用于图学习的主干图核方法

摘要：

对于结构化数据的学习是数据挖掘领域一个重要的分支.至今,出现了许多十分优秀的结构化数据学习方法.核方法是其中有效的学习方法之一,文中在G(a)ertner等人研究的基础上,提出了一种主干图核方法.该方法定义了图中重要程度较高的子结构为主干图,它有效地降低了图学习的规模.利用随机路径核函数来定义主干图核函数并对不同阶的主干图给予不同的权重.通过自适应的离散粒子群算法来对核相似矩阵进行学习.实验结果表明,文中方法能够很好地对图数据进行学习.

关键词：机器学习、核方法、主干图核、子结构、粒子群算法

所属期刊栏目：21

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目60873100;山西省高校科技研究与开发项目20081023;山西省自然科学基金资助项目2010011022-1

在线出版日期：2011-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：117-120