Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

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

Saigo, H., & Tsuda, K. (2008). Iterative Subgraph Mining for Principal Component Analysis. In F. Giannotti, D. Gunopulos, F. Turini, C. Zaniolo, N. Ramakrishnan, & X. Wu (Eds.), 2008 Eighth IEEE International Conference on Data Mining (pp. 1007-1012). Piscataway, NJ, USA: IEEE.

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/21.11116/0000-0003-378D-1
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4781216 (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Saigo, H, Autor           
Tsuda, K1, 2, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

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: DOI: 10.1109/ICDM.2008.62
BibTex Citekey: 5514
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: Eighth IEEE International Conference on Data Mining (ICDM 2008)
Veranstaltungsort: Pisa, Italy
Start-/Enddatum: 2008-12-16 - 2008-12-19

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: 2008 Eighth IEEE International Conference on Data Mining
Genre der Quelle: Konferenzband
 Urheber:
Giannotti, F, Herausgeber
Gunopulos, D, Herausgeber
Turini, F, Herausgeber
Zaniolo, C, Herausgeber
Ramakrishnan, N, Herausgeber
Wu, X, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Piscataway, NJ, USA : IEEE
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 1007 - 1012 Identifikator: ISBN: 978-0-7695-3502-9