CN107632998A - 一种基于人体形态的多维数据可视化方法 - Google Patents
一种基于人体形态的多维数据可视化方法 Download PDFInfo
- Publication number
- CN107632998A CN107632998A CN201710605947.9A CN201710605947A CN107632998A CN 107632998 A CN107632998 A CN 107632998A CN 201710605947 A CN201710605947 A CN 201710605947A CN 107632998 A CN107632998 A CN 107632998A
- Authority
- CN
- China
- Prior art keywords
- data
- attribute
- represent
- human
- visual layout
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
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。
Description
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。
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3包括如下步骤;
步骤3.1人体头部的可视化布局:人体头部的可视化布局与Chernoff Faces 法类似,通过五官各部位的映射为各数据属性建立映射关系,主要设计有头部轮廓、嘴部、鼻子、耳朵、眼睛以及眉毛等六个部位;对于每个部位,可通过各自的长宽度、角度、形状等图形特性来描绘;
(1)、头部轮廓可视化布局:对于人体头部轮廓,最主要的图形属性就是头部的宽度和长度,在映射过程总可分别建立数据属性与头部宽度和长度的映射关系;x1表示头部宽度,x2表示头部长度;
(2)、嘴部可视化布局:对于嘴部,主要的图形属性是嘴巴的弯曲曲率半径r,r可由x3来代替,公式如下:
r=1/k,
其中k为嘴部弧形的曲率,曲率半径为曲率的倒数,通过曲率半径r得到曲率k,最后通过曲率k的大小显示嘴部形状;
(3)、鼻子可视化布局:对于鼻子可视化布局,总体呈现出的是一个等腰三角形的形态,那么该等腰三角形的底面长度和高就可作为该部分的一个主要图形属性;x4代表等腰三角形的底面长度,x5代表等腰三角形的高;
(4)、耳朵可视化布局:对于耳朵可视化布局,主要的图形属性就是耳朵的高度和宽度;x6代表耳朵的宽度,x7代表耳朵的高度;
(5)、眼睛可视化布局:眼睛可视化布局与鼻子、耳朵等可视化布局类似,主要的图形属性有眼睛宽度、高度和瞳孔大小,分别用x8,x9和x10表示;
(6)、眉毛可视化布局:眉毛可视化布局与嘴部可视化布局类似,可用眉毛弧形的曲率半径r来作为其图形属性,并且可用x11来表示;
步骤3.2人体躯干的可视化布局:人体的躯干部分设计为以一个长方形表示的躯干和人体颈部,其主要图形属性为躯干长方形的宽度与高度以及颈部长方形的宽度与高度,通过这四个图形属性可以映射四种不同的数据属性,将数据记录对应的属性值直观地展现出来;x12代表躯干宽度,x13代表躯干高度,x14代表颈部宽度,x15代表颈部高度;
步骤3.3人体上下肢的可视化布局:人体上下肢部分设计为左手、右手、左腿、右腿四部分;对于每一部分,其主要的图形属性为关节角度α、上臂(大腿) 与水平线之间的夹角β,并与不同数据属性相映射;
对于人体上下肢,若确定了α、β的值,则就可以确定上下肢的形态;这里对于左手的α、β分别用x16,x17表示,对于右手的α、β分别用x18,x19表示,对于左腿的α、β分别用x20,x21表示,对于右腿的α、β分别用x22,x23表示;
步骤3.4人体形态与平行坐标可视化布局的结合:
在步骤3.2中,人体躯干中有着比较充足的空间,将该空间加以利用,结合已被广泛运用于数据可视化的平行坐标技术对本发明进行扩充;
预设平行坐标轴为5条,分别为p1、p2、p3、p4、p5,可分别利用各坐标轴映射该数据记录的各个属性;既充分地利用了可视空间,又可同时可视化更多的数据属性;在这里将p1到p5分别用x24、x25、x26、x27、x28表示。
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4包括如下步骤;
步骤4.1映射关系建立原则:人体形态上各图形属性对于用户观察的敏感程度是有所不同的,所以在建立映射关系时属性的选择有轻重之分;
