基于多源海量數(shù)據(jù)分層遞階圖表示模型的可視化信息融合的研究.pdf

1、本文針對海量數(shù)據(jù)處理上存在的問題和難點進行分析，提出了多源海量數(shù)據(jù)特征融合的多層次遞階結構，設計了一種處理多源海量數(shù)據(jù)的模型。此模型主要用來處理高維數(shù)據(jù)遞階、分層降維和分類決策的問題。
　　第一章主要介紹了海量數(shù)據(jù)處理和數(shù)據(jù)融合的背景，強調海量數(shù)據(jù)處理和數(shù)據(jù)融合在生物醫(yī)學、水力部門、金融等方面的重要性。本章基于生物醫(yī)學領域，闡述了醫(yī)學數(shù)據(jù)的龐大和無序，急需要有專業(yè)的數(shù)據(jù)處理技術來處理海量的數(shù)據(jù)。本文的主要研究內容是提出一種海量數(shù)據(jù)

2、的處理方法，能夠從海量的數(shù)據(jù)中挖掘出隱含的信息。
　　第二章主要描述了海量數(shù)據(jù)的特性和對海量數(shù)據(jù)預處理的方法。海量數(shù)據(jù)一般是在超維空間中表示，而超維空間與日常中的低維空間有著明顯的區(qū)別。低維空間的數(shù)據(jù)主要分布在空間的中部，而高維空間卻恰恰相反，數(shù)據(jù)主要分布在邊緣。所以降維的主要依據(jù)就是將數(shù)據(jù)從超維到低維的轉化。數(shù)據(jù)的類型是多源的，為了將不同數(shù)據(jù)進行融合和比較，需要將不同的數(shù)據(jù)進行統(tǒng)一化，歸一化。此過程中數(shù)據(jù)的預處理（如格式轉換、歸

3、一化、降噪、平滑、降維等）就顯得非常重要了。
　　第三章介紹了基于分層遞階圖的降維與可視化信息融合方法，本章重點介紹分層遞階圖的模型，海量數(shù)據(jù)降維和可視化信息融合等，可視化信息融合的方法。
　　第四章在前幾章的理論基礎上，提出了一種基于多源海量數(shù)據(jù)分層遞階圖表示模型。并且將此模型運用到腦電數(shù)據(jù)的可視化處理上，得出仿真結果，說明本文提出的模型的可行性。將此模型的仿真結果與文獻中已有模型的仿真結果進行對比，體現(xiàn)本文提出的模型的優(yōu)