用于非精确图匹配的改进GCN模型

摘要：

针对现有图匹配算法对拓扑结构节点特征挖掘不够充分问题,提出了一种用于非精确图匹配的改进图卷积神径网络(GCN)模型.首先,考虑到选取的节点应具有较强的代表性,利用社交网络分析中三种衡量网络节点中心度的方法去获取图中节点的中心度,按照节点的中心度大小排序.其次,针对图的节点和边具有相应的领域特征,把拓扑结构映射到网格结构的同时,应最大化表示节点之间的关系属性,在节点邻域大小不满足感受野阈值时,对节点邻域进行中心度排序并按中心度大小依次获取邻域节点,直到邻域大小满足感受野阈值,进而利用卷积神经网络进行图的分类识别.最后,在多个标准图数据集上进行了训练和测试.实验结果表明,改进的GCN模型在图匹配问题上较同类方法具有更高的识别率.

关键词：拓扑结构、节点邻域、排序、图卷积神经网络、非精确图匹配

所属期刊栏目：14

分类号：TP391.4(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61373112, 51878536 国家自然科学基金;the Basic Research Foundation of Xi'an University of Architecture and Technology under Grant No. RC1716 西安建筑科技大学基础研究基金

在线出版日期：2020-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1397-1408