星狀座標之軸排列於群聚視覺化之應用

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：18

、訪客IP：3.17.154.171

姓名

陳信伊(Hsin-Yi Chen) 查詢紙本館藏

畢業系所

資訊工程學系

論文名稱

星狀座標之軸排列於群聚視覺化之應用
(Axes Arrangement in Star Coordinates for Numerical Data Visualization)

相關論文

★ 行程邀約郵件的辨識與不規則時間擷取之研究	★ NCUFree校園無線網路平台設計及應用服務開發
★ 網際網路半結構性資料擷取系統之設計與實作	★ 非簡單瀏覽路徑之探勘與應用
★ 遞增資料關聯式規則探勘之改進	★ 應用卡方獨立性檢定於關連式分類問題
★ 中文資料擷取系統之設計與研究	★ 非數值型資料視覺化與兼具主客觀的分群
★ 關聯性字組在文件摘要上的探討	★ 淨化網頁：網頁區塊化以及資料區域擷取
★ 問題答覆系統使用語句分類排序方式之設計與研究	★ 時序資料庫中緊密頻繁連續事件型樣之有效探勘
★ 由瀏覽歷程自動產生網頁抓取程式之研究	★ 動態網頁之樣版與資料分析研究
★ 同性質網頁資料整合之自動化研究	★ 時序性資料庫中未知週期之非同步週期性樣板的探勘

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

視覺化方法使用圖形來表達資料所包含的資訊，因為以圖解的方式比資料本身更能讓人一目了然。Star Coordinates是一種以座標軸為基礎的多維度資料視覺化方法，將每一筆資料投影到二維平面上的一個點，讓使用者在資料探勘的初期得到資料的概觀。本篇論文提出一種自動化座標軸排列方法應用於Star Coordinates，擷取多維度資料中各屬性的相關性，利用遺傳演算法計算出一組最佳化之座標軸排列方式，藉此調整Star Coordinates中座標軸的排列順序與夾角，增強資料的群聚現象以改善Star Coordinates視覺化的結果，並提供自動播放工具，呈現一系列經過座標軸排列後的圖形，使用者可以在觀看圖形的過程中獲得資料隱藏的資訊。透過自動化的座標軸排列，使用者可以省略複雜的座標軸操作，並藉由視覺化圖形分析多個維度之間的共同關係，觀看資料之間群聚的趨勢，並檢視資料分佈中的異常狀況，掌握資料的主要特徵。

關鍵字(中)

★ 資訊視覺化
★ 多維度
★ 星狀座標
★ 遺傳演算法

關鍵字(英)

★ Information Visualization
★ Multidimension
★ Star Coordinates
★ Genetic Algorithm

論文目次

第1章緒論.....................................................................................................................................- 1 -
1.1 本篇論文的貢獻........................................................................................................................- 3 -
1.2 論文架構...................................................................................................................................- 4 -
第2章相關研究..............................................................................................................................- 5 -
2.1 降低維度的方法........................................................................................................................- 6 -
2.2 高維度資料視覺化方法............................................................................................................- 9 -
2.3 比較與討論..............................................................................................................................- 18 -
第3章系統架構............................................................................................................................- 20 -
3.1 座標軸排列（AXES ARRANGEMENT）...................................................................................- 21 -
3.1.1 遺傳演算法（Genetic Algorithm）簡介.............................................................- 22 -
3.1.2 編碼（Encoding）...............................................................................................- 24 -
3.1.3 適應值的評估（Fitness evaluation）..................................................................- 25 -
3.1.4 交配與突變運算...................................................................................................- 29 -
3.2 自動播放（AUTO PLAY）.......................................................................................................- 32 -
第4章實驗結果與討論................................................................................................................- 34 -
4.1 座標軸排列的實驗..................................................................................................................- 35 -
4.2 評估方法.................................................................................................................................- 41 -
4.3 執行時間的評估......................................................................................................................- 42 -
4.4 自動播放.................................................................................................................................- 43 -
4.5 實驗討論.................................................................................................................................- 46 -
第5章結論...................................................................................................................................- 47 -
參考文獻..............................................................................................................................................- 49 -

