| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 本文研究内容与结构 | 第12-14页 |
| 第二章 高维复杂数据可视化 | 第14-26页 |
| 2.1 复杂网络可视化 | 第14-16页 |
| 2.1.1 ClueGo可视化 | 第14-15页 |
| 2.1.2 clusterMaker2可视化 | 第15页 |
| 2.1.3 Rinalyzer可视化 | 第15-16页 |
| 2.2 高维复杂数据降维算法 | 第16-21页 |
| 2.2.1 PCA算法 | 第17-18页 |
| 2.2.2 基于重建权值的LLE | 第18-20页 |
| 2.2.3 基于神经网络的自动编码 | 第20-21页 |
| 2.3 高维复杂数据可视化 | 第21-24页 |
| 2.3.1 t-SNE算法 | 第21-22页 |
| 2.3.2 多图的t-SNE算法 | 第22-23页 |
| 2.3.3 基于拉普拉斯正则化的mm-TSNE | 第23-24页 |
| 2.4 复杂数据可视化算法评价标准 | 第24-25页 |
| 2.4.1 NRP测评方法 | 第24页 |
| 2.4.2 准确度损失率 | 第24页 |
| 2.4.3 可视化算法时间复杂度 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于Barnes-Hut的多图t-SNE算法研究 | 第26-37页 |
| 3.1 Barnes-Hut算法及树的构建 | 第26-31页 |
| 3.1.1 Barnes-Hut算法介绍 | 第26-27页 |
| 3.1.2 Barnes-Hut树的构建 | 第27-29页 |
| 3.1.3 Barnes-Hut树中节点相互作用 | 第29-31页 |
| 3.2 基于Barnes-Hut的多图t-SNE算法 | 第31-32页 |
| 3.3 实验仿真结果及分析 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 Hessian正则化的多图t-SNE算法 | 第37-57页 |
| 4.1 Hessian正则化 | 第37-39页 |
| 4.2 基于Hessian正则化的多图t-SNE算法 | 第39-40页 |
| 4.3 Word可视化实验结果与分析 | 第40-45页 |
| 4.3.1 实验步骤 | 第40-41页 |
| 4.3.2 实验结果及分析 | 第41-45页 |
| 4.4 NIPS数据可视化的实验结果与分析 | 第45-48页 |
| 4.4.1 实验步骤 | 第46页 |
| 4.4.2 实验结果及分析 | 第46-48页 |
| 4.5 表型相似数据可视化分析 | 第48-53页 |
| 4.5.1 实验步骤 | 第48页 |
| 4.5.2 实验结果及分析 | 第48-53页 |
| 4.6 基于Hessian正则化的多图t-SNE算法软件实现 | 第53-56页 |
| 4.7 本章总结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
