有序分解DAG核增强
机器学习
2016-07-21 v2
摘要
在本文中，我们展示了有序分解DAG（ODD）核框架——一个允许从树核定义图核的框架——如何能够轻松定义新的最先进的图核。这里我们考虑一种基于子树核（ST）的快速图核，并提出了各种增强以提高其表达能力。所提出的DAG核具有与基于ST的核相同的最坏情况复杂度，但由于特征集的扩充而具有改进的表达能力。此外，我们提出了一种新颖的特征加权方案，该方案可应用于ODD框架的其他核。这些改进使得所提出的核在多个真实世界数据集上相比基于ST的核提高了分类性能，达到了最先进的水平。
引用
@article{arxiv.1507.03372,
title = {Ordered Decompositional DAG Kernels Enhancements},
author = {Giovanni Da San Martino and Nicolò Navarin and Alessandro Sperduti},
journal= {arXiv preprint arXiv:1507.03372},
year = {2016}
}
备注
Paper accepted for publication in Neurocomputing