基于主成分分析和K-means聚类的平行坐标可视化技术研究

马国峻; 王水波; 裴庆祺; 詹阳

doi:10.11959/j.issn.2096-109x.2017.00189

您当前的位置：

首页 >

文章列表页 >

基于主成分分析和K-means聚类的平行坐标可视化技术研究

学术论文 | 更新时间：2024-06-03

- 基于主成分分析和K-means聚类的平行坐标可视化技术研究
- Research on parallel coordinate visualization technology based on principal component analysis and K-means clustering
- 网络与信息安全学报 2017年3卷第8期页码：18-27
- 作者机构：
  
  1. 西安文理学院信息工程学院，陕西西安 710065
  2. 西安电子科技大学综合业务网理论及关键技术国家重点实验室，陕西西安 710071
- 作者简介：
  
  [ "马国峻（1978-），男，安徽无为人，西安文理学院讲师，主要研究方向为数字内容保护、智能移动应用开发、区块链应用与安全。" ]
  [ "王水波（1990-），男，湖北黄梅人，西安电子科技大学硕士生，主要研究方向为Web前端。" ]
  [ "裴庆祺（1975-），男，广西玉林人，西安电子科技大学教授、博士生导师，主要研究方向为信任管理、无线网络安全、区块链安全。" ]
  [ "詹阳（1977-），男，陕西杨凌人，西安电子科技大学讲师，主要研究方向为信息安全、区块链应用。" ]
- 基金信息：
  
  国家自然科学基金资助项目;The National Natural Science Foundation of China(61373170)
- DOI：10.11959/j.issn.2096-109x.2017.00189
  中图分类号： TP301
- 网络首发：2017-08，
  
  纸质出版：2017-08-15
- 稿件说明：
移动端阅览
马国峻, 王水波, 裴庆祺, 等. 基于主成分分析和K-means聚类的平行坐标可视化技术研究[J]. 网络与信息安全学报, 2017,3(8):18-27.

Guo-jun MA, Shui-bo WANG, Qing-qi PEI, et al. Research on parallel coordinate visualization technology based on principal component analysis and K-means clustering[J]. Chinese Journal of Network and Information Security, 2017, 3(8): 18-27.
马国峻, 王水波, 裴庆祺, 等. 基于主成分分析和K-means聚类的平行坐标可视化技术研究[J]. 网络与信息安全学报, 2017,3(8):18-27. DOI： 10.11959/j.issn.2096-109x.2017.00189.

Guo-jun MA, Shui-bo WANG, Qing-qi PEI, et al. Research on parallel coordinate visualization technology based on principal component analysis and K-means clustering[J]. Chinese Journal of Network and Information Security, 2017, 3(8): 18-27. DOI： 10.11959/j.issn.2096-109x.2017.00189.

摘要

为了解决多维数据的维数过高、数据量过大带来的平行坐标可视化图形线条密集交叠以及数据规律特征不易获取的问题，提出基于主成分分析和K-means聚类的平行坐标（PCAKP

principal component analysis and k-means clustering parallel coordinate）可视化方法。该方法首先对多维数据采用主成分分析方法进行降维处理，其次对降维后的数据采用K-means聚类处理，最后对聚类得到的数据采用平行坐标可视化技术进行可视化展示。以统计局网站发布的数据为测试数据，对PCAKP可视化方法进行测试，与传统平行坐标可视化图形进行对比，验证了PCAKP可视化方法的实用性和有效性。

Abstract

In order to solve the problem that parallel coordinate visualization graphic lines are intensive

overlap and rules of data is not easy to be obtained which caused by high dimension and immense amount of multidimensional data.Parallel coordinate visualization method based on principal component analysis and K-means clustering was proposed.In this method

the principal component analysis method was used to reduce the dimensionality of the multidimensional data firstly.Secondly

the data of the dimension reduction was clustered by K-means.Finally

the data of the clustering were visualized by parallel coordinate visualization.The PCAKP visualization method is tested with the data published by the Bureau of Statistics as the test data

and compared with the traditional parallel coordinate visualization graph

the validity and effectiveness of the PCAKP visualization method are verified.

关键词

Keywords

references

REICHMAN O J , JONES M B , SCHILDHAUER M P . Challenges and Opportunities of open data in ecology [J ] . Science , 2011 , 331 ( 6018 ): 703 - 705 .

怀进鹏 . 大数据是国家战略资源 [J ] . 中国经济和信息化 , 2013 ( 8 ): 49 - 50 .

HUAI J P . Big Data:national strategic resource [J ] . China Economy＆ Information , 2013 ( 8 ): 49 - 50 .

高芳 . 平行坐标可视化技术的度量模型研究 [D ] . 北京:北京交通大学 , 2009 .

GAO F . Research on measurement model of parallel coordinates visualization technique [D ] . Beijing:Beijing Jiaotong University , 2009 .

胡俊 , 黄厚宽 , 任东怀 . 一种基于图标技术的可视化方法与应用 [J ] . 北京交通大学学报 , 2006 , 30 ( 5 ): 10 - 14 .

HU J , HUANG H K , REN D H . An icon_based visualization approach and its applications [J ] . Journal of Beijing Jiaotong University , 2006 , 30 ( 5 ): 10 - 14 .

ITOH T , YAMAGUCHI Y , IKEHATA Y , et al . Hierarchical data visualization using a fast rectangle-packing algorithm [J ] . IEEE Transactions on Visualization ＆ Computer Graphics , 2004 , 10 ( 3 ): 302 - 313 .

CHEN P , JIAO L , LIU F , et al . Dimensionality reduction of hyper-spectral imagery using sparse graph learning [J ] . IEEE Journal of Selected Topics in Applied Earth Observations ＆ Remote Sensing , 2016 , PP ( 99 ): 1 - 17 .

INSELBERG A . Parallel coordinates [J ] . Encyclopedia of Database Systems , 2009 , 43 ( 4 ): 199 - 233 .

解坤 , 张俊芳 . 基于 KMO-Bartlett 典型风速选取的 PCA-WNN短期风速预测 [J ] . 发电设备 , 2017 , 31 ( 2 ): 12 - 36 .

XIE K , ZHANG J F . Short-term wind speed forecasting using PCA-WNN based on KMO-bartlett typical wind speed selection [J ] . Power Equipment , 2017 , 31 ( 2 ): 12 - 36 .

WANG J . Forecasting stock market indexes using principle component analysis and stochastic time effective neural networks [J ] . Neuro Computing , 2015 , 156 ( C ): 68 - 78 .

HASHEMINEJAD S M H , JALILI S . CCIC:clustering analysis classes to identify software components [J ] . Information ＆ Software Technology , 2015 ,( 57 ): 329 - 351 .

段明秀 . 层次聚类算法的研究与应用 [D ] . 长沙:中南大学 , 2009 .

DUAN M X . Research and application of hierarchical clustering algorithm [D ] . ChangSha:Central South University , 2009 .

JAIN A K . Data clustering:50 years beyond K-means [J ] . Pattern Recognition Letters , 2010 , 31 ( 8 ): 651 - 666 .

浏览量

1502

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

恶意软件检测和分类可视化技术综述

基于机器学习的Web用户行为认证

分布式拒绝服务的可视分析

针对恶意代码的连续内存镜像分析方法