×
白、鲁;汉考克，埃德温·R。

用于未分配图的快速基于深度的子图核。 （英语） Zbl 1394.68272号

模式识别 50, 233-245 (2016).
摘要：在本文中，我们研究了两个基于图结构深度表示的快速子图核。这两种方法都通过以顶点为根的一系列K层扩展子图来度量深度信息[F.埃斯科拉诺等，“热扩散：网络的热力学深度复杂性”，《物理学》。版本E 85，第3期，036206，15页（2012；doi:10.1103/physreve.85.036206)]。第一种方法首先计算每个图的基于质心的复杂性轨迹，使用以质心顶点为根的基于深度的表示，该质心顶点与其余顶点的路径长度方差最小[作者，《模式识别》47，第3期，1172-1186（2014；Zbl 1326.68241号)]。该子图核是通过测量基于质心的复杂性熵轨迹之间的Jensen-Shannon散度来计算的。另一方面，第二种方法依次围绕每个顶点计算基于深度的表示。使用同构测试计算相应的子图核，以依次比较根植于每个顶点的基于深度的表示。对于具有（n）个顶点的图，这两个新核的时间复杂度为（O（n^2））和（O（n ^3）），而经典Gärtner图核的时间复杂性为[T·Gärtner（T·Gártner）等，Lect。注释计算。科学。2777, 129–143 (2003;Zbl 1274.68312号)]。实现这一效率的关键是，我们使用\（O（n^2）\）运算计算内核随机游动所需的Shannon熵。这种计算策略使我们的子图核能够轻松地缩放到相当大的图，从而克服了最先进的图核中出现的大小限制。在标准生物信息学和计算机视觉图形数据集上的实验证明了我们新的子图核的有效性和效率。

引用于三文件

MSC公司：

68T05年 人工智能中的学习和自适应系统
68兰特 计算机科学中的图论（包括图形绘制）
68T45型 机器视觉和场景理解
94甲17 信息的度量，熵

关键词：

基于深度的表示;熵;图核;Jensen-Shannon散度;图同构测试

引文：

Zbl 1326.68241号;Zbl 1274.68312号

软件：

AFGen公司
PDF格式BibTeX公司 XML格式引用
\textit{L.Bai}和\textit{E.R.Hancock}，模式识别50，233--245（2016；Zbl 1394.68272）
全文： 内政部 链接

