基于多源海量数据分层递阶图表示模型的可视化信息融合的研究

《基于多源海量数据分层递阶图表示模型的可视化信息融合的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、国内图书分类号：O657.63国际图书分类号：57工学硕士学位论文基于多源海量数据分层递阶图表示模型的可视化信息融合的研究硕士研究生：任俊利导师：洪文学教授申请学位级别：工学硕士学科、专业：生物医学工程所在单位：电气工程学院授予学位单位：燕山大学万方数据ClassifiedIndex:O657.63U.D.C.:57DissertationfortheMasterDegreeinEngineeringVISUALINFORMATIONFUSIONANDEARLYWARNINGPLANSBASEDINTHELAYEDANDORDEREDFIGSMODELSOFMUL

2、TIVARIATEDATAS万方数据Candidate:Supervisor:AcademicDegreeAppliedfor:Speciality:University:RenJunliProf.HongWenxueMasterofEngineeringBio-medicalEngineeringYanshanUniversity燕山大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于多源海量数据分层递阶图表示模型的可视化信息融合的研究》，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明

3、部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字日期：年月日燕山大学硕士学位论文使用授权书《基于多源海量数据分层递阶图表示模型的可视化信息融合的研究》系本人在燕山大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归燕山大学所有，本人如需发表将署名燕山大学为第一完成单位及相关人员。本人完全了解燕山大学关于保存、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅。本人授权燕山大学，可以采用影印、缩印或

4、其他复制手段保存论文，可以公布论文的全部或部分内容。保密□，在年解密后适用本授权书。本学位论文属于不保密□。（请在以上相应方框内打“√”）作者签名：导师签名：日期：日期：年月年月日日万方数据摘要本文针对海量数据处理上存在的问题和难点进行分析，提出了多源海量数据特征融合的多层次递阶结构，设计了一种处理多源海量数据的模型。此模型主要用来处理高维数据递阶、分层降维和分类决策的问题。第一章主要介绍了海量数据处理和数据融合的背景，强调海量数据处理和数据融合在生物医学、水力部门、金融等方面的重要性。本章基于生物医学领域，阐述了医学数据的庞大和无序，急需要有专业的数据

5、处理技术来处理海量的数据。本文的主要研究内容是提出一种海量数据的处理方法，能够从海量的数据中挖掘出隐含的信息。第二章主要描述了海量数据的特性和对海量数据预处理的方法。海量数据一般是在超维空间中表示，而超维空间与日常中的低维空间有着明显的区别。低维空间的数据主要分布在空间的中部，而高维空间却恰恰相反，数据主要分布在边缘。所以降维的主要依据就是将数据从超维到低维的转化。数据的类型是多源的，为了将不同数据进行融合和比较，需要将不同的数据进行统一化，归一化。此过程中数据的预处理（如格式转换、归一化、降噪、平滑、降维等）就显得非常重要了。第三章介绍了基于分层递阶图的降维与可

6、视化信息融合方法，本章重点介绍分层递阶图的模型，海量数据降维和可视化信息融合等，可视化信息融合的方法。第四章在前几章的理论基础上，提出了一种基于多源海量数据分层递阶图表示模型。并且将此模型运用到脑电数据的可视化处理上，得出仿真结果，说明本文提出的模型的可行性。将此模型的仿真结果与文献中已有模型的仿真结果进行对比，体现本文提出的模型的优越性。关键词海量数据；脑电图；分层递阶图；数据预处理；神经网络；癫痫万方数据AbstractMassivedataprocessingindomesticandinternationalproblemsanddifficultieso

7、fafullanalysis,thismassofdataforthemedicine,themainmassofdataofhighdimensionaldatahierarchy,hierarchicaldimensionreductionproblem.Firstlyitexplainsthehighdimensionaldatareductionthebackground,importanceandurgency.Howtomakehigh-dimensionaldatadimensionreductionalgorithmusingamoreapprop

8、riate