差分进化算法优化的图注意力网络集成研究

作者：刘鹏飞; 张伟峰; 何克晶

来源：云南大学学报(自然科学版), 2021, 44(01): 41-48.

• 分类器集成
• 差分进化
• 图神经网络
• 注意力机制

为进一步提升图分类算法的性能和稳健性,提出了差分进化算法优化的图注意力网络集成.首先,通过划分原始样本让不同的基学习器关注数据的不同区域;其次,利用差分进化算法良好的搜索能力,以分类器集成的分类错误率为目标函数优化基学习器的权重向量;最后,在权重向量基础上综合各基学习器的输出作为分类器集成的总体输出.实验引入引文数据集Cora进行验证,与基础的图注意力网络模型相比,所提出的集成算法的分类性能和稳健性有一定的改进.在固定超参数时其准确率比内部基学习器平均准确率高0.001～0.011,以0～0.005的差距持平或领先于多数投票法分类器集成;在随机超参数时其准确率比内部基学习器平均准确率高0.053～0.173,以0.003～0.006的优势领先于多数投票法分类器集成;此外在参数扰动和数据扰动下的集成训练时长分析也得出了有意义的结论.

• 单位
  华南农业大学; 华南理工大学