一种面向海洋多维数据的可视分析方法及系统技术方案

本发明专利技术属于可视分析技术领域，公开了一种面向海洋多维数据的可视分析方法及系统，利用降维的方法在保留数据间关系的基础上实现对大规模海洋数据的约简；在可视化展示的基础上对海洋多维数据间以及各维度间的相关性进行分析；进一步改进适合海洋多维数据的多视图可视分析方法。本发明专利技术提供的平行坐标可视化分析方法对浮标观测点数据进行可视展示，支持用户直接选择所需分析的数据文件；通过添加滑块功能选择用户感兴趣的时间点或者某一维度数据值得区间，使想观测的数据更加直观的展示；在下方数据栏中选择感兴趣的数据，可以在可视化的平行坐标中突出展示其分布情况，使可视化效果更加直观。

A Visual Analysis Method and System for Marine Multidimensional Data

【技术实现步骤摘要】
一种面向海洋多维数据的可视分析方法及系统
本专利技术属于可视分析
，尤其涉及一种面向海洋多维数据的可视分析方法及系统。
技术介绍
目前，业内常用的现有技术是这样的：目前，我国已经形成了全方位的海洋监测网，导致海洋数据呈现爆炸式增长。监测数据的来源包括航空遥感、海洋站、浮标观测系统等；多源头又造成了在获取海洋数据时要用到不同数据挖掘技术，从而又导致了海洋数据在数据格式、参数以及使用区域上都存在巨大的差异；同时，海洋数据又包含了一些如气象、水文、灾害预警等敏感信息，需要采取安全保障措施；另一方面，海洋数据的应用价值一定是体现在具体的时间和空间上的；最后海洋科学涉及多个学科，包括海洋物理、海洋化学等，每一条数据又包含多个维度信息，如海温、盐度、酸度等多维度的信息。海洋事件都离不开各类数据的共同作用，同一维度的数据或不同维度属性之间会存在或多或少的关系，研究海洋多维数据间和各维度之间的关系成为对海洋数据研究的重点内容。综合以上海洋数据的特性，传统的数据分析方法已经不再适用于对海洋多维属性数据的研究。1)多维数据可视化(Multi-DimensionalDataVisualization)多维数据可视化是信息可视化中的重要组成部分，它已经成为越来越受欢迎的显示和探索复杂多维数据的方法。现实应用中，实验数据、模拟数据和统计数据等大多以多维形式存在。如何将超过人类理解能力的三维以上的数据，转化为人类能视觉直观理解的可视化结果，是多维数据可视化所研究的专利技术。2)传统多维数据可视化方法：现有多维可视化的基本方法，包括基于几何图形、基于图标、基于像素、基于层次结构、基于图结构以及混合方法。其中，基于几何图形的多维可视化方法是近年来主要的研究方向。大数据背景下，除了数据项规模扩张带来的挑战，高维所引起的问题也是研究的重点，以下几种传统的多维数据可视分析方法：在多维数据可视分析中，散点图是最为常用的多维可视化方法。二维散点图将多个维度中的两个维度属性值集合映射至两条轴，在二维轴确定的平面内通过图形标记的不同视觉元素来反映其他维度属性值，例如,可通过不同形状、颜色、尺寸等来代表连续或离散的属性值，二维散点图能够展示的维度十分有限，研究者将其扩展到三维空间，通过可旋转的Scatterplot方块扩展了可映射维度的数目。散点图适合对有限数目的较为重要的维度进行可视化，通常不适于需要对所有维度同时进行展示的情况。投影是能够同时展示多维的可视化方法之一。将各维度属性列集合通过投影函数映射到一个方块形图形标记中,并根据维度之间的关联度对各个小方块进行布局。基于投影的多维可视化方法一方面反映了维度属性值的分布规律，同时也直观展示了多维度之间的语义关系。平行坐标(parallelcoordinates)是研究和应用最为广泛的一种多维可视化技术，将维度与坐标轴建立映射，在多个平行轴之间以直线或曲线映射表示多维信息。近年来，研究者将平行坐标与散点图等其他可视化技术进行集成，提出了平行坐标散点图PCP(parallelcoordinateplots)。将散点图和柱状图集成在平行坐标中，支持分析者从多个角度同时使用多种可视化技术进行分析。