买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉太原理工大学申请的专利基于图卷积网络和概率推理模型的半监督节点分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116935111B 。

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310871395.1，技术领域涉及：G06V10/764；该发明授权基于图卷积网络和概率推理模型的半监督节点分类方法是由周瑜;李青阳;李昭琪;郝戍峰;郑海霞设计研发完成，并于2023-07-14向国家知识产权局提交的专利申请。

本基于图卷积网络和概率推理模型的半监督节点分类方法在说明书摘要公布了：本发明涉及图像节点分类技术领域，尤其涉及基于图卷积网络和概率推理模型的半监督节点分类方法，解决了背景技术中的技术问题，本方法利用边完全树对图进行划分，并让图卷积网络的消息传播机制在子图内部和子图之间交互执行，将节点之间的相似性融入到图卷积网络中，使得每层中节点状态矩阵满足相似性约束，为了进行节点分类，本方法利用条件随机场建模节点标签之间的相关性，并将其与融合节点相似性的图卷积网络深度融合。该方法使用了一种在频域域图卷积做局部一阶逼近以实现卷积架构，能够在隐藏层上学习图的信息，还使用了快速近似卷积，可以快速、可规模化地完成基于点的半监督分类任务，可以在大规模图数据上进行高效的半监督学习。

本发明授权基于图卷积网络和概率推理模型的半监督节点分类方法在权利要求书中公布了：1.基于图卷积网络和概率推理模型的半监督节点分类方法，其特征在于，包括以下步骤： 步骤一、利用图划分算法将大图划分为若干小图，通过对生成树进行增强，得到能保留图中所有边信息的边完全树，然后对边完全树进行分割，并将每颗子树根据其节点获得若干子图，为了保证节点间的消息传播，同时保存由子图间连接关系构成的粗化图； 步骤二、利用图卷积网络分别在子图和粗化图上进行消息传播，图卷积网络的消息传播机制为： 其中，表示带自回路的邻接矩阵，表示的行和； 其中节点分类的目标函数为： 其中，W权重，X为节点的特征矩阵，A为邻接矩阵，Y为节点标签，Hl为第l层图卷积网络的节点特征矩阵，表示F范数，γ为随机变量，R·表示为实现节点间相似性约束而增加的正则化函数，为了保证正则化函数的灵活性，拟利用条件随机场建模节点特征之间的相似性，令 其中Xl＝FA,Hl-1,Wl，EHl,Xl表示为既能强化节点的特征表示，又要能捕获其与邻近节点特征之间的相似性的能量函数，ZXl表示为划分函数；利用平均场变分推理近似计算PHl|Xl，即最小化KLQHl||PHl|Xl；最终计算得到节点特征之间的相似性PHl|Xl，即得到可嵌入到图卷积网络中的条件随机场算子；在每个子图和粗化图上分别执行带有条件随机场算子的图卷积网络，得子图和粗化图中相应节点的表示向量；为了保证子图和粗化图之间的消息传递，通过全局池化算子汇聚子图中节点的表征信息，并将其传递给粗化图中的对应节点；通过粗化图中的消息传递获得其中粗化图节点的表征，将该表征传递给对应子图中的节点； 步骤三、带条件随机场算子的图卷积网络将图结构信息编码在特征向量中，没有考虑节点标签之间的相关性，因此接着计算节点标签之间的相关性，对于可观测节点，可观测节点即为带标签的节点，其标签的对数似然函数为logpφYlabel|Hl；将未知节点的标签Yunlabel作为隐藏变量，利用变分推理，可得该对数似然函数的证据下界ELBO，即 利用变分EM算法对参数φ和θ进行交互式更新，在变分E步，利用带条件随机场层的图卷积网络来表示变分分布，即 在变分M步，利用带条件随机场层的图卷积网路来表示条件概率，即 最后，利用变分分布来预测未标记节点的标签，即可实现节点分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人太原理工大学，其通讯地址为：030024 山西省太原市万柏林区迎泽西大街79号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。