在建立映射关系前需给将要可视化的属性进行优先级的排序,再根据属性优先级的顺序,按照人体各部位的敏感度建立映射关系;
在人体各部位图形属性与数据属性建立了相应的映射关系之后,再利用平行坐标技术对其他属性进行可视化展示;
步骤4.2建立映射关系表:用户可根据步骤4.1中的映射关系建立原则来建立映射关系表并查看可视化视图中的属性映射关系,并在映射时完成各数据与图形属性值之间的数值转换,从而对各数据记录进行分析与对比。
本专利属于基于图标的多维数据可视化方法,基于图标的多维数据可视化的基本思想是用具有多个易于识别的特征的图标来表达多维度信息,一组图标的每一个特征都可以用来表示多维信息的一维,该方法以Chernoff Faces法以及星形图为代表。
在星形图中多维数据的每个属性由一个坐标轴表示,所有坐标轴连接到同一个原点,其布局沿着圆周所有坐标轴上的点围成一个星形区域,星形区域的形状和大小反映了数据记录的各属性值大小[1]。Chernoff Faces法采用模拟人脸的图标来表示数据对象,不同的属性映射人脸的不同部位,比如脸的长宽度、眼的大小、鼻子的形态等,该方法的出发点是人们的视觉和大脑非常擅于识别人脸[2]。人们对于人脸上各个部位特征的敏感度是不同的,所以在建立数据属性与人脸特征之间的映射关系时,需从数据分析的目标出发,按照属性的优先级做出选择。
本专利设计的一个基于人体形态的多维数据可视化方法主要是以ChernoffFaces法为基础,首先将人脸特征转变为整个人体中的各个特征来进行可视化映射。由于人体形态具有更多的部位特征,所以本发明在一定程度上缓解了 Chernoff Faces法在可视化维度受限的问题,丰富了布局;其次,结合数据聚类方法以及平行坐标可视化方法对其进行优化;最后,建立简单易懂的映射表来表示可视化视图中的各个映射关系。
本发明在Chernoff Faces的基础上,为同时可视化更多属性列,将可视图标拓展到整个人体的范围上去,包括人体的头部、上肢、下肢以及躯干等部位。用户在对这种基于人体形态的可视化视图进行观察时,可以更加明显地发现各图形的特点,从而快速的得到对应数据记录的特点信息和各数据记录之间的不同之处。
另外,本发明对基于图标的多维数据可视化方法进行了如下几个方面的优化:
1、本发明引入了平行坐标技术,在每个人体图形的躯干部分预设一定数量的坐标轴,可用来显示该数据记录的其余属性值。
2、本发明通过对原始数据进行聚类操作,将各数据记录划分为若干簇集,每个簇集在可视化图形上表现在人体图形的面颊颜色,即通过不同面颊颜色来区分不同的聚类类型。
本发明具有如下作用: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。
将本发明所设计的可视化方法运用于实际的数据可视化分析应用中可大大提高数据分析的效率。本发明对传统的Chernoff Faces多维数据可视化方法在可视部位上的改进,使得用户在观察视图时更加清晰,并且增加了可同时可视化的数据属性数量。本发明在基于图标多维数据可视化的基础上引入平行坐标技术,更加丰富了可视化布局。本发明在数据聚类的基础上,通过人体形态可视化视图中的面颊颜色,对各聚类簇集进行明显的区分。
在对于数据记录数量不是特别多时的多维数据可视化分析中,本发明的运用可以给用户提供更清晰的可视效果,进一步方便数据分析。
附图说明
图1是本发明流程框图;
图2头部轮廓可视化布局示意图;
图3鼻子可视化布局示意图;
图4耳朵可视化布局示意图;
图5人体躯干可视化布局示意图;
图6人体上下肢可视化布局示意图;
图7人体形态与平行坐标可视化布局的结合示意图;
图8面颊颜色映射。
具体实施方式
下面将结合附图1-图8对本发明进行详细说明,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明通过改进在此提供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。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。
步骤2:针对各数据记录进行聚类处理:
步骤2.1:利用K-means方法为数据记录进行聚类处理:K-means是一种基于距离的迭代式算法。它将n个观察实例分类到k个聚类中,以使得每个观察实例距离它所在的聚类的中心点比其他的聚类中心点的距离更小。
步骤2.2:建立各聚类簇集的颜色映射表:通过颜色映射表的建立的目的是为步骤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。
步骤3:人体形态多维数据可视化布局:
