一种针对类别数据分析的平行坐标改进方法

一种针对类别数据分析的平行坐标改进方法

陈红倩1，2，程中娟1，2，杨倩玉1，2

，李

慧3

1.北京工商大学计算机与信息工程学院，北京100048

2.北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室，北京1000483.北京联合大学管理学院，北京100101

摘

要：针对类别数据在传统平行坐标系中的映射重叠问题，提出类别统计和数据累积式偏移映射的平行坐标改进

方法。该方法首先统计多维数据中的各类别数据的频次，使用直方图表示其记录数，将直方图与平行坐标相结合提出改**行坐标。然后提出一种类别数据的数据累积式偏移算法，将映射在一点的数据均匀分布在坐标轴上的一定区域中，区域的范围根据数据记录数确定。最后设计实现可视化分析系统，通过改**行坐标实现对数据集的筛选、条件交叉分析、类别间数据分析和维度间数据分析；通过联动视图和弦图两种方式实现每两个维度间的对比分析；通过字云显示每一维度的频次分布。案例数据集实验结果表明，该方法能在平行坐标中实现各维度中类别间的对比、各维度中记录数排序，以及对筛选数据集的分析，展示类别型数据维度间的关联关系。关键词：平行坐标；数据覆盖；数据筛选；可视化文献标志码：A

中图分类号：TP391

doi：10.3778/j.issn.1002-8331.1801-0191

陈红倩，程中娟，杨倩玉，等.一种针对类别数据分析的平行坐标改进方法.计算机工程与应用，2019，55（8）：175-181.CHENHongqian,CHENGZhongjuan,YANGQianyu,etal.Parallelcoordinateimprovementmethodforcategorydataanalysis.ComputerEngineeringandApplications,2019,55（8）：175-181.

ParallelCoordinateImprovementMethodforCategoryDataAnalysis

CHENHongqian1，2,CHENGZhongjuan1，2,YANGQianyu1，2,LIHui3

1.SchoolofComputerandInformationEngineering,BeijingTechnologyandBusinessUniversity,Beijing100048,China2.BeijingKeyLaboratoryofBigDataTechnologyforFoodSafety,SchoolofComputerandInformationEngineering,BeijingTechnologyandBusinessUniversity,Beijing100048,China

3.CollegeofManagement,BeijingUnionUniversity,Beijing100101,China

Abstract：Aimingattheproblemoftheoverlapbetweenthecategorydataandthetraditionalparallelcoordinatesystem,aparallelcoordinatemethodofcategorystatisticsanddataaccumulatedoffsetmappingisproposed.Themethodfirstcountsthefrequencyofeachcategorydatainthemultidimensionaldata,usesthehistogramtoshowthedistributionofthedetectionresultsandthenumberofrecords,andcombinesthehistogramwiththeparallelcoordinatestoproposeimprovedparallelcoordinates.Andthenitproposesadataaccumulationformulaoffsetalgorithm,thedatamappedatonepointisevenlydistributedinacertainareaonthecoordinateaxis,andtherangeoftheareaisdeterminedaccordingtothenumberofdatarecords.Finally,avisualanalysissystemisdesignedandimplemented,filteringofthedataset,crossanalysis,anal-ysisofinter-categorydataandanalysisofinter-dimensionaldatacanbeaccomplishedbyimprovingparallelcoordinates.Itcomparativelyanalyzeseverytwodimensionsbythelinkageviewandchorddiagram,andshowsthenumberofrecords

基金项目：国家自然科学基金（No.31701517）；北京市自然科学基金（No.9164028）；北京市社会科学基金（No.17GLC060）“；十三五”

时期北京市属高校高水平教师队伍建设支持计划-青年拔尖人才培育计划项目（No.CIT&TCD201704039）；北京工商大学国家两科基金培育项目（No.LKJJ2017-20）；北京工商大学科研创新服务能力建设项目（No.PXM2018_014213_000033）。

作者简介：陈红倩（1982—），男，博士，副教授，CCF会员，研究领域为数据挖掘与可视分析，E-mail：chenhongqian1@163.com；程中

娟（1993—），女，硕士研究生，研究领域为数据可视化与可视分析；杨倩玉（1993—），女，硕士研究生，研究领域为数据可视化与可视分析；李慧（1983—），通讯作者，女，博士，讲师，CCF会员，研究领域为数据挖掘与知识发现。

