BOG(Bag

BOG(Bag

BOG概述

BOG（Bag of Graphs）是一种将数字对象的局部结构编码到图形中的BOW（Bag-of-Words）模型。不懂BOW模型的小伙伴可以看一下BOW原理，这篇文章写的十分详细。

BoG是从对象内部的本地关系创建向量表示的过程。它的模型是由一个复合函数定义的，指定的包提取，又结合了图提取，兴趣图检测器(GoI检测器)，分配，池，以及顶点，边缘和图描述符的特征提取函数。

该模型的流程为：

首先使用图形提取功能提取数字对象的内在结构。该结构的描述是一个对数字对象元素(对象组件)之间的关系建模的图。一个对象的所有组成部分的集合称为功率数字对象。

然后使用一个GoI检测器函数来检测对象对应图的所有可能子图(幂图)中的感兴趣图，此函数选择表示对象内相关局部结构的子图。

接下来是检测属性图，属性图对应的是顶点和边由简单和复杂数据类型组成的特征描述的图。检测图的描述是使用三种不同类型的描述符完成的:顶点描述符、边描述符和图描述符。顶点描述符包含两个函数:一个提取与顶点相关的特征，一个距离函数用于计算给定其特征的不同顶点之间的距离。边描述符的工作原理类似，除了它从边中提取特征之外。最后，图描述符结合了边和顶点描述符，允许计算图之间的距离。

最后使用赋值函数，对象局部结构根据码本的词来表征。这些词对应于通过聚类从一组对象中提取的一组感兴趣的图确定的主要模式。最后的表示是由汇总已执行的赋值的池函数创建的。