导读:本文包含了多元数据图表示论文开题报告文献综述及选题提纲参考文献，主要关键词:模式识别,可视化,多元数据,图表示
多元数据图表示论文文献综述
徐永红[1]（2010）在《基于多元数据子空间坐标图表示的可视化模式识别》一文中研究指出模式识别是人类以及其他一些高级动物赖以生存的基本智能之一。大多数情况下,人都有很好的模式识别能力,这种能力被视为是自然的事情,可是让机器处理同样的模式识别问题时往往会遇到更大的困难。尽管已有几十年的研究历史,直到今天还是不能很好理解人类是如何识别模式的。虽然计算机模式识别理论和方法已经获得了充分的研究和巨大的进步,但仍然存在一些根深蒂固的问题,例如着名的小样本问题、维数灾难问题、黑匣子问题等。长期以来,全自动化始终是模式识别系统的设计目标之一,识别过程中的人工参与被降低到最小。虽然在分类器设计阶段,也用到一些数据探索性分析和可视化方法,但是这些可视化方法并没有真正纳入模式识别流程,往往只是对原始数据或者结果进行简单的可视化。多元数据可视化作为数据分析的一种重要方法,已经在许多领域获得广泛应用。但目前对各种多元可视化技术的相互联系研究得不多,各种图表示方法缺乏统一的理论基础。要将多元数据的多元图表示方法和机器算法集成以实现可视化模式识别,尚需解决一些基础性的问题。本文研究主要围绕叁个基本问题展开:如何建立几种常用多元图表示方法的统一描述模型?如何对传统多元图表示方法进行优化以使其更适合模式识别应用?如何将机器算法和图表示方法集成以实现可视化分类?本文首先研究了几种多元图表示方法的表示原理和特性,在此基础上给出了多元数据子空间坐标图表示的一般模型,该模型将散点图、散点图矩阵、平行列线图、平行坐标、叁角多项式和雷达图等统一到同一个表示框架,从而不仅有助于研究这些图表示方法的区别与联系,还有助于研究和发展新的图表示方法。接着,本文定义了二维对偶坐标映射,研究了二维对偶坐标的表示特性并证明了相关定理,在此基础上提出了一种多元数据可视化新方法——多元平行对偶图。该方法在同一个视图中将多个散点图和平行坐标有机集成,同一样本的对偶坐标表示和平行坐标表示具有确定的几何关系,可以根据需要在这两种形式间切换,从而综合利用两种方法的优点而弥补其不足。本文还研究了二维对偶坐标的叁维显示以及多元数据的叁维对偶坐标表示,并给出了表示的示例。本文最后研究了多元图表示的图形特征优化问题,提出了基于凸壳的平行坐标优化、基于复线性判别分析的星座图权系数优化和Radviz快速优化方法。并且将机器学习算法和平行坐标相结合,提出了叁种基于优化平行坐标的可视化分类器:可视化BP神经网络、平行筛可视化分类器和贝叶斯可视化分类器,并针对蔬菜油分类、故障诊断、疾病诊断等某些领域问题进行了实验研究。研究结果表明,本文提出的可视化模式识别方法具有模式可视化(使看不到的看得到)、复杂系统表示简单化和有利于专家知识的利用和生成等特点。有望进一步发展和完善该方法,并将其应用于某些领域的复杂模式识别问题。(本文来源于《燕山大学》期刊2010-06-30）
徐永红,洪文学,高直[2]（2010）在《多元数据的子空间坐标图表示模型》一文中研究指出多元数据可视化是理解多元数据的一种重要手段。常用的多元数据可视化方法如散点图矩阵、平行坐标、雷达图、叁角多项式图等具有悠久的历史和广泛的应用,但是长期以来缺乏统一的理论基础。本文提出多元数据的子空间坐标图表示模型,该模型可以将这些传统多元图表示方法统一到同一个表示框架。该模型的提出对于研究新的可视化方法、图形优化以及促进实际应用具有重要意义。(本文来源于《燕山大学学报》期刊2010年02期）