收稿日期：2018-01-12

修回日期：2018-03-07

文章编号：1002-8331（2019）08-0175-07

CNKI网络出版：2018-07-11,http://kns.cnki.net/kcms/detail/11.2127.TP.20180709.1204.002.html

1762019，55（8）ComputerEngineeringandApplications计算机工程与应用

ofeachdimensioninthedatasetthroughthewordcloud.Theexperimentalresultsofcasedatasetsshowthattheproposedmethodcansimultaneouslydisplaythecontrasts,sorts,andtheanalysisoftheselecteddatasetsindifferentdimensionsinparallelcoordinates,andcanvisuallydisplaytheassociationbetweenthecategoriesofdatatypes.Keywords：parallelcoordinates;datacoverage;datafiltering;visualization

1引言

有限，因此有MDS、SOM和PCA等降维技术，但是这些类别数据在各类数据集中是常见的一部分内容，各

方法通常难以理解。多维数据可视化技术通过将多维种分类内容都属于类别数据，如性别分类（男、女）、地区数据映射到低维空间，实现数据的降维。基于几何多维（省、市）、农药毒性（剧毒、高毒、中毒、低毒）等。与其他数据可视化方法[4-5]中最常用和最易理解的方法是平行数据内容不同的是，类别数据在进行数值化转换从而用坐标[6-8]和散点矩阵[9-12]。平行坐标的可视化[13]原理是将于数据分析时，被转换为离散的整值型数据，而非连续数据维度映射为二维空间中的平行轴，每个轴代表一个型数据。这在数据分析尤其是可视化过程中会造成很维度。通过空间映射的方式将数据映射到对应坐标轴多困扰，如在平行坐标可视化方法中，平行坐标利用坐上的对应位置，利用折线关联各个轴上的数据。散点矩标轴之间的连线表示各维度间关系，利用折线的数量表阵也是常用的多维数据可视化方法，通过将数据的维度示数据记录数，因此同一类别的数据会映射在坐标轴的两两进行组合，形成网格的样式。网格的横轴和纵轴分同一个位置，而不是分布在整个坐标轴上，造成数据覆别为数据的各个维度，实现了数据每两个维度间的分盖（即多条数据记录显示为一条）因而无法反映数据真析。通过交互技术将多维数据可视化技术融合在一起，实情况。对于类别数据间的关联分析和交叉关联分析，实现以平行坐标、直方图和散点图矩阵为主的多视图协也由于整值型映射的原因变得困难。

同可视分析方法，在数据的分析中取得了很好的效果[14]。

边绑定方法和刷技术常用于解决平行坐标系中数2.2平行坐标改进方法

据覆盖问题，但这种方式的算法较为复杂，且在条件筛由于数据量增多平行坐标在展示数据时会出现杂

选和多维度交叉分析时有效性降低。如PalmasG等人[1]乱的现象，导致不能真实地展示数据，因此对分析结果提出的基于密度的聚类方法的边缘捆绑方法，有效地减会产生一定的影响。RaidouRG等人[15]提出方向增强少了数据的杂乱程度。其他的解决方案由于数据量大平行坐标图（OPCP），通过视觉上增强每个PCP折线的而产生的数据显示杂乱的现象，使用成熟的贝塞尔曲线部分相对于其斜率来改善图案和异常值的辨别度。方法

[2-3]

，通过选择合适的控制点位置清晰地显示数据之

FuaYH等人[16]对数据集中分层结构的数据，特别是通间的关系。

过分层聚类和分区算法结构化的多变量数据集，设计和本文基于平行坐标，提出了一种针对含有类别数据实现基于结构的刷取工具，使用层次平行坐标和树图来的关联分析的改**行坐标方法并设计实现可视化分验证方法的有效性。ZhaoX等人[17]提出了一种基于PCP析系统。本文对平行坐标的创新包括以下三个方面。的新颖的聚类和维度分类技术，揭示和突出折线的隐藏第一个创新之处是平行坐标结合直方图，实现将分布规趋势和相关信息，通过可视地表示实验结果和有意义的律引入平行坐标。如何将平行坐标与直方图结合，将在结构来指导用户分析，提高分析的效率，特别是对于复下面的章节中进行详细的介绍。第二个创新之处是提杂和嘈杂的数据。

