| 用于图分类的组合维核方法 |
| |
| 引用本文： | 李宇峰,郭天佑,周志华. 用于图分类的组合维核方法[J]. 计算机学报, 2009, 32(5). DOI: 10.3724/SP.J.1016.2009.00946 |
| |
| 作者姓名： | 李宇峰 郭天佑 周志华 |
| |
| 作者单位： | 南京大学计算机软件新技术国家重点实验室,南京,210093;香港科技大学计算机科学与工程系,香港 |
| |
| 基金项目： | 国家自然科学基金，江苏省自然科学基金，江苏省333工程资助项目 |
| |
| 摘 要： | 对图等内含结构信息的数据进行学习,是机器学习领域的一个重要问题.核方法是解决此类问题的一种有效技术.文中针对分子图分类问题,基于Swamidass等人的工作,提出用于图分类的组合维核方法.该方法首先构建融合一维信息的二维核来刻画分子化学特征,然后基于分子力学的相关知识,利用几何信息构建三维核来刻画分子物理性质.在此基础上对不同维度的核进行集成,通过求解二次约束二次规划问题来获得最优核组合.实验结果表明,文中方法比现有技术具有更好的性能.
|
| 关 键 词： | 机器学习 图分类 核方法 结构信息 集成学习 |
Combo-Dimensional Kernels for Graph Classification |
| |
| LI Yu-Feng,Kwok James Tin-Yau,ZHOU Zhi-Hua. Combo-Dimensional Kernels for Graph Classification[J]. Chinese Journal of Computers, 2009, 32(5). DOI: 10.3724/SP.J.1016.2009.00946 |
| |
| Authors: | LI Yu-Feng Kwok James Tin-Yau ZHOU Zhi-Hua |
| |
| Affiliation: | National Key Laboratory for Novel Software Technology;Nanjing University;Nanjing 210093;Department of Computer Science and Engineering;Hong Kong University of Science & Technology;Hong Kong |
| |
| Abstract: | Learning from structured data,such as graphs,is an important problem in machine learning.Kernel method is regarded as a powerful solution to such a problem.This paper focuses on molecular graph classification and,following Swamidass et al.'s work,proposes an improved method using combo-dimensional kernels.The proposed method first constructs 2D kernels combined with 1D information to describe chemical characteristics,and to describe physical characteristics,it then constructs 3D kernels based on geometrical... |
| |
| Keywords: | machine learning graph classification kernel methods structure information ensemble learning |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
