59、图编辑距离与手写单词图像分类方法研究

图编辑距离与手写单词图像分类方法研究

图编辑距离实验分析

图编辑距离（Graph Edit Distance）是当前用于比较两个图、获取图之间距离及对应关系的常用函数。它不仅取决于一对图，还与节点和边的插入与删除编辑成本的定义有关。这些成本通常被定义为常量，其定义方式决定了图编辑距离是否为真正意义上的距离，而这一特性会影响其在某些应用中的性能。

在实验中，我们计算了分类比率和平均运行时间。分类比率的计算使用了每个数据库的参考集和测试集，以及 1 - 最近邻分类算法。具体分类比率数据如下表所示：
| 数据库 | Q1 | Q2 | Q3 | Mean | ½ Max |
| — | — | — | — | — | — |
| Letter low | 0.97 | 0.97 | 0.97 | 0.97 | 0.93 |
| Letter high | 0.74 | 0.82 | 0.83 | 0.82 | 0.74 |
| House Hotel | - | - | - | - | - |
| Rotation Zoom | 0.2 | 0.2 | 0.35 | 0.3 | 0.1 |

从分类比率结果来看，其表现与汉明距离类似。当插入和删除编辑成本小于 1/2 Max 时，能取得较好的值。同时，研究发现识别比率与汉明距离之间存在关联。在学习编辑成本时，降低汉明距离会使识别比率增加。而且，之前的实验验证表明，某些优化方法会收敛到一些负的插入和删除成本，这使得图编辑距离并非真正定义的距离。

平均运行时间的计算是在 Windows、I7 和 Matlab 环境下进行的。相关数据如下表：
| 数据库