多维度战略数据的Chernoff脸谱图表示方法与实证研究

doi:10.11925/infotech.1003-3513.2010.07-08.04

现代图书情报技术

2010, Vol. 26

Issue (7/8): 15-21 https://doi.org/10.11925/infotech.1003-3513.2010.07-08.04

专题

本期目录 | 过刊浏览 | 高级检索

多维度战略数据的Chernoff脸谱图表示方法与实证研究

王健海^1，2 曾桢¹

¹（武汉大学信息管理学院武汉 430072）
²（惠州学院计算机科学系惠州 516007）

Expressing Method and Empirical Research on the Use of Chernoff Faces to Represent Multi-dimensional Strategic Data

Wang Jianhai^1，2 Zeng Zhen¹

¹(School of Information Management,Wuhan University,Wuhan 430072,China)
²(Department of Computer Science,Huizhou University,Huizhou 516007,China)

摘要
参考文献
相关文章
Metrics

全文: PDF (519 KB) HTML
输出: BibTeX | EndNote (RIS)

摘要

针对实际需要，提出一种将经过适度简化的Chernoff脸谱图应用于多维度战略数据分析的方法，在脸谱图的指标变量分配方面提出基于熵权的最重要指标分配法。以此Chernoff脸谱图为可视化工具,对珠江三角洲地区惠州、中山、江门三个地级市2008年度的主要经济战略指标数据进行实证对比分析，验证该方法的有效性与实用性。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	周宁

关键词 ： Chernoff脸谱图, 经济指标, 多元分析

Abstract：

According to the actual needs, the article puts forward a new method which applies moderately simplified Chernoff faces on multi-dimensional strategic data analysis. The strategy in the index variables distribution of Chernoff faces is the most important index distribution method based on entropy weight. Using improved Chernoff faces as visualization tool, the authors make a practical comparison analysis on some key economic strategic data in 2008 of three prefecture-level cities within the Pearl River Delta area. These cities are Huizhou, Zhongshan and Jiangmen. The research result shows that the method has the validity and practicality.

Key words： Chernoff faces Economic index Multiple statistical analysis

收稿日期: 2010-05-04 出版日期: 2010-09-19

TP391

通讯作者: 王健海 E-mail: wjh@hzu.edu.cn

作者简介: 王健海曾桢

引用本文:

王健海曾桢. 多维度战略数据的Chernoff脸谱图表示方法与实证研究[J]. 现代图书情报技术, 2010, 26(7/8): 15-21.
Wang Jianhai Zeng Zhen. Expressing Method and Empirical Research on the Use of Chernoff Faces to Represent Multi-dimensional Strategic Data. New Technology of Library and Information Service, 2010, 26(7/8): 15-21.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2010.07-08.04 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2010/V26/I7/8/15

