[发明专利]一种用于人工智能数据分析的大数据高保真可视化方法

权利要求书

1.一种用于人工智能数据分析的大数据高保真可视化方法，其特征在于针对大数据量、高维度的向量型数据集引入了基于频数分布的双向抽样算法，保证在设定分辨率下的可视化图形与原始数据一致，即原始大数据能获得高保真的展示；所述的双向抽样算法是指，对于数据行方向采用了保持相对子空间的高保真抽样算法，对于维度方向采用了粘滞邻域极值的高保真抽样算法；详细步骤为：

1-1)、数据行方向的保持相对子区间高保真抽样算法：针对当前分辨率，对可视化图形中任意一个可分辨子空间，保持其相对的数据比例，从而使空间中的数据疏密程度与原始数据一致；

1-2)、维度方向的粘滞邻域极值高保真抽样算法：针对当前分辨率，对可视化图形中任意一个采样点的可分辨邻域，粘滞其图形边界极值，从而保持可视化的视觉效果与原始数据一致；

1-3)、可视化渲染：对步骤1-1)、1-2)的抽样结果在对应分辨率条件下渲染，渲染效果和原始数据的直接渲染一致，而渲染效率可得到大幅度增强。

2.根据权利要求1所述的一种用于人工智能数据分析的大数据高保真可视化方法，其特征在于所述的步骤1-1)中数据行方向的保持相对子区间高保真抽样算法，具体为：

2-1)、针对当前分辨率，在数据行方向将原始数据划分为p个可分辨子区间，并对每一个维度的数据对应地进行p组频数分布统计；

2-2)、将原始数据中任意维度中含有极大值或极小值的数据行加入抽样，从而保持抽样后数据的可视化边界；

2-3)、在原始数据中按照步骤2-1)频数分布所统计的各区间频率来进行抽样。

3.根据权利要求1所述的一种用于人工智能数据分析的大数据高保真可视化方法，其特征在于所述的步骤1-2)中维度方向的粘滞邻域极值高保真抽样算法，具体为：

3-1)、根据目标可视化图形的规则，获得维度方向的现有次序；

3-2)、若原始数据有n₁个维度，针对当前分辨率的可显示维度数为n₂，2≤n₂≤n₁，则保持可视化效果仅需要对每一个数据行保留n₂个数据值；该分辨率下的每一个需要保留1个采样值的可分辨邻域中存在n₁除以n₂个原始数据维度；

3-3)、为了保证高保真可视化在抽样数据上的显示效果和原始数据一致，抽样时保留了可分辨邻域中图形边界极值。

4.根据权利要求1所述的一种用于人工智能数据分析的大数据高保真可视化方法，其特征在于所述的按照步骤1-3)对抽样结果进行可视化渲染，具体为：

4-1)、对原始数据在数据行方向和维度方向同时采用步骤1-1)、1-2)的抽样算法进行抽样，获得抽样数据；相对于原始数据，抽样数据既大幅压缩了数据维度，又大幅度减少了数据行数，从而使后续的渲染效率大大提升；

4-2)、在步骤1-1)、1-2)预定的分辨率条件下，由前端渲染引擎对抽样数据进行渲染。