HỆ TOẠ ĐỘ HÌNH SAO THƯA: TRỰC QUAN HÓA DỮ LIỆU SỐ CHIỀU LỚN CỠ MẪU NHỎ

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Việt Hương Bùi, Văn Long Trần

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên, 2023

Mô tả vật lý: tr.127 - 134

Bộ sưu tập: Báo, Tạp chí

ID: 340232

Thêm vào giỏ Liên kết toàn văn

Phân tích khai phá về các cấu trúc nhóm và xu hướng của dữ liệu nhiều chiều là chủ đề chính của nhiều lĩnh vực nghiên cứu có nhiều ứng dụng, đặc biệt trong phân tích dữ liệu gen. Dữ liệu gen có số chiều lớn và số quan sát nhỏ. Các phương pháp phân tích thống kê truyền thống thông thường không được áp dụng trực tiếp cho dữ liệu có số chiều cao, số mẫu nhỏ. Trong bài báo này, chúng tôi giới thiệu cách tiếp cận phân tích dữ liệu bằng trực quan hoá đối với dữ liệu có số chiều cao và cỡ mẫu nhỏ. Chúng tôi đề xuất phương pháp chiếu thưa dựa vào phương pháp trực quan hoá bằng hệ toạ độ hình sao mà cấu trúc nhóm được bảo toàn nhờ vào việc tối ưu hoá sự phân bố hệ toạ độ hình sao. Phương pháp chiếu thưa nhận được từ việc xếp hạng chất lượng trực quan hoá theo thứ tự các thuộc tính quan trọng để lựa chọn các thuộc tính quan trọng trong phân tích cấu trúc nhóm của dữ liệu. Các kết quả thực nghiệm chứng tỏ sự hiệu quả của phương pháp đề xuất.The visual analysis of group structures and trends of high-dimensional data is a central topic in many fields, particularly in genomic data analysis. Gene expression data have a small number of observations and a large number of attributes. The traditional statistical methods are not directly applied to analyze for high dimension, low sample size. In this paper, we introduce a new visualization technique approach to visual analytics of high-dimension, low-sample size. We propose a sparse star coordinates visualization technique based on star coordinates that group structures are preserved thanks to the optimal layouts of star coordinate systems on the visual space. The larger star coordinates are more important dimensions in cluster analysis. The sparse star coordinate system attains by ranking the best quality visualization of the order of the dominant attributes to analyze the group structures of the high-dimension, low-sample size data sets. We present our proposed method with quality measurement and attest to the effectiveness of our approach for several real data sets.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR