[发明专利]基于连通图和凸包的散点图去重叠算法

说明书

本发明提供了一种基于连通图和凸包的散点图去重叠算法，包括：步骤1，选取一个以图片为标记点的图片散点图，且图片散点图中的所有图片的四个边长都相等，获取图片散点图中每张图片的坐标和宽高；步骤2，通过碰撞检测算法计算图片散点图中各个图片之间的邻接矩阵；步骤3，根据计算出的各个图片之间的邻接矩阵和基于宽度优先搜索的暴力搜索方法计算图片散点图中所有图片的连通图；步骤4，对计算出的每个连通图计算凸包。本发明可以大幅减少以图片为标记的图片散点图的视觉重叠，完全消除图片散点图中单个凸包内的视觉重叠，为图片数据集的可视分析提供了有效的方法，提高了分析效率，用户可以准确感知图片散点图中图片的位置。

技术领域

本发明涉及数据挖掘和数据可视化技术领域，特别涉及一种基于连通图和凸包的散点图去重叠算法

背景技术

随着大数据时代的到来，人们越来越认识到数据所能够创造的价值。但是用户很难从大量数据中直接发现规律，模式，知识等。数据可视化可以将数据转化为易于感知的图像，帮助用户洞察数据内涵，理解数据所蕴含的规律，是分析、理解数据的重要工具。散点图是表示二维数据的标准方法。在散点图中，所有数据以点的形式出现在笛卡尔坐标系中，每个点所对应的横纵坐标即代表该数据在坐标轴所表示维度上的属性值大小。散点图可以帮助用户感知数据趋势、相关性和和数据异常值等。以图片为标记的散点图使用图片代替标准散点图中的点，经常出现在对于图片数据集的降维分析中，可以帮助用户感知图片数据集中的数据趋势，图片相似度，和异常图片等等。但是，由于图片相对于点占据了更大的面积，以图片为标记的散点图会出现比较严重的视觉重叠，导致用户无法准确感知图片的位置，从而降低了分析效率。因此如何有效地减轻以图片为标记的散点图的视觉重叠成为了散点图可视化的一个研究热点。

目前，散点图的去重叠方法多采用的是减少图中数据点的方法，根据数据的相似性使用单个半径较大点代表原始图形中若干个临近的点。现有的方法需要减少散点图中点的数量，难以保持散点图原有的趋势，而针对以图片为标记的散点图的去重叠方法几乎没有。另外，以图片为标记的散点图在对图片数据集的可视分析中几乎必不可少。尤其是在图片数据集的无监督聚类任务中，研究人员往往需要首先使用以图片为标记的散点图来分析整个数据集中的数据分布规律。但是以图片为标记的散点图的视觉重叠往往比较严重，难以有效地支撑研究人员的可视分析需求。目前，以图片为标记的散点图的去重叠方法已成为散点图可视化的研究热点，针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

本发明提供了一种基于连通图和凸包的散点图去重叠算法，其目的是为了解决以图片为标记的散点图会出现比较严重的视觉重叠，导致用户无法准确感知图片的位置，从而降低了分析效率的问题

为了达到上述目的，本发明的实施例提供了一种基于连通图和凸包的散点图去重叠算法，包括：

步骤1，选取一个以图片为标记点的图片散点图，且图片散点图中的所有图片的四个边长都相等，获取图片散点图中每张图片的坐标和宽高；

步骤2，通过碰撞检测算法计算图片散点图中各个图片之间的邻接矩阵；

步骤3，根据计算出的各个图片之间的邻接矩阵和基于宽度优先搜索的暴力搜索方法计算图片散点图中所有图片的连通图；

步骤4，对计算出的每个连通图计算凸包；

步骤5，采用基于网格布局的搜索算法分别将计算出的每个凸包所包围的面积划分为多个宽高相同的小正方形；

步骤6，将每个凸包中的图片按照图片到相对应的凸包中心的距离升序排列，将每个凸包中划分出小正方形按照小正方形到相对应的凸包中心的距离升序排列，获取每个凸包中的小正方形的坐标和宽高，将每个凸包中的小正方形的坐标和宽高分配到相对应的凸包中的图片，得到每个凸包中的每张图片新坐标和新宽高。

其中，所述步骤1具体包括：