张贤超;穆杰;刘,韩;张晓彤;宗林林;王光禄 用图胶囊网络进行图聚类。 (英语) Zbl 1492.68120号 神经计算。 34,第5期,1256-1287(2022). 摘要:图聚类是数据分析中的一项基本任务,其目的是将一组图划分为具有相似结构的组。随着深度学习取得的巨大进步,深度图聚类方法取得了成功。然而,这些方法有两个局限性:(1)它们通过无法有效表达图形属性的神经语言模型学习图形嵌入,(2)它们将嵌入学习和聚类视为两个独立的过程,因此所学习的嵌入不适合后续的聚类。为了克服这些局限性,我们提出了一种新的基于胶囊的图聚类算法。首先,我们构建了一个图聚类胶囊网络(GCCN),该网络引入胶囊来捕获图属性。其次,我们设计了一种迭代优化策略来交替更新GCCN参数和聚类分配参数。该策略引导GCCN学习面向聚类的图嵌入。实验结果表明,在ACC、NMI和ARI三个标准评估指标方面,我们的算法的性能优于现有的图聚类算法。此外,我们使用可视化结果分析了胶囊的有效性,并证明GCCN可以学习面向聚类的嵌入。 MSC公司: 68T07型 人工神经网络与深度学习 62H30型 分类和区分;聚类分析(统计方面) 68兰特 计算机科学中的图论(包括图形绘制) PDF格式BibTeX公司 XML格式引用 \textit{X.Zhang}等人,《神经计算》。34,第5号,1256--1287(2022;Zbl 1492.68120) 全文: 内政部