| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 数据降维算法 | 第12-14页 |
| 1.2.2 高维时空数据可视化 | 第14-15页 |
| 1.3 论文主要内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第二章 数据降维方法研究 | 第17-23页 |
| 2.1 数据降维概述 | 第17页 |
| 2.2 数据降维算法分类 | 第17-22页 |
| 2.2.1 线性降维算法 | 第17-19页 |
| 2.2.2 非线性降维算法 | 第19-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于二阶邻近距离的随机近邻嵌入算法(ST-SNE) | 第23-39页 |
| 3.1 SNE与t-SNE算法 | 第23-26页 |
| 3.1.1 SNE算法 | 第23-24页 |
| 3.1.2 t-SNE算法 | 第24-26页 |
| 3.2 高维数据的的二阶邻近距离 | 第26-29页 |
| 3.2.1 欧氏距离在高维空间中存在的问题 | 第26-27页 |
| 3.2.2 二阶邻近距离 | 第27-29页 |
| 3.3 ST-SNE算法 | 第29-31页 |
| 3.4 实验与分析 | 第31-36页 |
| 3.4.1 MNIST数据集 | 第31-32页 |
| 3.4.2 UCI Letter Recognition数据集 | 第32-34页 |
| 3.4.3 USPS数据集 | 第34-35页 |
| 3.4.4 COIL-20数据集 | 第35-36页 |
| 3.5 本章小结 | 第36-39页 |
| 第四章 高维时空数据可视化技术研究 | 第39-45页 |
| 4.1 高维时空数据特点分析 | 第39页 |
| 4.2 高维时空数据可视化研究现状 | 第39-41页 |
| 4.2.1 高维数据可视化 | 第39-40页 |
| 4.2.2 时空数据可视化 | 第40-41页 |
| 4.3 结合数据降维的交互式可视化方案 | 第41-44页 |
| 4.3.1 降维结果与多视图联动 | 第41-43页 |
| 4.3.2 渐进式可视化 | 第43页 |
| 4.3.3 层级式可视化 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 高维时空数据可视化系统的设计与实现 | 第45-67页 |
| 5.1 系统设计 | 第45-49页 |
| 5.1.1 系统划分 | 第45-46页 |
| 5.1.2 系统架构 | 第46-47页 |
| 5.1.3 系统关键技术选择 | 第47-49页 |
| 5.2 系统工作流程 | 第49-51页 |
| 5.2.1 系统主要用例 | 第49页 |
| 5.2.2 生成与探索可视化视图流程 | 第49-51页 |
| 5.3 系统实现 | 第51-60页 |
| 5.3.1 数据导入 | 第51-52页 |
| 5.3.2 降维视图 | 第52-55页 |
| 5.3.3 时间轴视图 | 第55-57页 |
| 5.3.4 地图视图 | 第57-58页 |
| 5.3.5 平行坐标视图 | 第58-59页 |
| 5.3.6 视图联动 | 第59-60页 |
| 5.4 可视化案例分析 | 第60-65页 |
| 5.4.1 数据集简介 | 第60页 |
| 5.4.2 可视化探索 | 第60-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文工作总结 | 第67-68页 |
| 6.2 局限与未来展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者攻读学位期间发表的学术论文目录 | 第75页 |