<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[spaceorzero的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/spaceorzero</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; spaceorzero]]></copyright><item><title><![CDATA[数据和数据可视化基础]]></title><link>https://blog.youkuaiyun.com/spaceorzero/article/details/87785658</link><guid>https://blog.youkuaiyun.com/spaceorzero/article/details/87785658</guid><author>spaceorzero</author><pubDate>Thu, 21 Feb 2019 19:39:53 +0800</pubDate><description><![CDATA[数据基础
数据属性
数据对象的特征（Characteristics） 或特性 （feature）
别名：特征 维度 变量
属性类别：
　　类别性属性：点、线、面
　　有序性属性
　　数值型属性
　　离散性和连续性
数据特征
基本统计描述
 
数据对象间的关系
数据对象间的关系：相似度和相异度
数据间关系的度量，经常在统计和数据挖掘中使用相异度矩阵

类别型数据距离计算

数值型属性间的距离：明科夫...]]></description><category></category></item><item><title><![CDATA[时空数据可视化]]></title><link>https://blog.youkuaiyun.com/spaceorzero/article/details/87810250</link><guid>https://blog.youkuaiyun.com/spaceorzero/article/details/87810250</guid><author>spaceorzero</author><pubDate>Thu, 21 Feb 2019 19:39:36 +0800</pubDate><description><![CDATA[空间数据可视化
数据拓扑
结构化网格
　• 笛卡尔方式
　Xi+1,j = Xi,j + Δ
• 规格化/统一(Regular/Uniform)
　Xi+1,j = Xi,j + Δ I
• 线性方式(Rectilinear)
　Xi+1,j = Xi,j + Δ i(Xi,j)
• 曲线方式
　Xi+1,j = X(i, j)
　Yj+1 = Y (i, j)
非结构化网格
　• 有限元素
　•...]]></description><category></category></item><item><title><![CDATA[高维非空间数据可视化]]></title><link>https://blog.youkuaiyun.com/spaceorzero/article/details/87826120</link><guid>https://blog.youkuaiyun.com/spaceorzero/article/details/87826120</guid><author>spaceorzero</author><pubDate>Thu, 21 Feb 2019 19:39:17 +0800</pubDate><description><![CDATA[高维数据可视化
数据变换
降低维度：
　　使用线性或非线性变换把高维数据投影到低维空间
投影保留重要的关系（无信息损失；保持数据区分等）

方法：
线性方法

主成分分析（PCA）
多维尺度分析（Multidimensional Scaling，MDS）
非负矩阵分解（NMF）


非线性方法

ISOMAP
局部线性嵌套（LLE）

主成分分析
 最大化 投影后的方差
 最小化投影后的损失

方...]]></description><category></category></item><item><title><![CDATA[统计图形可视化]]></title><link>https://blog.youkuaiyun.com/spaceorzero/article/details/87806145</link><guid>https://blog.youkuaiyun.com/spaceorzero/article/details/87806145</guid><author>spaceorzero</author><pubDate>Thu, 21 Feb 2019 19:39:03 +0800</pubDate><description><![CDATA[统计图可视化
数据变换

