[发明专利]基于Isomap算法布局的低维平行坐标图构建方法

权利要求书

1.基于Isomap算法布局的低维平行坐标图构建方法，其特征在于：包括以下步骤：

步骤S1，利用Isomap算法进行维度相关性计算及布局；

步骤S2，维度子集划分；

步骤S3，维度顺序排布并构造平行坐标图。

2.根据权利要求1所述的基于Isomap算法布局的低维平行坐标图构建方法，其特征在于：所述步骤1中利用Isomap算法进行维度相关性计算及布局，还包括以下步骤：

步骤S1.1数据的预处理；

步骤S1.2计算数值维度的各个维度对(d_i,d_j)间的距离dist(d_i,d_j)，并生成距离矩阵L；

步骤S1.3将得到的距离矩阵输入MDS算法，得到维度点的二维散点图布局。

3.根据权利要求2所述的基于Isomap算法布局的低维平行坐标图构建方法，其特征在于：所述步骤S1.1数据的预处理的方法是数据清洗，填补缺失值，建立数据集，并将数据集维度的值视为向量；

数据集D有n个样本，样本的属性为m维，则数据集D和第i项a_i表述为：

D＝{a₁,a₂,…,a_n}

a_i＝{v_i1,v_i2,…,v_im}

其中，v_ij表示第i项的第j维值；

将每个数值维度视为一个向量，则得到：

D＝{d₁,d₂,…,d_m}

d_j＝{v_1j,v_2j,…,v_nj}

其中，d_j表示第j维度，n为样本数。

4.根据权利要求2所述的基于Isomap算法布局的低维平行坐标图构建方法，其特征在于：所述步骤S1.2计算数值维度的各个维度对(d_i,d_j)间的距离dist(d_i,d_j)，并生成距离矩阵L的方法还包括以下步骤：

步骤S1.2.1，设定邻近参数k，即d_j与k个近邻维度点之间的距离设置为欧式距离；

将维度点d₁作为起始，记为集合S＝{d₁}，集合U包含除点d₁外的其他顶点，即U＝{其余顶点}，若集合U中维度点u是d₁的近邻维度点，则d₁,u的距离记为dist(d₁,u)，若u不是d₁的近邻维度点，则d₁,u的距离记为∞；

步骤S1.2.2，从d₁的k个近邻维度点中选取一个距离最小的维度点d₂，并将d₂从集合U中移除，加入到集合S中；以d₂为新考虑的起始点，修改除集合U中维度点的距离：若从起始点d₁经过d₂到维度点u的距离比不经过维度点d₂的距离短，则修改维度点u的距离值为dist(d₁,u)＝d₁,d₂+d₂,u；

步骤S1.2.3，重复步骤S1.2.2直到所有维度都包含在S中，求出d₁与所有维度点的距离；最终计算数值维度的各个维度对(d_i,d_j)间的距离dist(d_i,d_j)，并生成距离矩阵L，表示为：L＝(dist(d_i,d_j))_m×m。