参考文献：

[1] 埃斯科拉诺，F。；Hancock，E.R。；Lozano，M.A.，网络动态深度复杂性的热扩散，物理。版本E，85，036206，（2012）
[2] Bai，L。；Hancock，Edwin R.，基于深度的图形复杂性痕迹，模式识别。，47, (2013), 17721186
[3] T.Gärtner，P.A.Flach，S.Wrobel，《关于图核：硬度结果和有效替代品》，收录于：《学习理论会议论文集》，2003年，第129-143页·Zbl 1274.68312号
[4] Bai，L。；Hancock，E.R.，Jensen Shannon分歧的图核，数学杂志。成像视觉。，47, 60-69, (2013) ·Zbl 1276.68152号
[5] Shervashidze，N。；Schweitzer，P。；Leeuwen，E.J。；Mehlhorn，K。；Borgwardt，K.M.，Weisfeiler-lehman图核，J.Mach。学习。决议，1，1-48，（2010年）
[6] 李·G。；塞梅西，M。；Yener，B。；Zaki，M.J.，《基于拓扑和标签属性的有效图分类》，《统计分析》。数据最小，5265-283，（2012）·Zbl 07260330号
[7] H.Kashima，K.Tsuda，A.Inokuchi，标记图之间的边缘化核，收录于：《机器学习国际会议论文集》，2003年，第321-328页。
[8] K.M.Borgwardt，H.Kriegel，图上最短路径核，摘自：IEEE国际数据挖掘会议论文集，2005年，第74-81页。
[9] 阿齐兹，F。；威尔逊，R.C。；Hancock，E.R.，《图上无回溯行走》，IEEE Trans。神经网络。学习。系统。，24, 977-989, (2013)
[10] 任，P。；威尔逊，R.C。；Hancock，E.R.，通过ihara系数进行图形表征，IEEE Trans。神经网络。，22, 233-245, (2011)
[11] F.Costa，K.D.Grave，《快速邻域子图两两距离核》，载《机器学习国际会议论文集》，2010年，255-262页。
[12] Z.Harchaoui，F.Bach，带分割图核的图像分类，《IEEE计算机视觉和模式识别会议论文集》，2007年。
[13] F.R.Bach，《点云之间的图形内核》，载《机器学习国际会议论文集》，2008年，第25-32页。
[14] N.Kriege，P.Mutzel，《属性图的子图匹配内核》，收录于：《机器学习国际会议论文集》，2012年。
[15] L.Bai、P.Ren、E.R.Hancock。同构测试中的超图核。摘自：《模式识别国际会议纪要》，第3880-3885页，2014年
[16] 朗伯蒂，P.W。；Majtey，A.P。；博拉斯，A。；卡萨斯，M。；Plastino，A.，量子Jensen-Shannon发散的度量特征，物理学。修订版A，77052311，（2008）
[17] 克拉奇菲尔德，J.P。；Shalizi，C.R.，《通过最小表示实现因果状态主观复杂性的热力学深度》，Phys。E版，59，275283，（1999）
[18] L.Bai和E.R.Hancock。L.Han，P.Ren，使用图熵复杂度跟踪的图聚类，载于：《国际模式识别会议论文集》，2012年，第2881-2884页。
[19] L.Bai，E.R.Hancock，《Jensen-Shannon分歧的图形复杂性》，载于《SSPR/SPR会议录》，2012年，第79-98页。
[20] L.Bai，E.R.Hancock，《使用Jensen-Shannon内核的图形聚类》，载于：《图像和模式计算机分析国际会议论文集》，2011年，第394-401页。
[21] Dehmer，M.，《复杂网络分析的信息论概念》，应用。Artif公司。智力。，22, 684-706, (2008)
[22] Anand，K。；Bianconi，G。；Severini，S.，Shannon和von Neumann，异质期望度随机网络的熵，Phys。版本E，83，036169，（2011）
[23] Passerini，F。；Severini，S.，《量化网络复杂性》，冯·诺依曼熵，《国际代理技术杂志》。系统。，1, 58-67, (2009)
[24] 加杜洛，M。；Riis，S.，基于图熵和网络编码的通信的图理论构造，IEEE Trans。Inf.理论，57，6703-6717，（2011）·Zbl 1365.94557号
[25] J.Köner，具有模糊字母和图熵的信息源的编码，收录于：第六届布拉格信息理论会议论文集，统计决策函数，随机过程，1971年，第411-425页·Zbl 0298.94022号
[26] Riesen，K。；Bunke，H.，《基于向量空间嵌入的图分类和聚类》，（2010），世界科学出版社·Zbl 1231.68233号
[27] S.Biasotti、S.Marini、M.Mortara、G.Patanè、M.Spagnuolo、B.Falcidieno，通过拓扑结构进行三维形状匹配，收录于《DGCI学报》，2003年，第194-203页·Zbl 1254.68237号
[28] Shervashidze，N。；Vishwanathan，副总裁。；佩特里，T。；Mehlhorn，K。；Borgwardt，K.M.，《用于大型图形比较的高效graphlet内核》，J.Mach。学习。第5488-495号决议（2009年）
[29] 艾姆斯，D。；威尔逊，R.C。；Hancock，E.R.，利用连续时间量子行走的干涉进行图形匹配，模式识别。，42, 985-1002, (2009) ·Zbl 1181.68232号
[30] 任，P。；Aleksic，T。；Emms博士。；威尔逊，R.C。；Hancock，E.R.，《量子行走、ihara zeta函数和正则图中的共谱》，Quant。信息处理。，10, 405-417, (2011) ·兹比尔1216.81043
[31] Debnath，A.K。；Lopez de Compadre，R.L。；Debnath，G。；舒斯特曼，A.J。；Hansch，C.，诱变芳香族和杂芳香族硝基化合物的结构-活性关系，与分子轨道能量和疏水性的关系，医学化学杂志。，34, 786-797, (1991)
[32] 博格沃德，K.M。；Ong，C.S。；Schoenauer，S。；Vishwanathan，副总裁。；Smola，A.J。；Kriegel，H.P.，通过图核预测蛋白质功能，生物信息学，21，增补1，47-56，（2005）
[33] 多布森，P.D。；Doig，A.J.，《无比对区分酶结构和非酶》，《分子生物学》。，330, 771-783, (2003)
[34] N.Wale，G.Karypis，《化合物检索和分类描述符空间的比较》，收录于：IEEE国际数据挖掘会议论文集，2006年，第678-689页。
[35] Schomburg，I。；Chang，A。；埃贝林，C。；格雷姆斯，M。；Heldt，C。；Huhn，G。；Schomburg，D.，酶数据库更新和主要新发展，Nucl。《酸类研究》，32，431-433，（2004）
[36] Bai，L。；罗西，L。；托塞洛，A。；Hancock，E.R.，未分配图的量子Jensen-Shannon图核，模式识别。，48, 344-355, (2015) ·Zbl 1373.68345号
[37] L.Bai，L.Rossi，H.Bunke，E.R.Hancock，使用Jensen-Tsallis q-differences的属性图核，收录于：欧洲数据库机器学习和知识发现会议论文集（ECML-PKDD），2014年，第一部分，第15-19页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。