[发明专利]基于多维标识的数据可视化处理方法和系统

权利要求书

1.一种基于多维标识的数据可视化处理方法，其特征在于，包括以下步骤：

通过互联网技术采集与选定主体相关的客户端大数据；

将客户端大数据导入到分布式数据库，并对导入的数据进行整理归类，同时进行数据筛选去重，并排除无用无效的数据后得到有效数据；

将有效数据进行降纬度处理得到低维度数据；

采用HTML 5<canvas>标签，通过JavaScript调用canvas的API实现对低纬度数据的图像绘制，以使得具有千万量级的数据通过简单的可视化数据图展示处理。

2.按照权利要求1所述的基于多维标识的数据可视化处理方法，其特征在于，将有效数据进行降纬度处理得到低维度数据具体包括以下步骤：

界定目标，确定与选定主题密切相关的目标；

采用多维标识法，降低有效数据的维度；

以空间图的方式用最少的维度拟合输出数据。

3.按照权利要求2所述的基于多维标识的数据可视化处理方法，其特征在于，采用多维标识法，降低有效数据的维度具体包括以下步骤：

按不同的维度对有效数据进行划分；

通过时间节点对有效数据分类得到第一数据；

通过动作节点对有效数据分类得到第二数据；

将分类后的第二数据进行排点。

4.按照权利要求3所述的基于多维标识的数据可视化处理方法，其特征在于，采用Principal Component Analysis算法对数据的维度进行降低处理。

5.按照权利要求4所述的基于多维标识的数据可视化处理方法，其特征在于，Principal Component Analysis算法的计算方法如下：

设n维向量w为目标子空间的一个坐标轴方向，该坐标轴方向称为映射向量，最大化数据映射后的方差如下公式：

$\underset{w}{max}\frac{1}{m-1}\underset{i=1}{\overset{m}{\&Sigma;}}{\left(w^T\right(x_i-\stackrel{\&OverBar;}{x}\left)\right)}^2$

其中m是数据实例的个数，xi是数据实例i的向量表达，是所有数据实例的平均向量；

W为包含所有映射向量为列向量的矩阵，经过线性代数变换，得到如下优化目标函数：

$\begin{array}{ccc}\underset{W}{\min }tr\left(W^{T}AW\right),& s.t.& W^{T}W=I\end{array}$

$A=\frac{1}{m-1}\underset{i=1}{\overset{m}{\&Sigma;}}(x_i-\stackrel{\&OverBar;}{x}){(x_i-\stackrel{\&OverBar;}{x})}^T$

其中tr表示矩阵的迹，A是数据协方差矩阵。