出数据累积式偏移映射的方法，将映射于同一位置的分HeinrichJ等人[18]提出在平行坐标的网格单元中插类数据进行分散映射，以反映数据的真实情况。第三个入数据，实现可扩展和密集的可视化。ZhouH等人[19]创新之处是利用交互技术筛选数据集，综合分析数据。对平行坐标表示高维和多变量的大数据产生的边缘杂可视化分析系统中联动视图、弦图显示数据集中每两个乱和对数据有效性展示减弱的问题，提出了一个新的框维度间的关系，字云显示数据记录数，改**行坐标实架来减少边缘杂乱问题，提高视觉聚类的有效性。

现对数据集的筛选、条件交叉分析、类别间数据分析和平行坐标显示数据时存在折线映射重叠问题，因此维度间数据分析。

无法真实地反映所有数据。YuanX等人[20]提出平行坐2相关工作

标结合散点图的新颖方法，在坐标轴之间用散点图显示两个坐标轴上数据间的关系，两种视觉类型之间的转换2.1多维数据集的分析及可视化方法：平行坐标、是以无缝的方式设计的。为了测量多维数据中数据维散点矩阵

度之间的相关性的置信度，ChenH等人[21]提出了一种多维数据是指每个数据对象有两个或两个以上独名为各向异性平行坐标的可视化方法，该方法将数据的立或者相关属性的数据。人类对高维空间的理解能力

分布特征引入经典的并行坐标方案，采用直方图表示每

陈红倩，等：一种针对类别数据分析的平行坐标改进方法2019，55（8）177

个维度中数据的分布。RenD等人[22]将平行坐标与直保持了低纵横比。文献[30]证明空间稳定性并没有被方图结合，充分利用两种图形相结合的优势对比多分类普遍使用的“距离变化”（DC）度量完全捕获，并且引入器的性能，设计实现交互方式，辅助对问题的探索。了一种新的“位置漂移”（LD）度量来更全面地捕获空间XieC等人[23]在平行坐标的基础上进行创新，结合箱线稳定性。

图与热图，综合三者的优势用来分析多分类联合数据。WangJ等人[24]提出嵌套平行坐标图（NPCP），能够可视3平行坐标改进方法

化分辨率和分辨率参数相关性，通过灵活的用户控制，3.1传统平行坐标与类别数据

NPCP将叠加，并置和显式编码整合在一个视图中，用于平行坐标将多维数据映射到二维空间，实现数据降比较数据可视化和分析。针对传统平行坐标的视觉混维，每一个坐标轴表示数据集中的一个维度，数据通过淆和现有的边捆绑算法存在的数据量表达不准确和视映射算法映射到坐标轴的具体位置。数据的类型不同觉连续性丢失等问题提出了一种边捆绑算法[25]。

在坐标轴上的映射情况不同，离散型数据（即类别数据）平行坐标轴之间的顺序有多种排列方式，不同的顺中同一类别的数据在坐标轴上的映射位置相同，而连续序有不同的效果，因此按照何种规则选择坐标轴的顺序型数据在坐标轴上的映射位置会呈分散状态。连续型是一个研究的热点。LuLF等人[26]在并行坐标可视化数据比类别数据在坐标轴上的映射分布均匀，因此视图中提出了两轴重排序方法：（1）基于贡献的方法和（2）基可以较真实地反映连续型数据记录数。类别数据中同于相似度的方法。基于贡献的重排序方法主要基于奇一类别的数据会映射在同一位置，随着类别数量由多到异值分解（SVD）算法，与其他重排序方法相比，这种方少，轴间连线覆盖严重，视图也逐渐无法真实反映数据法大大降低了计算复杂度。基于相似度的重排序方法记录数。如图1所示，数据集的类型是类别数据。图1是基于非线性相关系数（NCC）和SVD算法的组合，通中的6个维度中出现不同程度的覆盖，每个维度的数据过使用这种方法，轴被重新排列符合它们之间的相似都是相同的，类别较少的维度中的数据覆盖程度较类别程度。

