一种有效的解图匹配问题的核方法研究 2(4)

究和分析外，着重探讨了其在解决大规模、复杂、高维数据上所具有的优越性。从实验结果可以看出，这两种图核解决模式识别问题时具有的高效特点，且Weisfeiler-Lehman图核比快速子树具有更优的匹配精度和更少的运行时间。随着经济社会的高速发展，在生物、数据挖掘领域越来越多的图数据（如分子结构、蛋白质交叉网络）变得越来越多。核方法将会受到更多学者们的青睐，希望今后能构造出分类精度更高效果更好的图核来解决其他领域中的分类和识别问题。

参考文献:

[1] N. Shervashidze, K. Borgwardt. Fast subtree kernels on graphs. In Neural Information Processing Systems, 2009.

[2] JOHN S T, NELLO C. Kernel methods for pattern analysis[M]. China machine press，2005.

[3] DUCHENNE O, BACH F, KWEON I, PONCE J. A tensor-based algorithm for high-order graph matching [C]. International

Conference on Computer Vision and Pattern Recognition, 2006.

[4] Jones L.K. A simple lemma on greedy approximation in Hilbert space and convergence rates for projection pursuit regression and

neural network training. The Annals of Statistics, 1992, 20: 608-613.

[5] B.Moayer and K.Fu. A tree system approach for fingerprint pattern recognition[J]. Pattern Recognition, 1990,23(8):893-904.

[6] 历小润. 模式识别核方法研究[D].2009

[7] Gurney K. Introduction to neural networks. UCL Press, London，1997.

[8] 焦李成. 神经网络系统理论.西安电子科技大学出版社，1996.

[9] 牟少敏. 核方法的研究及其应用.北京交通大学博士论文，2008.

[10] 郑永涛，刘玉树. 支持向量机解决多类问题研究[J]计算机工程与应用，2005.23