(3) 计算节点${{\boldsymbol{s}}_{\rm{1}}}$, ${{\boldsymbol{s}}_{\rm{2}}}$的相似
度阈值${T_{{{\boldsymbol{s}}_{\rm{1}}}}}$, ${T_{{{\boldsymbol{s}}_{\rm{2}}}}}$,对
节点${\boldsymbol{v }}\in {\boldsymbol{V}}$,将与${\boldsymbol{v }}$连接的节点集合记
为${\boldsymbol{P }}$,若${\boldsymbol{P }} = \varnothing
$, $ {T}_{\boldsymbol{v}}=\min\Vert {\boldsymbol{v}}-
{\boldsymbol{v}}_{n}\Vert ,{\boldsymbol{v}}_{n} \in {\boldsymbol{V}}\backslash
\left\{{\boldsymbol{v}}\right\}$,若${\boldsymbol{P}} \ne \varnothing
$, $ {T}_{\boldsymbol{v}}= $$ \max\Vert {\boldsymbol{v}}-
{\boldsymbol{v}}_{n}\Vert ,{\boldsymbol{v}}_{n} \in {\boldsymbol{P}}$。
(4) 如果$\left\| {{\boldsymbol{\xi}} {\rm{ - }}{{\boldsymbol{s}}_{\rm{1}}}} \right\| >
{T_{{{\boldsymbol{s}}_{\rm{1}}}}}$或$\left\| {{\boldsymbol{\xi}}
{\rm{ - }}{{\boldsymbol{s}}_{\rm{2}}}} \right\| >
{T_{{{\boldsymbol{s}}_{\rm{2}}}}}$, ${\boldsymbol{V}} = $$ {\boldsymbol{V}} \cup
\{ {\boldsymbol{\xi}} \} $,否则丢弃样本${\boldsymbol{\xi}} $,同时修正节点
${{\boldsymbol{s}}_1}$和${{\boldsymbol{s}}_2}$, ${{\boldsymbol{s}}_1} =
{{\boldsymbol{s}}_1} + \varepsilon (t)({\boldsymbol{\xi}} -
{{\boldsymbol{s}}_1})$, ${{\boldsymbol{s}}_2} = {{\boldsymbol{s}}_2} + \varepsilon
{\rm{'(}}t{\rm{)}}({\boldsymbol{\xi}} - {{\boldsymbol{s}}_2})$,其中$\varepsilon (t) =
{1}/{{{t_{{{\boldsymbol{s}}_{\rm{1}}}}}}}$, $\varepsilon '(t) =
{{{t_{{{\boldsymbol{s}}_{\rm{2}}}}}}}/{{100}}$。
(5) 若${{\boldsymbol{s}}_1}$和${{\boldsymbol{s}}_2}$无连接,${\boldsymbol{E}} =
{\boldsymbol{E}} \cup \{ ({{\boldsymbol{s}}_1},{{\boldsymbol{s}}_2})\}
$, ${w_{({{\boldsymbol{s}}_{\rm{1}}},{{\boldsymbol{s}}_{\rm{2}}})}} = 1$;若有连接,
${w_{({{\boldsymbol{s}}_{\rm{1}}},{{\boldsymbol{s}}_{\rm{2}}})}} =
{w_{({{\boldsymbol{s}}_{\rm{1}}},{{\boldsymbol{s}}_{\rm{2}}})}} + 1$。
如果${w}_{({\boldsymbol{s}}_{1},{\boldsymbol{s}}_{2})} > {W}_{\max},\;E\backslash
\{({\boldsymbol{s}}_{1},{\boldsymbol{s}}_{2})\}$, ${{\boldsymbol{W}}_{{\rm{max}}}}$为
预定义值。
(6)每学习完总样本的百分比例$p$,删除孤立节点,及对应的胜利次数。若样本输入
未结束,则返回步骤 (2)。否则,输出图节点集合${\boldsymbol{V}}$、连接集合
${\boldsymbol{E}}$及各个节点胜利次数。
由上述 WSOINN 算法过程可知,其节点间连接权重$w$代表两节点间的相似性,连接
权重越大则表示两节点越相似;节点胜利次数越多,表明该节点越具有代表性,越重要。
2.3 图卷积神经网络(GCN)