声明
摘要
第一章 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 国内外研究现状
1.4 本文研究内容与结构
第二章 高维复杂数据可视化
2.1 复杂网络可视化
2.1.1 ClueGo可视化
2.1.2 clusterMaker2可视化
2.1.3 Rinalyzer可视化
2.2 高维复杂数据降维算法
2.2.1 PCA算法
2.2.2 基于重建权值的LLE
2.2.3 基于神经网络的自动编码
2.3 高维复杂数据可视化
2.3.1 t-SNE算法
2.3.2 多图的t-SNE算法
2.3.3 基于拉普拉斯正则化的多图t-SNE
2.4 复杂数据可视化算法评价标准
2.4.1 NRP测评方法
2.4.2 准确度损失率
2.4.3 可视化算法时间复杂度
2.5 本章小结
第三章 基于Barnes-Hut的多图t-SNE算法研究
3.1 Barnes-Hut算法及树的构建
3.1.1 Barnes-Hut算法介绍
3.1.2 Barnes-Hut树的构建
3.1.3 Barnes-Hut树中节点相互作用
3.2 基于Barnes-Hut的多图t-SNE算法
3.3 实验仿真结果及分析
3.4 本章小结
第四章 Hessian正则化的多图t-SNE算法
4.1 Hessian正则化
4.2 基于Hessian正则化的多图t-SNE算法
4.3 Word可视化实验结果与分析
4.3.1 实验步骤
4.3.2 实验结果及分析
4.4 NIPS数据可视化的实验结果与分析
4.4.1 实验步骤
4.4.2 实验结果及分析
4.5 表型相似数据可视化分析
4.5.1 实验步骤
4.5.2 实验结果及分析
4.6 基于Hessian正则化的多图t-SNE算法软件实现
4.7 本章总结
第五章 总结与展望
5.1 本文总结
5.2 展望
参考文献
致谢
华中师范大学;