[发明专利]一种力导向分段骨骼的平行坐标系视图聚类数据绑定方法

说明书

一种力导向分段骨骼的平行坐标系视图聚类数据绑定方法，通过绑定方法创新设计，改善了绑定后的线型布局，解决了现有平行坐标系聚类绑定方法中可能对数据的分布特征造成视觉认知偏差的问题。

技术领域

本发明涉及高维数据可视化绘制领域，具体说的是基于力导向分段骨骼的平行坐标系视图聚类数据绑定方法。

背景技术

1)大数据可视化：数据可视化是计算机图形学领域的重要组成部分，通过可视化方法设计，将数据以二维或三维图形的形式绘制并呈现，通过视觉认知通道帮助用户完成对信息的理解和分析。

2)平行坐标系视图：(Parallel Coordinates Plot,PCP)是高维大数据可视化绘制的主要方式之一。可以将多属性的高维数据映射在多个坐标轴平行排列的二维平面上，帮助用户进行数据分析。PCP视图的基本问题之一是如何解决大量数据线之间的视觉杂乱干扰。

3)聚类(cluster)：基于某一标准，让计算机自动将数据集合聚拢为若干个相互独立的簇(类别)。聚类方法应用于PCP视图可以辅助用户完成数据的预处理分析。

4)绑定(Bundling):通过绑定方法，将同类的数据线聚拢，聚类之间的线束分离开，可有效减少PCP视图的视觉杂乱，提升簇间的辨识度。

聚类数据的绑定技术现状：PCP视图聚类数据可视化的方法,主要有绑定和力场作用等方法.Luo提出的将数据线由多段折线改为三次贝塞尔曲线绘制,解决了折线在视觉上不连贯的问题.Luo提出的PCP视图曲线绑定方法,通过对簇内曲线添加引力场将线束在中部进行绑定,并将各聚类线束在坐标轴高度范围内均分排布以增大簇间距离,明显提升了聚类数据的视觉辨识度.Johansson和Ljung等提出用高精度纹理来绘制聚类曲线,并通过变换函数将聚类线束转换为色彩编码的彩带,以帮助用户识别聚类数据.此外,Hong Zhou和Xiaoru Yuan等提出了基于视觉(几何属性)的聚类方法,通过曲线曲率的最小化和相邻边缘平行度的最大化来优化曲线,以实现聚类线束聚拢.Peihong Guo和HeXiao等则设计了一种针对PCP视图中局部数据进行交互式视觉聚类的方法.用户通过在视图中设置引力和斥力操作器,使临近区域的曲线产生实时的聚拢或分散,进而生成层次化的视觉聚类.刘芳和田凯等基于Peihong Guo和HeXiao的理论基础提出了给聚类的线束添加斥力场,以拉开聚类线束之间的空间距离,提升辨识度.Gregorio Palmas和Myroslav Bachynskyi等提出了一种新的边绑定布局的聚类可视化方法,它基于坐标轴上数据分布的密度进行交互式层次聚类,并以多边形填色的布局方式来表达聚类数据,方便用户进行聚类数据的概览.

以上研究从不同的角度改进了PCP视图中聚类数据的可视化效果,但仍存在一些问题：1)现有绑定方法是对聚类线束中部进行绑定,在线束两端临近坐标轴的区域,曲线之间的杂乱交叉现象仍然存在.2)现有的聚类绑定方法,在进行簇间分离布局时,缺少对聚类所包含数据量差别的考量.对于数据量较大的聚类而言,簇间分离时大量拉伸的曲线反而会增加整个视图的视觉干扰。

基金项目：洛阳市科技发展计划项目(1401064A)；河南省科学技术厅软科学研究项目(142400410036)。

发明内容

为解决在三维造型设计、数据挖掘、商业决策、市场调查、用户研究等数据可视化领域，平行坐标系的聚类数据分析广泛采用绑定方法解决数据线杂乱干扰的问题。现有的绑定方法主要缺陷在于绑定后的线束存在明显的弯曲变形和整体偏移，造成数据分布属性信息(如聚类数据的离散度、聚类数据中心的取值、聚类数据的区位分布等)的视觉表达出现偏差。本发明专利提出了一种基于力导向分段骨骼的平行坐标系视图聚类数据绑定方法，通过绑定方法创新设计，改善了绑定后的线型布局，解决了现有平行坐标系聚类绑定方法中可能对数据的分布特征造成视觉认知偏差的问题。

为实现上述技术目的，本发明采用的技术方案是：基于力导向分段骨骼的平行坐标系视图聚类数据绑定方法，其特征在于：包括以下步骤，