| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 可视化领域概述 | 第9-13页 |
| 1.1.1 数据可视化概述 | 第10-11页 |
| 1.1.2 平行坐标概述 | 第11-13页 |
| 1.2 相关算法概述 | 第13-19页 |
| 1.2.1 数据挖掘简介 | 第13-16页 |
| 1.2.2 相关算法 | 第16-19页 |
| 第二章 P2P借贷金融数据平行坐标表示 | 第19-27页 |
| 2.1 国内外研究现状 | 第19-21页 |
| 2.1.1 平行坐标的点线处理 | 第19-20页 |
| 2.1.2 平行坐标的多种变形 | 第20-21页 |
| 2.2 P2P借贷金融数据的平行坐标表示 | 第21-27页 |
| 2.2.1 数据清洗 | 第22-23页 |
| 2.2.2 数据处理 | 第23-25页 |
| 2.2.3 可视化绘制结果 | 第25-27页 |
| 第三章 P2P借贷金融数据平行坐标的改进显示 | 第27-44页 |
| 3.1 追踪数据变化趋势的连贯表示方法 | 第27-36页 |
| 3.1.1 平行坐标中的线形选择 | 第27-29页 |
| 3.1.2 贝塞尔曲线 | 第29-30页 |
| 3.1.3 控制点的位置对结果的影响 | 第30-31页 |
| 3.1.4 表示趋势的平滑连接曲线 | 第31-36页 |
| 3.2 连续以及离散数据密度表示 | 第36-42页 |
| 3.2.1 连续数据密度 | 第36-37页 |
| 3.2.2 离散密度范围 | 第37-39页 |
| 3.2.3 数据密度着色增强显示 | 第39-42页 |
| 3.3 金融借贷数据平行坐标中的交互式维度重排 | 第42-44页 |
| 3.3.1 相似性度量 | 第42-43页 |
| 3.3.2 平行坐标轴交互重排 | 第43-44页 |
| 第四章 基于数据挖掘算法的数据可视化 | 第44-61页 |
| 4.1 Kmeans算法主要改进点 | 第44-46页 |
| 4.1.1 Kmeans相关研究工作 | 第44-45页 |
| 4.1.2 Kmeans算法改进思路 | 第45-46页 |
| 4.2 Apriori频繁项挖掘与反向Apriori非频繁项挖掘 | 第46-49页 |
| 4.2.1 Apriori频繁项挖掘 | 第46-47页 |
| 4.2.2 反向Aprior的主要过程 | 第47-49页 |
| 4.3 初始值的确定 | 第49-52页 |
| 4.3.3 使用类簇指标确定K值 | 第49-51页 |
| 4.3.4 使用Canopy算法确定初始聚类中心 | 第51-52页 |
| 4.4 模拟退火思想对Kmeans的改进 | 第52-55页 |
| 4.5 聚类的平行坐标绘制结果 | 第55-61页 |
| 4.5.1 聚类结果示例 | 第55-56页 |
| 4.5.2 染色方案的影响 | 第56-61页 |
| 第五章 结论与展望 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 发表论文和参加科研情况说明 | 第69-70页 |
| 致谢 | 第70-71页 |