步骤3.1:人体头部的可视化布局:人体头部的可视化布局与Chernoff Faces 法类似,通过五官各部位的映射为各数据属性建立映射关系,主要设计有头部轮廓、嘴部、鼻子、耳朵、眼睛以及眉毛等六个部位。对于每个部位,可通过各自的长宽度、角度、形状等图形特性来描绘。
1、头部轮廓可视化布局:对于人体头部轮廓,最主要的图形属性就是头部的宽度和长度,在映射过程总可分别建立数据属性与头部宽度和长度的映射关系。头部轮廓可视化布局示意图如图2所示。
其中,x1表示头部宽度,x2表示头部长度。
2、嘴部可视化布局:对于嘴部,主要的图形属性是嘴巴的弯曲曲率半径r, r可由x3来代替,公式如下:
r=1/k
其中k为嘴部弧形的曲率,曲率半径为曲率的倒数,通过曲率半径r得到曲率k,最后通过曲率k的大小显示嘴部形状。
3、鼻子可视化布局:对于鼻子可视化布局,总体呈现出的是一个等腰三角形的形态,那么该等腰三角形的底面长度和高就可作为该部分的一个主要图形属性。鼻子可视化布局示意图如图3所示。
在图3中,x4代表等腰三角形的底面长度,x5代表等腰三角形的高。
4、耳朵可视化布局:对于耳朵可视化布局,主要的图形属性就是耳朵的高度和宽度。耳朵可视化布局示意图如图4所示。
在图4中,x6代表耳朵的宽度,x7代表耳朵的高度。
5、眼睛可视化布局:眼睛可视化布局与鼻子、耳朵等可视化布局类似,主要的图形属性有眼睛宽度、高度和瞳孔大小,分别用x8,x9和x10表示。
6、眉毛可视化布局:眉毛可视化布局与嘴部可视化布局类似,可用眉毛弧形的曲率半径r来作为其图形属性,并且可用x11来表示。
步骤3.2:人体躯干的可视化布局:本发明中人体的躯干部分设计为以一个长方形表示的躯干和人体颈部,其主要图形属性为躯干长方形的宽度与高度以及颈部长方形的宽度与高度,通过这四个图形属性可以映射四种不同的数据属性,将数据记录对应的属性值直观地展现出来。人体躯干可视化布局示意图如图5所示。
在图5中,x12代表躯干宽度,x13代表躯干高度,x14代表颈部宽度,x15代表颈部高度。
步骤3.3:人体上下肢的可视化布局:本发明中人体上下肢部分设计为左手、右手、左腿、右腿四部分。对于每一部分,其主要的图形属性为关节角度α、上臂(大腿)与水平线之间的夹角β,并与不同数据属性相映射。人体上下肢可视化布局示意图如图6所示。
在图6中,对于人体上下肢,若确定了α、β的值,则就可以确定上下肢的形态。这里对于左手的α、β分别用x16,x17表示,对于右手的α、β分别用x18, x19表示,对于左腿的α、β分别用x20,x21表示,对于右腿的α、β分别用x22,x23表示。
步骤3.4:人体形态与平行坐标可视化布局的结合:在步骤3.2中,人体躯干中有着比较充足的空间,本发明将该空间加以利用,结合已被广泛运用于数据可视化的平行坐标技术对本发明进行扩充。该部分的示意图如图7所示。
在图7中,预设平行坐标轴为5条,分别为p1、p2、p3、p4、p5,可分别利用各坐标轴映射该数据记录的各个属性。既充分地利用了可视空间,又可同时可视化更多的数据属性。在这里将p1到p5分别用x24、x25、x26、x27、x28表示。
步骤4:建立映射关系:
步骤4.1:映射关系建立原则:
本发明中人体形态上各图形属性对于用户观察的敏感程度是有所不同的,所以在建立映射关系时属性的选择是有轻重之分的,人眼观察人体各部位的敏感度如表1所示。
表1人眼观察人体各部位敏感度
序号 | 人体部位 |
1 | 嘴部 |
2 | 眼睛 |
3 | 眉毛 |
4 | 躯干 |
5 | 上肢 |
6 | 下肢 |
7 | 头部轮廓 |
8 | 鼻子 |
9 | 耳朵 |
在表1中随着各部位序号的增大,其观察的敏感度逐步下降,比如嘴部形态变化可使人眼最容易观察到,而耳朵形态变化相对于其他人体部位最不容易观察到。因此,在建立映射关系前需给将要可视化的属性进行优先级的排序,再根据属性优先级的顺序,按照人体各部位的敏感度建立映射关系。
在人体各部位图形属性与数据属性建立了相应的映射关系之后,再利用平行坐标技术对其他属性进行可视化展示。
步骤4.2:建立映射关系表:由于本发明是一种基于图标的多维数据可视化方法,因此必须有一个可视化过程中面向用户的映射关系说明,而本发明则是用一个映射关系表来表示。映射关系表如表2所示。
表2映射关系表
图形属性 | 对应变量 | 数据属性 |
头部宽度 | x1 | / |
头部长度 | x2 | / |
嘴部曲率半径 | x3 | / |
鼻子三角形底长度 | x4 | / |
鼻子三角形高 | x5 | / |
耳朵宽度 | x6 | / |
耳朵高度 | x7 | / |
眼睛宽度 | x8 | / |
眼睛高度 | x9 | / |
瞳孔大小 | x10 | / |
眉毛曲率半径 | x11 | / |
躯干宽度 | x12 | / |
