流数据增量式多维可扩展可视化挖掘方法  

Incremental multi-dimension scaling visualization mining method for data stream

作　　者：倪萍[1,2] 廖建新[1,2] 朱晓民[1,2] 万里[1,2] 

机构地区：[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

出　　处：《吉林大学学报（工学版）》2011年第3期817-821,共5页Journal of Jilin University:Engineering and Technology Edition

基　　金：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

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-di-mension 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。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.

关 键 词：通信技术 多维扩展 简易型 可视化 流数据挖掘 

分 类 号：TN91[电子电信—通信与信息系统]