Graph Wavelet Convolutional Network with Graph Clustering
Graph Wavelet Convolutional Network with Graph Clustering
复制标题
DOI：
10.1109/itc-cscc55581.2022.9895090
复制
发表时间：
2022-07
期刊：
影响因子：
--
通讯作者：
Hiroki Inatsuki;T. Uto
中科院分区：
文献类型：
--
作者：
Hiroki Inatsuki;T. Uto
在本文中，我们提出了一种新颖的图小波卷积网络（GWCN）方法，采用图聚类算法（例如 METIS）。 GWCN 是一种基于图小波变换的方法。它比使用图傅立叶变换的图卷积网络（GCN）具有更好的局部性，并且分类精度更高。在这项工作中，图聚类算法被应用于GWCN，为深度学习中的小批量选择提供了一种机制，对学习产生了有效的影响。
In this paper, we present a novel Graph Wavelet Convolutional Network (GWCN) approach with a graph clus-tering algorithm such as METIS. GWCN is a graph wavelet transform-based method. It has better locality than Graph Convolutional Network (GCN) using the graph Fourier transform, and results higher classification accuracy. In this work, the graph clustering algorithm is applied to GWCN for providing a mechanism to the mini-batch selection in deep learning, which has an effective impact on learning.