改进的图编辑距离局部搜索算法
数据结构与算法
2019-11-27 v2 计算机视觉与模式识别
机器学习
摘要
图编辑距离（GED）将一个图变换为另一个图的基本操作序列的最小代价定义为两图的不相似度。该度量在结构模式识别或分类等诸多领域是基础性的。然而，精确计算GED是NP难的。在已提出的用于计算近似解的不同类启发式算法中，基于局部搜索的算法为GED提供了最紧的上界。本文提出K-REFINE与RANDPOST。K-REFINE推广并改进了一种已有的局部搜索算法，在小型图上表现尤为良好。RANDPOST是一个通用的热启动框架，随机生成有希望的初始解以供任意基于局部搜索的GED算法使用，其在大型图上特别高效。广泛的实证评估表明，K-REFINE与RANDPOST在实践中均表现优异。
引用
@article{arxiv.1907.02929,
title = {Improved local search for graph edit distance},
author = {Nicolas Boria and David B. Blumenthal and Sébastien Bougleux and Luc Brun},
journal= {arXiv preprint arXiv:1907.02929},
year = {2019}
}