Improving Hausdorff Edit Distance Using Structural Node Context
Vorschaubild nicht verfügbar
Autor:innen
Autor:in (Körperschaft)
Publikationsdatum
2015
Typ der Arbeit
Studiengang
Typ
04B - Beitrag Konferenzschrift
Herausgeber:innen
Liu, Cheng-Lin
Luo, Bin
Kropatsch, Walter G.
Cheng, Jian
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Graph-Based Representations in Pattern Recognition - 10th IAPR-TC-15 International Workshop, GbRPR 2015, Beijing, China, May 13-15, 2015.
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Lecture Notes in Computer Science
Reihennummer
9069
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
Patentnummer
Verlag / Herausgebende Institution
Springer
Verlagsort / Veranstaltungsort
Hamburg
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
In order to cope with the exponential time complexity of graph edit distance, several polynomial-time approximation algorithms have been proposed in recent years. The Hausdorff edit distance is a quadratic-time matching procedure for labeled graphs which reduces the edit distance to a correspondence problem between local substructures. In its original formulation, nodes and their adjacent edges have been considered as local substructures. In this paper, we integrate a more general structural node context into the matching procedure based on hierarchical subgraphs. In an experimental evaluation on diverse graph data sets, we demonstrate that the proposed generalization of Hausdorff edit distance can significantly improve the accuracy of graph classification while maintaining low computational complexity.
Schlagwörter
Fachgebiet (DDC)
Veranstaltung
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
Enddatum der Konferenz
Datum der letzten Prüfung
ISBN
978-3-319-18223-0
ISSN
Sprache
Deutsch
Während FHNW Zugehörigkeit erstellt
Ja
Publikationsstatus
Veröffentlicht
Begutachtung
Peer-Review der ganzen Publikation
Open Access-Status
Lizenz
Zitation
FISCHER, Andreas, Seiichi UCHIDA, Volkmar FRINKEN, Kaspar RIESEN und Horst BUNKE, 2015. Improving Hausdorff Edit Distance Using Structural Node Context. In: Cheng-Lin LIU, Bin LUO, Walter G. KROPATSCH und Jian CHENG (Hrsg.), Graph-Based Representations in Pattern Recognition - 10th IAPR-TC-15 International Workshop, GbRPR 2015, Beijing, China, May 13-15, 2015. Hamburg: Springer. 2015. Lecture Notes in Computer Science, 9069. ISBN 978-3-319-18223-0. Verfügbar unter: http://hdl.handle.net/11654/8238