[1]常新功 沈亮 景丽荣.用于图学习的主干图核方法[J].计算机技术与发展,2011,(08):117-120.
　CHANG Xin-gong,SHEN Liang,JING Li-rong.Backbone Kernels for the Graph Data Learning[J].,2011,(08):117-120.
点击复制

用于图学习的主干图核方法()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2011年08期
页码:
117-120
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Backbone Kernels for the Graph Data Learning
文章编号:
1673-629X（2011）08-0117-04
作者:
常新功 沈亮 景丽荣
山西财经大学信息管理学院
Author(s):
CHANG Xin-gong; SHEN Liang; JING Li-rong
Information Management Faculty,Shanxi University of Finance and Economics
关键词:
机器学习; 核方法; 主干图核; 子结构; 粒子群算法
Keywords:
machine learning;  kernel method;  backbone kernel;  substructure;  particle swarm optimization
分类号:
TP181
文献标志码:
A
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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
Abstract:
Learning structured data is an important branch of the data mining field.So far,there have been many good methods of structured data learning.Kernel method is one of the effective learning ways.Based on Gertner and other researchers＇ study,proposes a backbone graph kernel method.It defines that the sub-structure with higher importance is the backbone graph.It effectively reduces the size of graph learning.It uses random path kernel function to define the main graph kernel functions and gives different weights to backbone graph which have different order.Uses the adaptive discrete particle swarm algorithm to learn the similar kernel matrix.Experimental results shows that the method that the paper proposed can well learn of the graph data

相似文献/References:

[1]陈全 赵文辉 李洁 江雨燕.选择性集成学习算法的研究[J].计算机技术与发展,2010,(02):87.
　CHEN Quan,ZHAO Wen-hui,LI Jie,et al.Research of Selective Ensemble Learning Algorithm[J].,2010,(08):87.
[2]黄秀丽 王蔚.SVM在非平衡数据集中的应用[J].计算机技术与发展,2009,(06):190.
　HUANG Xiu-li,WANG Wei.Application of SVM in Imbalances Dataset[J].,2009,(08):190.
[3]鲁晓南 接标.一种基于个性化邮件特征的反垃圾邮件系统[J].计算机技术与发展,2009,(08):155.
　LU Xiao-nan,JIE Biao.An Individual Anti- Spam Technology[J].,2009,(08):155.
[4]张苗 张德贤.多类支持向量机文本分类方法[J].计算机技术与发展,2008,(03):139.
　ZHANG Miao,ZHANG De-xian.Research on Text Categorization Based on. M- SVMs[J].,2008,(08):139.
[5]汤萍萍 王红兵.基于强化学习的Web服务组合[J].计算机技术与发展,2008,(03):142.
　TANG Ping-ping,WANG Hong-bing.Web Service Composition Based on Reinforcement -Learning[J].,2008,(08):142.
[6]杨雪洁 赵姝 张燕平.基于商空间理论的冬小麦产量预测和分析[J].计算机技术与发展,2008,(03):249.
　YANG Xue-jie,ZHAO Shu,ZHANG Yan-ping.Analysis on Winter Wheat Yield Based on Quotient Space Theory[J].,2008,(08):249.
[7]汤伟 程家兴 纪霞.一种基于概率推理的邮件过滤系统的研究与设计[J].计算机技术与发展,2008,(08):76.
　TANG Wei,CHENG Jia-xing,JI Xia.Research and Design of a Spam Filtering System Based on Probability Inference[J].,2008,(08):76.
[8]孙海虹 丁华福.基于模糊粗糙集的Web文本分类[J].计算机技术与发展,2010,(07):21.
　SUN Hai-hong,DING Hua-fu.Web Document Classification Based on Fuzzy-Rough Set[J].,2010,(08):21.
[9]汤伟 程家兴 纪霞.统计学理论在邮件分类中的应用研究[J].计算机技术与发展,2008,(12):231.
　TANG Wei,CHENG Jia-xing,JI Xia.Research and Design of a Spam Filtering System Based on Statistical Learning Theory[J].,2008,(08):231.
[10]张高胤 谭成翔 汪海航.基于K-近邻算法的网页自动分类系统的研究及实现[J].计算机技术与发展,2007,(01):21.
　ZHANG Gao-yin,TAN Cheng-xiang,WANG Hai-hang.Design and Implementation of Web Page Automation Classification System Based on K- Nearest Neighbor Algorithm[J].,2007,(08):21.

备注/Memo

备注/Memo:
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）常新功（1968-），男，山西太原人，教授，硕士生导师，CCF会员。研究方向为进化计算、数据挖掘；沈亮，硕士研究生，研究方向为进化算法、数据挖掘
更新日期/Last Update: 1900-01-01