VisualDM：一个灵活的可视化数据挖掘系统

如果要建造一个健壮的数据挖掘系统，仅仅依靠挖掘算法是不够的。目前的挖掘算法还没有完全“智能”化，所以挖掘有用的信息常常不是很有效。不过可视化技术给了我们很大的帮助，我们将挖掘算法和可视化技术结合起来，从而实现了数据挖掘系统VisualDM。     

Visualization techniques for mining large databases: a comparison

Visual data mining techniques have proven to be of high value in exploratory data analysis, and they also have a high potential for mining large databases. In this article, we describe and evaluate a new visualization-based approach to mining large databases. The basic idea of our visual data mining techniques is to represent as many data items as possible on the screen at the same time by mapping each data value to a pixel of the screen and arranging the pixels adequately. The major goal of this article is to evaluate our visual data mining techniques and to compare them to other well-known visualization techniques for multidimensional data: the parallel coordinate and stick-figure visualization techniques. For the evaluation of visual data mining techniques, the perception of data properties counts most, while the CPU time and the number of secondary storage accesses are only of secondary importance. In addition to testing the visualization techniques using real data, we developed a testing environment for database visualizations similar to the benchmark approach used for comparing the performance of database systems. The testing environment allows the generation of test data sets with predefined data characteristics which are important for comparing the perceptual abilities of visual data mining techniques     

Information visualization and visual data mining

Never before in history has data been generated at such high volumes as it is today. Exploring and analyzing the vast volumes of data is becoming increasingly difficult. Information visualization and visual data mining can help to deal with the flood of information. The advantage of visual data exploration is that the user is directly involved in the data mining process. There are a large number of information visualization techniques which have been developed over the last decade to support the exploration of large data sets. In this paper, we propose a classification of information visualization and visual data mining techniques which is based on the data type to be visualized, the visualization technique, and the interaction and distortion technique. We exemplify the classification using a few examples, most of them referring to techniques and systems presented in this special section     

可视化数据挖掘技术

迄今为止,数据挖掘与知识发现软件的功能不再停留在"挖掘"这个单一功能的实现,而已延伸到数据挖掘与知识发现的过程,即包括数据的预处理、数据挖掘、模型评估与可视化,在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化.主要讨论了数据挖掘的方法与可视化技术,指出了未来的研究方向.     

From visual data exploration to visual data mining: a survey

We survey work on the different uses of graphical mapping and interaction techniques for visual data mining of large data sets represented as table data. Basic terminology related to data mining, data sets, and visualization is introduced. Previous work on information visualization is reviewed in light of different categorizations of techniques and systems. The role of interaction techniques is discussed, in addition to work addressing the question of selecting and evaluating visualization techniques. We review some representative work on the use of information visualization techniques in the context of mining data. This includes both visual data exploration and visually expressing the outcome of specific mining algorithms. We also review recent innovative approaches that attempt to integrate visualization into the DM/KDD process, using it to enhance user interaction and comprehension.     

一种基于平行坐标的度量模型及其应用

分析了数据挖掘中可视化技术应用的特点与方法,给出了数据挖掘中可视对象与参数的确定及算法分解的方法,提出了一种基于平行坐标技术的度量指标体系,证明了其中的相关性质与结论,并给出基于平行坐标技术的度量模型以及在实验数据上的应用例.结果表明这种方法对于数据挖掘中的数据可视化表示是有效的.基于度量指标的可视化技术在对可视对象的分析处理上可以借助适用的数学方法建模与评测,这有助于数据挖掘可视化的研究与应用.     

Novel techniques and an efficient algorithm for closed pattern mining

In this paper we show that frequent closed itemset mining and biclustering, the two most prominent application fields in pattern discovery, can be reduced to the same problem when dealing with binary (0–1) data. FCPMiner, a new powerful pattern mining method, is then introduced to mine such data efficiently. The uniqueness of the proposed method is its extendibility to non-binary data. The mining method is coupled with a novel visualization technique and a pattern aggregation method to detect the most meaningful, non-overlapping patterns. The proposed methods are rigorously tested on both synthetic and real data sets.     

