[发明专利]一种基于Radviz的模糊聚类结果可视化方法

摘要

本发明提供了一种基于Radviz的模糊聚类结果可视化方法，其步骤为：1)对模糊聚类算法的结果进行数据预处理；2)为RadViz圆周设计合理的聚类簇维度锚点布局；3)将数据样本以圆点模式或饼图模式投影到Radviz内部；4)将维度锚点扩展为维度圆环，实现Radviz圆环的可视编码；5)将隶属度分布信息融合到Radviz主视图中；6)提取聚类间的共存关联关系，并使用弦线映射共存关系。本发明基于Radviz对模糊聚类算法得到的模糊隶属度矩阵进行展示，不但为用户提供了尽可能多的模糊聚类信息，而且允许研究人员自由探索数据属性、隶属度矩阵和聚类簇等信息，从而使用户进行更加快速、直观、准确的决策。

主权项

1.一种基于Radviz的模糊聚类结果可视化方法，其特征在于，包含以下步骤：步骤1)：对模糊聚类算法结果进行数据预处理，得到隶属度矩阵M，隶属度矩阵M中数据点Pi对应的行向量为数据点Pi从属于各个聚类簇的隶属度向量Vi，每个数据点从属于各个聚类簇的隶属度向量V＝[V1,V2,…，Vi,…，Vn]T，i＝1,2,...,n，n为数据点的总个数；隶属度矩阵M中聚类簇Cj对应的列向量为聚类簇Cj中各个数据点从属于该聚类簇的隶属度向量Uj，每个聚类簇中各个数据点从属于该聚类簇的隶属度向量U＝[U1,U2,…，Uj,…，Um]，j＝1,2,...,m，m为聚类簇的个数；聚类簇的大小记为Size(C)，其中Size(Cj)表示第j个聚类簇Cj的大小；聚类簇的权重记为Weight(C)，Weight(Cj)表示第j个聚类簇Cj的权重；步骤2)：根据步骤1)得到的隶属度向量U，计算出聚类簇两两之间的相似性，然后以各个聚类簇为节点，聚类簇之间的相似性作为节点间边的权值构造一个加权连通图，再利用prim算法在加权连通图里搜索最小生成树，将节点映射到Radviz圆周上作为Radviz维度锚点，将节点被添加到最小生成树的顺序作为Radviz维度锚点的排序t，最后根据得到的聚类簇对两两之间的相似性和Radviz维度锚点的排布顺序t，计算出每个Radviz维度锚点在Radviz圆周上的弧度，进一步计算得到Radviz维度锚点在Radviz圆周上的位置；步骤3)：根据步骤2)得到的Radviz维度锚点排布顺序t和Radviz维度锚点在Radviz圆周上的位置，将所有的数据点在Radviz维度锚点的弹簧拉力作用下投影到Radviz内部，弹簧拉力大小正比于数据点从属于聚类簇的隶属度；并根据步骤1)得到的每个数据点从属于各个聚类簇的隶属度向量V对数据点进行不同的着色；步骤4)：根据步骤2)得到的Radviz维度锚点排布顺序t和每个Radviz维度锚点在Radviz圆周上的弧度，将Radviz维度锚点扩展为维度圆环，并根据Radviz维度锚点对应的聚类簇给维度圆环进行不同的着色，根据步骤1)得到的每个聚类簇的大小和每个聚类簇的权重，使用维度环的厚度来映射聚类簇的大小或权重；步骤5)：根据步骤1)得到的隶属度矩阵，把隶属度范围[0,1]划分为N个等分的块，N取10至100中的整数；统计各个聚类中隶属度取值落在各个块中的比例，以此得到整个聚类的隶属度分布直方图，并将其映射为折线图；步骤6)：根据步骤1)得到的隶属度矩阵，计算两两聚类簇间的共存关系，并使用Radviz维度锚点之间的弦线来表示相应聚类间的共存关系，弦线越粗、不透明度越高则表示以大概率同时从属于这两个聚类簇的节点越多，反之则越少。