多维数据集中高维数据可视化算法研究

张红军

Chinese

您当前的位置：

首页 >

文章列表页 >

多维数据集中高维数据可视化算法研究

更新时间：2026-09-04

- 多维数据集中高维数据可视化算法研究
- Cube High-Dimensional Data Visualization Algorithm Research
- 微电子学与计算机 2017年34卷第5期页码：110-113
- 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：
  中图分类号：
- 纸质出版：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

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

大模型发展综述：从BERT到Deepseek的技术演进

V型沟槽SiC中子探测器的蒙特卡洛分析

一种基于特征上下文理解与切片分析的肺结核检测算法

低功耗设计的双链电源关断策略的实现与验证

基于监控指标关联性的微服务异常检测