【技术实现步骤摘要】
一种基于最优传输理论的边采样及边捆绑方法
本专利技术属于图形和可视化领域，涉及一种基于最优传输理论的边采样及边捆绑方法。
技术介绍
数据可视化主要是借助图形化手段，对数据加以解释，从而使用户能对数据进行深入的观察和分析。当今存在许多可视化方法，不同的数据类型可以使用不同的可视化方法，在可视化的众多对象中，节点连接图是一种基础的、重要的结构，它由顶点和边组成，适用于表示实体及实体之间的关系，实体用顶点表示，实体之间的关系用边表示。节点连接图的应用十分广泛，许多问题都可以通过建立节点连接图模型来解决，例如层次结构和网络结构等问题。然而随着数据规模日益增大，节点连接图的可视化方法变得混乱，出现了严重的视觉混淆，大量顶点的聚集与边的交叉降低了信息的辨识度，导致我们无法对边进行跟踪，也无法在整体上得出整个数据集表现出的信息。为了解决大规模数据下的视觉混淆问题，提出了各种各样的方法，总体上可归结为两种思路。第一种是拓扑结构法，改变图形的布局或基于某种规则合并某些特定数据，优化空间的利用；第二种是边捆绑法，使用曲线来代替直线，将相...
【技术保护点】
1.一种基于最优传输理论的边采样及边捆绑方法，其特征在于：该方法具体包括以下步骤：/nS1：输入节点连接图，利用层次聚类算法使用不同的距离函数基于方向和距离对边进行聚类；/nS2：使用最优传输理论，从每一类边集中采样出一条公共边作为骨架；/nS3：分别选取边的端点和重心点为控制点绘制两条三次贝塞尔曲线，并连接曲线的终点；/nS4：为贝塞尔曲线部分设置低透明度，终点连线部分设置高透明度，短边直接绘制并设置极低的透明度；/nS5：测量每个像素过度绘制的数量，使用OpenGL渲染技术进一步强调捆绑。/n
【技术特征摘要】
1.一种基于最优传输理论的边采样及边捆绑方法，其特征在于：该方法具体包括以下步骤：
S1：输入节点连接图，利用层次聚类算法使用不同的距离函数基于方向和距离对边进行聚类；
S2：使用最优传输理论，从每一类边集中采样出一条公共边作为骨架；
S3：分别选取边的端点和重心点为控制点绘制两条三次贝塞尔曲线，并连接曲线的终点；
S4：为贝塞尔曲线部分设置低透明度，终点连线部分设置高透明度，短边直接绘制并设置极低的透明度；
S5：测量每个像素过度绘制的数量，使用OpenGL渲染技术进一步强调捆绑。
2.根据权利要求书1所述的一种基于最优传输理论的边采样及边捆绑方法，其特征在于：所述步骤S1中，输入节点连接图，利用层次聚类算法对边进行聚类，具体操作为：
选择类间最不相似的两条边之间的距离作为类之间的相似值，将边ei均匀采样为N个点，用向量表示为ei＝{x1,y1,...,xN,yN}，取N等于80，使用距离函数计算两个向量之间的距离作为边之间的距离。
3.根据权利要求书2所述的一种基于最优传输理论的边采样及边捆绑方法，其特征在于：所述步骤S1中，利用层次聚类算法使用皮尔逊距离基于边的方向进行第一次聚类，皮尔逊距离被定义为：
4.根据权利要求书3所述的一种基于最优传输理论的边采样及边捆绑方法，其特征在于：所述步骤S1中，利用层次聚类算法使用欧式距离基于边的距离进行第二次聚类，欧式距离被定义为：
5.根据权利要求书4所述的一种基于最优传输理论的边采样及边捆绑方法，其特征在于：所述步骤S2中，使用最优传输理论，从每一类边集中采样出一条公共边作为骨架，包括以下步骤：
S201：将初始边看成概率空间中的概率测度，使用平方2-Wasserstein距离定义测度之间的距离：
S202：Wasserstein重心定义为多个概率分布加权Wasserstein距离的平均，如果每个测度权重相同，则重心ν被定义为：
采...
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。