数据可视化之"Research on visualization techniques in data mining"

Research on visualization techniques in data mining

Jin, Hailiang (Key Laboratory of Mine Spatial Information Technologies of State Bureau of Surveying and Mapping, Henan Polytechnic University, Jiaozuo, China); Liu, Huijie Source: Proceedings - 2009 International Conference on Computational Intelligence and Software Engineering, CiSE 2009, 2009, Proceedings - 2009 International Conference on Computational Intelligence and Software Engineering, CiSE 2009

新型可视化技术

(1)基于几何投影技术的可视化方法

基于几何投影技术的可视化方法的目标是建立多维数据集的有趣投影,从而将多维数据分析转换为分析少量兴趣维数据分析,包括散射矩阵技术,框架地图,测量地图,安德鲁斯曲线技术,平行坐标可视化技术,放射性可视化技术和侦探统计,如主成分分析、缩放尺寸。

(2)基于图像的可视化方法

基于图像的可视化技术将每个多维数据映射到图像,例如线图,图标和颜色图。 线图将两个维度映射到显示维度,其余维度映射到角度和组件长度。 该技术限制了可视化的维度数量。 图标是一些非常小的地图; 其不同特征的大小由特定变量的值决定,如针形图标,星形图标。 在星形图标中,相对于原点的不同方向对应于不同的变量; 在这些方向上投影的半径长度对应于变量的值。

(3)面向像素的可视化方法

面向像素的可视化方法将每个数据值映射到彩色像素,并在单独的窗口中表示属于每个属性的数据值。 这种方法的优点是可以一次性描述海量信息

并且不会有重叠。 不仅可以有效地保留一小部分用户感兴趣,还可以概述数据。 如果像素表示数据值,则此方法可以显示最大数据(最多1,000,000个数据值)。 诸如递归模式技术,无线电技术划分,螺旋技术和Z次序技术的可视化方法属于这种技术。

可视化技术新进展

(1)失真技术

失真技术显示高级细节中的部分数据以及低细节和许多细节级别的其他数据。 该技术提供了一种集中的方法,同时保持对数据的概述,这有利于交互式探索的过程。

(2)交互技术和协作技术

交互式可视化技术允许根据检测对象可视化动态变化,并且可以实现各种独立可视化的组合,例如交互式映射,投影和过滤,缩放,交互式链接和刷牙。 用户可以比较多个模型,充分利用不同可视化方法的优势和不同模型的描述方式。 在强调模型的某些部分时,不同关联模型的描述方式将同时在多个独立窗口中自动显示。 这些技术的一般使用可以获得比独立考虑这些可视组件更多的信息。 协同技术允许生成原始数据的描述和相应模型的许多不同描述方式,这有利于模型的比较分析。

(3)钻取技术

钻取技术意味着我们可以看到模型的一部分是从原始数据中提取出来的,并且在选择模型的一部分时可以访问它们。 例如,决策树可视化方法允许选择和钻取决策树的分支,以便用户可以访问与分支结构相关的数据,同时忽略其他数据描述。

(4)虚拟技术

虚拟技术可以将模型结果输出到虚拟设备或虚拟可视化环境,从而使用户能够留下来。 用户可以通过导航搜索有趣的信息,并获得对数据和分析的更直观的理解。 该技术可以结合人们的认知能力,使人们充分融入数据挖掘的过程。 已经提出的虚拟技术是数据立方体[7]和头盔显示器。

总结

(1)视觉技术的应用还很有限,方法也单一,主要集中在初始视图的可视化和结果(模型)。

(2)目前的数据挖掘可视化方法大致可分为以下几类。第一类由传统的可视化方法或独立于数据挖掘的算法组成。第二类描述了通过数据挖掘算法提取的模式,从而有助于更好地理解模型。第三类与各种可视化方法紧密相连在数据挖掘算法的运行过程中。算法允许用户在算法运行中引导和操纵可视化。几乎所有提出的可视化数据挖掘方法都属于第一类或第二类。因此,未来的工作包括两个方面,第一,为半结构化和非结构化数据(如Web数据和文本)的复杂信息结构开发适当的可视化挖掘方法;第二,将各种可视化方法与统计学,机器学习,运筹学,模拟技术,融入数据挖掘过程等传统方法紧密结合,结合快速自动数据挖掘算法和人脑认知能力和判断能力,提高数据挖掘可视化过程的质量和速度。最终目标是使基于计算机的可视化数据挖掘系统具有简单性,可见性,用户自治性,可靠性,可重用性和安全性,具有更好,更快,更直观的大数据资源探索能力。

原文地址:https://www.cnblogs.com/xiaomingzaixian/p/9961239.html

时间: 2024-11-08 01:50:06

数据可视化之"Research on visualization techniques in data mining"的相关文章

【数据可视化 参考资料】

数据挖掘:用可视化效果展现你的数据 [编者按]本文作者星河里的章鱼喵,文章通过介绍Visualization 即可视化,罗列了数据的展现方式.对于数据分析最困难的一部分就是数据的展示,解读数据之间的关系,清晰有效的传达并且沟通数据信息. 对于数据挖掘,我们可以通过文中对数据可视化的案例找到分析数据.展现数据的方法和思路. Data visualization 是一件很有趣的事情.最近在尝试处理数据,便顺手翻了翻 visualization 的进展,然后除了 IBM 大名鼎鼎的的 many-eye

