结合可视化与数据挖掘的数据分析方法探究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第16-32页 |
| 1.1 可视化与数据挖掘的关系 | 第17页 |
| 1.2 两学科结合点上的挑战与可行性 | 第17-19页 |
| 1.2.1 可视化对数据挖掘方法的辅助 | 第18-19页 |
| 1.2.2 数据挖掘对可视化的辅助 | 第19页 |
| 1.3 本文工作与章节安排 | 第19-21页 |
| 1.4 相关工作 | 第21-32页 |
| 1.4.1 可视化与数据挖掘方法间结合形式的分类 | 第21-22页 |
| 1.4.2 可视化增强的通用数据挖掘方法 | 第22-24页 |
| 1.4.3 面向应用场景的方法 | 第24-32页 |
| 2 挖掘方法结果的可视分析 | 第32-44页 |
| 2.1 简介 | 第32-34页 |
| 2.2 上下文相关度模型 | 第34-36页 |
| 2.2.1 定义 | 第34-35页 |
| 2.2.2 分析流水线 | 第35页 |
| 2.2.3 系统界面 | 第35-36页 |
| 2.3 分析方法 | 第36-41页 |
| 2.3.1 上下文显著度计算 | 第36-38页 |
| 2.3.2 上下文显著度的可视化 | 第38-39页 |
| 2.3.3 社区发现结果的交互式可视推理 | 第39-41页 |
| 2.4 本章小结 | 第41-44页 |
| 3 整个挖掘过程的交互式可视化参与 | 第44-60页 |
| 3.1 简介 | 第44-45页 |
| 3.2 概念定义 | 第45-46页 |
| 3.3 方法概览 | 第46-47页 |
| 3.4 交互式任务分析 | 第47-50页 |
| 3.4.1 任务可迁移性计算 | 第47-49页 |
| 3.4.2 任务的交互式可视化 | 第49-50页 |
| 3.5 交互式数据迁移和分类 | 第50-53页 |
| 3.5.1 迭代式数据迁移过程 | 第50-52页 |
| 3.5.2 分类训练过程的可视化 | 第52-53页 |
| 3.6 案例分析 | 第53-57页 |
| 3.6.1 实验设置 | 第53-54页 |
| 3.6.2 数据预处理 | 第54页 |
| 3.6.3 任务可迁移性分析 | 第54页 |
| 3.6.4 选取合适的源任务 | 第54页 |
| 3.6.5 数据点迁移分析 | 第54-57页 |
| 3.6.6 定量测试 | 第57页 |
| 3.7 讨论 | 第57-58页 |
| 3.7.1 专家评论 | 第57-58页 |
| 3.7.2 方法局限性 | 第58页 |
| 3.7.3 未来工作 | 第58页 |
| 3.8 本章小结 | 第58-60页 |
| 4 数据挖掘模型核心内涵的可视分析 | 第60-74页 |
| 4.1 简介 | 第60-61页 |
| 4.2 方法与系统概览 | 第61-62页 |
| 4.3 全局模型的可视化构建 | 第62-67页 |
| 4.3.1 训练数据和支持向量机模型的可视化 | 第65-66页 |
| 4.3.2 投影结果的可视探索 | 第66-67页 |
| 4.4 局部线性模型的可视化构建 | 第67-69页 |
| 4.4.1 全局模型中分类边界的预先探索 | 第67-68页 |
| 4.4.2 局部线性模型的可视构建过程 | 第68-69页 |
| 4.4.3 多个局部线性模型的可视化与交互 | 第69页 |
| 4.5 可视化规则抽取 | 第69-70页 |
| 4.6 案例分析 | 第70-72页 |
| 4.6.1 系统实现 | 第70-71页 |
| 4.6.2 机器人导航数据分析 | 第71-72页 |
| 4.7 讨论和未来工作 | 第72-73页 |
| 4.8 本章小结 | 第73-74页 |
| 5 数据挖掘方法对可视化结果理解的辅助 | 第74-94页 |
| 5.1 简介 | 第74-76页 |
| 5.2 模型构建 | 第76-84页 |
| 5.2.1 散点图样例的收集和生成 | 第76-80页 |
| 5.2.2 相似度训练数据的标注 | 第80-83页 |
| 5.2.3 深度度量学习模型的训练 | 第83-84页 |
| 5.2.4 实现细节 | 第84页 |
| 5.3 模型评估 | 第84-87页 |
| 5.3.1 测试数据集 | 第85页 |
| 5.3.2 测试数据的t-SNE嵌入结果可视化 | 第85页 |
| 5.3.3 k近邻查询结果及比较 | 第85页 |
| 5.3.4 性能分析 | 第85-87页 |
| 5.4 用户调研 | 第87-89页 |
| 5.4.1 实验设置与过程 | 第87-89页 |
| 5.4.2 结果分析 | 第89页 |
| 5.5 应用案例 | 第89-93页 |
| 5.5.1 基于散点图图像的可视化查询 | 第90-92页 |
| 5.5.2 高维数据中子空间的可视化探索 | 第92-93页 |
| 5.6 讨论 | 第93页 |
| 5.6.1 目前方法的局限性 | 第93页 |
| 5.6.2 未来工作 | 第93页 |
| 5.7 本章小结 | 第93-94页 |
| 6 总结与展望 | 第94-96页 |
| 参考文献 | 第96-104页 |
| 作者简历 | 第104-106页 |
| 发表文章目录 | 第106-108页 |
| 致谢 | 第108页 |
