[发明专利]基于Isomap算法布局的低维平行坐标图构建方法

说明书

本发明属于可视化技术领域，具体涉及基于Isomap算法布局的低维平行坐标图构建方法。本发明通过对数据进行各维度间相关性计算，并依此进行布局，然后针对布局结果进行维度子集的划分，最后将维度子集进行顺序排列并构建平行坐标图。发明基于等距特征映射方法，利用大量短距离来测量长距离，从而对各维度进行更好的布局，并以此来进行低维平行坐标图的构建。使得最终得到的可视化图像能减少由于距离投影失真而带来的误差，在尽量保留原始数据大量有效信息的情况下，有效利用显示空间，并呈现出一个方便提取及解读相关维度信息的结果。

技术领域

本发明属于可视化技术领域，具体涉及基于Isomap算法布局的低维平行坐标图构建方法。

背景技术

随着大数据时代的到来，人们产生的数据量不断增多，同时数据的更新速度也在不断加快。大数据时代所带来的，不仅仅是数据量的增大，同时数据本身也发生了不小的变化。与过去相比，在现代信息流下产生的海量数据中，很大一部分都是高维数据。而由于空间想象能力的限制，人们很难直接从这种数据中来获得信息。在这种现状下，如何对高维数据进行有效处理，如何从高维数据中获取有价值的信息，就成为了有待解决的问题。

现如今，数据可视化(Data Visualization)已经成了解决该问题的一个重要方法。数据可视化是可视化分支的一种，它是将数据信息转化为视觉形式的过程，是关于数据视觉表现形式的科学技术研究。数据可视化将难以进行空间想象的高维数据，转化为可供人们直接观测的图形，这种转变不仅能够让人快速理解数据的表面信息，同时也能够充分利用人们的洞察力，使之更加轻松的推演出海量数据表象之下所隐含的逻辑关系。正因如此，高维数据的可视化也已经成为了当前众多科学家的研究方向之一。

发明内容

针对上述问题本发明提供了基于Isomap算法布局的低维平行坐标图构建方法。

为了达到上述目的，本发明采用了下列技术方案：

基于Isomap算法布局的低维平行坐标图构建方法，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。

进一步，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。

再进一步，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}