Recherche efficace de motifs fréquents dans des grilles
Résumé
General-purpose exhaustive graph mining algorithms are seldom used in real life contexts due to the high complexity of the process mostly based on costly isomorphism tests and countless expansion possibilities. In this paper, we show how to exploit grid-based representations to efficiently extract frequent grid subgraphs, and we introduce an efficient grid mining algorithm called GRIMA designed to scale to large amount of data. We apply our algorithm on image classification problems. Experiments show that our algorithm is efficient and that adding the structure may help the image classification process.
La complexité des algorithmes de fouille de graphes généraux est telle qu'ils sont peu utilisés en pratique. Cette complexité est due à la fois aux tests d'isomor-phisme et au grand nombre de combinaisons permettant d'étendre un graphe durant le processus de fouille. Dans cet article, nous proposons d'exploiter des représenta-tions géométriques régulières (des grilles) pour recher-cher efficacement des motifs fréquents dans un ensemble de grilles. Nous présentons un algorithme appelé GRIMA qui, contrairement aux algorithmes généraux, peut passer l'échelle. Nous appliquons cet algorithme à un problème de classification d'images, pour lesquelles nous proposons une représentation par Sac de grilles. Les expérimenta-tions montrent l'efficacité de notre algorithme et l'intérêt d'utiliser une représentation structurée pour représenter les images.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...