基于PCA的高维多目标优化可视化方法

• 作者: 刘广 陈自郁
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 主成分分析 热图 高维多目标优化 可视化 分级聚类 降维
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: ?人工智能及识别技术?
• 页码范围: 192-197
• 页数: 6页
• 分类号: TP18
• 字数: 4629字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.10.036

摘要

高维多目标优化问题的高维解集由于目标和解的个数众多，对其可视化较为困难。针对上述问题，结合降维和非降维数据分析技术，提出一种高维多目标优化的可视化方法。该方法对高维多目标算法运行后的一组解集进行预处理，运用主成分分析方法分析数据特征，获取转换后的数据及其对应的贡献率。按照贡献率由大到小的顺序调整转换后的数据列顺序；利用主成分贡献率求解转换后数据的行间距离，运行分级聚类算法并对转换后的数据按行排序，重新组织数据，将最终的结果用热图显示。实验结果表明，该方法既能使用户明确转换后每个目标所占的贡献率，又能取得较满意的视觉效果，便于用户理解数据的整体分布并做出决策。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈自郁	重庆大学计算机学院	15	103	7.0	9.0
2	刘广	重庆大学计算机学院	1	7	1.0	1.0