归一化
目的：
根据分布映射数据
颜色/尺寸/坐标位置编码
归一化区间：
[-1 , 1]
[0 , 1]
曲线拟合/光滑
目的：展示数据趋势
不同的拟合方式：

统计采样
从统计分布中选出的样本，用于近似原分布中的特征
影响采样的因素：
　　分布本身的特性
　　数据的测量精度
　　是否需要分析样本细节（样本精细度）
　　采样成本
K-Means聚类
K-means
　随...]]></description><category></category></item><item><title><![CDATA[跨媒体数据可视化]]></title><link>https://blog.youkuaiyun.com/spaceorzero/article/details/87830045</link><guid>https://blog.youkuaiyun.com/spaceorzero/article/details/87830045</guid><author>spaceorzero</author><pubDate>Thu, 21 Feb 2019 19:38:34 +0800</pubDate><description><![CDATA[跨媒体数据可视化
多媒体可视化
图像数据可视化
图像数据丰富
用于可视化的图像特征：
　　　　　色彩　明暗
　　　　　轮廓　场景
视频数据可视化
线性播放的“视频流”
　可视化增强：
　　非线性“视频浏览”
　　提高自动视频分析算法
　　性能
　　检测视频中的物体、特征等
视频相似性：将每帧当做一个高维数据点进行投影
视频立方：
　　将（平面）视频帧按时间轴堆叠排列
　　使用一些体可视化技术展示视...]]></description><category></category></item><item><title><![CDATA[地理空间数据可视化]]></title><link>https://blog.youkuaiyun.com/spaceorzero/article/details/87858295</link><guid>https://blog.youkuaiyun.com/spaceorzero/article/details/87858295</guid><author>spaceorzero</author><pubDate>Thu, 21 Feb 2019 19:38:22 +0800</pubDate><description><![CDATA[地理空间数据可视化
地图映射：
　地图映射，也就是将数据中的地理坐标转换成屏幕上的坐标
　按照曲面映射过程中的优化目标区分，地图映射主要包含以下三种类型：
　　等角度（正形投影）：源曲面和目标曲面（即投影前后）的任何位置的局部切向和法向方向组成的角度保持不变
　　等面积：地图上任何图形面积经主比例尺放大以后与实地上相应图形面积大小保持不变
　　等距离：在标准经纬线上无长度变形，即投影后任何点到原点...]]></description><category></category></item><item><title><![CDATA[文本数据可视化]]></title><link>https://blog.youkuaiyun.com/spaceorzero/article/details/87858679</link><guid>https://blog.youkuaiyun.com/spaceorzero/article/details/87858679</guid><author>spaceorzero</author><pubDate>Thu, 21 Feb 2019 19:38:07 +0800</pubDate><description><![CDATA[文本数据可视化
我们把文档作为我们生活中的主要信息产物
由于网络基础设施的存在，近年来，我们对文档的访问量大幅增长
管道
文本可视化流程：

典型的文本挖掘技术
文本信息挖掘：
　文本数据预处理
　　过滤无效数据、提取有效词等
　文本特征抽取
　　关键词；词频分布；主题
　文本特征度量
　　相似性计算；文本聚类等
　　
典型的文本挖掘方法：
　　词频　TF、TF IDF
　　文本分类　文本聚类
　...]]></description><category></category></item><item><title><![CDATA[可视化交互与评估]]></title><link>https://blog.youkuaiyun.com/spaceorzero/article/details/87863186</link><guid>https://blog.youkuaiyun.com/spaceorzero/article/details/87863186</guid><author>spaceorzero</author><pubDate>Thu, 21 Feb 2019 19:37:44 +0800</pubDate><description><![CDATA[可视化交互与评估
可视化交互类型
表示与交互：
　　信息可视化的两个主要成分：表示   交互
　　表示(representation)是用户的关注对象
　　交互(interaction)提供用户可操作的手段
交互的类型：
　　选择(Select): 标记感兴趣的区域或特征，追踪这些区域或特征的变化
　　探索(Explore): 显示不同的数据部分或属性，允许用户检查不同的数据子集，克服显示尺寸的限...]]></description><category></category></item><item><title><![CDATA[数据可视化的简介以及视觉感知与视觉通道]]></title><link>https://blog.youkuaiyun.com/spaceorzero/article/details/87613494</link><guid>https://blog.youkuaiyun.com/spaceorzero/article/details/87613494</guid><author>spaceorzero</author><pubDate>Wed, 20 Feb 2019 11:50:39 +0800</pubDate><description><![CDATA[数据可视化简介
可视化：用可视形式进行解释的动作或过程；形象化
可视化的作用
记录信息
分析推理
证实假设
交流思想
可视化的原因
因为当今处于信息爆炸的时代，处理数据的能力成为了一项至关重要的技术。通过进行可视化可以很好的对大量数据进行处理并很好的展现出来。
可视化的总结
协助思考
使用感知代替认知
作为大量工作记忆的外界辅助
增强认知能力
视觉感知与认识
感知：关于输入信号的本质；
　　　看见...]]></description><category></category></item></channel></rss>