-
题名图的表示与可视化方法综述
被引量：8
- 1
-
-
作者
陈谊
张梦录
万玉钗
-
机构
北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2020年第7期1232-1243,共12页
-
基金
国家自然科学基金面上项目(61972010)
国家重点研发计划(2018YFC1603602)
国家科技基础性工作专项(2015FY111200)。
-
文摘
图是由节点和边组成的图形,通常用于表示两个或多个实体之间的关系。基于图的分析可以帮助人们理解实体关系的结构和本质,探索图中的隐含关联。图的表示与可视化方法在图分析中起着的重要作用,在图可视化研究中首先要考虑知识传达是否准确、人们的思维地图等方面,同时还要考虑图形是否美观、构建图所需的时间、以及计算机的性能等问题。综述了基于节点-链接、邻接矩阵以及图嵌入的图表示方法、图布局算法以及可视化方法,并对这些方法进行归纳与对比。最后对图表示与可视化技术的未来发展趋势进行了展望。
-
关键词
图表示
可视化
节点-链接图
邻接矩阵
图嵌入
-
Keywords
Graph representation
visualization
node-link-graph
adjacency matrix
graph embedding
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名高维数据聚类可视分析方法综述
被引量：14
- 2
-
-
作者
章蓉
陈谊
张梦录
孟可欣
-
机构
北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室
武汉理工大学信息工程学院
-
出处
《图学学报》
CSCD
北大核心
2020年第1期44-56,共13页
-
基金
国家重点研发计划资助项目(2018YFC1603602)
国家自然科学基金项目(61972010)
国家科技基础性工作专项(2015FY111200)
-
文摘
数据聚类的可视分析方法利用可视化与交互技术帮助用户对聚类过程与结果进行多角度分析,从而发现数据内部隐藏的结构和关系。但由于高维数据自身的“维度诅咒”问题使得聚类分析面临着许多挑战,例如模型参数设定、数据特征捕捉、结果解释以及可视化展现等。本文从高维数据聚类过程中遇到的问题出发,首先总结了高维数据聚类过程中常用的数据处理方法并对其性能进行了比较,这些方法能够较好地解决“维度诅咒”问题,帮助用户挖掘数据中存在的聚类模式。在分析和理解不同聚类结果中包含的数据内部结构和规律时,由于前期采取的数据处理方法不同,因此需要采取不同的探索分析策略,所以本文将近10年来高维数据聚类的可视分析方法分为2大类进行总结,即基于降维的聚类可视分析方法和基于子空间聚类的可视分析方法。最后对该领域目前存在的机遇与挑战进行了讨论。
-
关键词
可视分析
聚类
高维数据
综述
-
Keywords
visual analysis
clustering
high-dimensional data
overviewing
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
