Cube High-Dimensional Data Visualization Algorithm Research

ZHANG Hong-jun

Chinese

您当前的位置：

首页 >

文章列表页 >

Cube High-Dimensional Data Visualization Algorithm Research

更新时间：2026-09-04

- Cube High-Dimensional Data Visualization Algorithm Research
- Vol. 34, Issue 5, Pages: 110-113(2017)
- 作者机构：
  
  贺州学院机构计算机科学与信息工程学院,广西,贺州,542899
- 作者简介：
- 基金信息：
- DOI：
  CLC：
- Published：2017
- 稿件说明：
移动端阅览
张红军. 多维数据集中高维数据可视化算法研究[J]. 微电子学与计算机, 2017, 34(5): 110-113, 118.

ZHANG Hong-jun. Cube High-Dimensional Data Visualization Algorithm Research[J]. 2017, 34(5): 110-113.
张红军. 多维数据集中高维数据可视化算法研究[J]. 微电子学与计算机, 2017, 34(5): 110-113, 118. DOI：

ZHANG Hong-jun. Cube High-Dimensional Data Visualization Algorithm Research[J]. 2017, 34(5): 110-113. DOI：

摘要

多维数据集中包含海量的复杂高维数据

如何对这些数据进行科学的理解、分析和使用

是数据挖掘领域的一个重点和难点课题.针对传统可视化算法无法解决高维数据多属性的可视化问题

算法复杂、适用性较差的不足

提出基于快速数据聚类的可视化算法研究.算法构建了一种多维数据模型

采用三角多项式建立映射关系; 对多维数据集做不同层次的划分

并基于聚类的效果筛选最佳聚类数; 最后在平行坐标系基础上

对高维数据进行时序多维分析

提高算法鲁棒性.实验证明提出算法简洁易用

能够较好地实现对多维数据集中高维数据的理解和分析.

Abstract

Cube contains vast amounts of complex data

how to carry on the scientific understanding and analysis of the data and use

is an important and difficult topic in the field of data mining. For traditional visualization algorithm cant solve the problem of high-dimensional data visualization of multiple attribute

the deficiencies of the algorithm is less complex

applicability

visualization algorithm based on fast data clustering is proposed. Algorithm firstly builds a kind of multidimensional data model

trigonometric polynomial is adopted to establish the mapping relation; The cube for different levels of division

and based on clustering effect to screen the optimal clustering number; Finally based on parallel coordinates

temporal multi-dimensional analysis of high-dimensional data

improve the robustness of the algorithm. Experiments prove that the proposed algorithm is concise and easy to use

can well realize the cube understanding and analysis of high-dimensional data.

关键词

Keywords

references

叶学义, 宋倩倩, 高真, 等. 基于直方图条件熵的水声数据分类算法[J]. 计算机工程, 2016, 42(11): 244-248. DOI: 244

李伟波, 李振中, 何频. 移动位置服务的岩土信息可视化技术研究[J]. 计算机工程与应用, 2012, 48(5): 228-231. DOI: 228

唐晓东. 基于关联规则映射的生物信息网络多维数据挖掘算法[J]. 计算机应用研究, 2015, 32(6): 1614-1616. DOI: 1614

田明银, 兰一麟涛, 钱伟. 基于分形算法的三维地形可视化应用[J]. 电子设计工程, 2016, 24(14): 20-23. DOI: 20

朱欣颖. 云数据中心的多维资源调度策略探析[J]. 智能计算机与应用, 2015, 31(5): 74-76. DOI: 74

徐奡, 夏德天, 郑久寿. 高升力系统控制计算机容错技术研究[J]. 微电子学与计算机, 2015, 32(6): 36-40. DOI: 36

陈佳, 李敏. 用于多维数据实视图选择的分布估计算法[J]. 计算机工程, 2012, 38(11): 45-47. DOI: 45

南轶, 李先国. 模板技术在内容管理系统中的研究与应用[J]. 微电子学与计算机, 2012, 29(6): 180-184. DOI: 180

董重, 魏迎梅. 运用平行坐标系的多变元时序数据可视化方法[J]. 小型微型计算机系统, 2015, 36(10): 2408-2411. DOI: 2408

周维, 李敬辉, 黄高明. 基于VTK的海战场电磁信息可视化技术研究[J]. 计算机与数字工程, 2012, 40(1): 121-124. DOI: 121

张晓琳, 霍伟, 刘立新, 等. 多维连续不确定XML数据查询处理算法[J]. 微电子学与计算机, 2013, 30(6): 30-33. DOI: 30

郑龙, 敖永红, 梁莹莹, 等. RPES: 一种新的多维数据可视化方法[J]. 计算机工程与应用, 2012, 48(21): 107-111. DOI: 107

蒋华, 张乐乾, 王鑫. 基于多维评价模型及改进蚁群优化算法的云计算资源调度策略[J]. 计算机测量与控制, 2015, 23(7): 2559-2562. DOI: 2559

李晓东, 陈俊健, 曾凡智. 基于KDG-tree的数据库多维索引技术[J]. 计算机应用与软件, 2013, 30(6): 162-165. DOI: 162

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Steganography model guided by attention mechanism and improved dense convolution

Implementation and verification of a dual-chain power gating strategy for low power design

Design of ultra-low power real-time clock circuits

Lightweight countermeasures against Spectre attacks on the branch prediction unit

Microservices anomaly detection based on the correlation of monitoring metrics

Related Author

No data

Related Institution

No data

AI问答

Postal code：100079
Tel：（010）53879206 Email：tmw@bjxintong.com.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09082226号-64 京公网安备11010602201714号
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