可视数据压缩与分析
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·主要研究内容 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 第二章 多变量数据压缩与数据可视分析 | 第13-26页 |
| ·多变量体数据压缩理论概述 | 第13-18页 |
| ·多变量体数据概念 | 第13-14页 |
| ·数据压缩的概念 | 第14页 |
| ·数据压缩的性能指标 | 第14-15页 |
| ·多变量分析方法 | 第15-18页 |
| ·数据可视分析理论概述 | 第18-25页 |
| ·可视分析理论概述 | 第18页 |
| ·可视分析研究方向与相关技术 | 第18-22页 |
| ·基于运动轨迹的可视分析 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 多变量体数据近似无损压缩 | 第26-42页 |
| ·引言 | 第26页 |
| ·机器学习的相关概念和方法 | 第26-31页 |
| ·线性回归模型 | 第26-28页 |
| ·核方法 | 第28-30页 |
| ·半监督学习和主动学习 | 第30-31页 |
| ·完美哈希算法 | 第31-33页 |
| ·基于主动学习的压缩算法 | 第33-34页 |
| ·目标函数 | 第33-34页 |
| ·多变量体数据压缩 | 第34页 |
| ·基于半监督学习的多变量体数据重构 | 第34-36页 |
| ·选取特征向量 | 第35页 |
| ·半监督学习模型 | 第35-36页 |
| ·对体数据重构后的误差建立哈希表 | 第36-37页 |
| ·实验结果与分析 | 第37-41页 |
| ·算法示意图 | 第37-38页 |
| ·实验结果 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 轨迹数据异常检测可视分析 | 第42-56页 |
| ·引言 | 第42页 |
| ·轨迹数据 | 第42-43页 |
| ·空间集合 | 第42-43页 |
| ·时间集合 | 第43页 |
| ·对象集合 | 第43页 |
| ·轨迹异常检测 | 第43-45页 |
| ·轨迹异常检测定义 | 第44页 |
| ·常用轨迹异常检测方法 | 第44-45页 |
| ·基于轨迹异常检测的可视分析 | 第45-51页 |
| ·获取和显示地图数据 | 第46-48页 |
| ·基于核密度估计的异常检测 | 第48-50页 |
| ·异常轨迹的可视增强 | 第50-51页 |
| ·轨迹异常检测可视分析 | 第51-54页 |
| ·轨迹异常检测可视分析系统实现方式 | 第51页 |
| ·轨迹数据预处理 | 第51-53页 |
| ·基于核密度估计的轨迹异常检测 | 第53页 |
| ·基于深度的光晕线条绘制方法的可视增强 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-57页 |
| ·本文工作总结 | 第56页 |
| ·今后工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-62页 |
| 详细摘要 | 第62-64页 |
