基于Hessian正則化的數(shù)據(jù)可視化算法研究.pdf

1、面對(duì)日益復(fù)雜的海量數(shù)據(jù)及其挖掘和分析結(jié)果，如何結(jié)合人的視覺(jué)優(yōu)點(diǎn)和主觀認(rèn)知，使數(shù)據(jù)挖掘和分析的結(jié)果具有直觀性和可交互性，從而有助于用戶從不同可視化角度對(duì)復(fù)雜數(shù)據(jù)進(jìn)行深刻理解，成為許多數(shù)據(jù)挖掘和分析研究人員研究的熱點(diǎn)。本文針對(duì)大規(guī)模復(fù)雜數(shù)據(jù)可視化的研究中經(jīng)常遇到的相似性傳遞、數(shù)據(jù)的高度集中等難題，尤其是針對(duì)復(fù)雜數(shù)據(jù)可視化中的高度集中問(wèn)題展開(kāi)研究。探索基于多圖的復(fù)雜數(shù)據(jù)可視化算法。主要工作如下:
　　隨著復(fù)雜數(shù)據(jù)量的增加，數(shù)據(jù)可視化的效

2、率往往越來(lái)越低，本文在深入分析Barnes-Hut加速算法優(yōu)缺點(diǎn)的基礎(chǔ)上，提出基于Barnes-Hut加速的多圖t-SNE算法。多圖t-SNE算法中的時(shí)間復(fù)雜度為指數(shù)級(jí)，這很大程度上地限制了數(shù)據(jù)可視化的規(guī)模，而利用本文提出的Barnes-Hut加速策略，可將每個(gè)時(shí)間步的時(shí)間復(fù)雜度降低為O(NlogN)。在保證算法的鄰居保持率NRP的情況下，多圖的t-SNE算法使得復(fù)雜數(shù)據(jù)的可視化效率得到明顯的提高。實(shí)驗(yàn)仿真結(jié)果表明，針對(duì)不同測(cè)試數(shù)據(jù)集，

3、基于Barnes-Hut加速的多圖t-SNE算法可以通過(guò)選擇合理的閾值來(lái)實(shí)現(xiàn)復(fù)雜數(shù)據(jù)的可視化，在獲得理想的運(yùn)行速度的同時(shí)可以保證可視化的精度。
　　針對(duì)復(fù)雜數(shù)據(jù)可視化中的數(shù)據(jù)高度集中，不同維度數(shù)據(jù)相互影響，從而導(dǎo)致的可視化效果較差的問(wèn)題。本文提出基于Hessian正則化的多圖的t-SNE算法。Hessian正則化比拉普拉斯正則化具有更好的推斷能力，能夠更好的保持可視化數(shù)據(jù)的局部流形結(jié)構(gòu)。本文將Hessian正則化引入到多圖的t-S