VISDMiner：一个交互式数据挖掘过程可视化系统

doi:10.3969/j.issn.1006-2475.2018.06.014

计算机与现代化 ›› 2018, Vol. 0 ›› Issue (06): 72-.doi: 10.3969/j.issn.1006-2475.2018.06.014

VISDMiner：一个交互式数据挖掘过程可视化系统

(1.贵州大学计算机科学与技术学院，贵州贵阳550025；2.贵州省先进计算与医疗信息服务
工程实验室，贵州贵阳550025；3.中国科学院国家天文台，北京100012)

收稿日期:2018-03-09 出版日期:2018-07-05 发布日期:2018-07-05
作者简介:王永胜(1988-)，男，河南南阳人,贵州大学计算机科学与技术学院、贵州省先进计算与医疗信息服务工程实验室硕士研究生，研究方向：数据挖掘；通信作者：李晖(1982-)，男，教授，博士，研究方向：大数据管理与分析，数据挖掘；陈梅（1964-），女，教授，研究方向：大数据管理与分析；戴震宇（1985-），男，实验师，硕士，研究方向：大数据管理与分析；朱明（1966-），男，中国科学院国家天文台研究员，研究方向：巡天大数据处理，射电天文学。
基金资助:
国家自然科学基金资助项目（61562010，61462012，U1531246）；贵州省教育厅自然科学基金资助项目（黔科合人才团队字［2015］53）；贵州省科技计划项目（黔科合人LH字［2016］7427）；贵州大学研究生创新基金（院级）资助项目（院创201704）

VISDMiner:AnInteractiveDataMiningProcessVisualizationSystem

(1.CollegeofComputerScienceandTechnology,GuizhouUniversity,Guiyang550025,China;
2.GuizhouEngineeringLabforACMIS,Guiyang550025,China;
3.NationalAstronomicalObservatories,ChineseAcademyofSciences,Beijing100012,China)

Received:2018-03-09 Online:2018-07-05 Published:2018-07-05

摘要/Abstract

摘要： 针对数据挖掘中挖掘过程不透明以及用户交互少的问题，本文设计并实现了VISDMiner系统。VISDMiner系统将可视化技术和数据挖掘技术结合在一起，提供对挖掘过程中各阶段产生的可视化子结果集的分析。用户可根据自己的领域知识和经验去调整数据挖掘算法模型的参数和可视化模型的参数，促进算法和挖掘分析过程的有效调优。为了处理高维数据集，VISDMiner系统采用一种基于最大信息系数的主成分分析改进算法MIC-PCA，该算法主要是针对传统PCA算法降维能力和分类准确率低的问题进行改进。实验结果表明,VISDMine不仅实现了数据挖掘过程的可视化，还提高了用户对数据挖掘〖JP2〗执行结果的可理解性，其采用的改进的MIC-PCA算法提高了PCA算法的降维能力和分类准确率。

关键词: 数据挖掘, 可视化技术, 交互性, 可视化数据挖掘, 特征选择, 主成分分析

Abstract: Inordertoaddresstheproblemthatthedataminingprocessoftentobenottransparentandlackofuserinteraction,wedesignandimplementtheVISDMinersystem.VISDMinercombinesthevisualizationtechnologyandthedataminingtechnologytoprovidethecapabilityofanalyzingandvisualizingpartialresultsofallstagesofminingprocess.Duringtheprocedures,userscantunetheparametersofdataminingalgorithmandvisualizationsaccordingtotheirdomainknowledgeandexperiencetoachievefurtherdataexploration.Inordertodealwithhigh-dimensionaldataset,VISDMinersystemusesanimprovedalgorithmMIC-PCAforprincipalcomponentanalysisbasedonthemaximuminformationcoefficient.ThealgorithmismainlyaimedatimprovingthedimensionalityreductionandclassificationaccuracyoftraditionalPCAalgorithms.TheexperimentalresultsshowthatVISDMinenotonlyrealizesthevisualizationofthedataminingprocess,butalsoimprovestheuser’sunderstandabilityofthedataminingresults,andtheMIC-PCAalgorithmalsoimprovesthedimensionalityreductionandclassificationaccuracyofPCAalgorithm.