基于平行坐标法的可视数据挖掘

数据挖掘和数据可视化技术的结合形成可视数据挖掘。通过可视化技术的运用,数据挖掘可以增加其数据的针对性和结果的可信度。平行坐标法是数据可视化的代表方法之一,该文在平行坐标法的基础上,探讨了在其中实现可视化数据挖掘的基本方法,是进一步开发可视数据挖掘系统的初步研究。     

数据可视化在数据挖掘中的应用

数据挖掘是从大量历史数据中抽取潜在的、有价值的知识或规则的过程。数据可视化对于快速分析数据，表示高维数据方面非常直观、有效。本文首先讨论了几种可视化技术，随后就数据可视化在数据挖掘的模型、过程中的应用进行探讨。     

基于小波分析的时间序列数据挖掘模型

论文提出一个基于小波分析的时间序列挖掘模型TSMiner,它支持时间序列数据挖掘的整个过程。该模型由5部分组成:原始数据的可视化、数据预处理、数据约简,模式发现和结果模式可视化。该模型应用小波实现数据的多层次可视化表示、数据约简和多尺度模式发现。它可以帮助用户观察高维数据,理解中间结果和解释发现的模式。     

基于数据挖掘的桥梁抗震分析结果可视化系统设计

结合数据挖掘技术与分析结果可视化系统的开发，主要研究了基于知识的数据挖掘技术和桥梁抗震分析结果可视化系统模型；最终开发了一套实用的桥梁抗震分析结果可视化系统。     

基于平行坐标的可视化多维数据挖掘的研究

可视化数据挖掘是将数据可视化与数据挖掘两个技术相结合．在其实现的多种方法中．平行坐标法是其中一种最直接同时也是研究最早的一项技术．它是在二维空间中以平行坐标的形式来表示N维数据从而实现把数据仓库中数据挖掘的结果或过程以图形呈现出来。通过对其实现方式上的研究,结合C#编程技术,提出一个初步的模型,分析平行坐标法相比其他方法的优缺点。     

数据聚类中基于浓度噪音消除的可视化参数选择方法

可视化技术的发展极大地提高了传统数据挖掘技术的效率.通过结合人类识别模式的能力,计算机程序能够更有效的发现隐藏在数据中的规律和信息.作为聚类分析的重要步骤,噪音消除一直都是困绕数据挖掘研究者的问题,尤其对于不同领域的应用,由于噪音的模型和定义不同,单一的数据处理方法无法有效而准确地去除域相关的噪音.本文针对这一问题,提出了一个新型的可视化噪音处理方法CLEAN.CLEAN的独特之处在于它设计的噪音处理技术和提出的可视化方法有机地结合在一起.噪音处理算法为可视化模型生成所需数据,同时针对噪音处理算法选择可视化方法,从而达到提高整个数据处理系统性能的目的.这样不仅降低了噪音去除过程中主观因素的影响,还可以帮助数据挖掘程序去除领域相关的噪音.同时源数据的质量,算法参数的选择和不同噪音去除算法的精确性都可以在所使用的可视化模型中反映出来.实验表明CLEAN能够有效地帮助空间数据聚类算法在噪音环境下发现数据的自然聚类.     

