The invention relates to an improved method of parallel coordinates based on nonuniform piecewise mapping, which belongs to the field of computer graphics and visualization. The implementation steps are as follows: for every one-dimensional data set of the data set, the data range is divided into multiple segments, the data segmentation frequency of each segment is counted, and the histogram of data segmentation frequency of current dimension is established based on this. The piecewise parallel coordinate system is set up by integrating the frequency histogram of each dimension data into the corresponding coordinate axis. The height occupation ratio of each subsection in the coordinate axis of the piecewise parallel coordinate system is adjusted, and the non uniform piecewise mapping parallel coordinate system is realized. Aiming at every data in data set, we calculate its mapping position in the non-uniform piecewise mapping parallel coordinate system, and draw the parallel coordinate visualization results based on non-uniform piecewise mapping. The invention can simultaneously display the distribution rule of each dimension data in the data set and the correlation between adjacent dimensions, and reduce the overlap of visualization effect, and improve the efficiency of visual analysis.
【技术实现步骤摘要】
基于非均匀分段映射的平行坐标改进方法
本专利技术涉及一种针对多维数据可视化的平行坐标改进方法,属于计算机图形学与可视化
技术背景平行坐标是针对多维数据集进行可视化和可视分析的常用方法,在平行坐标可视化结果中,将多维数据的各个维用一系列相互平行的坐标轴表示,一个在多维空间的数据点被表示为一条拐点在N条平行坐标轴的折线,在第K个坐标轴上的位置就表示这个点在第K维的数据值。在平行坐标可视化结果中,当数据集的数据分布很不均匀(即数据大量集中于某些数据点周围)时,容易发生严重的可视化结果重叠问题,对可视分析过程造成很大的困扰。本专利技术针对传统的平行坐标可视化方法,提出一种将各维对应的坐标轴进行分段,并在各分段之间实现不同比例的数据映射,从而提高平行坐标对不均匀分布的多维数据集的可视化能力。在已公开的文献中,还未发现同类技术。
技术实现思路
本专利技术的目的是针对平行坐标可视化方法提出一种改进措施,使其在针对很不均匀的多维数据集进行可视化时,能够提高其表达能力。本专利技术提出的一种基于非均匀分段映射的平行坐标改进方法,包含如下步骤:步骤1:针对数据集的每一维数据,从数据的最小值至最大值的数据范围均分为多个分段。分段数由用户设定,一般需根据数据类型和内容设定,同一数据集中的不同数据维的分段数量可以不同。如第i维数据的最小值为mini,最大值为maxi,设定该维数据分段数量为Ni,则每个分段的大小为segi=(maxi-mini)/Ni,第i维数据的第j分段的范围如公式(1)所示,Rangei,j=[mini+segi*(j-1),mini+segi*j)(1) ...
【技术保护点】
一种基于非均匀分段映射的平行坐标改进方法,包含如下步骤:步骤1:针对数据集的每一维数据,从数据的最小值至最大值的数据范围均分为多个分段。分段数由用户设定,一般需根据数据类型和内容设定,同一数据集中的不同数据维的分段数量可以不同。如第i维数据的最小值为mini,最大值为maxi,设定该维数据分段数量为Ni,则每个分段的大小为segi=(maxi‑mini)/Ni,第i维数据的第j分段的范围如公式(1)所示,Rangei,j=[mini+segi*(j‑1),mini+segi*j) (1)最大值包含在最后一分段中。步骤2:针对数据集的每一维数据,统计该维数据在每一分段中出现的次数,简称为数据分段频次。步骤3:针对数据集的每一维数据,基于步骤2中得出的数据分段频次,建立描述当前维的数据分段频次的直方图。建立方法为:直方图的横坐标为数据分段,纵坐标为数据分段频次。根据直方图的定义,每一维数据所对应的直方图,可表示该维数据的分布规律。步骤4:基于数据集中的每一维数据的数据分段频次直方图,将直方图信息融入平行坐标系的相应坐标轴中,形成融合数据分段频次分布直方图的平行坐标系(简称分段平行坐标系) ...
【技术特征摘要】
1.一种基于非均匀分段映射的平行坐标改进方法,包含如下步骤:步骤1:针对数据集的每一维数据,从数据的最小值至最大值的数据范围均分为多个分段。分段数由用户设定,一般需根据数据类型和内容设定,同一数据集中的不同数据维的分段数量可以不同。如第i维数据的最小值为mini,最大值为maxi,设定该维数据分段数量为Ni,则每个分段的大小为segi=(maxi-mini)/Ni,第i维数据的第j分段的范围如公式(1)所示,Rangei,j=[mini+segi*(j-1),mini+segi*j)(1)最大值包含在最后一分段中。步骤2:针对数据集的每一维数据,统计该维数据在每一分段中出现的次数,简称为数据分段频次。步骤3:针对数据集的每一维数据,基于步骤2中得出的数据分段频次,建立描述当前维的数据分段频次的直方图。建立方法为:直方图的横坐标为数据分段,纵坐标为数据分段频次。根据直方图的定义,每一维数据所对应的直方图,可表示该维数据的分布规律。步骤4:基于数据集中的每一维数据的数据分段频次直方图,将直方图信息融入平行坐标系的相应坐标轴中,形成融合数据分段频次分布直方图的平行坐标系(简称分段平行坐标系)。建立方法为:针对数据集中的每一维数据,将基于其数据分段频次建立的直方图,进行横纵坐标交换(即纵坐标为数据分段,横坐标为数据分段频次),并进行横坐标放缩,与平行坐标系中该维数据对应的坐标轴结合。通过分段平行坐标系,能快速观察各维数据的数据分布情况。步骤5:调整分段平行坐标系中的坐标轴各分段的高度占比,建立非均匀分段映射平行坐标系。调整的原则主要为使数据频次较大的分段拥有较大的高度占比,而使数据频次较小的分段占据较小的高度占比。经过调整后的分段平行坐标系,每一维数据对应的坐标轴中的各个分段其映射比例不同,调整后的分段平行坐标系称为非均匀分段映射平行坐标系。步骤6:针对数据集中的每一条数据,计算其在非均匀分段映射平行坐标系中各坐标轴上的映射位置。针对一条数据,计算其在第i个坐标轴上的映射高度的计算方法为:步骤6.1:针对该条数据,取其第i维的数据值,命名该数据值为d;步骤6.2:根据步骤1中的分段范围,获知数据d在第i维的分段中所属的分段,命名该分段为s,并获取该分段所对应的数值范围[VsL,VsH);步骤6.3:根据分段s在当前维的所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。