Научная визуализация

Scientific Visualization

Электронный журнал открытого доступа

 Национальный Исследовательский Ядерный Университет "МИФИ"

      ISSN 2079-3537      

 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                                                                                             
Научная визуализация
Год выпуска: 2015
Квартал: 4
Том: 7
Номер: 5
Страницы: 87 - 101
Название публикации: ПОСТРОЕНИЕ МЕТОДОВ ВИЗУАЛЬНОГО АНАЛИЗА КЛАСТЕРНЫХ СТРУКТУР В МНОГОМЕРНЫХ ОБЪЕМАХ ДАННЫХ
Авторы: А.Е. Бондарев (Россия), В.А. Галактионов (Россия)
Адреса авторов: А.Е. Бондарев
ИПМ им. М.В. Келдыша РАН, Москва, Россия

В.А. Галактионов
ИПМ им. М.В. Келдыша РАН, Москва, Россия
Краткое описание: Работа посвящена вопросам построения алгоритмов для визуального анализа кластерных структур в многомерных объемах данных. Целью работы является построение комплекса алгоритмов визуализации и визуальной аналитики, позволяющего изучение кластерных структур в многомерных объемах данных без применения алгоритмов кластеризации, вносящих изменения в исходные данные. Для анализа кластерных структур в многомерном объеме данных предлагается использовать методы отображения точек исходного многомерного пространства на вложенные в это пространство многообразия меньшей размерности. Данный подход базируется на построении самоорганизующихся карт SOM, применении метода главных компонент PCA и построении упругих карт Elastic Maps с последующей реализацией процедуры отжига для этих карт. Для реализации полной и последовательной обработки многомерного массива данных вышеупомянутые методы и подходы выстраиваются в последовательность применяемых методов и алгоритмов, образуя единую технологическую цепочку обработки данных. Применение подобной цепочки позволяет получить информацию о кластерной структуре исследуемого объема многомерных данных на разных уровнях глубины анализа и детализации информации.
Язык: Русский


Открыть публикацию   Скачать публикацию в ZIP архиве