模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (12): 1085-1092    DOI: 10.16451/j.cnki.issn1003-6059.202112002
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于最优传输的层次化图核
马凯1, 黄硕1, 张道强1
1.南京航空航天大学 计算机科学与技术学院 模式分析与机 器智能工业和信息化部重点实验室 南京 211100
Optimal Transport Based Hierarchical Graph Kernel
MA Kai1, HUANG Shuo1, ZHANG Daoqiang1
1. MIIT Key Laboratory of Pattern Analysis and Machine Intelligence, College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211100

全文: PDF (930 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 已有的图核大多关注图的局部属性,利用局部的拓扑特征构建图的相似性度量,忽略图的层次结构信息.为了解决这个问题,文中提出基于最优传输的层次化图核.首先,将每个图表示成层次化的图结构.在层次化图结构构建过程中,利用K-means聚类算法构造每层图的节点,节点间的概率连接作为图的边.然后,利用带有熵约束的最优传输计算两图的层次结构上每层图之间的最优传输距离.最后,基于最优传输距离计算基于最优传输的层次化图核.在6个真实图数据集上的实验表明,文中方法可提升分类性能.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
马凯
黄硕
张道强
关键词 图核最优传输层次结构拓扑特征    
Abstract:In the existing graph kernels, local attributes of graphs are concerned and local topological features are utilized to compute the similarity measurement of graphs. However, hierarchical structure information of the graph is ignored. To handle this problem, optimal transport based hierarchical graph kernel is proposed. Firstly, each graph is represented as a hierarchical graph structure. During the constructive process of hierarchical graph structure, K-means clustering algorithm is employed to construct new nodes and probabilities of connections between new nodes is regarded as edges of graph at each layer. Then, the optimal transport distance between paired graphs in the special hierarchical structure is calculated using optimal transport with entropic constraints. Finally, the optimal transport distance based hierarchical graph kernel is calculated. The experimental results on six graph datasets show that the classification performance is significantly improved by the proposed graph kernel.
Key wordsGraph Kernel    Optimal Transport    Hierarchical Structure    Topological Feature   
收稿日期: 2021-04-28     
ZTFLH: TP 391  
基金资助:国家重点研发计划项目(No.2018YFC2001600,2018YFC2001602,2018ZX10201002)、国家自然科学基金项目(No.61876082,61732006,61861130366)资助
通讯作者: 张道强,博士,教授,主要研究方向为机器学习、模式识别、医学图像分析.E-mail:dqzhang@nuaa.edu.cn.   
作者简介: 马 凯,博士研究生,主要研究方向为机器学习、医学图像分析.E-mail:kaim@nuaa.edu.cn.
黄 硕,博士研究生,主要研究方向为机器学习、医学图像分析.E-mail:huangshuo@nuaa.edu.cn.
引用本文:   
马凯, 黄硕, 张道强. 基于最优传输的层次化图核[J]. 模式识别与人工智能, 2021, 34(12): 1085-1092. MA Kai, HUANG Shuo, ZHANG Daoqiang. Optimal Transport Based Hierarchical Graph Kernel. , 2021, 34(12): 1085-1092.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202112002      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I12/1085
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn