基于Hessian正則化的數(shù)據(jù)可視化算法研究.pdf

1、面對日益復雜的海量數(shù)據(jù)及其挖掘和分析結(jié)果，如何結(jié)合人的視覺優(yōu)點和主觀認知，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復雜數(shù)據(jù)進行深刻理解，成為許多數(shù)據(jù)挖掘和分析研究人員研究的熱點。本文針對大規(guī)模復雜數(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，尤其是針對復雜數(shù)據(jù)可視化中的高度集中問題展開研究。探索基于多圖的復雜數(shù)據(jù)可視化算法。主要工作如下:
　　隨著復雜數(shù)據(jù)量的增加，數(shù)據(jù)可視化的效

2、率往往越來越低，本文在深入分析Barnes-Hut加速算法優(yōu)缺點的基礎上，提出基于Barnes-Hut加速的多圖t-SNE算法。多圖t-SNE算法中的時間復雜度為指數(shù)級，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，可將每個時間步的時間復雜度降低為O(NlogN)。在保證算法的鄰居保持率NRP的情況下，多圖的t-SNE算法使得復雜數(shù)據(jù)的可視化效率得到明顯的提高。實驗仿真結(jié)果表明，針對不同測試數(shù)據(jù)集，

3、基于Barnes-Hut加速的多圖t-SNE算法可以通過選擇合理的閾值來實現(xiàn)復雜數(shù)據(jù)的可視化，在獲得理想的運行速度的同時可以保證可視化的精度。
　　針對復雜數(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，從而導致的可視化效果較差的問題。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