一种新的基于嵌入集的图分类方法

被引：5

作者：

王桂娟 ^{[1
,2
]}

印鉴 ^{[1
]}

詹卫许 ^{[3
]}

机构：

[1] 中山大学信息科学与技术学院

[2] 华南师范大学计算机学院

[3] 南方电网信息中心

来源：

计算机研究与发展 | 2012年 / 49卷 / 11期

基金：

广东省科技计划; 广东省自然科学基金;

关键词：

频繁子图; 图分类; 图挖掘; 特征选择; 嵌入集; 数据挖掘;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

随着图数据收集技术在许多科学领域的发展,对图数据分类已成为机器学习和数据挖掘领域的重要课题.目前已经提出许多图分类方法.其中,一些图分类方法采用3步来构筑分类模型;一些图分类方法采用2步来构筑分类模型.这些方法在挖掘频繁子图或特征子图时,只考虑到子图的结构信息,而没有考虑到子图的嵌入信息.为此,在L-CCAM子图编码的基础上,提出了一种基于嵌入集的图分类方法.该方法采用基于类别信息的特征子图选择策略,不但考虑了子图的结构信息,而且在频繁子图挖掘过程中充分利用嵌入信息——嵌入集,通过一步即直接选择特征子图以及生成分类规则.实验结果表明:在对化合物数据分类时,在分类精度上该方法优于采用3步的图分类方法;在运行效率上该方法优于采用2步和3步的图数据分类方法.

引用

页码：2311 / 2319

页数：9