计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2013年
11期
2349-2357
,共9页
李丽娜%欧阳继红%刘大有%高文杰
李麗娜%歐暘繼紅%劉大有%高文傑
리려나%구양계홍%류대유%고문걸
协作分类%特征选择%链接过滤%主动学习%网络数据
協作分類%特徵選擇%鏈接過濾%主動學習%網絡數據
협작분류%특정선택%련접과려%주동학습%망락수거
collective classification%feature selection,link filtering%active learning%network data
分类是网络数据挖掘中的重要研究课题之一.协作分类利用网络节点之间的依赖关系对相互链接的节点集合进行组合分类,其精度高于传统的分类方法,受到广泛关注,并被应用于文档分类、蛋白质结构预测、图像处理和社会网络分析等众多领域.提出一种结合特征选择和链接过滤的主动协作分类方法,算法首先基于最小冗余-最大相关方法选择重要的属性,并建立隐式链接；之后过滤初始链接得到显式链接,最后集成隐式和显式链接形成新的网络结构,再应用协作分类方法实现分类.在3个公共数据集上将该方法分别与典型的传统分类方法、协作分类方法进行对比,结果表明该方法能获得较高的分类精度,对稀疏标记的网络其优势更加明显.
分類是網絡數據挖掘中的重要研究課題之一.協作分類利用網絡節點之間的依賴關繫對相互鏈接的節點集閤進行組閤分類,其精度高于傳統的分類方法,受到廣汎關註,併被應用于文檔分類、蛋白質結構預測、圖像處理和社會網絡分析等衆多領域.提齣一種結閤特徵選擇和鏈接過濾的主動協作分類方法,算法首先基于最小冗餘-最大相關方法選擇重要的屬性,併建立隱式鏈接；之後過濾初始鏈接得到顯式鏈接,最後集成隱式和顯式鏈接形成新的網絡結構,再應用協作分類方法實現分類.在3箇公共數據集上將該方法分彆與典型的傳統分類方法、協作分類方法進行對比,結果錶明該方法能穫得較高的分類精度,對稀疏標記的網絡其優勢更加明顯.
분류시망락수거알굴중적중요연구과제지일.협작분류이용망락절점지간적의뢰관계대상호련접적절점집합진행조합분류,기정도고우전통적분류방법,수도엄범관주,병피응용우문당분류、단백질결구예측、도상처리화사회망락분석등음다영역.제출일충결합특정선택화련접과려적주동협작분류방법,산법수선기우최소용여-최대상관방법선택중요적속성,병건립은식련접；지후과려초시련접득도현식련접,최후집성은식화현식련접형성신적망락결구,재응용협작분류방법실현분류.재3개공공수거집상장해방법분별여전형적전통분류방법、협작분류방법진행대비,결과표명해방법능획득교고적분류정도,대희소표기적망락기우세경가명현.