參考文獻

[1]. E. Kandogan: “Visualizing Multi-dimensional Clusters, Trends, and Outliers using Star Coordinates”, In Proc. of the seventh ACM SIGKDD international conference on Knowledge discovery and data mining, pages 107-116, 2001.
[2]. G.. Dunn and B. Everitt: “An Introduction to Mathematical Taxonomy”, Cambridge University Press Cambridge, MA, 1982.
[3]. H. H. Harman: “Modern Factor Analysis”, University of Chicago Press, 1967.
[4]. R. N. Shepard, A. K. Romney, and S. B. Nerlove: “Multidimensional Scaling”, Seminar Press New York, 1972.
[5]. C. Faloutsos and K. Lin: “Fastmap: A fast Algorithm for Indexing, Data-Mining and Visualization of Traditional and Multimedia Datasets”, In Proc. of ACM SIGMOD Int. Conf. on Management of Data, 1995.
[6]. M. Ankerst: “Visual Data Mining”, Ludwig Maximilians Universität, München, 2001.
[7]. D. A. Keim and H. P. Kriegel: “Visualization Techniques for Mining Large Databases, A Comparison”, Transactions on Knowledge and Data Engineering, Special Issue on Data Mining, 1996.
[8]. D. A. Keim: “Technique Report of Data Mining”. Information for Site Planning, 2002.
[9]. D. A. Keim: “Designing pixel-oriented visualization techniques: Theory and applications”. Transaction Visualization Computer Graphic, 2000.
[10]. D. A. Keim, H. P. Kriegel, and M. Ankerst: “Recursive Pattern: A technique for visualizing very large amounts of data”. In Proc. of Visualization 95, Atlanta, GA, pages 279–286, 1995.
[11]. M. Ankerst, D. A. Keim, and H. P. Kriegel: “Circle Segments: A Technique for Visually Exploring Large Multidimensional Data Sets”. In Proc. of Visualization 96, Hot Topic Session, San Francisco, 1996.
[12]. D. Hand, H. Mannilla, and P. Smyth: “Principles of Data Mining”, MIT Press, Cambridge, Massachussets, 2001.
[13]. M. O. Ward: “XmdvTool : Integrating multiple methods for visualizing multivariate data”. In Proc. of Visualization 94, Washington, DC, pages 326–336, 1994.
[14]. H. Chernoff: “The Use of Faces to Represent Points in k-Dimensional Space Graphically”. Journal of the American Statistical Association, Vol. 68, pages 361-368, 1973.
[15]. M. P. Consens and A. O. Mendelzon: “Hy+: A Hygraph-based Query and Visualization System”, In Proc. of the ACM SIGMOD on Management of Data, 1993.
[16]. R. A. Becker, S. G. Eick, and G. J. Wills: “Visualizing Network Data”, IEEE Transactions on Visualizations and Graphics, 1995.
[17]. R. J. Hendley, N. S. Drew, A. M. Wood, R. Beale: “Narcissus: Visualizing Information”. In Proc. of Int. Sysmp. On IV, Atlanta, GA, pages 90-94, 1995.
[18]. S. Feiner and C. Beshers: “Visualizing n-Dimensional Virtual Worlds with n-Vision”, IEEE Computer Graphics, 1990.
[19]. J. LeBlanc, M. O. Ward, and N. Wittels: “Exploring N-Dimensional Databases”, In Proc. of Visualization ‘90, 1990.
[20]. B. Shneiderman: “Tree Visualization with Treemaps: A 2D Space-Filling Approach”, ACM Transactions on Graphics, 1992.
[21]. A. Inselberg and B. Dimsdale: “Parallel coordinates: a tool for visualizing multi-dimensional geometry”. In Proc. of the First IEEE Conference on Visualization, 1990.
[22]. K. Eser: “Visualizing Multi-dimensional Clusters, Trends, and Outliers using Star Coordinates”. In Proc. of the seventh ACM SIGKDD International Conference on Knowledge Discovery in Data, pages 107–116, 2001.
[23]. T. Christian; James A. and Heidrun S.: “Axes-Based Visualization with Radial Layouts”. In Proc. of the 2004 ACM Symposium on Applied Computing, 2004.
[24]. J. H. Holland: “Adaptation in Natural and Artificial Systems”, Ann Arbor: Univ. of Michigan Press, 1975.
[25]. D. Michie, D.J. Spiegelhalter and C.C. Taylor: “Machine Learning, Neural and Statistical Classification”. Ellis Horwood, 1994.
[26]. R. A. Fisher: “The use of multiple measurements in taxonomic problems”, Annual Eugenics, vol. 7, Part II, pages 179-188, 1936.
[27]. The data has been taken from the UCI Repository of Machine Learning Databases at ftp://ftp.ics.uci.edu/pub/machine-learning-databases.
[28]. T. Soon and M. Kwan: “StarClass: Interactive Visual Classification Using Star Coordinates” In Proc. of the 3rd SLAM International Conference on Data Mining, 2003.

指導教授

張嘉惠(Chia-Hui Chang)

審核日期

2005-7-13

推文