一种基于频繁子图的集成分类算法

摘要：

针对基于频繁子图的图分类算法不能有效解决高效和分类正确率并存的矛盾,提出G-Bagging图分类算法.该算法利用传统图分类算法训练出多个基图分类器,集成学习加权构造集成分类器,余度管理实时更新权值.通过实验,表明G-Bagging算法降低了对最小支持度和训练样本空间大小的要求,即在算法效率提高的同时,保证了分类正确率.

关键词：图分类、集成学习、余度管理

分类号：TP391(计算技术、计算机技术)

在线出版日期：2017-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：32-35