Key words: datamining, visualizationtechnology, interactivity, visualdatamining, featureselection, PCA

中图分类号:

TP391.9

王永胜1,2，李晖1,2，陈梅1,2，戴震宇1,2，朱明3. VISDMiner：一个交互式数据挖掘过程可视化系统[J]. 计算机与现代化, 2018, 0(06): 72-.

WANGYong-sheng1,2，LIHui1,2，CHENMei1,2，DAIZhen-yu1,2，ZHUMing3. VISDMiner:AnInteractiveDataMiningProcessVisualizationSystem[J]. Computer and Modernization, 2018, 0(06): 72-.

参考文献

［1］Martínez-MartínezJM,Escandell-MonteroP,Soria-OlivasE,etal.Anewvisualizationtoolfordataminingtechniques［J］.ProgressinArtificialIntelligence,2016,5(2):137-154.
［2］BoualiF,GuettalaA,VenturiniG.VizAssist:Aninteractiveuserassistantforvisualdatamining［J］.VisualComputer,2016,32(11):1447-1463.
［3］KrzywickiA,WobckeW,BainM,etal.Dataminingforbuildingknowledgebases:Techniques,architecturesandapplications［J］.KnowledgeEngineeringReview,2016,31(2):97-123.
［4］ChenHongmei,LiTianrui,LuoChuan,etal.Adecision-theoreticroughsetapproachfordynamicdatamining［J］.IEEETransactionsonFuzzySystems,2015,23(6):1958-1970.
［5］马昱欣,曹震东,陈为.可视化驱动的交互式数据挖掘方法综述［J］.计算机辅助设计与图形学学报,2016,28(1):1-8.
［6］BenSteichen,GiuseppeCarenini,CristinaConati.User-adaptiveinformationvisualization:Usingeyegazedatatoinfervisualizationtasksandusercognitiveabilities［C］//Proceedingsofthe2013InternationalConferenceonIntelligentUserInterfaces.2013:317-328.
［7］〖JP〗周芳芳,李俊材,黄伟,等.基于维度扩展的Radviz可视化聚类分析方法［J］.软件学报,2016,27(5):1127-1139.〖JP〗
［8］张红军.多维数据集中高维数据可视化算法研究［J］.微电子学与计算机,2017,34(5):110-113.
［9］GoodwinS,DykesJ,JonesS,etal.Creativeuser-centeredvisualizationdesignforenergyanalystsandmodelers［J］.IEEETransactionsonVisualization&ComputerGraphics,2013,19(12):2516-2525.
［10］汤颖,钟南江,孙康高,等.基于兴趣的社交网络用户聚类及可视化［J］.计算机科学,2017(s2):385-390.
［11］NiedobaT.Multi-parameterdatavisualizationbymeansofprincipalcomponentanalysis(PCA)inqualitativeevaluationofvariouscoaltypes［J］.PhysicochemicalProblemsofMineralProcessing,2014,50(2):575-589.
［12］XieShengkun,JinFeng,KrishnanS,etal.Signalfeatureextractionbymulti-scalePCAanditsapplicationtorespiratorysoundclassification［J］.Medical&BiologicalEngineering&Computing,2012,50(7):759-768.
［13］ReshefYA,ReshefDN,FinucaneHK,etal.Measuringdependencepowerfullyandequitably［J］.JournalofMachineLearningResearch,2016,17(1):7406-7468.
［14］范雪莉,冯海泓,原猛.基于互信息的主成分分析特征选择算法［J］.控制与决策,2013,28(6):915-919.
［15］ReshefDN,ReshefYA,FinucaneHK,etal.Detectingnovelassociationsinlargedatasets［J］.Science,2011,334(6062):1518-1524.
［16］ShimJE,LeeI.Weightedmutualinformationanalysissubstantiallyimprovesdomain-basedfunctionalnetworkmodels［J］.Bioinformatics,2016,32(18):2824-2830.
［17］李玮瑶,赵凯.基于特征提取的网络热点事件挖掘算法［J］.计算机与现代化,2015(5):17-20.
［18］JürgenBernard,MartinSteiger,SvenWidmer,etal.Visual-interactiveexplorationofinterestingmultivariaterelations〖JP4〗inmixedresearchdatasets［C］//Proceedingsofthe16thEurographicsConferenceonVisualization.2014:291-300.〖JP〗
［19］孟海东,蔺志举,徐贯东.可视化数据挖掘工具的设计与实现［J］.计算机与现代化,2011(6):132-135.

