模式识别与人工智能
2025年1月12日 星期日   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2019, Vol. 32 Issue (4): 326-335    DOI: 10.16451/j.cnki.issn1003-6059.201904005
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于维度扩展和重排的类圆映射可视化聚类方法
黄珊1, 黎明1,2, 陈昊1,2, 李军华1,2, 张聪炫2
1.南昌航空大学 信息工程学院 南昌 330063
2.南昌航空大学 江西省图像处理与模式识别重点实验室 南昌 330063
Visual Clustering Method of Quasi-Circular Mapping Based on Dimension Extension and Rearrangement
HUANG Shan1, LI Ming1,2, CHEN Hao1,2, LI Junhua1,2, ZHANG Congxuan2
1.School of Information Engineering, Nanchang Hangkong University, Nanchang 330063
2.Key Laboratory of Jiangxi Province for Image Processing and Pattern Recognition, Nanchang Hangkong University, Nanchang 330063

全文: PDF (3455 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 现有的径向布局可视化方法无法有效捕获高维数据的非线性结构.因此,文中提出基于维度扩展和重排的类圆映射可视化聚类方法.利用近邻传播聚类算法和多目标聚类可视化评价指标对高维数据进行维度扩展,然后对扩展后的高维数据进行维度相关性重排,最后利用类圆映射机制降维至二维可视化空间,实现高维数据有效可视化聚类.实验表明,文中提出的维度扩展和重排策略能有效提高类圆映射可视化方法聚类效果,其中的维度扩展策略也能显著提高其它径向布局可视化方法聚类效果,泛化性能较好.此外,相比同类方法,文中方法在可视化聚类准确度、拓扑保持、Dunn指数及效果上优势明显
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
黄珊
黎明
陈昊
李军华
张聪炫
关键词 类圆映射可视化维度扩展可视化聚类高维数据    
Abstract:The non-linear structure of high-dimensional data cannot be captured by the existing radial layout visualization method. Therefore, visual clustering method of quasi-circular mapping based on dimension extension and rearrangement is proposed. The dimension of high-dimensional data is expanded by affinity propagation clustering algorithm and multi-objective clustering visualization evaluation index. Then, the dimension correlation rearrangement of the extended high-dimensional data is carried out. Finally, the high-dimensional data is reduced to two-dimensional visualization space by quasi-circular mapping mechanism to realize effective visual clustering. Experiments show that the proposed dimension extension and rearrangement strategy can effectively improve the visual clustering effect of quasi-circular mapping visualization. The dimension extension strategy can also significantly improve the clustering effect of other radial layout visualization methods with better generalization performance. Moreover, the proposed method has obvious advantages in visual clustering accuracy, topology
Key wordsQuasi-Circular Mapping Visualization    Dimension Extension    Visual Clustering    High-Dimensional Data   
收稿日期: 2019-01-28     
ZTFLH: TP 18  
基金资助:国家自然科学基金项目(No.61772255,61866025,61866026)、江西省自然科学基金项目(No.20181BAB202025)、江西省优势科技创新团队计划项目(No.20181BCB24008)、江西省创新驱动“5511”工程优势学科创新团队(No.20165BCB19007)、江西省教育厅科学技术项目(No.GJJ170608)、江西省研究生创新专项资金项目(No.YC2017-S327)资助
作者简介: 黄 珊,硕士研究生,主要研究方向为高维多目标可视化方法、高维数据可视化聚类.E-mail:timbosun@126.com.黎 明,博士,教授,主要研究方向为图像处理、模式识别、高维多目标优化问题等.E-mail:liming@nchu.edu.cn.陈 昊(通讯作者),博士,副教授,主要研究方向为进化算法、图像处理、模式识别等.E-mail:chenhaoshl@nchu.edu.cn.
引用本文:   
黄珊, 黎明, 陈昊, 李军华, 张聪炫. 基于维度扩展和重排的类圆映射可视化聚类方法[J]. 模式识别与人工智能, 2019, 32(4): 326-335. HUANG Shan, LI Ming, CHEN Hao, LI Junhua, ZHANG Congxuan. Visual Clustering Method of Quasi-Circular Mapping Based on Dimension Extension and Rearrangement. , 2019, 32(4): 326-335.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201904005      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2019/V32/I4/326
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn