Graph Kernels Based on Relevant Patterns and Cycle Information for Chemoinformatics

Benoit Gaüzère 1 Luc Brun 1 Didier Villemin 2 Myriam Mokhtari 1
1 Equipe Image - Laboratoire GREYC - UMR6072
GREYC - Groupe de Recherche en Informatique, Image, Automatique et Instrumentation de Caen
Abstract : Chemoinformatics aim to predict molecule's prop- erties through informational methods. Computer sci- ence's research fields concerned with chemoinformat- ics are machine learning and graph theory. From this point of view, graph kernels provide a nice framework for combining these two fields. We present in this paper two contributions to this research field: a graph kernel based on an optimal linear combination of kernels ap- plied to acyclic patterns and a new kernel on the cyclic system of two graphs. These two extensions are vali- dated on two chemoinformatics datasets.
Type de document :
Communication dans un congrès
International Conference on Pattern Recognition (ICPR) 2012, Nov 2012, Tsukuba, Japan. pp.000-0000, 2012
Liste complète des métadonnées

Littérature citée [8 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00768652
Contributeur : Luc Brun <>
Soumis le : mardi 25 décembre 2012 - 11:41:14
Dernière modification le : jeudi 7 février 2019 - 16:33:38
Document(s) archivé(s) le : mardi 26 mars 2013 - 02:20:09

Fichier

icprBenoit2012.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00768652, version 1

Citation

Benoit Gaüzère, Luc Brun, Didier Villemin, Myriam Mokhtari. Graph Kernels Based on Relevant Patterns and Cycle Information for Chemoinformatics. International Conference on Pattern Recognition (ICPR) 2012, Nov 2012, Tsukuba, Japan. pp.000-0000, 2012. 〈hal-00768652〉

Partager

Métriques

Consultations de la notice

265

Téléchargements de fichiers

273