[发明专利]基于聚类相关性的平行坐标轴的可视化排列方法

说明书

本发明公开了一种基于聚类相关性的平行坐标轴的可视化排列方法，包括：对在平行坐标轴上展示的多维数据的每个维度执行基于核密度估计的聚类算法，得到多维数据的每个维度的集群；利用计数对集群比较的评估模型，对多维数据的每两个维度的集群计算聚类评估指标，得到对应的相关性系数，再利用相关性系数对各维度之间的相关性进行量化并可视化展示，使用多维标度法将量化后的各维度之间的相关性映射到二维坐标系中；遍历二维坐标系中的所有数据，找到一条长度最小的路径，并按该路径连接所有数据，以该路径依次经过的维度的顺序作为平行坐标轴的新轴序。本发明更着重于跨维度的集群分布，获得效果更好的平行坐标轴轴序来支持对多维数据的视觉探索。

技术领域

本发明涉及一种平行坐标轴的可视化排列方法，属于信息技术领域。

背景技术

随着多维数据在各种应用领域中愈发普遍，使得专家们对于理解多个维度之间特定领域的现象关系变得更为重要。然而，多维数据超出了人类的理解力，因此，我们需要有效的工具来帮助我们理解，近几年，大家提出了几种多维数据的可视化方法，例如，多维标度法(MDS，Multidimensional scaling)、散点矩阵法(SPLOM,scatterplot matrices)、平行坐标轴分析法(PCP,parallel coordinate analysis plots)等等。其中，多维标度法可以对多维数据进行很好的概述，同时能够保持数据集每单个案例的相似性水平，但不可避免的是它会丢失原始数据。散点矩阵法能为我们提供一个简单的、熟悉的、清晰的数据分布视图，然而，由于它采用2D平铺布局，就很难辨别并处理两个以上变量的关系。最后，通过在平面上嵌入二维笛卡尔坐标系统来构造平行坐标轴视图。平行坐标显示原始的多维数据点，作为跨越一组平行垂直轴的多线，每条折线代表一个样本，每个轴都是一个特征，它可以在一个显示器中传输所有数据维度，并保留原始数据的维度。平行坐标可以很好地展示整体概况图、原始数据集，并能清楚地显示维度之间的关系。然而，平行坐标轴的顺序会影响平行坐标轴所显示的模式，因为只有两个相邻的轴之间的关系是可视化的，所以，一个好的维度排序可以很清楚地表达数据的相互关系，而一个糟糕的维度顺序将会隐藏我们感兴趣的特征。维度的重新排列是一种改善平行坐标轴表达的直接方法，然而,在维度数目非常大的情况下，就必须尝试实现一个首选的可视化结果，因此，极需要一种有效的方法来指导用户选择有价值的维度排序。

很长时间以来，平行坐标轴中的维度顺序一直是一个传统的研究课题。当维度的数量相对较小时，可以使用枚举的方法来可视化多重的路径。但是随着维度数量的增加，上述方法将变得不切实际，要么是由于计算复杂度的困难，要么是屏幕空间的限制。Zhang等人建议使用皮尔逊的相关系数(Pearson correlation coefficient)来确定轴的排列方式(Z.Zhang,K.T.Mcdonnell,K.Mueller,A network-based interface for theexploration of high-dimensional data spaces,Pacific Visualization Symposium,201217–24)。Wu等人使用了一种基于维度排序算法确定相关性来自动生成推荐的坐标轴顺序。在此之后，用户可以很容易地拖动任何轴以根据不同的应用程序来进行调整(W.Wu,J.Xu,H.Zeng,Y.Zheng,H.Qu,B.Ni,M.Yuan,L.M.Ni,Telcovis:visual exploration ofco-occurrence in urban human mobility based on telco data.,IEEETrans.Visual.Comput.Graph.22(1)(2015)935–944)。Qu等人发明并使用加权完全图，以综观所有维度的相关性来帮助用户确定平行坐标轴顺序(H.Qu,W.Y.Chan,A.Xu,K.L.Chung,K.H.Lau,P.Guo,Visual analysis of the air pollution problemin hong kong.,IEEETrans.Visual.Comput.Graph.13(6)(2007)1408)。然而，它们都关注于数据本身，而忽略了平行坐标轴确定轴序期间的跨维度的集群分布。

发明内容