躯干高度 | x13 | / |
颈部宽度 | x14 | / |
颈部高度 | x15 | / |
左手关节角度 | x16 | / |
左手上臂水平夹角 | x17 | / |
右手关节角度 | x18 | / |
右手上臂水平夹角 | x19 | / |
左腿关节角度 | x20 | / |
左腿大腿水平夹角 | x21 | / |
右腿关节角度 | x22 | / |
右腿大腿水平夹角 | x23 | / |
平行坐标轴 | xii>23 | / |
用户可根据步骤4.1中的映射关系建立原则来建立映射关系表并查看可视化视图中的属性映射关系,并在映射时完成各数据与图形属性值之间的数值转换,从而对各数据记录进行分析与对比。
步骤5:面颊颜色映射:
在步骤2中已对需要可视化的数据记录进行了聚类处理,并用颜色映射表建立了不同簇集与不同颜色的对应关系。本发明将对应的颜色对应到人体的面颊颜色,面颊颜色映射如图8所示。
在图8中,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。
本发明技术方案带来的有益效果:将本发明所设计的可视化方法运用于实际的数据可视化分析应用中可大大提高数据分析的效率。本发明对传统的 Chernoff Faces多维数据可视化方法在可视部位上的改进,使得用户在观察视图时更加清晰,并且增加了可同时可视化的数据属性的数量。本发明在基于图标多维数据可视化的基础上引入平行坐标技术,更加丰富了可视化布局。本发明在数据聚类的基础上,通过人体形态可视化视图中的面颊颜色,对各聚类簇集进行明显的区分。
在对于数据记录数量不是特别多时的多维数据可视化分析中,本发明的运用可以给用户提供更清晰的可视效果,进一步方便数据分析。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一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的数据记录的聚类簇集,方便用户对不同数据记录的区分。
2.根据权利要求1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:所述步骤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。
3.根据权利要求1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:所述步骤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。
4.根据权利要求1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:所述步骤3包括如下步骤;
步骤3.1:人体头部的可视化布局:人体头部的可视化布局与Chernoff Faces法类似,通过五官各部位的映射为各数据属性建立映射关系,主要设计有头部轮廓、嘴部、鼻子、耳朵、眼睛以及眉毛六个部位;对于每个部位,通过各自的长宽度、角度、形状等图形特性来描绘;
(1)、头部轮廓可视化布局:对于人体头部轮廓,最主要的图形属性就是头部的宽度和长度,在映射过程中可分别建立数据属性与头部宽度和长度的映射关系;x1表示头部宽度,x2表示头部长度;
(2)、嘴部可视化布局:对于嘴部,主要的图形属性是嘴巴的弯曲曲率半径r,r可由x3来代替,公式如下:
r=1/k,
其中k为嘴部弧形的曲率,曲率半径为曲率的倒数,通过曲率半径r得到曲率k,最后通过曲率k的大小显示嘴部形状;
(3)、鼻子可视化布局:对于鼻子可视化布局,总体呈现出的是一个等腰三角形的形态,那么该等腰三角形的底面长度和高就能够作为该部分的一个主要图形属性;x4代表等腰三角形的底面长度,x5代表等腰三角形的高;
(4)、耳朵可视化布局:对于耳朵可视化布局,主要的图形属性就是耳朵的高度和宽度;x6代表耳朵的宽度,x7代表耳朵的高度;
(5)、眼睛可视化布局:眼睛可视化布局与鼻子、耳朵可视化布局类似,主要的图形属性有眼睛宽度、高度和瞳孔大小,分别用x8,x9和x10表示;
(6)、眉毛可视化布局:眉毛可视化布局与嘴部可视化布局类似,用眉毛弧形的曲率半径r来作为其图形属性,并且可用x11来表示;
步骤3.2:人体躯干的可视化布局:人体的躯干部分设计为以一个长方形表示的躯干和人体颈部,其主要图形属性为躯干长方形的宽度与高度以及颈部长方形的宽度与高度,通过这四个图形属性可以映射四种不同的数据属性,将数据记录对应的属性值直观地展现出来;x12代表躯干宽度,x13代表躯干高度,x14代表颈部宽度,x15代表颈部高度;