高海波,徐永红,洪文学,崔建新[3]（2010）在《基于多元数据图表示的可视化模式识别》一文中研究指出现代统计模式识别以数据满足一定的统计分布规律(一般为正态分布)为前提。然而现实问题研究中存在大量不满足任何已知统计模型的情况,同时也有很多小样本情况,以上显然不适合统计方法。本文提出对非高斯信息进行基于多元数据多元图表示原理的可视化模式识别方法,并通过算法实现多元数据多元图分析过程的客观化和自动化,最后基于UCI数据对该方法进行了数据实验。(本文来源于《微计算机信息》期刊2010年04期）
崔建新,徐永红,洪文学,高海波[4]（2010）在《基于多元数据图表示的类别可分性研究》一文中研究指出基于多元数据图表示提出以点到各分类超平面的距离来表示原来的样本点,用该方法计算的可分性判据,更能客观真实的表达样本的实际分类性能,可普遍应用于模式识别/分类的特征选择和特征提取等研究领域。数据仿真实验取得较好的分类效果。(本文来源于《微计算机信息》期刊2010年03期）
崔建新,徐永红,洪文学,高海波[5]（2009）在《一种基于多元数据图表示的特征选择优化方法》一文中研究指出提出了一种基于多元数据图表示的特征选择优化方法。在不增加计算复杂度的基础上,类间重迭系数矩阵可以剔除方差大而分类信息差的向量,两两类间散布矩阵则用于区分类别均值和全局均值之间距离值相近的向量。实验证明该方法生成的特征向量取得的分类效果较好。(本文来源于《微计算机信息》期刊2009年36期）
王金甲[6]（2009）在《基于多元数据图表示的可视化模式识别研究》一文中研究指出模式识别通常认为是一个工程领域的问题,它集中研究系统的开发和评估,这个系统模仿并增强了人类识别模式的能力。但是,它也可以认为是一门科学,研究人类或其它生物学系统的发现、区别和刻画周围环境中的模式从而识别新的观测对象的能力。模式识别的工程方法试图建立模拟这种现象的系统,这样做,也就获得了为了识别模式所需要的科学理解。但是目前模式识别模型中有一些约定俗成的假设需要重新考虑,例如数据表示问题等。因此在多元数据图表示的多年研究工作基础上,提出将传统模式识别数据的特征表示转化为数据的多元图表示,从而开辟了一个新的研究方向:多元数据图表示模式识别。论文以模式识别中存在的数据表示问题和分类问题为背景,以多元数据2维(2D)图表示方法作为手段,以多元图图形特征提取和图形分类器为基础,以建立基于多元数据图表示模式识别理论框架为目的,开展可视化模式识别新方法的研究。首先给出了非图特征进行多元图表示的一般原理,研究了非图特征进行多元图表示(即公式表示、矩阵表示和几何表示)的数学理论框架,给出了非图特征进行多元图表示的唯一性定理及其证明。其次,研究了多元图的图形特征提取方法,给出了多元图图形特征提取的几何思路,特别对于多元数据星点图表示提出了面积、重心等图形特征。发现非图特征进行图表示存在的特征排序问题会导致不同特征排序下生成多元图图形特征的分类性能不同。因此研究了最优分类性能下对应的特征排序方法,第一种思路采用传统特征选择方法中的特征排序方法,第二种思路采用基于全局优化的随机搜索算法(如遗传算法等)用于特征排序方法,第叁种思路提出适合本问题的准则函数用于寻找最优的特征排序。再次提出了升维变换和特征选取思想并给出了方法实现。升维变换和特征选取是指,先对原始特征进行所有特征排序下多元图的图形特征提取,然后同时从原始特征和提取特征中选择出部分特征。可以猜测选取特征分类性能最差也是优化的特征排序下的鉴别图形特征的分类性能。接着研究了选择的部分特征的维数与分类性能之间的经验关系并用于指导选择维数。最后研究了基于多元图的图形分类和聚类方法。提出图形不相似度的定义和公式,按照模板匹配思想提出基于图形不相似度的单原型图形分类器,按照K近邻的思想提出基于图形不相似度的K近邻图形分类器。还研究了基于多元数据脸谱图的聚类和分类算法及其在健康智能家庭多源多维信息融合中的应用。整个系统采用Matlab编程实现设计思想。葡萄酒、乳腺癌和糖尿病等UCI真实数据集的最佳分类错误率分别达到了0%、1.61%和20.7%,优于国际分类性能比较的最优值,实验结果证实了我们的想法。(本文来源于《燕山大学》期刊2009-06-30）
