[发明专利]一种基于图集重构与图核降维的图分类方法

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，构建出分类器；5)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分类器中，得到分类结果。本发明可直接对无类标签的图数据进行分类，且分类的准确性较高。

主权项

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。