［1］ Chernoff H. The Use of Faces to Represent Points in K-dimensional Space Graphically［J］. Journal of the American Statistical Association，1973, 68(342): 361-368.
［2］ Huff D L, Mahajan V, Black W C. Facial Representation of Multivariate Data［J］. The Journal of Marketing，1981, 45(4): 53-59.
［3］ Song R, Zhao Z, Ou M. A Novel Clustering Method for Chernoff Faces Based on V-system［C］. In: Proceedings of the 2009 IEEE International Conference on Information and Automation, ICIA 2009.2009: 1556-1561.
［4］ Song R, Zhao Z, Wang X. The Application of V-system in Visualization of Multidimensional Data［C］. In: Proceedings of the 11th IEEE International Conference on Computer-Aided Design and Computer Graphics.2009: 170-173.
［5］王金甲，洪文学，李昕. 一种K-均值脸谱图聚类新算法［J］. 仪器仪表学报，2007, 28(10): 1916-1920.
［6］王金甲，李静，李昕，等. 着装脸谱图的分类新算法［J］. 燕山大学学报，2008, 32(5): 429-434.
［7］殷菲，潘晓平，吴震. Chernoff脸谱图的改进［J］. 中国卫生统计，2003, 20(4): 194-196.
［8］ Saxena P C, Navaneetham K. The Effect of Cluster Size, Dimensionality, and Number of Clusters on Recovery of True Cluster Structure Through Chernoff-type Faces［J］. The Statistician，1991, 40(4): 415-425.
［9］任永功. 面向聚类的数据可视化方法及相关技术研究［D］. 沈阳: 东北大学, 2006.
［10］方开泰. 多变量样本的图分析法(一)［J］. 数学的实践与认识，1981(3): 63-71.
［11］洪文学，李听，徐永宏. 基于多元统计图表示原理的信息融合和模式识别技术［M］. 北京: 国防工业出版社, 2008: 100-103.
［12］ Flury B, Riedwyl H. Graphical Representation of Multivariate Data by Means of Asymmetrical Faces［J］. Journal of the American Statistical Association，1981, 76(376): 757-765.
［13］朱锦懋. Chernoff脸谱图的计算程序设计［J］. 福建林学院学报，1987, 7(1): 27-31.
［14］ Dickson S. Chernoff Face［EB/OL］.［2010-02-13］.http://mathworld.wolfram.com/ChernoffFace.html.
［15］邱菀华. 管理决策与应用熵学［M］. 北京: 机械工业出版社, 2002: 140-194.
［16］ Morris C J, Ebert D S, Rheingans P. Experimental Analysis of the Effectiveness of Features in Chernoff Faces［C］. In: Proceedings of SPIE - The International Society for Optical Engineering.2000: 12-17.
［17］黄亚钧. 宏观经济学［M］. 3版. 北京: 高等教育出版社, 2009: 26-41.

[1]	吕英杰, 范静, 刘景方. 基于文体学的中文UGC作者身份识别研究[J]. 现代图书情报技术, 2013, 29(9): 48-53.
[2]	王昊, 邹杰利, 邓三鸿. 面向中文图书的自动标引模型构建及实验分析[J]. 现代图书情报技术, 2013, 29(7/8): 55-62.
[3]	郭舒. 文献数据库中作者名消歧算法研究[J]. 现代图书情报技术, 2013, 29(7/8): 69-74.
[4]	胡昌平, 陈果. 共词分析中的词语贡献度特征选择研究[J]. 现代图书情报技术, 2013, 29(7/8): 89-93.
[5]	李霄, 丁晟春. 垃圾商品评论信息的识别研究[J]. 现代图书情报技术, 2013, 29(1): 63-68.
[6]	曾少勤, 王惠临, 张寅生. 汉语文本的最小递归语义表示研究——以名词性量化短语为例[J]. 现代图书情报技术, 2012, (10): 35-41.
[7]	宋文, 黄金霞, 刘毅, 汤怡洁. 面向知识发现的SKE关键技术及服务[J]. 现代图书情报技术, 2012, 28(7): 13-18.
[8]	王莉. 基于关键词链的动态分面研究[J]. 现代图书情报技术, 2012, 28(7): 76-81.
[9]	刘萍, 陈烨. 词汇相似度研究进展综述[J]. 现代图书情报技术, 2012, 28(7): 82-89.
[10]	朱雯晶, 夏翠娟. 二维码在图书馆移动服务中的应用——以上海图书馆为例[J]. 现代图书情报技术, 2012, 28(7): 115-120.
[11]	马健, 杜泽宇, 李树青. 基于多兴趣特征分析的图书馆个性化图书推荐方法[J]. 现代图书情报技术, 2012, 28(6): 1-8.
[12]	江华, 苏晓光. 无词典中文高频词快速抽取算法[J]. 现代图书情报技术, 2012, 28(6): 50-53.
[13]	薛建武, 白燚. 本体拓扑结构关系存储研究[J]. 现代图书情报技术, 2012, 28(5): 26-31.
[14]	肖晶, 梁冰, 张晓丹, 吕世炅. 一种面向篇级数据的作者名消歧规则和算法[J]. 现代图书情报技术, 2012, 28(5): 55-59.
[15]	李振清, 刘建毅, 王枞, 吴旭. 同行评议专家遴选系统研究与实现[J]. 现代图书情报技术, 2012, 28(5): 81-86.

Viewed

Full text

Abstract

Cited

Shared

Discussed