高海波,徐永红,洪文学,崔建新[7]（2009）在《基于多元数据图表示的广义统计模式识别》一文中研究指出现代统计模式识别方法以数据满足一定的统计分布规律为前提,然而现实问题研究中存在大量分布不理想或小样本情况。基于多元图表示的广义统计模式识别提出基于类别样本统计分布特性分析来选择狭义统计或非统计方法,它主张统计学方法在模式识别领域的科学运用。首先介绍了广义统计模式识别概念,然后基于人工构造数据集对该方法进行了数据仿真实验,结果显示,类别样本统计分布特性差异对分类方法选择具有显着影响。(本文来源于《微计算机信息》期刊2009年07期）
徐永红,洪文学,高直,郑成博[8]（2008）在《多元数据升维变换的几何代数表示原理》一文中研究指出传统多元数据分析和模式识别领域一般采用向量空间模型。本文提出将多元数据从维向量空间映射到其生成的几何代数空间的升维变换方法,给出了多元数据在几何代数空间的多向量表示,并且证明了该多向量表示的完备性。最后展望了将几何代数应用于可视化模式识别的前景。(本文来源于《燕山大学学报》期刊2008年05期）
徐永红,王金甲,宋佳霖,赵勇[9]（2008）在《多元数据的多点表示模型》一文中研究指出提出了多元数据的多点表示模型。该模型采用多个平面矢量来表示多元数据的各个属性变量。每个平面矢量用一个复变函数来描述,整个数据集表达为一个复变函数矩阵。该模型可以统一描述多种常用的图表示方法,如平行坐标、雷达图、星座图等。该表示模型的参数可以利用机器学习算法进行优化,从而有效地揭示数据结构并进行可视化模式识别。(本文来源于《燕山大学学报》期刊2008年05期）
多元数据图表示论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
多元数据可视化是理解多元数据的一种重要手段。常用的多元数据可视化方法如散点图矩阵、平行坐标、雷达图、叁角多项式图等具有悠久的历史和广泛的应用,但是长期以来缺乏统一的理论基础。本文提出多元数据的子空间坐标图表示模型,该模型可以将这些传统多元图表示方法统一到同一个表示框架。该模型的提出对于研究新的可视化方法、图形优化以及促进实际应用具有重要意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多元数据图表示论文参考文献
[1].徐永红.基于多元数据子空间坐标图表示的可视化模式识别[D].燕山大学.2010
[2].徐永红,洪文学,高直.多元数据的子空间坐标图表示模型[J].燕山大学学报.2010
[3].高海波,徐永红,洪文学,崔建新.基于多元数据图表示的可视化模式识别[J].微计算机信息.2010
[4].崔建新,徐永红,洪文学,高海波.基于多元数据图表示的类别可分性研究[J].微计算机信息.2010
[5].崔建新,徐永红,洪文学,高海波.一种基于多元数据图表示的特征选择优化方法[J].微计算机信息.2009
[6].王金甲.基于多元数据图表示的可视化模式识别研究[D].燕山大学.2009
[7].高海波,徐永红,洪文学,崔建新.基于多元数据图表示的广义统计模式识别[J].微计算机信息.2009
[8].徐永红,洪文学,高直,郑成博.多元数据升维变换的几何代数表示原理[J].燕山大学学报.2008
[9].徐永红,王金甲,宋佳霖,赵勇.多元数据的多点表示模型[J].燕山大学学报.2008