git地址:https://github.com/koukoulala/SN_essay.git 都是用DNN做的，迭代2000次 1.facebook数据集： 只看直接相邻的邻居数目的表：18列特征，18个类别，准确度0.98 只有第2种邻居结构的表：18列特征，18个类别，准确度0.90 只有第3种邻居结构的表：18列特征，18个类别，准确度0.89 3种邻居结构的表（第一列是全部邻居数目）：54列特征，18个类别，准确度0.972 2.bcspwr数据集： 只看直接相邻的邻居数目的表：8列特征，8个类别，准确度0.8377 只有第2种邻居结构的表：8列特征，8个类别，准确度0.6396 只有第3种邻居结构的表：8列特征，8个类别，准确度0.2415 3种邻居结构的表（第一列是全部邻居数目）：24列特征，8个类别，准确度0.8415 指定3种结构的影响度，直接测试准确率：都设置为1，准确度0.824；设置为（1,0,0）即只有直接相邻节点起作用的话，准确度0.821 使用cnn，把每个节点邻居结构看做是图，并且数目都10（为了防止梯度消失），测试集准确率0.8359，训练集最高0.86 使用cnn，把每个节点邻居结构看做是图，并且数目都10（为了防止梯度消失），第一列不是全部邻居，测试集准确率0.8613 改为无向图，第 13 次迭代时达到最大准确率为： 0.9921875，最大准确率时的权重值： 0.39824164 0.6255868 0.68378544 测试准确率为： 0.990188679245283，错误的总数目： 52 3.fpga数据集： 只看直接相邻的邻居数目的表：16列特征，16个类别，准确度0.9918 3种邻居结构的表（第一列是全部邻居数目）：48列特征，16个类别，准确度0.9918