较多的维度严重。由于数据覆盖传统平行坐标无法反2.3类别型数据相关技术介绍

映数据的真实情况，对所研究和探索的问题的结论会产通常根据测量标度，将数据分为四类：类别型数据、

生偏差。

有序型数据、区间型数据和比值型数据[27]。类别型数据3.2结合分布规律的坐标轴

用于区分物体，例如水果可以分为苹果、香蕉等。对于平行坐标通过空间映射法将高维数据映射到二维

类别数据中具有层次关系的数据的可视化方法主要有空间，同一类别的数据轴间连线覆盖问题严重，无法通两种：节点-链接（node-link）、空间填充（space-filling）。过轴间连线分析数据记录分布规律和每个类别的数据文献[28]提出了一种将树结构映射到颜色的方法，色彩记录数。图1使用的数据是本文案例学习的真实数据，色度模型以色差良好的感知特性而著称。文献[29]提共有1241条数据。图1中“year”维度的数据覆盖非常出的空间方位布局算法提供了更一致的节点布置，同时

严重，图中显示的数据记录数明显少于数据集中的数据

图1传统平行坐标

1782019，55（8）ComputerEngineeringandApplications计算机工程与应用

记录数。“speciesname”和“pesticidename”维度因类别较分析多维数据集的优势。可视化之后的视图与真实数多数据记录数覆盖程度不严重，“areaname”、“year”和据的内容差距过大，导致最终的分析结果偏离正确的方“month”维度中类别数量较少数据记录覆盖比较严重。向。本文提出的数据累积式偏移映射的方法，将映射集柱状图/直方图是简单的常用的统计图表，具有展示数中于一点的数据进行位置偏移，真实反映数据内容。

据分布规律的优势，因此提出将平行坐标与直方图相结数据累积式偏移映射方法实现步骤：（1）首先要确合的改**行坐标的可视化方法。首先绘制数据集中定一个合适的像素值作为每一条数据的映射像素值每一个维度中每一个类别的直方图，直方图的宽度需要P,P值与数据记录数N和坐标轴的长度L有关，公式根据数据维度数和平行坐标系的宽度确定，高度根据数为（1）。（2）每条记录的纵坐标，公式为（2），Y为每个类据记录数和平行坐标系的高度确定。然后将同一纬度别的起始位置，

i为当前记录在每个类别中要绘制记录中不同类别的直方图按照数据量由多到少进行排序，最的序号。（3）横坐标x根据记录所属的维度，视图的宽度后将所有直方图按照排序顺序堆叠在一起，形成平行坐W以及维度的数量D确定，Xd为某一维度的横坐标，标轴的式样，每个维度的坐标轴类似于一个堆叠柱状d为某一维度的序号，公式为（3）。数据累积式偏移映

图。直方图采用统一的显示标准，因此可以实现条件交射算法计算公式如下：

叉分析、类别间数据分析和维度间数据分析，数据的分P=布规律也是显而易见的。图2为结合分布规律平行坐NL（1）标视图。每一个坐标轴都是一个堆叠柱状图，按照每个y=Y+P×I

（2）类别的数据记录数由多到少排序。矩形高度表示数据Xd=

d×DW（3）记录数，矩形中的填充颜色表示满足不同条件的数据记(x,y)=(Xd,(Y+P×i))（4）

录在不同类别中的分布，图中蓝色表示的数据为满足检使用数据累积式偏移映射公式计算之后，数据在每测结果为“合格”的数据，绿色为“未检出”数据，红色为个维度中的位置也就确定，轴间连线会呈现均匀的状“超标”数据，黄色为“无标准”数据。根据不同颜色的小态，如图3（a）所示数据均匀分布在坐标轴上，数据类别矩形的高度可以估算每种检测结果的占比，利用小矩形间数量和检测的结果以及每个类别的数量和检测结果的高度表示数据记录数，解决因数据覆盖而不能真实反分布也比较清晰。

映数据分布规律的问题。

3.4可视化交互与数据筛选

3.3数据累积式偏移映射

交互技术是可视化分析特有的分析手段，包括鼠标

针对类别数据映射集中在一点的情况，提出数据累

点击，区域选择，鱼眼视图，全局与局部等技术。改**积式偏移映射方法。图2中坐标轴间连线覆盖严重，无行坐标利用鼠标悬停技术实现数据筛选，将鼠标移动到法真实反映数据记录数以及轴间关系，失去了平行坐标

