论文部分内容阅读
图结构具有较强的表达能力和较高的灵活性,对图结构数据的识别及分类属于结构模式识别的范畴.对图结构数据的研究思路是将图结构数据通过图核转化为向量空间中的向量,然后采用传统的机器学习算法对其进行分析.基于图结构的数据表示与分析已经成为机器学习领域的研究热点.于是提出对经典的图结构分析方法进行扩充,利用核线性判别分析方法(KLDA)对图核诱导的高维特征空间进行降维,得到与原始图结构特征空间对应的低维度的特征空间,然后采用传统的机器学习算法对这些新的数据进行分析.在标准数据集上的实验效果验证了该方法的有效性.