Kernels for Large, Labeled Graphs (LaLa)

数据挖掘、机器学习、生物信息学、社会分析、网络分析等。在德国德国，在德国，在德国，在德国，在德国，在德国，在德国，在德国。石墨烯分类的研究与应用。Existierende Verfahren zum Graphenvergleich leiden undergenden deri Schwächen: a) ihre Laufzeit degeneriert auf grof ßen Graphen mit mehr als Hunderten von Knoten, b) sie ignoorieren Knotenlabels oder ihre Laufzeit degeneriert, wenn sie Knotenlabels bercksichtigen, c) sie können nicht粒子Ähnlichkeit zwischen Subgraphen messen， sowohl in Bezug auf die strucktur als auch die Labels des Graphen。研究方向：1 .研究方向：生物学、医学和社会学；2 .研究方向：生物学、医学和社会学；3 .研究方向：größerer Zahl autreten。Ziel unseres Forschungsvorhabens ist， in enger Kooperation mit博士Koji Tsuda（国立应用工业科学技术研究所，东京）effiziente Verfahren, sogenannte Kern-Funktionen, zum Vergleich großer, gelabelter Graphen zu entwickeln。

Die rechnergestützte Analyse von Graphen gewinnt zunehmend an Bedeutung im Data Mining und im Machine Learning auf Grund der zahlreichen Anwendungsprobleme in der Bioinformatik und in der Analyse sozialer Netzwerke. Eine unter vielen wichtigen Anwendungen ist die Funktionsvorhersage von Molekülen, deren Struktur als Graph dargestellt wird. Ein zentrales Thema ist dabei der Vergleich und die Klassifikation von Graphen. Existierende Verfahren zum Graphenvergleich leiden unter mindestens einer der folgenden drei Schwächen: a) ihre Laufzeit degeneriert auf großen Graphen mit mehr als Hunderten von Knoten, b) sie ignorieren Knotenlabels oder ihre Laufzeit degeneriert, wenn sie Knotenlabels berücksichtigen, c) sie können nicht partielle Ähnlichkeit zwischen Subgraphen messen, sowohl in Bezug auf die Struktur als auch die Labels des Graphen. Alle drei Probleme stellen ein ungeheures Hindernis dar bei der Klassifikation großer Graphen, die in der Biologie, Medizin und Soziologie in immer größerer Zahl auftreten. Ziel unseres Forschungsvorhabens ist es, in enger Kooperation mit Dr. Koji Tsuda (National Institute of Applied Industrial Science and Technology AIST, Tokyo) effiziente Verfahren, sogenannte Kern-Funktionen, zum Vergleich großer, gelabelter Graphen zu entwickeln.