要研究的位置上，会出现如图3（a）所示的情况，选中的

图2结合分布规律的平行坐标

陈红倩，等：一种针对类别数据分析的平行坐标改进方法2019，55（8）179

数据为彩色，其他数据为灰色，通过颜色凸显各维度中4可视化分析系统

不同类别与选择数据之间的关系。同时在选择数据的本文使用的数据集是北京市2012、2013、2014年农

相应维度上显示选择类别的信息。图3（a）在地区维度残检测数据集。本系统主要有4个可视化分析视图组坐标轴边显示的石景山区代表当前筛选的数据。小矩成，分别是改**行坐标视图、联动视图、弦图和字云。形的高度表示石景山区的统计数据，可以与其他的地区不同的视图对数据表示的方式不同，侧重面也不同，4个进行对比分析，在小矩形中的四种检测结果的分布同样视图相互补充，完成对数据的分析。图3为系统视图。

也是经过排序的，由多到少分别是蓝色（合格），黄色（无联动视图由直方图和饼图组成，饼图显示的是检测标准），绿色（未检出），红色（超标）。通过连线表示每种结果之间的数量关系，图例显示每个结果的数量和占检测结果在不同维度中的分布和关联情况。改**行比。通过鼠标悬停在饼图任意一种检测结果上，与直方坐标不仅显示了整体的数据信息，也可以通过数据筛选图实现联动。当用鼠标悬停之后，柱状图会显示每个维对筛选数据进行分析和研究，从而对数据有整体和局部度中每个类别的检测结果的数量。图3（b）显示的结果的把握，利于对数据进行全面的分析。

是筛选合格的数据在不同的地区中的分布情况。

（a）改**行坐标

255

未检出（159）

合格（584）

无标准（477）

111

7873

茄子（（2138）

35

4735

）1535392234

57

7835

48

超标葡萄（78）梨（75）

苹果（84）

甜椒（84）平区阳区兴区城区山区台区淀区柔区头沟云区谷区山区区区区区芹菜（111）桃菠菜（21（40）

昌朝大东房丰海怀门密平义州城庆石景顺通西延猕猴桃蘑菇（草莓（61）

）589

（1515）

）

大白菜（43）黄瓜（196）

橘（57）（番茄44（167）生菜（53）韭菜（甘蓝5）9）（c）弦图

无标准

84940%153

188

113

163未检出25012%86

5950

697875

1228512758

103合格99747%超标

22

1%

区区区区区区区区沟区区区区区区区昌平朝阳大兴东城房山丰台海淀怀柔门头密云平谷山义州城庆石景顺通西延（b）联动视图

（d）字云

图3

可视化系统

1802019，55（8）ComputerEngineeringandApplications计算机工程与应用

弦图表示的是两个维度之间的关系，如图3（c）所示度中，2012年的检测数据是最多的，2013年的检测数据为检测结果维度和农产品维度之间的关系，利用弦图中最少，2013年检测的区域比2012年少。在2013年中检的弧长表示农产品的记录数和检测结果的记录数，每种测结果的分布是合格的最多，大约占55%，其次是无标农产品的弧上不同的颜色占比表示检测结果分布，同样准大约为25%，然后是未检出大约占15%，超标大约为的检测结果的弧上表示的是农产品的占比或者分布情5%。同样的可以分析2012年的检测结果分布，并且可况。利用弦图实现农产品间以及每种检测结果间的数以与2013年的情况进行比较，利用可视化视图分析对据量对比以及关系对比分析。如图4所示为弦图鼠标应的情况。2013年的检测数据在其他维度上的分布情悬停效果。

况也是很清楚的，例如超标情况的分布，在地区维度上未检出为海淀区、石景山区和怀柔区，以及每个区检测情况的韭菜（137（）

5）

分布都是很清楚的，也可以进一步进行分析。在联动视图中有4个地区是没有检出超标的，分别是丰台区、门头沟、密云区和通州区。

梨（75）

联动视图中饼图显示整体数据的检测结果，紫色橘（57）

（无标准）与绿色（合格）的占比是相似的。通过图例可以了解到超标记录数为1%，通过柱状图了解到超标记录数与检测数量并不存在检测数量多的地区超标数就

（a）弦图未检出状态

多的关系，可以更进一步对视图进行分析。弦图中可以观察到菠菜的超标检出是最多的，梨的检测结果都是合合格（167）

格的等。字云中黄瓜的检测数量是最多的，其次是番茄等。通过可视化系统对农残检测数据集进行分析，比通过手动分析要节省时间，分析也比较全面，能够发现隐含的信息和含有较高价值的信息，视图具有直观清晰的特点。

