文章

图的Schur-Hadamard内积SVM学习

作者:

Brijnesh J。耆那教,

彼得盖贝尔,

弗里茨维索茨基作者信息和声明

神经计算,体积64

页93-105

https://doi.org/10.1016/j.neucom.2004.11.011

出版:2005年3月1日出版历史

摘要

我们将支持向量学习应用于属性图，其中核矩阵基于Schur-Hadamard内积的近似。计算一对图的Schur-Hadamard内积需要确定其节点和边之间的最佳匹配。因此，可以通过递归神经网络有效地进行近似。所涉及的最优映射允许直接理解所考虑的两个图的相似性或不相似性。我们给出并讨论了基于正半定（psd）和非sd核矩阵的SVM构造的不同分类器的实验结果。

工具书类

[1]

Cumby，C.和Roth，D.，关于关系学习的核心方法。摘自：Fawcett，T.，Mishra，N.（编辑），《第20届机器学习国际会议论文集》，AAAI出版社。第107-115页。

[2]

Gärtner，T.，结构化数据内核调查。SIGKDD探索。第5.49-58节。

数字图书馆

[3]

T.Gärtner，P.A.Flach，S.Wrobel，《关于图核：硬结果和有效替代方案》，载于：《第16届计算学习理论年会和第7届内核研讨会论文集》，2003年。

[4]

Geibel，P.和Wysotzki，F.，用决策树学习关系概念。摘自：Saitta，L.（编辑），《机器学习：第13届国际会议论文集》，Morgan Kaufmann出版社，加利福尼亚州旧金山，第166-174页。

[5]

Gold，S.和Rangarajan，A.，图匹配的分级分配算法。IEEE传输。模式分析。机器智能。v18 i4版。377-388.

[6]

T.Graepel，R.Herbrich，P.Bollmann-Sdorra，K.Obermayer，成对邻近数据分类，收录于《神经信息处理系统进展》，第11卷，1999年，第438-444页。

[7]

B.Haasdonk，D.Keysers，支持向量机的切线距离核，载于：ICPR 2002，模式识别国际会议，第二卷，2002年，第864-868页。

[8]

Jain，B.和Wysotzki，F.，属性图的中心聚类。机器。学习。J.版本56。196-207.

[9]

B.Jain，F.Wysotzki，最大加权团问题和Hopfield网络，载于：ESANN 2004，2004年第12届欧洲人工神经网络研讨会论文集，第331-336页。

[10]

Joachims，T.，《学习使用支持向量机分类文本：机器、理论和算法》。2002年，Kluwer学术出版社，波士顿。

[11]

Kashima，H.、Tsuda，K.和Inokuchi，A.，标记图形之间的边缘化内核。摘自：Fawcett，T.，Mishra，N.（编辑），《第20届机器学习国际会议论文集》，AAAI出版社。第321-328页。

[12]

Y.LeCun，MNIST手写数字数据库，NEC研究所，新泽西州普林斯顿，URL=http://yann.lecun.com/exdb/mnist/, 2003.

[13]

Schoelkopf，B.和Smola，A.J.，《用内核学习》。2002年，麻省理工学院出版社，马萨诸塞州剑桥。

[14]

Srinivasan，A.、Muggleton，S.、Sternberg，M.J.E.和King，R.D.，《诱变性理论：一级和基于特征的诱导研究》。人工智能。v85.227-299。

[15]

Vapnik，V.N.，《统计学习理论的本质》。1995年，纽约斯普林格。

引用人

U品牌勒纳J纳格尔U(2018)利用潜在角色的网络集成聚类数据分析和分类进展2007年10月10日/11634-010-0074-35:2(81-94)在线发布日期：2018年12月14日
https://dl.acm.org/doi/10.1007/s11634-010-0074-3
燃料舱H里森K(2007)一类用于结构模式识别的新型图核模式识别大会会议记录第12届伊比利亚美洲模式识别、图像分析和应用进展会议10.5555/1782914.1782918(20-31)在线发布日期：2007年11月13日
https://dl.acm.org/doi/10.5555/1782941.17829118
燃料舱H里森K(2007)一类用于结构模式识别的新型图核模式识别、图像分析及应用进展10.1007/978-3-540-76725-1_3(20-31)在线发布日期：2007年11月13日
https://dl.acm.org/doi/10.1007/978-3-540-76725-1_3
显示更多引用者

索引术语

图的Schur-Hadamard内积SVM学习
1. 计算方法
  1. 机器学习
    1. 学习范式
      1. 监督学习
        分类指导学习
    2. 机器学习方法
      1. 分类和回归树

索引项已通过自动分类分配给内容。

建议

用于图分类的Hadamard码图核
ICPRAM 2016：第五届模式识别应用与方法国际会议论文集

支持向量机（SVM）等核方法因其在图分类问题上的高性能而越来越受欢迎。在本文中，我们提出了两种新的图形内核，称为Hadamard代码内核（HCK）和。。。
多类支持向量机分类器——在甲状腺功能减退检测和分类中的应用
BIC-TA’11：2011年第六届生物灵感计算国际会议论文集：理论与应用

本文介绍了一种多类支持向量机分类器及其在甲状腺功能减退检测和分类中的应用。支持向量机（SVM）是机器学习领域中一种众所周知的二进制分类方法。。。
一种双超球面支持向量机分类器及其快速学习算法

本文提出了一种用于二进制识别的双超球面支持向量机（THSVM）分类器。与双支持向量机（TWSVM）分类器类似，该THSVM通过求解两个相关的支持向量来确定两个超球面。。。

评论

信息和贡献者

问询处

发布于

版权所有©Elsevier B.V.©2004。

出版商

爱思唯尔科学出版社。

荷兰

出版历史

出版：2005年3月1日

作者标记

限定符

第条

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

4
引文总数
查看引文
0
总下载次数

下载次数（过去12个月）0
下载次数（最近6周）0

反映截至2024年9月20日的下载量

其他指标

查看作者指标

引文

引用人

U品牌勒纳J纳格尔U(2018)基于潜在角色的网络集成聚类数据分析和分类进展2007年10月10日/11634-010-0074-35:2(81-94)在线发布日期：2018年12月14日
https://dl.acm.org/doi/10.1007/s11634-010-0074-3
燃料舱H里森K(2007)一类用于结构模式识别的新型图核模式识别大会会议记录第12届伊比利亚美洲模式识别、图像分析和应用进展会议10.5555/1782914.1782918(20-31)在线发布日期：2007年11月13日
https://dl.acm.org/doi/10.5555/1782914.1782918
燃料舱H里森K(2007)一类用于结构模式识别的新型图核模式识别、图像分析及应用进展10.1007/978-3-540-76725-1_3(20-31)在线发布日期：2007年11月13日
https://dl.acm.org/doi/10.1007/978-3-540-76725-1_3
纽豪斯M燃料舱H(2006)基于图编辑距离的随机游走核2006年IAPR结构、句法和统计模式识别联合国际会议记录10.1007/11815921_20(191-199)在线发布日期：2006年8月17日
https://dl.acm.org/doi/10.1007/11815921_20

视图选项

查看选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

媒体

数字

其他

桌子

查看问题目录