买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西南财经大学申请的专利一种基于不确定性的多视图图神经网络表示学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120123553B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510035876.8，技术领域涉及：G06F16/901；该发明授权一种基于不确定性的多视图图神经网络表示学习方法是由施龙;陈俊宇;陈中普设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种基于不确定性的多视图图神经网络表示学习方法在说明书摘要公布了：本发明属于深度学习领域中的图神经网络技术领域，公开了一种基于不确定性的多视图图神经网络表示学习方法，其方法包括以下步骤：步骤1，视图内不确定性估计，步骤2，基于不确定性评估的图结构增强，步骤3，基于不确定性评估的多视图图聚合。本发明通过引入基于主观逻辑的不确定性估计和特征去相关算法，确保每次结构增强能关注不同的图结构特征，提高增强结构中的特征多样性，从而实现更全面的特征表示，再通过学习视图特定的信念和不确定性，构建聚合参数来评估和区分不同视图的质量，使高质量视图在图神经网络聚合过程中发挥主导作用，同时抑制低质量视图的负面影响，从而提升多视图图表示学习的性能。

本发明授权一种基于不确定性的多视图图神经网络表示学习方法在权利要求书中公布了：1.一种基于不确定性的多视图图神经网络表示学习方法，其特征在于，其方法包括以下步骤： 步骤1，视图内不确定性估计：通过图神经网络对视图内特征进行表示学习，并评估表示结果的不确定性； 1a，首先使用图卷积网络处理视图内的节点特征；利用邻接矩阵和节点特征矩阵进行信息传递和融合，生成特征表示结果； 1b，采用单层前馈神经网络处理特征表示结果形成logits，利用logits建模证据向量b1，logits表示神经网络的原始输出值； 1c，基于得到的证据向量b1，利用主观逻辑理论计算该视图的总体不确定性u，用于评估视图特征融合的可靠程度； 步骤2，基于不确定性评估的图结构增强：基于节点重要性和特征多样性，实现图结构的增强； 2a，计算每个节点的综合重要性得分，该得分由两部分组成：基于邻接矩阵计算节点的度中心性，反映节点在图中的连接重要性；计算节点特征向量的方差，反映节点特征的信息丰富程度；两个指标相加，得到节点的综合重要性得分； 2b，选择重要性最高的节点，增强其与邻居节点之间的连接；具体做法是提升该节点与其邻居节点之间的边权重值； 2c，为保证后续增强节点的特征多样性，使用余弦相似度计算其他节点与当前增强节点的特征相似度，并据此降低具有相似特征节点的重要性； 2d，重复以上结构增强过程，每次增强后评估不确定性变化；当不确定性不再降低时，终止增强过程； 步骤3，基于不确定性评估的多视图图聚合：根据不同视图的质量差异，实现多视图信息的差异化融合； 3a，构建视图质量评估指标；该指标考虑视图的信念分布方差和不确定性，计算公式为：γ=VARbu，VAR表示方差计算函数，b表示类别信念； 3b，基于视图质量指标γ进行跨视图的图卷积神经网络过程，使高质量视图在融合过程中发挥更大作用； 3c，最后通过平均池化操作，将融合后的特征矩阵转换为向量形式，得到最终的多视图图表示。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南财经大学，其通讯地址为：610000 四川省成都市温江区柳台大道555号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。