幅图片中人体姿态的估计问题,在图结构模型的基础上提出了一种新的人体姿态估计算法。算法提出了一个新的部位观测模型和一种新的减小部位状态空间的方法:(1)对人体不同部位采用不同尺寸的细胞单元计算HOG特征,并利用线性SVM进行分类,从而提出一种新的部位观测模型;(2)利用人体部位定位的先验分布确定部位定位区域,然后通过邻域归并和设置与部位模板的匹配度阈值进一步减小状态空间,从而提出了一种减小部位状态空间的方法。仿真实验结果表明所提算法与传统算法相比更加有效。

二三维共享图结构的工厂管网建模研究

根据管道设计的一般过程 ,在现有管道设计 CAD软件建模研究的基础上 ,分析归纳了管道系统所特有的拓扑约束性质 ,提出了采用特征点描述管道系统的宏观约束 ,以及采用管网骨架和管件在管网骨架上的插入点描述管件的布局约束和局部约束的建模方法 ,并由此建立了二三维共享图结构的管道系统模型 .这种共享图结构可以充分描述管道设计过程中各阶段之间的联系 ,从而可根据已有设计结果对当前工作进行动态导航 。