基于平行坐标的可视化多维数据挖掘的研究

可视化数据挖掘是将数据可视化与数据挖掘两个技术相结合,在其实现的多种方法中,平行坐标法是其中一种最直接同时也是研究最早的一项技术,它是在二维空间中以平行坐标的形式来表示N维数据从而实现把数据仓库中数据挖掘的结果或过程以图形呈现出来。通过对其实现方式上的研究,结合C#编程技术,提出一个初步的模型,分析平行坐标法相比其他方法的优缺点。     

基于SOM的市场细分研究

本文应用数据挖掘技术对市场细分的研究包括:如何利用SOM聚类技术解决市场细分问题;如何将SOM聚类的市场细分结构结果可视地呈现给市场决策人员的问题。这两部分研究整合为企业市场战略集成一个研究途径,包括:偏好数据的收集与前处理步骤、偏好数据聚类步骤、偏好数据的可视化步骤。实验结果表明,本文提出的研究途径成功发现了人工数据集中预设的聚类模式,与通常研究途径相比具有明显的优点。在实际市场数据分析中,获得了与事实相符的结论并提供了有价值的决策支持信息。     

可视化技术在空间数据挖掘中的应用

在阐述可视化与空间数据挖掘关系的基础上,探讨了可视化在空间数据挖掘过程中应用的各个环节,提出了将具体应用划分为概念层、逻辑层和基础层3个层次。以地质模型数据挖掘为例,对应3个层次阐述了可视化应用的关键技术：地质模型可视化,交互式挖掘与探索性可视化分析。开发了一个原型系统,初步实现了可视化挖掘功能。     

关联规则下数据挖掘可视化技术的探讨与实现

随着数据挖掘技术的不断发展以及数据挖掘工具应用的日益深入,数据挖掘可视化技术已成为数据挖掘领域新兴的研究热点之一。本文首先探讨数据挖掘可视化技术的主流发展趋势;然后基于Netbeans6．1开发平台,采用Java、JFreeChart等开发技术,结合PMML标准,完成关联规则下的数据挖掘可视化技术的设计与实施。实践表明：所完成的工作能够将关联规则下的数据挖掘过程以可视化的元素展示给参与数据挖掘的用户,让用户能够对挖掘结果进行有效评估。     

基于数据挖掘技术的在线学习行为研究综述

随着互联网 教育技术的快速发展,慕课已成为当下最新、最潮的学习形式。由于在线学习平台积累了大量学习行为数据,传统统计分析方法已无法满足应用需求,使得数据挖掘技术被引入在线学习行为的研究,从而涌现出大量的研究成果。为了深入分析在线学习行为研究中数据挖掘技术的整体应用情况,本文首先从国内外公认的Web of Science数据库收集2008年至2017年3月相关文献进行了统计和可视化分析;然后介绍了利用数据挖掘技术进行在线学习行为研究的一般流程;接着将数据挖掘技术在在线学习行为研究中的应用总结归纳为五类,并详细介绍了相关研究成果及代表文献;最后总结全文,并讨论了未来可能的研究方向。     

Surfer8.0在开采沉陷数据可视化表达与制图中的应用

针对常规绘制变形曲线的方法难以有效全面地表达工作面开采沉陷情况的问题,提出基于地表观测站获取的观测数据,利用Surfer8.0软件对矿区开采沉陷观测数据进行可视化表达与制图的方案,介绍了Surfer8.0在变形等值线绘制及数据三维可视化表达中的具体应用方法。对比MapGIS软件制图可知,采用Surfer8.0能够快速而精确地实现对开采沉陷数据的可视化表达与制图,且输出图形更加美观。     

基于信息熵的网络流异常监测和三维可视方法

通过分析网络流量可以反映网络运行情况,挖掘异常行为,感知网络安全态势。为了监测网络运行状况和流量异常情况,提高用户对网络流量态势的感知体验,针对大规模网络流量的数据量大和维度广的特点,提出了一种准实时流量数据报出机制,设计了基于三维可视化的流量监测系统,并结合基于信息熵的流量异常挖掘方法,通过人工监测和数据挖掘,实现了异常流量可视化监测,提高了异常检测成功率。给出了监测系统的设计方案和实现结果,解决了网络数据流从抽象到具象的可视化问题,提供了一种更加直观的态势展现方案,提高了用户对网络态势的感知认识能力。