[发明专利]一种基于人体形态的多维数据可视化方法

说明书

本发明公开了一种基于人体形态的多维数据可视化方法；本发明首先运用数据挖掘中的K‑means聚类方法将数据集中的各个数据记录进行聚类，并建立各簇集的颜色映射表；其次，进行人体形态可视化布局的设计；然后，建立数据属性与人体各部位特征以及平行坐标轴之间的映射关系；最后，根据各簇集的颜色映射表为各人体面颊加上对应颜色。通过使用本发明的方法进行多维数据的可视化，可更加方便和有效地对数据进行分析，把握各个数据记录的特点，并得出准确结论，为进一步的数据分析建立了良好的基础。

技术领域

本发明涉及多维数据可视化领域，具体讲是一种基于人体形态的多维数据可视化方法。

背景技术

数据可视化是数据分析处理中非常重要的一环。日常生活中的数据可分为多维数据、时序数据、地理空间数据、文本数据以及层次与网络数据等多个类型，针对不同类型的数据有着不同的可视化方法。

所谓多维数据，通常指具有若干数据属性的结构化数据，数据集中的每一行代表各数据记录，每一列代表各数据记录在对应属性上的值。

目前，多维数据的可视化主要有基于几何的多维数据可视化、面向像素的多维数据可视化、基于图标的多维数据可视化等方法。其中最常见的是基于几何的多维数据可视化方法，其中的平行坐标、散点图矩阵等技术已广泛应用与生活生产中的各个方面。

B.T.Kabulovp在论文《Enhanced Chernoff Faces》中针对H.Chernoff在1973年提出的原始的Chernoff Faces可视化方法进行了一定改进。B.T.Kabulov在文中将每个图形属性的大小增加了相应的参照刻度，并在视图附近标明了对应属性名和属性值，这样在可视化分析时就省去了映射关系表的建立过程以及不同视图间的参照对比，并简化了设计。

现有技术的缺点：该方法由于在视图中加入了大量文本信息，使得可视化视图变得有些杂乱和模糊不清，一定程度上破坏了数据可视化让用户更加清晰明了地观察分析可视化视图的设计原则。

发明内容

本发明提供了一种基于人体形态的多维数据可视化方法；本发明首先运用数据挖掘中的K-means聚类方法将数据集中的各个数据记录进行聚类，并建立各簇集的颜色映射表；其次，进行人体形态可视化布局的设计；然后，建立数据属性与人体各部位特征以及平行坐标轴之间的映射关系；最后，根据各簇集的颜色映射表为各人体面颊加上对应颜色。

本发明是这样实现的，构造一种基于人体形态的多维数据可视化方法，其特征在于：具体步骤如下：步骤1确定需进行可视化的数据集和数据属性；

步骤2针对各数据记录进行聚类处理；

步骤3人体形态多维数据可视化布局；

步骤4建立数据属性与人体各部位特征以及平行坐标轴之间的映射关系；

步骤5将对应的颜色对应到人体的面颊颜色，面颊的不同颜色表示不同数据记录的聚类簇集，方便用户对不同数据记录的区分。

根据本发明所述一种基于人体形态的多维数据可视化方法，其特征在于：步骤1包括如下步骤；

步骤1.1利用随机抽样筛选选择若干数据记录进行可视化；

步骤1.2选择对于特定数据分析目的有意义的数据属性进行可视化；在数据库中可提前利用SQL查询语句进行属性的筛选。

根据本发明所述一种基于人体形态的多维数据可视化方法，其特征在于：步骤2包括如下步骤；

步骤2.1利用K-means方法为数据记录进行聚类处理；

步骤2.2建立各聚类簇集的颜色映射表；颜色映射表的建立目的是为步骤5提供一个面颊颜色映射参照，颜色映射表指明了不同簇集相应的颜色表示。