基于类别信息的特征子图选择策略

被引：2

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] 广东电网信息中心

来源：

关键词：

频繁子图; 图分类; 图挖掘; 特征选择;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

选择频繁的特征子图在基于频繁子图的图数据分类中起着非常重要的作用。提出了一种基于类别信息的特征子图选择策略,即从候选的频繁子图中选出独有频繁子图和显著频繁子图作为特征子图。实验结果显示,在对化合物数据分类时,该选择策略在分类性能上优于SVM方法特征选择策略和CEP方法的特征选择策略。

引用

页码：169 / 170+175 +175

页数：3

共 4 条

[1] 基于联合意义度量的Top-K图模式挖掘
刘勇
高宏
李建中
[J]. 计算机学报, 2010, 33 (02) : 215 - 230
[2] 基于区分类别能力的高性能特征选择方法
徐燕
李锦涛
王斌
孙春明
[J]. 软件学报, 2008, (01) : 82 - 89
[3] 一种新的基于频繁闭显露模式的图分类方法
刘勇
李建中
朱敬华
[J]. 计算机研究与发展, 2007, (07) : 1169 - 1176
[4] Frequent Subgraph Discovery .2 Kuramochi,M,Karypis,G. Proceedings of the 2001 IEEE lnternational Conference on Data Minim (ICDMOl) . 2001