[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

摘要

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。

主权项

1.一种力导向分段骨骼的平行坐标系视图聚类数据绑定方法，其特征在于：包括以下步骤，步骤一、采集多个数据样本，采用K均值方法或自组织映射方法对数据样本进行聚类分析，并根据聚类结果对数据进行类别标记，得到的聚类的类别数记为N，每个聚类中包含的样本数据的数量记为n_i；步骤二、根据各个聚类的包含的样本数据，计算得到每个聚类的中心，作为该聚类线束聚拢的基准，即每个聚类中心的初始位置，也称作骨骼；步骤三、根据坐标轴的高度Height和聚类的数量N，计算出簇间的平衡距离K，计算模型为：K＝t×Height/N其中，t为用于控制簇间距离的尺度的调节因子；步骤四、基于改进的力导向算法，进行各个聚类中心的布局计算,设有两个聚类P和Q，两聚类中心的距离记为dist(P,Q)，1)如果两簇之间的现有距离dist(P,Q)>平衡距离K，则不再施加力场效应；2)如果两簇之间的现有距离dist(P,Q)<平衡距离K，则为聚类中心添加斥力场算法,P，Q两聚类中心之间的斥力记为Fr(P，Q)，斥力效应与两中心之间距离成反比，距离越近，排斥力越大；斥力计算模型：Fr(P,Q)＝K²/dist(P,Q)3)为聚类中心添加引力场算法，模拟各聚类中心受自身初始位置的引力约束效应，将约束引力设置在偏移后的聚类中心与其自身的初始位置之间，聚类中心受到自身初始位置的约束引力记为Fa，引力效应与中心偏离自身初始位置的距离△成正比，偏离距离△越大，引力Fa越大，设聚类P和Q的中心在斥力作用下的偏移量分别为△P和△Q，达到均衡位置时移动的均衡距离分别为K_p和K_Q，聚类P和Q中心受到自身初始位置的约束引力为Fa(P)和Fa(Q)；则聚类P的中心受到的约束引力为：Fa(P)＝ΔP²/K_P同理，聚类Q的中心受到的约束引力为：Fa(Q)＝ΔQ²/K_Q4)根据各个聚类内部的样本数量n_i，计算各簇的引力调节算子d，对偏移距离进行调整，将偏移量转移到较小的簇，设聚类P和Q所包含的样本数量分别为n_P和n_Q,则；聚类P的偏移量ΔP＝(K‑dist(P,Q))×d_P其中聚类P的引力调节算子d_P＝n_Q/(n_P+n_Q)聚类Q的偏移量ΔQ＝(K‑dist(P,Q))×d_Q其中聚类P的引力调节算子d_Q＝n_P/(n_P+n_Q)5)循环迭代计算各个聚类中心所受的斥力和引力；对于聚类P的中心，受到引力Fa(P)和斥力Fr(P，Q)的作用：如果Fa(P)>Fr(P，Q)，则聚类中心P沿引力Fa(P)方向移动；如果Fa(P)<Fr(P，Q)，则聚类中心P沿斥力Fr(P，Q)方向移动；如果Fa(P)＝Fr(P，Q)，说明聚类中心P已处于力平衡状态，进入步骤五，否则循环执行步骤四，同理，循环迭代其它聚类中心，直至所有聚类中心达到受力平衡，则各聚类中心完成布局计算，得到新平衡位置；步骤五、基于聚类中心进行分段式骨骼计算，结合每个聚类中心的初始位置和新平衡位置，通过插值方法，得到多条三段式聚类骨骼；步骤六、在每个簇内线束添加引力场算法，基于每个簇内的三段式骨骼的左右两段的引力特征点，将每条数据线上两端的引力作用点向骨骼靠近，设数据线自身初始位置的能量初值为E_curvature，受骨骼约束引力作用的能量为E_{attraction‑constrain}，则在骨骼引力作用下新位置的能量值为：E＝α_cE_curvature+(1‑α_c)E_{attraction‑constrain}其中α_c是簇内引力的调节因子，α_c值越大，则数据线越靠拢骨骼；步骤七、基于相邻坐标轴上的数据点，和数据线两端的引力作用点，绘制B样条曲线，得到两端快速收敛，中部呈带状的线型；步骤八、根据坐标轴上的数据密度，通过传递函数计算并设置数据线的透明度，完成平行坐标系视图聚类绑定。