步骤3.3:人体上下肢的可视化布局:人体上下肢部分设计为左手、右手、左腿、右腿四部分;对于每一部分,其主要的图形属性为关节角度α、上臂(大腿)与水平线之间的夹角β,并与不同数据属性相映射;
对于人体上下肢,若确定了α、β的值,则就能够确定上下肢的形态;这里对于左手的α、β分别用x16,x17表示,对于右手的α、β分别用x18,x19表示,对于左腿的α、β分别用x20,x21表示,对于右腿的α、β分别用x22,x23表示;
步骤3.4:人体形态与平行坐标可视化布局的结合:
在步骤3.2中,人体躯干中有着比较充足的空间,将该空间加以利用,结合已被广泛运用于数据可视化的平行坐标技术对本发明进行扩充;
预设平行坐标轴为5条,分别为p1、p2、p3、p4、p5,可分别利用各坐标轴映射该数据记录的各个属性;既充分地利用了可视空间,又可同时可视化更多的数据属性;在这里将p1到p5分别用x24、x25、x26、x27、x28表示。
5.根据权利要求1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:所述步骤4包括如下步骤;
步骤4.1映射关系建立原则:人体形态上各图形属性对于用户观察的敏感程度是有所不同的,所以在建立映射关系时属性的选择有轻重之分;
在建立映射关系前需给将要可视化的属性进行优先级的排序,再根据属性优先级的顺序,按照人体各部位的敏感度建立映射关系;
在人体各部位图形属性与数据属性建立了相应的映射关系之后,再利用平行坐标技术对其他属性进行可视化展示;
步骤4.2:建立映射关系表:用户可根据步骤4.1中的映射关系建立原则来建立映射关系表并查看可视化视图中的属性映射关系,并在映射时完成各数据与图形属性值之间的数值转换,从而对各数据记录进行分析与对比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710605947.9A CN107632998B (zh) | 2017-07-24 | 2017-07-24 | 一种基于人体形态的多维数据可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710605947.9A CN107632998B (zh) | 2017-07-24 | 2017-07-24 | 一种基于人体形态的多维数据可视化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107632998A true CN107632998A (zh) | 2018-01-26 |
CN107632998B CN107632998B (zh) | 2021-04-23 |
Family
ID=61099369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710605947.9A Active CN107632998B (zh) | 2017-07-24 | 2017-07-24 | 一种基于人体形态的多维数据可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107632998B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162567A (zh) * | 2019-05-21 | 2019-08-23 | 山东大学 | 基于颜色表优化的二维标量场数据可视化方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030071814A1 (en) * | 2000-05-10 | 2003-04-17 | Jou Stephan F. | Interactive business data visualization system |
US20030212702A1 (en) * | 2002-05-10 | 2003-11-13 | Campos Marcos M. | Orthogonal partitioning clustering |
CN101097585A (zh) * | 2006-06-29 | 2008-01-02 | 中国科学院上海生命科学研究院 | 一种用于芯片数据分析的可视化分析和展示方法 |
CN101211344A (zh) * | 2006-12-29 | 2008-07-02 | 上海芯盛电子科技有限公司 | 文本信息遍历的快速四维可视化方法 |
CN101271574A (zh) * | 2008-03-20 | 2008-09-24 | 华南师范大学 | 三维可视化的方法、装置 |
