[发明专利]针对层次数据的正方化有序树图布局方法

说明书

技术领域

本发明属于信息可视化领域，具体涉及针对层次数据的正方化有序树图布局方法，用于对层次数据进行可视化。

背景技术

大数据时代，如何对大数据进行有效的显示，从而帮助人们分析数据是当今大数据处理的一个热点研究方向。大规模层次数据的可视分析研究是其中的重点之一。经典的层次数据可视化方法有节点-链接(Node-link)和树图(Treemap)两种表现形式。节点-链接能够充分表现数据的层次和关联特性。但是，由于其点线链接的结构，在布局上存在较大的空间浪费。当数据量大的时候，由于屏幕大小和像素的限制，使用节点-链接方法会引起节点覆盖的问题。树图在大规模层次数据的可视化上已经得到了广泛应用，包括经济，政治和文化传播等各个领域。通过树图技术，能够得到一个充分利用显示空间，具有一定层次和顺序关系的可视化视图。可以通过矩形的面积分析节点权值的大小；通过对矩形的颜色和纹理等属性进行标注和对节点相关属性分析，从而帮助人们对数据进行可视分析。节点-链接方法在关系性网络的可视分析中得到广泛应用，而树图在关注权值大小对比的层次数据可视化中应用更为广泛。

Squarified布局算法由Mark Burls等于1999年为解决最初的Slice and Dice中存在大量长宽比恶劣的矩形，导致长条状矩形难以识别的缺点而提出。Squarified布局算法在进行布局时，打乱了数据原本的顺序，通过对数据按权值进行排序，采取贪心策略，将权值大的节点首先进行填充，对每一个节点矩形的填充，都选择平局长宽比更接近1的方式，从而保证树图中所有矩形的平均长宽比接近1，使布局的矩形接近正方形，人们容易对其进行辨识、交互和分析。但节点的原本顺序被打乱，在布局中无规律可循。正因为该算法无序的缺点，局限了该技术的应用。Pivot布局算法由Ben Shneiderman等于2001年为了解决Squarified布局算法中无序的缺点提出的一种方法。Pivot布局算法采用分治的思想，运用pivot节点将数据集T的填充区域划分为四部分，分别为R₁，R_P，R₂和R₃，在当前的封闭矩形内进行布局。对于R₁，R₂和R₃的区域内，若节点数量大于1个，则重复pivot节点选择进行子问题划分并布局。但是总体而言，通过分治方法，在保证了树图布局部分有序的同时，保证每个节点填充的大致位置和长宽变化在数据更新时变化较小，从而确保其布局的稳定性和稳定的平衡性，有利于对时变更新的数据进行追踪。为了使树图布局算法具有更好的连续性和可读性，方便用户对数据进行查找。Bederson等于2002年提出了Strip布局算法。对节点采取从左到右的带状顺序进行填充，从而保证布局的连续性和可读性。为了进一步提高数据的连续性，减少Strip算法中由于权值变化引起的布局不稳定，Ying Tu等于2007提出Spiral布局算法。该算法在路径上将带状路径改为螺旋形路径，从而相对于Strip布局算法提高了布局的连续性和稳定的平衡性。

总结前人的工作：Squarifeid使用排序规则，贪心选择权值最大的节点优先填充，因此得到平均长宽比非常接近1的布局；Pivot将问题分而治之，使相邻顺序的数据集中在某一个区域，具有较好的稳定性和稳定的平衡性；Strip和Spiral通过填充方向的限制，使布局效果具有很好的连续性和可读性。但现有方法都在一定程度上满足一个到两个指标，但都不能将所有的评价指标综合考虑。

发明内容

本发明目的是克服已有针对层次数据的树图布局方法，提供一种针对层次数据的正方化有序树图布局方法。该方法可以保证生成的树图在平均长宽比、平稳性、平稳的平衡性、连续性和可读性这5项评价指标上具有良好的表现。

本发明的目的是通过如下技术方案实现的。

本发明提供一种针对层次数据的正方化有序树图布局方法，对待显示的数据集(用符号DS表示)进行可视化处理，所述待显示的数据集DS是一组通过层次结构关系互相关联的数据，即层次数据；其具体操作步骤如下：

A.将待可视化数据集DS中的数据，按照层次关系表示为一棵树(用符号T表示)。

B.从上向下依次对树T中的每一层节点进行处理，同一层次的同父节点经过处理后得到一个大权值节点集，因此树T中的每一层节点进行处理后得到1个以上大权值节点集。

C.在二维平面上设置一个长宽比为6:4的矩形(用符号R表示)，其面积用符号S表示。