高维数据可视化研究及在商业智能中的应用
| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景介绍 | 第9-10页 |
| ·高维数据可视化的应用 | 第10页 |
| ·高维数据可视化的研究意义 | 第10-11页 |
| ·国内外技术现状与发展趋势 | 第11-12页 |
| ·论文安排与主要工作 | 第12-13页 |
| 第2章 常见的降维方法介绍 | 第13-28页 |
| ·主成分分析 | 第13-16页 |
| ·主成分分析基本原理 | 第13-14页 |
| ·PCA 算法步骤 | 第14页 |
| ·PCA 实验分析 | 第14-16页 |
| ·线性判别分析 | 第16-18页 |
| ·LDA 基本原理 | 第16-17页 |
| ·Fisher 准则 | 第17-18页 |
| ·等距特征映射 | 第18-20页 |
| ·Isomap 基本原理 | 第18-19页 |
| ·Isomap 算法流程 | 第19-20页 |
| ·局部线性嵌入 | 第20-23页 |
| ·LLE 基本原理 | 第20-21页 |
| ·LLE 算法流程 | 第21-22页 |
| ·LLE 实验仿真 | 第22-23页 |
| ·局部切空间排列算法 | 第23-25页 |
| ·LTSA 基本原理 | 第23页 |
| ·LTSA 算法流程 | 第23-24页 |
| ·LTSA 实验仿真 | 第24-25页 |
| ·降维方法的分析 | 第25-26页 |
| ·降维算法的时间复杂度比较 | 第25-26页 |
| ·降维算法的优缺点比较 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第3章 降维方法改进研究 | 第28-42页 |
| ·基于 Isomap 评估样本本征维数的算法改进 | 第28-31页 |
| ·残差估计本征维数 | 第28-29页 |
| ·极大似然估计本征维数 | 第29-31页 |
| ·基于 LLE 处理不均匀样本集的算法改进 | 第31-33页 |
| ·引进距离度量 | 第31-32页 |
| ·改进 LLE 算法流程 | 第32页 |
| ·实验应用与分析 | 第32-33页 |
| ·基于 LTSA 动态处理新样本数据的算法改进 | 第33-35页 |
| ·改进 LTSA 算法流程 | 第33-34页 |
| ·实验仿真 | 第34-35页 |
| ·基于 Isomap 处理噪声的算法改进 | 第35-40页 |
| ·算法实现流程 | 第36页 |
| ·实验仿真 | 第36-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 可视化研究 | 第42-48页 |
| ·可视化 | 第42-43页 |
| ·可视化概念 | 第42页 |
| ·可视化分类 | 第42-43页 |
| ·可视化技术 | 第43-44页 |
| ·基于几何的可视化技术 | 第44-47页 |
| ·平行坐标法 | 第44-46页 |
| ·径向坐标法 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 商业智能及其初步可视化 | 第48-62页 |
| ·商业智能产生背景 | 第48页 |
| ·商业智能概念 | 第48-50页 |
| ·商业智能厂家及其市场发展趋势 | 第50-52页 |
| ·商业智能实施流程 | 第52-53页 |
| ·可视数据挖掘 | 第53-54页 |
| ·可视数据挖掘分类 | 第54-55页 |
| ·初步可视化 | 第55-60页 |
| ·基于维度限制的初步可视化 | 第55-59页 |
| ·基于 PCIM 的初步可视化 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士期间发表文章目录 | 第68-70页 |
| 致谢 | 第70-71页 |
| 详细摘要 | 第71-75页 |
