[发明专利]一种面向全排列数据的多变量可视分析方法

说明书

一种面向全排列数据的多变量可视分析方法，包括以下步骤：(1)对原始数据集合中的有限项目使用全排列算法得出所有排序方案；(2)根据原始数据中各个项目两两之间的连接属性，分别对排序方案添加连接属性信息；(3)通过MDS算法将所有排序方案降维聚类；(4)可视化分析：MDS view聚类视图、PCP View平行坐标视图、Perm View矩阵视图，各个视图之间交互分析，引导用户选择自己感兴趣的方案集群和排序方案。本发明从大量的全排列方案中挖掘出特殊的集群模式，将排列方案之间的相似性和差异性通过可视化让用户从中分析并结合自己的需求得出最佳的排序方案。

技术领域

本发明涉及一种面向全排列数据的多变量可视分析方法。

背景技术

全排列是组合学中最常见和最基本的主题之一，在科学，工程和商业领域出现了许多问题。而且也出现在数学、组合数学、计算机科学、运筹学、计算分子生物学、自然语言处理、甚至配色方案等许多基础和应用学科中。

最常见的情况是许多现实世界的问题在数学上是难以处理的。在这些情况下，需要排列组合技术来计算，枚举或表示解决应用程序问题过程中的可能解决方案。由于在实际应用中的基本性质和重要性，研究者们广泛研究了组合序列的产生，例如排列和组合。

我们在日常生活或工作要求中遇到一些规则的排列项目。如旅行计划的最佳旅行顺序，音乐创作中音符的最佳组合，还有最有效的电路组合设计等。大多数情况下，排列的目的是根据要求找到最佳的解决方案或模式。通过排列一个集合中不同项目，获得不同排列序列的方案，用户通过测试筛选，选择心目中最优的结果。但是，全排列问题是一个NP问题，排列集合的数目伴随着项目的增加呈现指数级别的增长。这将会耗费用户大量的时间去手动测试衡量所有排列的方案，与此同时增加了用户探索不同序列变化带来不同的复杂度。

发明内容

为了解决上述缺点，使用可视化分析技术来解决多变量全排列数据的分析问题应运而生，通过可视化技术，探索从排列中搜索最佳序列的过程，比较序列之间的差异和从排列中找出一些模式，以帮助用户做出决策；本发明从多变量全排列数据中获得排序信息和统计属性，理解每个排列方案的含义，便于用户视觉上比较，帮助用户决策找出最佳排序方案，本发明提供了一种面向全排列旅游数据的多变量可视分析方法，通过d3.js进行可视化组件的设计。与当前关于全排列的研究不同，本发明通过对全排列聚类算法的改进，帮助用户发现模式，从可视化的角度出发，呈现所有排序方案。用户可以根据自己的要求选择排序方案，同时可以查看排序的多变量信息，用以辅助用户比较理解排序的顺序不同，导致的连接属性的不同。

为了解决上述技术问题本发明提供如下的技术方案：

一种面向全排列数据的多变量可视分析方法，包括以下步骤：

1)、对原始数据集合中的有限项目使用全排列算法得出所有排序方案；假设原始数据为一组集合，集合包含n个需要排列的项目item：S＝{item-1，item-2，item-3…item-n}，对每个item 设置id，然后全排列得出所有目的地的不同排序P＝{P1{1，2，3…n},P2{1，3，2…n},…,Pn！{n，n-1，n-2…1}}，不同排序P中方案的数量为Sum＝n！；

2)、根据原始数据中各个项目两两之间的连接属性，分别对上一步得到的排序方案添加其对应的连接属性信息；假设原始数据中项目之间连接的有三个属性分别用T，P，D来表示，则排序方案{1，2，3…n}对应的连接属性向量为：

L1＝{T1-2，P1-2，D1-2，T2-3，P2-3，D2-3，T3-4，P3-4，D3-4…T(n-1)-n，P(n-1)-n，D(n-1)-n}；