数据可视化是什么

数据可视化( Data Visualization )起源于18世纪,William Playfair 在他出版的书籍< The Commercial and Political Atlas >中第一次使用了柱形图和折线图. 当时是为了表示国家的进出口量,在今天依旧这么使用.19世纪初,他出版了< Statistical Breviary >一书.里面第一次使用了饼状图.这三种都是至今最经常使用的最著名的可视化图形.19世纪中叶.数据可视化主要被用于军事用途,用来表示军队死亡原因.

数据可视化的优秀入门书籍有哪些

习·D3.js 学习资源汇总 除了D3.js自身以外,许多可视化工具包都是基于D3开发的,所以对D3的学习就显得很重要了,当然如果已经有了Javascript的经验,学起来也会不费力些. Github主页:https://github.com/mbostock/d3/wiki 包括D3简介,案例,教程和公开课,以及之前提到的API参考等. Github教程页面:https://github.com/mbostock/d3/wiki/Tutorials -·-·-·-·-·-其他:-·-·-·-·

数据可视化-EChart2.0使用总结1

图表是企业级Web开发必不可少的一个功能点.也是“数据可视化的一个具体呈现”.今天看到阮一峰翻译的“数据可视化:基本图表”一文,同时梳理一下公司现在项目使用的EChart2.0类库.阮一峰的文章同时也适合产品经理和设计师看,因为很多产品经理和设计师其实不能完全区分哪些地方需要哪些图表去呈现具体的数据. 1.柱状图-Bar Chart 适合场景:二维数据集(每个数据点包括两个值x和y),但只有一个维度需要比较.一般是Y轴.柱状图利用柱子的高度,反映数据的差异. 特点:肉眼对高度差异特别敏感,辨别效

地铁译:Spark for python developers ---Spark处理后的数据可视化

spark for python developer 一书,说实在的,质量一般,但勉强可以作为python 工程师的入门资料,至此,这一时段的地铁译结束了,开始新的阅读旅程-- 对于 Python 的图形绘制和可视化, 有大量的工具和库,和我们最相关并且有趣的是:? ? Matplotlib 是Python 绘图库的鼻祖. Matplotlib 最初7由 John Hunter 创作, 他是开源软件的支持者,建立的 Matplotlib 是学术界和数据科学界最流行的绘图库之一. Matplotl

55种开源数据可视化工具简介

55种开源数据可视化工具简介 雪姬 2015-04-21 11:47:56 数据可视化 评论(2)   数据时代数据可视化成为理解和表达数据的有效甚至是唯一的手段. 一共56个,盘点最实用的大数据可视化分析工具 工欲善其事必先利其器,本文对55个流行的数据可视化工具开源协议,主页,文档,案例等资源的进行简单介绍,其中包括著名的D3.js,R,Gephi,Raphaël,Processing.js,Tableau Public,Google Chart Tools,Arbor.js等,资料来源ht

数据可视化:基本图表

本文转自阮一峰 http://www.ruanyifeng.com/blog/2014/11/basic-charts.html "数据可视化"可以帮助用户理解数据,一直是热门方向. 图表是"数据可视化"的常用手段,其中又以基本图表----柱状图.折线图.饼图等等----最为常用. 用户非常熟悉这些图表,但如果被问道,它们的特点是什么,最适用怎样的场合(数据集)?恐怕答得上来的人就不多了. 本文是电子书<Data Visualization with Java

21款酷炫的数据可视化工具

辛辛苦苦分析一堆大数据,竟然没人看!如果你正着手于从数据中洞察出有用信息,那你所需要的正是——数据可视化.俗话说,有图有真相,一图胜千言,取悦了眼球,剩下的都好说. 贵妃周一巨献!!挖掘了21款炙手可热的数据可视化工具,干净利落的高颜值信息图,就要这样做! FushionCarts FusionCharts Suite XT不仅可以为带给你漂亮的图表,还能帮你制作出生动的动画.巧妙的设计和丰富的交互性.它在PC端.Mac.iPad.iPhone和Android平台都可兼容,具有很好的用户体验一致

陈为著《数据可视化》书评及思维导图

在确定数据可视化为自己研究主题之初,我经常上网搜寻相关资料.但是初期的收集经常是杂乱无章,缺乏系统规划的.以至于我产生了三个困扰我的问题,分别是: 1. 信息可视化与数据可视化,到底有什么区别?或者说infographics 与visualization之间有何区别? 2.data visualization就是数据挖掘之后的用于显示结果的统计图吗? 3.曾经在知乎上看见某资深程序员直言,数据可视化在国内除了折腾一下社交网络外,没什么好做的,是这样吗? 今年4月以来,我终于有时间仔细研究相关问题