CN106991132-CN201710135123-一种基于图集重构与图核降维的图分类方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 106991132 A (43)申请公布日 2017.07.28 (21)申请号 201710135123.X (22)申请日 2017.03.08 (71)申请人 南京信息工程大学 地址 210044 江苏省南京市宁六路219号 (72)发明人 邵文晔　马廷淮　曹杰　薛羽　 (74)专利代理机构 江苏爱信律师事务所 32241 代理人 唐小红 (51)Int.Cl. G06F 17/30(2006.01) 权利要求书3页 说明书6页 附图2页 (54)发明名称 一种基于图集重构与图核降维的图分类方 法 (57)摘要 本发明提供公开了一种基于图集重构与图 核降维的图分类方法，包括如下步骤：1)对用于 训练的图数据集进行频繁子图挖掘，对找出的频 繁子图，以其在正负两类中出现的频度差的大小 作为判别性指标，进行判别性子图筛选；2)用筛 选出的具有判别性的频繁子图重构原图集；3)对 重构好的新图集，采用Weisfeiler-Lehman最短 路径核方法获得用于描述图集中每两个图之间 相似性的核矩阵，并利用训练图的类标签信息， 采用KFDA方法对高维核矩阵降维；4)基于极限学 习机对投影到低维向量空间的图数据进行训练， A 构建出分类器；5)规范化需要进行分类的图数 2 据，将其投影到训练得到的低维空间，并把投影 3 1 1 后的数据输入到分类器中，得到分类结果。本发 9 9 6 明可直接对无类标签的图数据进行分类，且分类 0 1 N 的准确性较高。 C CN 106991132 A 权　利　要　求　书 1/3页 1.一种基于图集重构与图核降维的图分类方法，其特征在于，包括训练和应用两个阶 段，具体包括如下步骤： 步骤1)，对用于训练的图数据集进行频繁子图挖掘，对找出的频繁子图，以其在正负两 类中出现的频度差的大小作为判别性指标，进行判别性子图筛选； 步骤2)，根据步骤1)筛选出的具有判别性的频繁子图，重构原图集； 步骤3)，根据步骤2)中重构好的新图集，采用Weisfeiler-Lehman最短路径核方法获得 用于描述图集中每两个图之间相似性的核矩阵，并利用训练图的类标签信息，采用KFDA即 Kernel Fisher Discriminant Analysis方法对高维核矩阵降维； 步骤4)，根据步骤3)得到的低维数据，基于极限学习机对投影到低维向量空间的图数 据进行训练，构建出分类器； 步骤5)，根据步骤3)中的图核降维过程，规范化需要进行分类的图数据，将其投影到训 练得到的低维空间，并把投影后的数据输入到步骤4)构建出的分类器中，得到分类结果。 2.如权利要求1所述的方法，其特征在于，步骤1)对用于训练的图数据集进行频繁子图 挖掘，对找出的频繁子图，以其在正负两类中出现的频度差的大小作为判别性指标，进行判 别性子图筛选；采用gSpan频繁子图挖掘算法对训练图集进行频繁子图挖掘，频繁子图挖掘 过程中，人为地指定所要挖掘的子图的支持度，支持度定义为： 公式中，G 表示一个子图，G为图数据D中的一个图，当一个子图的支持度大于人为指定 s 的阈值时，该子图即为频繁子图；通过gSpan算法，可以找出训练图数据集中所有支持度大 于设定阈值的子图，并且获得这些子图分别出现在图集中的哪些图中，以及子图中包含的 节点与边的信息；利用频繁子图挖掘的结果，得以获得各个频繁子图在图集的正类图中的 + - 支持度r (G)与负类图中的支持度r (G)，其中