[1]	苏凯旋. 基于改进XGBoost模型的网络入侵检测研究[J]. 计算机与现代化, 2024, 0(06): 109-114.
[2]	袁红伟1, 常利军1, 郝家欢2, 樊娜2, 王超2, 罗闯2, 张泽辉2. 基于标签传播的轨迹兴趣点挖掘及隐私保护[J]. 计算机与现代化, 2024, 0(05): 46-54.
[3]	罗澍寰, 孙武, 游杰, 王伟, 胡必伟, 姜南. 基于可见-近红外光谱法无损检测梨总酸含量[J]. 计算机与现代化, 2024, 0(05): 80-84.
[4]	张亚文, 林文忠, 韩晓东. 基于组合特征点和主成分分析的点云配准算法[J]. 计算机与现代化, 2023, 0(09): 59-63.
[5]	谢仕斌, 刘梦赤, 唐诗琪, 周瑞平, . 基于多特征提取的时间卷积知识追踪模型[J]. 计算机与现代化, 2023, 0(07): 25-29.
[6]	刘佩. 基于数据挖掘的医保控费系统[J]. 计算机与现代化, 2023, 0(06): 89-94.
[7]	申志, 李元 . 基于KPCA和SSA优化SVM的非线性过程故障检测#br#[J]. 计算机与现代化, 2023, 0(06): 15-20.
[8]	朱卓樾, 黄欢, 宋清玲, 侯居攀. 基于心血管核磁共振图像的房室平面位移检测与重建[J]. 计算机与现代化, 2023, 0(04): 78-82.
[9]	王劭华, 欧阳会丹, 孙丹, 王康, 吴鸿萍, 钟询, 褚兴平, 杨松涛. 基于Apriori算法的大学生体测项目关联规则挖掘[J]. 计算机与现代化, 2023, 0(03): 66-70.
[10]	宋晓丽, 张勇波, 张培颖. 基于半监督学习的学生消费数据异常检测[J]. 计算机与现代化, 2022, 0(12): 13-17.
[11]	王扬, 陈梅, 李晖. FOCoR:一种基于特征选择优化的课程推荐技术[J]. 计算机与现代化, 2022, 0(10): 1-7.
[12]	赵迎利, 朱旭. 基于组稀疏联合学习的影像遗传学数据关联分析[J]. 计算机与现代化, 2022, 0(08): 43-49.
[13]	段桂芹, 邹臣嵩. 基于近邻传播聚类的职业能力评价模型[J]. 计算机与现代化, 2022, 0(05): 21-27.
[14]	莫云. 基于混合特征选择的脑电解码方法[J]. 计算机与现代化, 2022, 0(04): 92-96.
[15]	赵延平, 王芳, 夏杨. 基于支持向量机的短文本分类方法[J]. 计算机与现代化, 2022, 0(02): 92-96.

VISDMiner：一个交互式数据挖掘过程可视化系统

VISDMiner:AnInteractiveDataMiningProcessVisualizationSystem

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价