Information Theoretic Prototype Selection for Unattributed Graphs
Information Theoretic Prototype Selection for Unattributed Graphs
复制标题
无属性图的信息论原型选择
DOI：
10.1007/978-3-642-34166-3_4
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
E. Hancock
中科院分区：
文献类型：
--
作者：
Lin Han;L. Rossi;A. Torsello;Richard C. Wilson;E. Hancock
本文提出了一种样本图集的原型尺寸选择方法。我们的第一个贡献是展示了如何将近似集编码从向量域扩展到图域。有了这个框架，我们展示了如何将原型选择作为优化两个划分的样本图集之间的互信息。我们展示了如何将结果方法用于原型图大小选择。在我们的实验中，我们将我们的方法应用于一个真实的数据集，并研究了它在原型尺寸选择任务上的性能。
In this paper we propose a prototype size selection method for a set of sample graphs. Our first contribution is to show how approximate set coding can be extended from the vector to graph domain. With this framework to hand we show how prototype selection can be posed as optimizing the mutual information between two partitioned sets of sample graphs. We show how the resulting method can be used for prototype graph size selection. In our experiments, we apply our method to a real-world dataset and investigate its performance on prototype size selection tasks.