一、基本信息
论文题目:《Incremental Subgraph Feature Selection for Graph Classification》
发表时间:
论文作者及单位:
论文地址:https://ieeexplore.ieee.org/abstract/document/7588124/authors#authors
二、摘要
图分类是分析具有结构依赖性的数据的重要工具,其中子图通常用作学习功能。在现实中,子图的维数至关重要地依赖于频率支持参数的阈值设置,并且数目可能变得非常大。因此,可以逐步发现子图以形成特征流,并要求底层图形类更有效地从子图特征流中发现具有代表性的子图特征。本文提出了一种基于最大边缘图分类的原始双增量子图特征选择算法。ISF算法构造了一系列既原始又对偶可行的解。每对原始对偶都缩小了对偶间隙,为最优子图特征集提供了更好的解。为了避免ISF算法对短模式子图特征的偏见,我们提出了一种新的增量子图连接特征选择算法(ISJF),通过强制图类连接短模式子图并生