一种聚类挖掘结果的可视化方法

简要介绍了数据挖掘、聚类分析及多维数据可视化,提出将Kmeans算法输出的多维结果集通过主分量分析转换为3D空间点坐标,实现数据挖掘结果的可视化。     

平行坐标法在分类算法中的可视化应用

平行坐标技术是可视化数据挖掘的重要方法之一，通过此方法实现分类中多维数据在二维平面上的显示，设计平行坐标与分类算法结合的方法，通过程序接口把具体算法与平行坐标实现分离开来，完成了最近邻分类算法与平行坐标可视化方法的紧密结合的程序实现，体现出平行坐标可视化方法对数据挖掘技术所带来的重大意义。     

基于平行坐标法的可视数据挖掘

数据挖掘和数据可视化技术的结合形成可视数据挖掘。通过可视化技术的运用,数据挖掘可以增加其数据的针对性和结果的可信度。平行坐标法是数据可视化的代表方法之一,该文在平行坐标法的基础上,探讨了在其中实现可视化数据挖掘的基本方法,是进一步开发可视数据挖掘系统的初步研究。     

多维数据可视化技术及分类器的研究进展

可视化技术使人们通过计算机能够有效地观察、研究、理解大规模多维信息及其结构,从而可以有效地发现隐藏在多维信息内部的特征和规律。本文对可视化技术进行了总结,讨论了目前主要可视化技术的基本原理、适用性和特点,为多维数据的可视化分析提供基础。     

平行坐标及其在聚类分析中的应用

平行坐标对多维数据的表达是数据可视化的重要方法之一。它实现了多维数据在二维平面上的表示。利用平行坐标对数据进行分析处理的技术已经取得了很大的进展,如刷(Brushing)技术、交换坐标轴、抽象等。这些分析技术已经应用到数据挖掘的很多领域,尤其在聚类分析中,平行坐标对数据集的定性分析使聚类结果的合理性得到证明。     

可视化数据挖掘方法与技术

可视化数据挖掘技术是可视化技术和数据挖掘技术的有机结合,是数据挖掘技术发展的必然,它涉及到计算机图形学、图像处理、计算机辅助设计、计算机视觉及人机交互技术等多个领域：数据挖掘的可视化已由单纯的模型可视化发展到数据可视化与数据挖掘过程和结果的可视化;本文着重讨论了可视化数据挖掘的分类和相关技术,最后提出了未来的研究方向。     

SQL Server Analysis Services的概念与结构

Microsoft SQL Server Analysis Services(SSAS)为商业智能应用程序提供了联机分析处理(OLAP)和数据挖掘功能.Analysis Services允许设计、创建和管理包含多维结构,使其包含从其他数据源(例如关系数据库)聚合的数据,并通过这种方式来支持OLAP.对于数据挖掘应用程序,Analysis Services允许使用多种行业标准的数据挖掘算法来设计、创建和可视化从其他数据源构造的数据挖掘模型.     

SQL Server Analysis Services的概念与结构

Microsoft SQL Server Analysis Services（SSAS）为商业智能应用程序提供了联机分析处理（OLAP）和数据挖掘功能。Analysis Services允许设计、创建和管理包含多维结构,使其包含从其他数据源（例如关系数据库）聚合的数据,并通过这种方式来支持OLAP。对于数据挖掘应用程序,Analysis Services允许使用多种行业标准的数据挖掘算法来设计、创建和可视化从其他数据源构造的数据挖掘模型。     

差分隐私DPE k-means数据聚合下的多维数据可视化

近年来隐私保护下的数据挖掘发展迅速,但应用广泛的数据可视化中的隐私保护问题则成果鲜见,差分隐私保护是一种新兴的具有广阔发展前景的隐私保护方法,目前,差分隐私保护下的多维数据可视化方法却未见报道.文章研究如何在数据可视化的过程中满足差分隐私保护.现有的DP k-means算法不支持较大的k,因此在数据聚合的过程中仅有理论意义.提出一个ε-Differential Privacy Equipartition k-means算法(DPE k-means),能够支持较大的k,较好地解决了可视化中数据的叠加问题,在一定的隐私保护级别下极大地改善了数据可视化后的图像质量.仿真实验中计算了衡量数据聚合质量的几项指标,结果表明DPE k-means算法优于现有的DP k-means算法.     