5.2

方法对比

将传统平行坐标和本文提出的改**行坐标应用

番茄（167）

到类别数据的可视化上的情况进行比较，如表1所示。

（b）弦图番茄状态图4

弦图鼠标悬停效果

6结论

利用字云视图显示数据记录数，如图3（d）所示。字类别数据是非常重要的一类数据，传统平行坐标显

体越大表示记录数越多，同时颜色也就比较浅。相反字示类别数据方面的研究非常少，因此本文填补了这个缝体越小表示记录数越少，颜色也就越深。

隙。针对平行坐标显示类别数据出现数据覆盖的问题提出数据偏移映射的方法，将映射到同一点的数据进行5实验分析与方法对比

偏移映射，显示真实的数据量。针对平行坐标无法显示5.1实验分析

类别数据分布规律的问题，提出利用直方图显示数据的食品安全一直以来都是政府关注的民生重点，农药分布规律。将没有顺序要求的数据按照数据量由多到残留检测是保证食品安全的重要一环，具有较高的分析少进行排序，便于用户对数据分布规律的研究。

价值。农药残留检测数据集（农残数据集）包含年、月、平行坐标不仅可以用来显示类别数据，也允许用户日、地区、农产品类别、农产品、农药类别、农药和检测结按照不同的兴趣点进行相关的探索研究。用户通过鼠果9个维度，数据集的记录有1241条。农残检测数据标悬停在每个维度中每个类别实现筛选数据，通过偏移集是类别型数据，是符合实验要求的数据集。

映射分析筛选数据在每个维度的占比情况，消除数据量改**行坐标实现对数据集的筛选、条件交叉分不同对分析结果的影响。

析、类别间数据分析和维度间数据分析。例如“year”维

本文将数据分布规律引入平行坐标，提出数据累积

表1

传统平行坐标与改**行坐标对比

平行坐标类型杂乱处理

数据分布规律

条件筛选传统平行坐标边捆绑技术及其改进、刷技术及其改进数据覆盖严重，无法真实反映类别数据的分布规律交互式改**行坐标

类别统计和数据累积式偏移映射

显示数据记录数，反映数据的分布规律，通过排序

设计数据分布规律更加清晰

交互式

陈红倩，等：一种针对类别数据分析的平行坐标改进方法2019，55（8）181

式偏移映射方法和实现数据筛选，促进用户对数据全方enhancedparallelcoordinateplots[J].IEEETransactionson位的分析。可视化分析系统还需要添加更加人性化的Visualization&ComputerGraphics，2015，22（1）：589-598.设计，添加更多的交互式技术，根据对数据分析的侧重[16]FuaYH，WardMO，RundensteinerEA.Structure-点不同对系统功能进行补充。

basedbrushes：amechanismfornavigatinghierarchically注：本论文中所使用的农残检测数据内容已进行脱organizeddataandinformationspaces[J].IEEETransac-密混淆处理，非真实数据，请勿直接采信，但不影响阐述tionsonVisualization&ComputerGraphics，2000，6（2）：数据分析过程。

150-159.

[17]ZhaoX，KaufmanA.Structurerevealingtechniquesbased

参考文献：

onparallelcoordinatesplot[M].NewYork：Springer-Verlag，[1]PalmasG，BachynskyiM，OulasvirtaA，etal.Anedge-2012.

bundlinglayoutforinteractiveparallelcoordinates[C]//[18]HeinrichJ，WeiskopfD.Continuousparallelcoordinates[J].

IEEEPacificVisualizationSymposium，2014：57-64.IEEETransactionsonVisualization&ComputerGraph-[2]FriendlyM，KwanE.Effectorderingfordatadisplays[J].

ics，2009，15（6）：1531.

ComputationalStatistics&DataAnalysis，2003，43（4）：[19]ZhouH，YuanX，QuH，etal.Visualclusteringinparallel

509-539.

coordinates[J].ComputerGraphicsForum，2008，27（3）：[3]BhrawyAH，DohaEH，SakerMA，etal.ModifiedJacobi-1047-1054.

