流数据增量式多维可扩展可视化挖掘方法

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (03): 817-821.

流数据增量式多维可扩展可视化挖掘方法

倪萍^1,2,廖建新^1,2,朱晓民^1,2,万里^1,2

1.北京邮电大学网络与交换技术国家重点实验室,北京 100876；2.东信北邮信息技术有限公司,北京 100191

收稿日期:2009-07-01 出版日期:2011-05-01 发布日期:2011-05-01
通讯作者: 廖建新(1965-),男,教授,博士生导师.研究方向：业务网络智能化. E-mail:liaojianxin@ebupt.com
作者简介:倪萍(1978-),男,博士研究生.美国卡耐基梅隆大学访问学者.研究方向:数据挖掘,宽带通信网与网络管理.E-mail：ping.ni.bupt@gmail.com
基金资助:
国家杰出青年科学基金项目（60525110）；“973”国家重点基础研究发展计划项目（2007CB307100,2007CB307103）；电子信息产业发展基金项目.

Incremental multi-dimension scaling visualization mining method for data stream

NI Ping ^1,2,LIAO Jian-xin ^1,2,ZHU Xiao-min ^1,2,WAN Li ^1,2

1.State Key Laboratory of Networking and Switching Technology,Beijing University of Posts and Telecommunications,Beijing 100876,China;2.EBUPT Information Technology Co.,Ltd.,Beijing 100191,China

Received:2009-07-01 Online:2011-05-01 Published:2011-05-01

摘要/Abstract

摘要：

提出了一种针对流数据的增量式多维可扩展可视化挖掘方法(Incremental multidimension scaling,IMDS),对数据表现的特征形状进行聚类,并且聚类结果会随着时间的推移用动态可视化的方式实时展现。仿真实验表明：本文算法相比传统的MDS(Multidimension scaling)算法和简易型SIMPLEX优化算法在流数据挖掘中可以明显地提高可视化挖掘效率和流挖掘效果。

关键词: 通信技术, 多维扩展, 简易型, 可视化, 流数据挖掘

Abstract:

An Incremental Multi-Dimension Scaling (IMDS) visualization method is proposed to discover patterns in quantities of data. IMDS algorithm clusters data through the shape of each structure data instead of traditional cluster algorithm, which needs global information for precision category result. Moreover, IMDS algorithm can be implemented through animation because that it maps multi-dimension to low dimension. By experiments, it is proved that the proposed IMDS algorithm outperforms Multi-Dimension Scaling (MDS) and simplex algorithm in efficiency and effectiveness.

Key words: communication, multi-dimension scaling,MDS, simplex, visualization, stream data mining

中图分类号:

TN91

倪萍,廖建新,朱晓民,万里,. 流数据增量式多维可扩展可视化挖掘方法[J]. 吉林大学学报(工学版), 2011, 41(03): 817-821.

NI Ping,LIAO Jian-xin,ZHU Xiao-min,WAN Li,. Incremental multi-dimension scaling visualization mining method for data stream[J]. 吉林大学学报(工学版), 2011, 41(03): 817-821.

参考文献

相关文章 15

[1]	周彦果,张海林,陈瑞瑞,周韬. 协作网络中采用双层博弈的资源分配方案[J]. 吉林大学学报(工学版), 2018, 48(6): 1879-1886.
[2]	孙晓颖, 扈泽正, 杨锦鹏. 基于分层贝叶斯网络的车辆发动机系统电磁脉冲敏感度评估[J]. 吉林大学学报(工学版), 2018, 48(4): 1254-1264.
[3]	董颖, 崔梦瑶, 吴昊, 王雨后. 基于能量预测的分簇可充电无线传感器网络充电调度[J]. 吉林大学学报(工学版), 2018, 48(4): 1265-1273.
[4]	牟宗磊, 宋萍, 翟亚宇, 陈晓笑. 分布式测试系统同步触发脉冲传输时延的高精度测量方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1274-1281.
[5]	丁宁, 常玉春, 赵健博, 王超, 杨小天. 基于USB 3.0的高速CMOS图像传感器数据采集系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1298-1304.
[6]	陈瑞瑞, 张海林. 三维毫米波通信系统的性能分析[J]. 吉林大学学报(工学版), 2018, 48(2): 605-609.
[7]	张超逸, 李金海, 阎跃鹏. 双门限唐检测改进算法[J]. 吉林大学学报(工学版), 2018, 48(2): 610-617.
[8]	关济实, 石要武, 邱建文, 单泽彪, 史红伟. α稳定分布特征指数估计算法[J]. 吉林大学学报(工学版), 2018, 48(2): 618-624.
[9]	李炜, 李亚洁. 基于离散事件触发通信机制的非均匀传输网络化控制系统故障调节与通信满意协同设计[J]. 吉林大学学报(工学版), 2018, 48(1): 245-258.
[10]	孙晓颖, 王震, 杨锦鹏, 扈泽正, 陈建. 基于贝叶斯网络的电子节气门电磁敏感度评估[J]. 吉林大学学报(工学版), 2018, 48(1): 281-289.
[11]	武伟, 王世刚, 赵岩, 韦健, 钟诚. 蜂窝式立体元图像阵列的生成[J]. 吉林大学学报(工学版), 2018, 48(1): 290-294.
[12]	袁建国, 张锡若, 邱飘玉, 王永, 庞宇, 林金朝. OFDM系统中利用循环前缀的非迭代相位噪声抑制算法[J]. 吉林大学学报(工学版), 2018, 48(1): 295-300.
[13]	王金鹏, 曹帆, 贺晓阳, 邹念育. 基于多址干扰和蜂窝间互扰分布的多载波系统联合接收方法[J]. 吉林大学学报(工学版), 2018, 48(1): 301-305.
[14]	石文孝, 孙浩然, 王少博. 无线Mesh网络信道分配与路由度量联合优化算法[J]. 吉林大学学报(工学版), 2017, 47(6): 1918-1925.
[15]	姜来为, 沙学军, 吴宣利, 张乃通. LTE-A异构网络中新的用户选择接入和资源分配联合方法[J]. 吉林大学学报(工学版), 2017, 47(6): 1926-1932.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed