龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：无锡学院
摘要：本发明公开了一种基于SEAL思想的节点病毒相关性预测方法，旨在提高城市节点疫情传播风险的预测准确度；该方法包括以下主要步骤：首先，通过时间序列分析获取并处理各城市的病毒感染数据，生成城市节点的时间序列数据；然后计算城市节点间的相关性矩阵，并将相关性系数转化为欧氏距离，构建极大平面子图；接着应用DeepWalk算法进行节点嵌入学习，通过随机游走生成节点序列，并利用Skip‑gram模型进行节点特征表示；进一步提取k‑hop子图，并计算DRNL标签，以获取每个节点在图中的位置和相对距离；最后，将提取的特征信息拼接形成节点特征矩阵，并输入到动态图卷积神经网络中，通过1D卷积神经网络更新节点特征向量，优化节点表示以反映节点在网络中的重要性和传播潜力。
主权项：1.一种基于SEAL思想的节点病毒相关性预测方法，其特征在于，包括以下步骤：获取各城市的病毒感染数据，并进行时间序列分析，通过计算一阶差分序列分析病毒感染人口的增长情况，获得每个城市的时间序列数据；计算各城市节点时间序列数据的相关性，生成相关系数矩阵，通过计算相关性确定各城市节点之间的关联程度；将相关性系数转换为欧氏距离，以反映节点之间的关联程度，通过转换后的欧氏距离排列各城市节点的连接顺序；根据欧氏距离，从小到大排序，对每个城市节点选择最强连接的前三条边，并将其添加到平面最大滤波图中，以确保网络的稀疏性和代表性；应用DeepWalk算法对城市节点进行随机游走，从起始节点生成节点序列，并利用Skip-gram模型进行节点嵌入学习，以生成节点的嵌入表示，便于后续的特征提取和分析；提取k-hop子图，衡量节点之间的连接程度，并计算DRNL标签，反映节点在图中的位置和相对距离，为每个节点分配独特的标签，便于后续的特征表示和模型输入；将提取的特征信息拼接成节点特征矩阵，输入到DGCNN模型中，通过1D卷积神经网络更新节点特征向量，进行图卷积操作，进一步优化节点表示；构建极大平面子图，并使用图卷积层更新节点状态，经过多轮图卷积，更新特征向量，以反映节点在网络中的传播潜力。
全文数据：
权利要求：
百度查询： 无锡学院 一种基于SEAL思想的节点病毒相关性预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号