再如有的研究者建立了一种具有角度的柱状图平行坐标，支持用户根据密度和角度进行多维分析。大数据环境下，平行坐标面临的主要问题之一是大规模数据项造成的线条密集与重叠覆盖问题，根据线条聚集特征对平行坐标图进行简化，形成聚簇可视化效果，将为这一问题提供有效的解决方法。降维是常用的多维数据可视化方法，将数据从多维空间降解至低维空间，并且进行有效的分析和展示。经典的降维方法有PCA、MDS、SOM等。利用线性判断分析对多维数据进行降维，支持用户交互式标记样本，进而改进样本集合，迭代式优化分类过程。虽然降维方法能够从宏观角度展现多维数据的分布情况，却难以有效地展示原始数据各个维度的具体信息，存在一定的局限性。散点图矩阵是将散点图按照一定的顺序进行二维排列，支持用户解读原始数据并且分析任意2个维度之间的相关性。然而随着数据维度的增加，散点图矩阵的规模增加，为可视化界面的布置及用户的理解带来负担，而且基于二维散点图的拓展，使其不具有发现更多维度属性相关性的能力，仍然存在局限性。3)海洋数据可视化：近年来,在多维海洋数据可视化信息挖掘方面，国内外学者进行了大量研究，主要集中在数据模型的提出与可视化系统的建立等方面。另一方面，采用数据特性映射的方式将多种数据属性分别映射为不同的视觉特征(如色彩、亮度、大小等)；类似地，采用多重纹理映射技术将海底底质纹理映射到地形模型上。两者均实现了多维数据元素以不同的形式同时展现，便于从整体上把握各维数据的分布情况。更进一步，为了实现登岛作战中的登陆地域可行性评估，将海底的坡度、底质以及海流海浪等地理要素进行综合考虑，实现各要素数据的集成可视化，对数据信息进行更深层次的挖掘，从而为分析过程提供了可靠的理论依据。4)问题分析现阶段随着陆海空全方位海洋监测网的形成，海洋数据呈现爆炸式增长，海洋数据已经步入大数据时代。海洋大数据具有海量、多源、多维、动态、空间、异构等特征，传统的可视分析技术在挖掘海洋数据背后隐藏的信息具有一定的局限性：目前全方位的海洋监测网包括空中监测平台(卫星遥感、航空、气象等)。地面监测平台(台站、浮标、船舶等)；海底监测平台(水下传感器)等，导致海洋数据呈现从GB、TB到PB量级爆炸式增长，如何从海量数据中得到具有更高价值的数据并加以分析是目前海洋大规模监测数据面临的挑战。海洋事件离不开各类数据的共同作用，海洋数据存在较强的多维时空特性，不同维度属性之间会存在或多或少的相关性，如何准确判断海洋数据相关性是目前有待研究的重点问题。对数据进行可视分析的方法有很多，而且都存在优缺点，在众多海洋多维可视化展示结果中，探索更加适合挖掘海洋多维数据背后隐藏信息的可视化方法是重点问题。以上三个方面是海洋大数据可视分析面临的挑战，同时也逐渐成为今后的海洋大数据可视分析研究的热点与方向，进一步工作将沿着以上存在的问题展开，利用可视分析方法深入挖掘隐藏在海洋大数据背后隐藏的信息。本申请有效解决了现有技术存在的部分缺陷：(1)传统可视分析技术在挖掘海洋数据背后隐藏的信息方面具有一定的局限性。本申设计的方法支持用户操作，可以帮助用户初步探隐藏在海洋数据背后的信息。(2)传统可视分析技术无法准确判断海洋数据以及各维度数据的相关性。本申请设计的方法可以有效研究海洋数据间以及数据维度间的相关性。(3)基于散点图的海洋数据可视分析不适于需要对所有维度同时进行展示的情况；且随着数据维度的增加，散点图矩阵的规模增加，为可视化界面的布置及用户的理解带来负担，而且基于二维散点图的拓展，不具有发现更多维度属性相关性的能力，仍然存在局限性。本设计提出矩阵散点图来进行海洋数据的展示，可以有效展示各个维度之间的关系。(4)基于平行坐标的海洋数据可视分析会导致大规模数据项造成的线条密集与重叠覆盖，且难以有效地展示原始数据各个维度的具体信息，存在一定的局限性。本申请引入数据约简的方法对数据进行预处理，并使处理后的数据保持原始数据的有效信息。解决上述技术问题的难度：(1)对于本申请提出的支持用户操作的功能设计，此类设计本文档来自技高网...

