-
题名基于动态阈值伪标签筛选的深度图对比聚类算法
被引量：1
- 1
-
-
作者
王沛
杨希洪
管仁祥
祝恩
-
机构
国防科技大学计算机学院
-
出处
《计算机科学》
北大核心
2025年第8期100-108,共9页
-
基金
科技创新2030(2022ZD0209103)。
-
文摘
近年来,图神经网络在处理复杂结构数据方面表现出色,被广泛应用于节点分类、图分类、链接预测等领域。深度图聚类结合了GNNs强大的表示能力与聚类算法的目标,从复杂的图结构数据中发现隐藏的簇结构。然而,现有的基于伪标签的图聚类算法在进行模型优化时常使用固定阈值,根据类别对样本进行筛选,以获得高置信度的样本数据来引导模型优化。但固定阈值的方法会导致类别不平衡问题,进而影响模型聚类的性能。为了解决上述问题,提出了一种基于动态阈值伪标签的深度图对比聚类算法。具体来说,采用两个不共享参数的多层感知机(MLP)结构捕捉图数据的潜在结构特征,并使用K-Means算法得到聚类结果。在此基础上,引入信赖强度来动态调整获得伪标签的阈值,在训练过程中动态调整每个类别中高置信度的样本数量,缓解类别不平衡的问题。此外,优化了对比学习策略,改进了样本对的构造方法,提高了模型的判别能力。实验结果表明,所提方法在6个基准数据集上均表现出色,在多个评估指标上超越了现有方法,展现了其有效性。
-
关键词
深度图聚类
伪标签
图对比聚类
图神经网络
动态阈值
-
Keywords
Deep graph clustering
Pseudo-label
graph contrastive clustering
graph meural network
Dynamic threshold
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
