声明
致谢
摘要
1 引言
1.1 研究背景
1.2 研究意义
1.3 研究现状
1.4 本文主要工作
1.5 本论文结构安排
2 数据可视化技术
2.1 数据可视化的分类
2.1.1 科学可视化
2.1.2 信息可视化
2.1.3 可视分析学
2.3 几种常用可视化技术
2.3.1 基于几何变换的技术
2.3.2 基于图标的可视化技术
2.3.3 基于像素的可视化技术
2.3.4 基于层次的可视化技术
2.4 数据挖掘可视化
2.4.1 可视化的交互技术
2.4.2 数据可视化与数据挖掘的关系
2.5 本章小结
3 常用聚类算法及评价算法
3.1 聚类分析方法
3.1.1 K-均值算法分类
3.1.2 聚类分析优化问题
3.2 聚类效果评价度量
3.2.1 外部度量法
3.2.2 内部度量法
3.2.3 相对度量法
3.3 本章小结
4 基于PCA技术的图标可视化方法
4.1 PCA技术
4.1.1 PCA技术的基本思想
4.1.2 PCA技术的步骤
4.2 聚类算法的可视化应用特征
4.2.1 K-均值算法描述
4.2.2 对K-均值算法初始值确定的步骤
4.3 基于图标的可视化模型和方法
4.3.1 基于像素图标的可视化方法
4.3.2 颜色空间的表示
4.3.3 基于PCA技术的图标可视化方法
4.4 本章小结
5 实验结果及分析
5.1 实验环境及工具
5.2 实验数据集简介
5.3 实验结果及分析
5.3.1 基于PCA的图标可视化算法的可视化展示
5.3.2 对K-均值算法值类别确定的实验
5.3.3 对K-均值聚类算法效果的评价
5.4 本章小结
6 结论
6.1 论文工作总结
6.2 工作展望
参考文献
作者简历
学位论文数据集
北京交通大学;