具有光学随机特征的高效图核
机器学习
2020-10-19 v1 机器学习
摘要
图元核是图分类中的经典方法。然而，由于其所包含的图同构测试，它面临高昂的计算代价。作为一个通用替代，通常以损失部分信息为代价，该测试可被高效替换为计算各种图特征的用户自定义映射。本文中，我们提出在图元框架内利用核随机特征，并建立其与平均核度量的理论联系。若该方法对常规随机特征仍可能代价过高，我们进而引入可在常数时间内计算的光学随机特征。实验表明，所得算法在相同甚至更优精度下比图元核快数个数量级。
引用
@article{arxiv.2010.08270,
title = {Fast Graph Kernel with Optical Random Features},
author = {Hashem Ghanem and Nicolas Keriven and Nicolas Tremblay},
journal= {arXiv preprint arXiv:2010.08270},
year = {2020}
}