科研之友
微信
新浪微博
Facebook
分享链接
摘要
经典的谱聚类算法需要计算图拉普拉斯矩阵的特征分解，代价昂贵，学者们将深度学习模型引入谱聚类算法。然而，现有的方法存在一定的局限性。针对现有聚类模型忽略了节点间的关联度信息，导致聚类结果不准确；当图神经网络中的节点数目发生变化时，需要更新整张图，耗费大量存储空间的问题，本文将注意力机制与改进的图卷积神经网络架构相结合，提出了一种基于注意力和图卷积神经网络的谱聚类方法。该方法主要利用注意力机制引导节点聚类，然后建立相应的目标，通过训练神经网络计算出目标最优时对应的聚类分配，并在图重构过程中利用注意力信息和拓扑信息双重引导，从而提升重构的精确度。实验结果显示，本文提出的方法在图分类、图聚类及图重构中具有良好性能。
- 单位
