李社蕾,杨博雄,陆娇娇
(1.三亚学院 信息与智能工程学院,海南 三亚 572022;2.三亚学院 陈国良院士工作站,海南 三亚 572022)
在现实世界中,大量数据是以图或者网络的形式存在的,比如社交网络、知识图谱、蛋白质相互作用网、世界贸易网等等。2012年,Imagenet图像识别大赛中,Hinton组的Alexnet[1]引入了全新的深层结构和dropout方法,将错误率从25%以上提升至15%,颠覆了图像识别领域。图数据结构的研究者们开始尝试将卷积神经网络泛化后应用在这样的数据集上,就产生了图卷积神经网络,比如GNN、GCN、GAE、GRNN等。
傅里叶变换和小波变换在数字图像及信号处理领域应用非常成功[2],诸多研究者也已将傅里叶变换、二进小波和正交小波泛化到了图结构上,Kipf & Welling[3]提出的GCN利用图上的傅里叶变换,由卷积定理,实现了谱图傅里叶变换的卷积快速算法,Hammond等[4]将二进小波泛化到了图结构上,Xu B[5]等利用谱图小波变换,并结合热扩散理论[6-7]实现了谱图小波变换的卷积快速算法[8]。迄今为止,谱图理论在图卷积神经网络应用中[9-12]仅仅是为了解决在图结构上做卷积的问题,没有真正发挥谱图理论——这一强大理论体系的作用,同时也大大限制了图卷积神经网络性能的发挥。因此,该文结合数据集(Coar)在分析其图结构的基础上,对谱图傅里叶变换与谱图小波变换基进行研究,为谱图小波变换和谱图傅里叶变换更深入的与图卷积神经网络结合提供参考。
引文数据集Cora的图结构是由论文和论文之间的关系构成的网络,其中关系包括引用关系、共同作者等,每篇论文作为一个节点,关系作为边,就形成了天然的图结构。……