【技术保护点】
1.一种面向海洋多维数据的可视分析方法，其特征在于，所述面向海洋多维数据的可视分析方法包括：利用降维的方法保留数据间关系对大规模海洋数据进行约简，筛选出海量信息；进行可视化展示，对海洋多维数据间以及各维度间的相关性进行分析，对于高维规模数据，选择若干个视图，在多个角度下生成不同的可视化结果，并进行管理、分析；采用多种多视图协同可视分析方法对海洋多维数据进行可视化展示。

【技术特征摘要】
1.一种面向海洋多维数据的可视分析方法，其特征在于，所述面向海洋多维数据的可视分析方法包括：利用降维的方法保留数据间关系对大规模海洋数据进行约简，筛选出海量信息；进行可视化展示，对海洋多维数据间以及各维度间的相关性进行分析，对于高维规模数据，选择若干个视图，在多个角度下生成不同的可视化结果，并进行管理、分析；采用多种多视图协同可视分析方法对海洋多维数据进行可视化展示。2.如权利要求1所述面向海洋多维数据的可视分析方法，其特征在于，利用降维的方法保留数据间关系对大规模海洋数据进行约简中，通过相似性算法来衡量数据之间的相似度，根据相似度的计算结果，再为聚类的数据选择不同的聚类中心，对不同属性的数据进行聚类，实现对数据的约简。3.如权利要求1所述面向海洋多维数据的可视分析方法，其特征在于，对海洋多维数据间以及各维度间的相关性进行分析中，利用平行坐标和散点图协同视角的可视化方法对海洋多维数据进行可视分析，再结合各个属性中间的数据差异构建相似性矩阵，利用多维标度法对当前数据进行降维，得到原始数据在低维空间中的表达，并进行可视化展示；利用k-means算法对降维后的输出值进行聚类分析。4.如权利要求1所述面向海洋多维数据的可视分析方法，其特征在于，采用多种多视图协同可视分析方法对海洋多维数据进行可视化展示中，利用平行坐标和散点图的多视图协同可视化展示，利用散点图协同平面坐标分析出某一条数据每个属性的分布情况。5.如权利要求1所述面向海洋多维数据的可视分析方法，其特征在于，所述面向海洋多维数据的可视分析方法具体包括以下步骤：步骤一，面向海洋多维数据可视化展示：利用平行坐标的方法对浮标观测点数据进行可视展示，包括对同一站点不同时间点的测试数据以及同一时间点不同观测点的数据展示，同时用户直接选择所需分析的数据文件；步骤二，利用角度、面积、正负相关性度量任意2个属性轴之间的数据线的视觉差异，度量同一时间点各个浮标监测点多维属性差异，或者同一监测点各个时间点多维属性差异；步骤三，在分析各个属性维度之间视觉差异的基础上引入MDS降维算法对浮标监测数据进行降维；步骤四，根据投影点的空间位置关系，引入K-means算法对投影点进行聚类分析。6.如权利要求5所述面向海洋多维数据的可视分析方法，其特征在于，步骤一中，所述平行坐标方法包括：1)添加滑块功能选择用户感兴趣的时间点或者某一维度数据值得区间，更加直观的展示想观测的数据；2)在下方数据栏中选择感兴趣的数据，在可视化的平行坐标中突出展示其分布情况，使可视化效果更加直观；3)通过交换坐标轴把属性关系较密切的坐标轴相邻,更好地呈现属性间的关系；在未知属性间的关系时,可试探地调换坐标轴次序,发现不同属性间隐含的关系。7.如权利要求5所述面向海洋多维数据的可视分析方法，其特征在于，步骤二中，角度、面积的计算方法具体包括：1)角度差异：角度的计算公式如下...

【专利技术属性】
技术研发人员：贺琪，武欣怡，宋巍，王振华，黄冬梅，杨巧青，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海,31