一种基于MDS的高维数据降维与可视化方法

任珂; 马志强; 张慧杰

0
0
浏览
下载

摘要
关键词
基金信息
论文图表
同行评议
相关论文
评论

一种基于MDS的高维数据降维与可视化方法

首发时间：2017-05-03

任珂 ^{1
2}
任珂(1995-)，女，主要研究方向：信息可视化，可视分析
马志强 ^{1
2} 张慧杰 ^{1
2}
张慧杰(1975-)，女，副教授，主要研究方向：科学可视化，信息可视化，可视分析，计算机图形学

1、东北师范大学计算机科学与信息技术学院，长春 130117
2、智能信息处理吉林省高校重点实验室，长春 130117

摘要：降维与可视化是分析高维数据的有效手段。传统数据降维技术计算效率低，准确性较差，无法帮助分析者更深入理解和认识数据。因此，研究并实现了一种新的降维及可视化方法--最小二乘映射 (Least Squares Projection, LSP)方法。使用K中心点聚类算法选取每个簇中最有代表性的数据样本作为控制点；使用传统的降维方法--多维尺度分析 (Multidimensional Scaling, MDS)，映射控制点的坐标；根据数据样本的邻域，建立相应的线性系统，从而计算出所有样本的降维结果。最后，利用多组数据验证了本方法的有效性，探究了本方法相比传统降维方法的优势，讨论了控制点的选取对结果的影响，并给出了本方法在教育信息中的具体应用。相比于传统方法，LSP方法能够在准确可视化数据的同时提高了计算效率。

关键词：高维数据降维 K中心点聚类算法多维尺度分析

For information in English, please click here

A New Method of Projecting and Visualizing High-dimensional Data Based on MDS

Ren Ke ¹
任珂(1995-)，女，主要研究方向：信息可视化，可视分析
Ma Zhiqiang ² Zhang Huijie ¹
张慧杰(1975-)，女，副教授，主要研究方向：科学可视化，信息可视化，可视分析，计算机图形学

1、School of Computer Science and Information Technology, Northeast Normal University, Changchun 130117
2、 Key Laboratory of Intelligent Information Processing of Jilin Universities, Changchun 130117

Abstract：Taditional multidimensional projection methods have low computational efficiency and poor accuracy, and these cannot be more indepth understanding and awareness of the data. Therefore, this paper studies a new multidimensional projection and visualization method called Least Squares Projection( LSP). The K-Medoid clustering algorithm classifies data into k clusters, meanwhile, we recognize the most representative data sample in each cluster as a control point. Then, the traditional method of dimensionality reduction called Multidimensional Scaling (MDS) is used to map the control points based on the relationships between different control points. and the linear system is built. Then, the coordinates of all data points are calculated. In the last of the article, multiple data sets are used to demonstrate the effectiveness of this method, explore the advantages of this method compared to traditional methods of dimension reduction, discuss the effects of selected control points on the results, and give an application in education information. Compared to traditional methods, LSP method can visualize data accurately and improve computational efficiency at the same time.

Keywords： High-dimensional data Dimension reduction K-Medoids MDS

基金：

论文图表：

引用

导出参考文献

.txt

.ris

.doc

任珂，马志强，张慧杰. 一种基于MDS的高维数据降维与可视化方法 [EB/OL]. 北京：中国科技论文在线 [2017-05-03]. https://www.paper.edu.cn/releasepaper/content/201705-139.

No.4727797922121149****

同行评议

未申请同行评议

全部评论

0/1000

论文编号	201705-139
论文题目	一种基于MDS的高维数据降维与可视化方法
文献类型
收录期刊	上传封面中文期刊英文期刊期刊名称（中文）期刊名称（英文）年，卷（）上传封面中文专著英文专著书名（中文）书名（英文）出版地出版社出版年上传封面中文译著英文译著书名（中文）书名（英文）出版地出版社出版年上传封面中文论文集英文论文集编者.论文集名称（中文） [c]. 出版地出版社出版年， - 编者.论文集名称（英文） [c]. 出版地出版社出版年，- 上传封面中文文献英文文献期刊名称（中文）期刊名称（英文）日期-- 在线地址http:// 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期-- 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期--
英文作者写法：中外文作者均姓前名后，姓大写，名的第一个字母大写，姓全称写出，名可只写第一个字母，其后不加实心圆点“.”, 作者之间用逗号“，”分隔，最后为实心圆点“.”, 示例1：原姓名写法：Albert Einstein,编入参考文献时写法：Einstein A. 示例2：原姓名写法：李时珍；编入参考文献时写法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.