论文摘要
数据挖掘是在海量的数据中提取隐含的、未知的、潜在有用的知识或信息模式的数据处理方法,是20世纪90年代初为解决“数据丰富、知识贫乏”问题应运而生的一种新技术。但是,数据挖掘的过程非常耗时,算法相对复杂,常常会发现大量的无用的知识,且容易出现偏差和错误。因此,需要采用有效的方法更清晰地观察数据的分布结构,了解数据之间的相互关系及发展趋势,理解数据挖掘的过程和结果。数据可视化技术成为解决这一问题的新的且有效的途径,已经成为数据挖掘领域的研究热点。数据可视化利用散点图、树图、曲线、曲面等图形图像来显示多维的非空间数据,用形象直观的图像来指引数据挖掘的过程,使用户加深对数据含义的理解,加快获取知识的速度。 聚类分析是数据挖掘的一项重要功能,特别对高维数据分析具有很大优势。本文以聚类算法为基础,总结和分析现有的数据可视化方法,围绕着新的面向聚类的数据可视化技术、聚类分析的过程及结果可视化技术、可视化聚类分析交互技术等方面,进行深入且细致的研究。本文的主要工作如下: (1)虽然数据可视化方面已提出了很多方法,但是对数据可视化仍然没有明确的界定。本文对数据可视化同可视化、科学计算可视化、信息可视化的关系及应用范畴作了明确的划分。详细、系统地介绍了主要的数据可视化方法,通过对这些方法和技术的介绍,可以对数据可视化的作用、运用范围、区别于其他可视化技术的特点等方面有更深入的认识,这是进一步研究的基础。 (2)现存的聚类算法众多,其中包括基于划分的聚类算法和基于层次的聚类算法等。本文在研究了现有的几种聚类算法,发现一些算法有的对脏数据敏感;有的虽不敏感,但计算量大,只适用于小规模数据量。针对这些问题本文提出了一种基于主次属性划分的聚类方法和一种新的数据可视化方法。利用数据的主属性和次属性的特征值对数据集进行聚类。实验表明,本方法算法简单、容易实现。 (3)提出一种利用彩色刺激光谱投影到RGB颜色空间的原理,通过色度学中麦克斯韦的三角平面坐标色度图对各聚类结果进行可视化显示。实验表明,通过用这种多维数据的可视化方法对聚类结果进行可视化,有利于用户全面的理解数据,为数据的预测、决策起到重要作用。 (4)一些聚类算法需要预先确定聚类个数、迭代次数或终止条件,而这些参数
论文目录
相关论文文献
- [1].一种基于群体智慧的智能服务聚类方法[J]. 郑州大学学报(理学版) 2019(04)
- [2].几种典型聚类方法在雷达信号分选中的应用浅析[J]. 电子信息对抗技术 2017(05)
- [3].面向聚类集成的基聚类三支筛选方法[J]. 计算机应用 2019(11)
- [4].一种基于投票的三支决策聚类集成方法[J]. 小型微型计算机系统 2016(08)
- [5].双向聚类方法综述[J]. 数理统计与管理 2020(01)
- [6].基于云计算的数据挖掘聚类算法研究[J]. 数字通信世界 2020(05)
- [7].针对气味数据的交互式聚类可视分析框架[J]. 计算机辅助设计与图形学学报 2020(07)
- [8].基于动态邻域的三支聚类分析[J]. 计算机科学 2018(01)
- [9].考虑重要性赋权的分部多关系聚类方法[J]. 小型微型计算机系统 2017(06)
- [10].一种加权网络聚类运算中权与相似度转换方法[J]. 电子质量 2016(09)
- [11].一种基于遗传算法的聚类集成方法[J]. 计算机工程与应用 2013(08)
- [12].一种基于命名实体的搜索结果聚类算法[J]. 计算机工程 2009(07)
- [13].基于添加人工数据的高差异性聚类集体生成方法[J]. 模式识别与人工智能 2008(05)
- [14].基于自步学习的鲁棒多样性多视角聚类[J]. 中国图象图形学报 2019(08)
- [15].基于K-Means的搜索结果聚类方法[J]. 工业控制计算机 2018(03)
- [16].基于真实核心点的密度聚类方法[J]. 计算机应用研究 2018(12)
- [17].基于双向聚类的客户细分方法研究[J]. 工业控制计算机 2017(09)
- [18].基于层次分析法的加权聚类融合[J]. 内江师范学院学报 2013(04)
- [19].选择性聚类融合研究进展[J]. 计算机工程与应用 2012(10)
- [20].一种面向加权双向图的聚类发掘方法[J]. 小型微型计算机系统 2012(07)
- [21].信息熵加权的协同聚类算法的改进与优化[J]. 宁夏师范学院学报 2020(01)
- [22].用于协同感知的分布式聚类方法研究[J]. 空天防御 2020(03)
- [23].一种多粒度增量属性的聚类方法[J]. 小型微型计算机系统 2019(03)
- [24].聚类算法综述[J]. 计算机应用 2019(07)
- [25].基于聚类准则融合的加权聚类集成算法[J]. 山西大学学报(自然科学版) 2018(02)
- [26].基于需求功能语义的服务聚类方法[J]. 计算机学报 2018(06)
- [27].轨迹聚类算法及其应用[J]. 电脑知识与技术 2018(29)
- [28].基于随机聚类方法建模的序列分析[J]. 江西师范大学学报(自然科学版) 2017(05)
- [29].一种选择性加权聚类融合算法[J]. 计算机工程与应用 2012(22)
- [30].聚类集成方法研究[J]. 计算机科学 2011(02)
标签:数据可视化论文; 可视化数据挖掘论文; 聚类分析论文; 彩色刺激函数论文; 色度图论文; 切尔诺夫脸谱图论文; 动态平均线论文; 相关系数论文; 交互技术论文; 图像后处理技术论文;