deep graph clustering | BriefGPT

关键词deep graph clustering

搜索结果 - 8

协同深度图聚类网络
使用图神经网络（GNNs）学习连贯且有区分力的节点表示以进行聚类在深层图聚类中已经显示出了良好的结果。然而，现有方法忽视了表示学习与结构增强之间的相互关系。该研究表明，增强嵌入和结构的协同作用对于释放 GNNs 在深层图聚类中的潜力变得必要
PDF14 days ago
AAAI通过拓扑数据分析学习动态网络中的持久社区结构
提出了一种基于时间一致性正则化的新型深度图聚类框架，通过保持节点嵌入和结构相似性，增强了实时社区检测的时间一致性和聚类准确性。
PDF6 months ago
无冗余自监督关系学习用于图聚类
提出了一种名为 R$^2$FGC 的新颖自监督深度图聚类方法，它可以从全局和局部视角提取属性和结构级别的关系信息，并通过保持增加节点之间的一致关系和减少冗余关系来学习具有判别性的嵌入表示。实验证明，R$^2$FGC 在广泛使用的基准数据集上
PDF10 months ago
未知簇数的强化图聚类
我们提出了一种名为强化图聚类（RGC）的新型深度图聚类方法，将集群数量确定和无监督表示学习统一到一个框架中，并通过强化学习机制精确地捕捉图中的局部和全局信息来评估不同集群数量的质量并决定聚类数量。
PDFa year ago
Dink-Net：大型图上的神经聚类
该研究提出了一种可扩展的深度图聚类方法（Dink-Net），通过膨胀和收缩的思想，利用深度神经网络将图的节点分为不相交的群组，并通过自我监督方法学习表示。该方法采用小批量数据优化聚类分布，并最小化聚类膨胀损失和聚类收缩损失，将表示学习和聚类
PDFa year ago
深度时变图聚类
提出了基于交互序列的批处理模式的 deep Temporal Graph Clustering (TGC) 框架，通过调整聚类分配和邻接矩阵重建技术来适应时间图的互动动态。实验结果表明，TGC 框架可以有效提高现有临时图学习方法的性能。
PDFa year ago
改进的双相关降维网络
本研究提出了一种新的深度图聚类算法称为 IDCRN，通过改善样本的区分能力来缓解已存在的表示崩溃问题并且避免过度平滑的情况，通过将交叉视图特征关联矩阵近似为一个恒等矩阵来减少特征之间的冗余性以明确地提高潜在空间的区分能力。在六个基准测试上的
PDF2 years ago
基于双重相关性减少的深度图聚类
提出了一种名为 Dual Correlation Reduction Network（DCRN）的方法，该方法采用双重相关性降低的策略来减少节点编码过程中的表征崩溃现象，同时通过 GCN 中引入传播正则化项来缓解过度平滑造成的表征崩溃现象，
PDF3 years ago