| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题的来源及研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-13页 |
| 1.2.1 可视化技术定义 | 第10页 |
| 1.2.2 可视化发展现状 | 第10-11页 |
| 1.2.3 可视化领域研究分布 | 第11-12页 |
| 1.2.4 当前存在的问题 | 第12-13页 |
| 1.3 本文研究内容及全文结构 | 第13-16页 |
| 第2章 面向高维数据的可视化模拟及优化 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 高维数据平行坐标图的设计与优化 | 第16-19页 |
| 2.2.1 平行坐标图的设计与实现 | 第16-17页 |
| 2.2.2 基于凸壳算法的平行坐标图的优化方法研究 | 第17-19页 |
| 2.3 高维数据散点图的设计与优化 | 第19-22页 |
| 2.3.1 平面散点图的设计与实现 | 第19-20页 |
| 2.3.2 基于非线性变换算法的平面散点图的优化算法研究 | 第20-22页 |
| 2.4 高维数据星座图的设计与优化 | 第22-25页 |
| 2.4.1 平面星座图的设计与实现 | 第22-23页 |
| 2.4.2 基于复线性变换算法的平面星座图的优化算法研究 | 第23-25页 |
| 2.5 高维数据雷达图的设计与优化 | 第25-27页 |
| 2.6 高维数据色度图的提出与实现 | 第27-28页 |
| 2.7 高维数据数字荧光图的提出与实现 | 第28-31页 |
| 2.8 本章小结 | 第31-32页 |
| 第3章 基于可视化图的特征提取研究 | 第32-41页 |
| 3.1 引言 | 第32页 |
| 3.2 基于平行坐标图的可视化特征提取 | 第32-33页 |
| 3.3 基于散点图和星座图的可视化特征提取 | 第33-34页 |
| 3.4 基于雷达图的可视化特征提取 | 第34-39页 |
| 3.4.1 基于雷达图表示的面积特征 | 第34-35页 |
| 3.4.2 基于雷达图表示的重心特征 | 第35-37页 |
| 3.4.3 基于雷达图表示的形状特征 | 第37-39页 |
| 3.5 基于色度图表示的可视化特征提取 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 高维数据可视化特征的优化研究 | 第41-50页 |
| 4.1 引言 | 第41页 |
| 4.2 可视化的预处理 | 第41-43页 |
| 4.3 基于主成分贡献率的可视化特征评价 | 第43-45页 |
| 4.4 基于全局遗传算法的可视化特征选择 | 第45-49页 |
| 4.4.1 遗传算法的基本概念 | 第45-47页 |
| 4.4.2 全局遗传算法的可视化图特征选择方法 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 可视化模式识别系统的设计与应用 | 第50-61页 |
| 5.1 可视化模式识别系统设计与实现 | 第50-52页 |
| 5.2 可视化模式识别方法应用实例 | 第52-60页 |
| 5.2.1 可视化模式识别在 UCI 数据集上的应用 | 第52-56页 |
| 5.2.2 可视化模式识别在脑电数据集上的应用 | 第56-59页 |
| 5.2.3 可视化模式识别在语音情感数据集上的应用 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |
