Strategies of selecting the basis vector set in the relative MDS
In this paper, a method of large multidimensional data visualization that associates the multidimensional scaling (MDS) with clustering is modified and investigated. In the original algorithm, the visualization process is divided into three steps: the basis vector set is constructed using the k‐mean...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Vilnius Gediminas Technical University
2006-12-01
|
| Series: | Technological and Economic Development of Economy |
| Subjects: | |
| Online Access: | http://www.mla.vgtu.lt/index.php/TEDE/article/view/8008 |
| _version_ | 1818889848050679808 |
|---|---|
| author | Jolita Bernatavičienė Gintautas Dzemyda Olga Kurasova Virginijus Marcinkevičius |
| author_facet | Jolita Bernatavičienė Gintautas Dzemyda Olga Kurasova Virginijus Marcinkevičius |
| author_sort | Jolita Bernatavičienė |
| collection | DOAJ |
| description | In this paper, a method of large multidimensional data visualization that associates the multidimensional scaling (MDS) with clustering is modified and investigated. In the original algorithm, the visualization process is divided into three steps: the basis vector set is constructed using the k‐means clustering method; this set is projected onto the plane using the MDS algorithm; the remaining data set is visualized using the relative MDS algorithm. We propose a modification which differs from the original algorithm in the strategy of selecting the basis vectors. In our modification, the set of basis vectors consists of vectors that are selected from k clusters in a new way. The experimental investigation showed that the modification exceeds the original algorithm in visualization quality and computational expenses.
Bazinių vektorių parinkimo strategijų analizė, taikant santykinį daugiamačių skalių metodą
Santrauka
Nagrinėjamas daugiamačių skalių metodas (MDS), pritaikytas didelių duomenų aibių analizei. Bendra algoritmo schema išskiriama į tris etapus: suformuojama bazinių vektorių aibė, paskui, naudojant klasikinį MDS algoritmą, baziniai vektoriai projektuojami į plokštumą, likusi duomenų aibė vizualizuojama, naudojant santykinį MDS algoritmą. Originaliame algoritme bazinių vektorių aibė formuojama, atsižvelgiant į k vidurkių klasterizavimo rezultatus. Šiame straipsnyje pasiūlytos dvi naujos bazinių vektorių parinkimo strategijos: vienoje taip pat atsižvelgiama į k vidurkių klasterizavimo rezultatus, tačiau kitu būdu, kitoje baziniais vektoriais parenkami duomenų aibės taškai. Eksperimentiniai tyrimai parodė, kad pasiūlytų strategijų naudojimas pagerina vizualizavimo kokybę, sutaupo skaičiavimo laiką.
Reikšminiai žodžiai: daugiamačių skalių metodas, vizualizavimas, klasterizavimas, bazinių vektorių aibė, naujų taškų vaizdavimas.
First Published Online: 21 Oct 2010 |
| first_indexed | 2024-12-19T17:15:32Z |
| format | Article |
| id | doaj.art-80e8ed8dd0874791b02ea42c73c130b1 |
| institution | Directory Open Access Journal |
| issn | 2029-4913 2029-4921 |
| language | English |
| last_indexed | 2024-12-19T17:15:32Z |
| publishDate | 2006-12-01 |
| publisher | Vilnius Gediminas Technical University |
| record_format | Article |
| series | Technological and Economic Development of Economy |
| spelling | doaj.art-80e8ed8dd0874791b02ea42c73c130b12022-12-21T20:12:54ZengVilnius Gediminas Technical UniversityTechnological and Economic Development of Economy2029-49132029-49212006-12-0112410.3846/13928619.2006.9637755Strategies of selecting the basis vector set in the relative MDSJolita Bernatavičienė0Gintautas Dzemyda1Olga Kurasova2Virginijus Marcinkevičius3Institute of Mathematics and Informatics, Akademijos g. 4, LT-08663 Vilnius, LithuaniaInstitute of Mathematics and Informatics, Akademijos g. 4, LT-08663 Vilnius, Lithuania; Vilnius Pedagogical University, Studentų g. 39, LT-08106 Vilnius, LithuaniaInstitute of Mathematics and Informatics, Akademijos g. 4, LT-08663 Vilnius, Lithuania; Vilnius Pedagogical University, Studentų g. 39, LT-08106 Vilnius, LithuaniaInstitute of Mathematics and Informatics, Akademijos g. 4, LT-08663 Vilnius, LithuaniaIn this paper, a method of large multidimensional data visualization that associates the multidimensional scaling (MDS) with clustering is modified and investigated. In the original algorithm, the visualization process is divided into three steps: the basis vector set is constructed using the k‐means clustering method; this set is projected onto the plane using the MDS algorithm; the remaining data set is visualized using the relative MDS algorithm. We propose a modification which differs from the original algorithm in the strategy of selecting the basis vectors. In our modification, the set of basis vectors consists of vectors that are selected from k clusters in a new way. The experimental investigation showed that the modification exceeds the original algorithm in visualization quality and computational expenses. Bazinių vektorių parinkimo strategijų analizė, taikant santykinį daugiamačių skalių metodą Santrauka Nagrinėjamas daugiamačių skalių metodas (MDS), pritaikytas didelių duomenų aibių analizei. Bendra algoritmo schema išskiriama į tris etapus: suformuojama bazinių vektorių aibė, paskui, naudojant klasikinį MDS algoritmą, baziniai vektoriai projektuojami į plokštumą, likusi duomenų aibė vizualizuojama, naudojant santykinį MDS algoritmą. Originaliame algoritme bazinių vektorių aibė formuojama, atsižvelgiant į k vidurkių klasterizavimo rezultatus. Šiame straipsnyje pasiūlytos dvi naujos bazinių vektorių parinkimo strategijos: vienoje taip pat atsižvelgiama į k vidurkių klasterizavimo rezultatus, tačiau kitu būdu, kitoje baziniais vektoriais parenkami duomenų aibės taškai. Eksperimentiniai tyrimai parodė, kad pasiūlytų strategijų naudojimas pagerina vizualizavimo kokybę, sutaupo skaičiavimo laiką. Reikšminiai žodžiai: daugiamačių skalių metodas, vizualizavimas, klasterizavimas, bazinių vektorių aibė, naujų taškų vaizdavimas. First Published Online: 21 Oct 2010http://www.mla.vgtu.lt/index.php/TEDE/article/view/8008multidimensional scalingvisualizationclusteringbasis vector setnew points mapping |
| spellingShingle | Jolita Bernatavičienė Gintautas Dzemyda Olga Kurasova Virginijus Marcinkevičius Strategies of selecting the basis vector set in the relative MDS Technological and Economic Development of Economy multidimensional scaling visualization clustering basis vector set new points mapping |
| title | Strategies of selecting the basis vector set in the relative MDS |
| title_full | Strategies of selecting the basis vector set in the relative MDS |
| title_fullStr | Strategies of selecting the basis vector set in the relative MDS |
| title_full_unstemmed | Strategies of selecting the basis vector set in the relative MDS |
| title_short | Strategies of selecting the basis vector set in the relative MDS |
| title_sort | strategies of selecting the basis vector set in the relative mds |
| topic | multidimensional scaling visualization clustering basis vector set new points mapping |
| url | http://www.mla.vgtu.lt/index.php/TEDE/article/view/8008 |
| work_keys_str_mv | AT jolitabernataviciene strategiesofselectingthebasisvectorsetintherelativemds AT gintautasdzemyda strategiesofselectingthebasisvectorsetintherelativemds AT olgakurasova strategiesofselectingthebasisvectorsetintherelativemds AT virginijusmarcinkevicius strategiesofselectingthebasisvectorsetintherelativemds |