一个基于OLAM的可视化数据挖掘系统原型

基于OLAM的可视化数据挖掘系统将可视化工具和数据挖掘工具融为一体，它与一般的数据挖掘系统不同，充分利用了OLAM模型沿着多个维进行挖掘，并以智能的方式与用户进行交互，可以在多维数据库的不同部位和不同的抽象级别交互地执行挖掘，以图形的方式输出结果。     

星型坐标在可视化数据挖掘中的应用

星型坐标技术是多维数据可视化的重要方法之一,文章在其基础上运用了交互和变形技术,使数据能够以不同的视图显示,改善了其显示效果。同时,将数据挖掘的结果显示在星型坐标系下,能让用户进行适当的交互操作,从不同角度简单清晰地观察和分析数据,从而可更好地理解挖掘结果。     

数据挖掘技术在成才因素分析中的应用研究

如何在高校有效地开展素质教育是一个迫切的问题,而通过对高校学生数据库的挖掘,有可能在这方面获得一些科学依据。文中介绍了数据仓库及数据挖掘基本技术,并将数据挖掘技术应用到成才因素分析之上,通过大量的实际数据测试,获取了感兴趣度较大的规则模式,在高校素质教育的具体应用中起到了促进的作用。最后给出了一个基于MSAnalysis Server的多维数据集及数据挖掘结果分析可视化平台。     

数据挖掘技术在成才因素分析中的应用研究

如何在高校有效地开展素质教育是一个迫切的问题，而通过对高校学生数据库的挖掘，有可能在这方面获得一些科学依据。文中介绍了数据仓库及数据挖掘基本技术，并将数据挖掘技术应用到成才因素分析之上，通过大量的实际数据测试，获取了感兴趣度较大的规则模式，在高校素质教育的具体应用中起到了促进的作用。最后给出了一个基于MS Analysis Server的多维数据集及数据挖掘结果分析可视化平台。     

可视化数据挖掘技术研究

总结了目前数据挖掘领域中可视化方法的研究状况。结合国外先进的数据挖掘工具,分析了当前可视化数据挖掘技术的应用现状。基于可视化数据挖掘的任务和目标,阐述了可视化数据挖掘技术的发展趋势。     

智慧校园多维数据可视化展示技术研究

由于传统智慧校园多维数据可视化展示技术在实践中分辨率较低,为此提出智慧校园多维数据可视化展示技术研究.本文分析了数据可视化技术的应用与研究重点,设计智慧校园多维数据可视化展示技术,利用数据相似性设计智慧校园多维数据排列算法,对多维数据进行降维处理;使用计算机等终端联网设备,采用在智慧校园中构建信息可视化场景的方式,展示...     

VISMiner：一个交互式可视化数据挖掘原型系统

交互式可视化数据挖掘是利用可视化技术进行联机数据挖掘的技术。基于SOM的交互式可视化数据挖掘原型系统VISMiner的主要目的是将数据挖掘与数据可视化及OLAP进行集成,允许用户以交互的方式从SOM的标记图或距离图中选定感兴趣区域加以深入分析。     

数据挖掘方法与可视化

迄今为止,数据挖掘与知识发现软件的功能不再停留在“挖掘”这个单一功能的实现,而已延伸到数据挖掘与知识发现的过程．即包括数据的预处理、数据挖掘、模型评估与可视化;在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化：本文着重讨论了数据挖掘的方法与可视化技术,最后提出了未来的研究方向。     

用神经网络选择多维数据挖掘空间的研究

多维数据挖掘是基于数据仓库系统的重要决策支持技术，遗憾的是，由于多维数据的复杂性使数据挖掘的效率和实用性都很差，本文通过对多维数据挖掘模型的分析，说明在多维数据挖掘过程中挖掘空间的选择是影响结果成败的关键步骤，在此基础上提出一种用于挖掘空间选择的神经网络模型，并通过实例应用说明该模型能够正确寻找到正确的挖掘空间，最后文章讨论了该模型的优缺点。     

可视化数据挖掘技术

迄今为止,数据挖掘与知识发现软件的功能不再停留在"挖掘"这个单一功能的实现,而已延伸到数据挖掘与知识发现的过程,即包括数据的预处理、数据挖掘、模型评估与可视化,在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化.主要讨论了数据挖掘的方法与可视化技术,指出了未来的研究方向.     

可视化数据挖掘工具的设计与实现

为了在海量数据中把有用的数据提取给用户进行分析,通过对数据可视化和聚类分析的深入研究,将可视化技术与数据挖掘技术两者结合起来,在Java平台下开发一个可视化的数据挖掘系统,把数据挖掘的结果以3D散点图、平行坐标图的方式显示给用户,使用户能够直观地看到数据集的全貌及分析各对象同一属性值的分布和各属性之间的关系,有效地表达数据挖掘结果。