摘要: 选择频繁的特征子图在基于频繁子图的图数据分类中起着非常重要的作用。提出了一种基于类别信息的特征子图选择策略,即从候选的频繁子图中选出独有频繁子图和显著频繁子图作为特征子图。实验结果显示,在对化合物数据分类时,该选择策略在分类性能上优于SVM方法特征选择策略和CEP方法的特征选择策略。
[1] | 王桂娟,印鉴,詹卫许. GC-BES:一种新的基于嵌入集的图分类方法 GC-BES:A Novel Graph Classification Approach Based on Embedding Sets 计算机科学, 2012, 39(6): 155-158. |
|