• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Graph-based representations in pattern recognition >Dimensionality Reduction for Graph of Words Embedding
【24h】

Dimensionality Reduction for Graph of Words Embedding

机译：词嵌入图的降维

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The Graph of Words Embedding consists in mapping every graph of a given dataset to a feature vector by counting unary and binary relations between node attributes of the graph. While it shows good properties in classification problems, it suffers from high dimensionality and sparsity. These two issues are addressed in this article. Two well-known techniques for dimensionality reduction, kernel principal component analysis (kPCA) and independent component analysis (ICA), are applied to the embedded graphs. We discuss their performance compared to the classification of the original vectors on three different public databases of graphs.
机译：单词图嵌入包括通过计算图的节点属性之间的一元和二进制关系，将给定数据集的每个图映射到特征向量。尽管它在分类问题中显示出良好的性能，但它具有高维度和稀疏性的缺点。本文解决了这两个问题。两种著名的降维技术是内核主成分分析（kPCA）和独立成分分析（ICA），被应用于嵌入的图。我们将其性能与在三个不同的公共图数据库上对原始向量的分类进行比较。

著录项

  • 来源
  • 会议地点 Munster(DE);Munster(DE)
  • 作者

    Jaume Gibert; Ernest Valveny; Horst Bunke;

  • 作者单位

    Computer Vision Center, Universitat Autònoma de Barcelona Edifici O Campus UAB, 08193 Bellaterra, Spain;

    Computer Vision Center, Universitat Autònoma de Barcelona Edifici O Campus UAB, 08193 Bellaterra, Spain;

    Institute for Computer Science and Applied Mathematics, University of Bern, Neubriickstrasse 10, CH-3012 Bern, Switzerland;

  • 会议组织
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 信息处理（信息加工）;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号