一种有效的解图匹配问题的核方法研究 2(3)

构的类。D&D是一个包含有1178个蛋白质结构的数据集。每一个蛋白质可以看作一个图，图中的节点表示氨基酸，两个节点之间的边小于埃则可以用一条边连接。所有节点在数据集中是被标记的，预测的任务则是区分蛋白质结构中的酶与非酶。

数据集中节点数、边数和度数的分布表4.1所示

4.2仿真实验

图是一种特殊的结构化数据表达形式，许多经典的学习算法不能用于图形数据的分析。因此，本实验主要围绕对图形数据的分析展开寻找适合图形数据后续分析的向量表示方法，以扩大传统学习算法在图形数据中的应用。实验硬件环境是Intel Core 2 双核CPU 2.2GH，内存2G。软件环境是美国The Math Works公司推出的Matlab软件，其中支持向量机SVM的实现采用的是Libsvm工具箱。实验方法采用十倍交叉进行，其结果如下图所示

图4.2 快速子树核与Weisfeiler-Lehman图核的分类精度与运行时间

5 结束语

本文针对模式识别中的图匹配问题，主要研究了通过核方法来解决现实世界中的模式识别与分类问题。接着对两种图核的实例快速子树和与Weisfeiler-Lehman图核进行深入深入研