Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 DetailsÜbersicht
  Iterative Subgraph Mining for Principal Component Analysis

Saigo, H., & Tsuda, K. (2008). Iterative Subgraph Mining for Principal Component Analysis. Proceedings of the IEEE International Conference on Data Mining (ICDM 2008), 1007-1012.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-C633-3 Versions-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-C634-1
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Saigo, H1, Autor           
Tsuda, K1, Autor           
Giannotti, Herausgeber
F., Herausgeber
Gunopulos, D., Herausgeber
Turini, F., Herausgeber
Zaniolo, C., Herausgeber
Ramakrishnan, N., Herausgeber
Wu, X., Herausgeber
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: Graph mining methods enumerate frequent subgraphs efficiently, but they are not necessarily good features for machine learning due to high correlation among features. Thus it makes sense to perform principal component analysis to reduce the dimensionality and create decorrelated features. We present a novel iterative mining algorithm that captures informative patterns corresponding to major entries of top principal components. It repeatedly calls weighted substructure mining where example weights are updated in each iteration. The Lanczos algorithm, a standard algorithm of eigendecomposition, is employed to update the weights. In experiments, our patterns are shown to approximate the principal components obtained by frequent mining.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2008-12
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: URI: http://icdm08.isti.cnr.it/
DOI: 10.1109/ICDM.2008.62
BibTex Citekey: 5514
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: IEEE International Conference on Data Mining
Veranstaltungsort: Pisa, Italy
Start-/Enddatum: -

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Proceedings of the IEEE International Conference on Data Mining (ICDM 2008)
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Los Alamitos, CA, USA : IEEE Computer Society
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 1007 - 1012 Identifikator: -