Bernsteinbasistransformationanditsapplicationtomulti-[20]YuanX，GuoP，XiaoH，etal.Scatteringpointsinparallel

degreereductionofBéziercurves[J].JournalofComputa-coordinates[J].IEEETransactionsonVisualization&Com-tional&AppliedMathematics，2016，302（C）：369-384.puterGraphics，2009，15（6）：1001-1008.

[4]KeimDA，KriegelHP.Visualizationtechniquesformin-[21]ChenH，LiH，FangY，etal.Anisotropicparallelcoordi-inglargedatabases：acomparison[J].IEEETransonKnowl-nateswithadjustmentbasedondistributionfeatures[J].edgeandDataEngineering，1996，8（6）：923-938.JournalofVisualization，2016，19（2）：327-335.

[5]张晓坤.高维数据可视化方法与可视化分类技术研究[D].

[22]RenD，AmershiS，LeeB，etal.Squares：supportinginter-哈尔滨：哈尔滨工业大学，2013.

activeperformanceanalysisformulticlassclassifiers[J].[6]InselbergA.Theplanewithparallelcoordinates[J].Visual

IEEETransonVisComputGraph，2016，23（1）：61-70.Computer，1985，1（2）：69-91.

[23]XieC，ZhongW，MuellerK.Avisualanalyticsapproach

[7]RichtárikP，TakáčM.Parallelcoordinatedescentmethods

forcategoricaljointdistributionreconstructionfrommar-forbigdataoptimization[J].MathematicalProgramming，ginalprojections[J].IEEETransactionsonVisualization&2016，156（1/2）：433-484.

ComputerGraphics，2016，23（1）：51-60.

[8]徐永红，高直，金海龙，等.平行坐标原理与研究现状综述[J].

[24]WangJ，LiuX，ShenHW，etal.Multi-resolutioncli-燕山大学学报，2008，32（5）：389-392.

mateensembleparameteranalysiswithnestedparallel[9]MayorgaA，GleicherM.Splatterplots：overcomingoverdraw

coordinatesplots[J].IEEETransactionsonVisualization&inscatterplots[J].IEEETransactionsonVisualization&ComputerGraphics，2016，23（1）：81-90.

ComputerGraphics，2013，19（9）：1526-1538.

[25]秦红星，卫学仕.平行坐标中的边捆绑算法[J].计算机辅

[10]KeimDA，HaoMC，DayalU，etal.Generalizedscatter

助设计与图形学学报，2017（7）：1235-1244.

plots[J].InformationVisualization，2017，9（4）：301-311.[26]LuLF，HuangML，ZhangJ.Twoaxesre-ordering

[11]FinkM，HaunertJH，SpoerhaseJ，etal.Selectingthe

methodsinparallelcoordinatesplots[M].[S.l.]：AcademicaspectratioofascatterplotbasedonitsDelaunaytri-PressInc，2016.

angulation[J].IEEETransactionsonVisualization&Com-[27]陈为，沈则潜，陶煜波.数据可视化[M].北京：电子工业出

puterGraphics，2013，19（12）：2326-2335.

版社，2013.

[12]WangWB，HuangML，NguyenQV，etal.Enabling

[28]TennekesM，DeJE.Treecolors：colorschemesfortree-decisiontrendanalysiswithinteractivescatterplotmatri-structureddata[J].IEEETransactionsonVisualization&cesvisualization[J].JournalofVisualLanguages&Com-ComputerGraphics，2014，20（12）：2072-2081.

puting，2016，33（C）：13-23.

[29]WoodJ，DykesJ.Spatiallyorderedtreemaps[J].IEEETrans-[13]杨彦波，刘滨，祁明月.信息可视化研究综述[J].河北科技

actionsonVisualization&ComputerGraphics，2008，14大学学报，2014，35（1）：91-102

（6）：1348.

[14]陈谊，蔡进峰，石耀斌，等.基于平行坐标的多视图协同可

[30]TakS，CockburnA.EnhancedspatialstabilitywithHil-视分析方法[J].系统仿真学报，2013，25（1）：81-86.bertandMooretreemaps[J].IEEETransactionsonVisu-[15]RaidouRG，EisemannM，BreeuwerM，etal.Orientation-

alization&ComputerGraphics，2013，19（1）：141.