[发明专利]一种平行坐标图的密度失真与重影簇的反走样方法

说明书

本发明涉及一种平行坐标图的密度失真与重影簇的反走样方法，属于数据可视化应用技术领域。该方法包括以下步骤：S1：在像素屏幕空间来研究不同的视觉结构，将数据值映射为像素坐标，并定义一维轴直方图和二维轴对直方图；S2：计算像素空间形式化过度绘图的程度以及其他已有度量指标；S3：计算平行坐标图不同轴对的组合矩阵，以及其对应的所有度量指标加权平均后的值形成cost矩阵，以最佳轴对序列对平行坐标图进行维度重排，并基于斜率渲染折线得到改进后的平行坐标图。本发明有利于在基于斜率渲染折线的基础上减少平行坐标图密度失真与重影簇现象的出现，并有效地提高用户对数据中类簇的识别。

技术领域

本发明属于数据可视化应用技术领域，涉及一种平行坐标图的密度失真与重影簇的反走样方法。

背景技术

高维数据可视化技术基于可视化管道可分为三类：数据转换、可视化映射、视图转换。在数据转换过程中要对数据进行分析，以求最大化地把信息从杂乱无章、非结构化的数据中萃取、提炼出来。视图转换是在视图中呈现数据的各种特征。而进行可视化展示的核心是通过设计合理的方案和算法，将经过变换处理的信息映射为可供绘制、显示的形状或属性，也就是可视化映射过程。

经过科学家的努力，目前，可视化映射过程主要有：散点图矩阵、平行坐标、层次坐标、维度堆叠、多维柱状图、像素图等呈现方法。在这些方法中，平行坐标技术是研究和应用最为广泛的方法之一。因为其能将多维数据直观的在二维平面上展示，并且易于对数据进行分析理解的特性，基于平行坐标的各种交互和变形技术已得到了很大的发展，例如刷技术、数据的抽象、维数控制、放缩技术以及分层的显示模式等，这些条件为基于平行坐标的高维数据可视化的研究提供了很好的前提和基础。

不过平行坐标技术存在几个缺陷。例如，当数据规模较大时，平行坐标中的边的数量增多，各边之间形成大量的重叠，这会造成视觉上的混淆，而这种混乱将会进一步造成数据分析人员对数据判断的干扰，使完成集合内部和集合之间的任务分析变得困难。为了解决这个问题，在平行坐标技术的基础上，又有很多高维数据的可视化方法被提出，去改进缺陷。主要有四个方面：采样和滤波技术、维度重排和降维、基于类簇和密度的渲染、改变折线。其中，使用采样和滤波技术的基本前提是，数据越少，杂波和过度绘图的程度就越小，而通常由许多数据纪录表示的一般结构仍保留在平行坐标图中。另一种减少平行坐标图混乱的方法是通过某种规则对平行坐标的属性轴顺序进行调整，以减少边线之间的重叠，从而缓解视觉混淆，或者通过减少高维数据的维数以减少计算量和问题的复杂性。还可以通过密度分布渲染来突出显示类簇和其他模式。一般的想法是将平行坐标图渲染为密度分布，而不是单个折线。还有一种常用的技术是修改平行坐标图的折线，尤其是修改整条线的线宽、不透明度、颜色和形状。在此之前，还没有关于基于斜率的渲染如何提高用户对簇的识别的经验研究。

而评估平行坐标图渲染质量的度量指标作为视觉显示与用户的分析任务之间的桥梁，在信息可视化中也起着重要的作用。它能够用来帮助用户了解数据的相关性、感知数据的结构以及识别类簇。在平行坐标的背景下，基于图像空间的度量指标主要有：维度之间的相似性；维度之间的非相似度；距离变换；线的交叉；平行度；互信息(相关性)；交叉角；基于像素的熵；收敛度/发散度等。

发明内容

有鉴于此，本发明的目的在于提供一种平行坐标图密度失真与重影簇的反走样方法，基于像素屏幕空间，形式化过度绘图的程度，并结合平行坐标图的其他度量指标(线交叉的数量、收敛度/发散度、平行度、互信息等)量化不同的视觉结构，根据用户指定的度量指标权重使用分支界定算法选择最佳的轴布局对平行坐标图进行维度重排，并且基于斜率对折线进行渲染，减少密度失真和重影簇的出现，并提高用户对簇的识别。

为达到上述目的，本发明提供如下技术方案：

一种平行坐标图的密度失真与重影簇的反走样方法，包括以下步骤：

S1：在像素屏幕空间来研究不同的视觉结构：将数据值映射为像素坐标；定义一维轴直方图和二维轴对直方图，后续所有平行坐标图度量指标的值都是基于这两种直方图计算的；