CN101576881A (zh) * | 2008-05-07 | 2009-11-11 | 万德洪 | 一种数据可视化系统及实现方法 |
CN101859324A (zh) * | 2010-06-03 | 2010-10-13 | 大连理工大学 | 对聚类分析结果进行可视化的方法 |
CN103258078A (zh) * | 2013-04-02 | 2013-08-21 | 上海交通大学 | 融合Kinect设备和Delmia环境的人机交互虚拟装配系统 |
CN106644090A (zh) * | 2016-12-29 | 2017-05-10 | 中南大学 | 一种基于kinect的求职仪态测试方法及其系统 |
-
2017
- 2017-07-24 CN CN201710605947.9A patent/CN107632998B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030071814A1 (en) * | 2000-05-10 | 2003-04-17 | Jou Stephan F. | Interactive business data visualization system |
US20030212702A1 (en) * | 2002-05-10 | 2003-11-13 | Campos Marcos M. | Orthogonal partitioning clustering |
CN101097585A (zh) * | 2006-06-29 | 2008-01-02 | 中国科学院上海生命科学研究院 | 一种用于芯片数据分析的可视化分析和展示方法 |
CN101211344A (zh) * | 2006-12-29 | 2008-07-02 | 上海芯盛电子科技有限公司 | 文本信息遍历的快速四维可视化方法 |
CN101271574A (zh) * | 2008-03-20 | 2008-09-24 | 华南师范大学 | 三维可视化的方法、装置 |
CN101576881A (zh) * | 2008-05-07 | 2009-11-11 | 万德洪 | 一种数据可视化系统及实现方法 |
CN101859324A (zh) * | 2010-06-03 | 2010-10-13 | 大连理工大学 | 对聚类分析结果进行可视化的方法 |
CN103258078A (zh) * | 2013-04-02 | 2013-08-21 | 上海交通大学 | 融合Kinect设备和Delmia环境的人机交互虚拟装配系统 |
CN106644090A (zh) * | 2016-12-29 | 2017-05-10 | 中南大学 | 一种基于kinect的求职仪态测试方法及其系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110162567A (zh) * | 2019-05-21 | 2019-08-23 | 山东大学 | 基于颜色表优化的二维标量场数据可视化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107632998B (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107192393B (zh) | 一种道路地图数据的维护系统及方法 | |
CN101650836B (zh) | 三维植物器官几何曲面自适应网格化方法及系统 | |
CN105913485A (zh) | 一种三维虚拟场景的生成方法及装置 | |
CN101989178B (zh) | 多叉树数据结构的立体环状可视化方法 | |
CN102521878B (zh) | 可编程三维人体建模和人体测量系统和方法 | |
CN112270406B (zh) | 一种类脑计算机操作系统的神经信息可视化方法 | |
CN105760834A (zh) | 一种人脸特征点定位方法 | |
CN104978763B (zh) | 一种基于三维Douglas‑Peucker算法的河网要素与DEM的同步综合地图仿真方法 | |
CN102760160B (zh) | 一种在空间信息库中进行多尺度地形图缩编的系统 | |
CN103065348A (zh) | 基于骨骼动作库的二维动画自动生成方法 | |
CN109166145A (zh) | 一种基于聚类分割的果树叶片生长参数提取方法及系统 | |
CN107766516A (zh) | 一种基于边界保留的地理地图变形可视化方法 | |
CN101639945A (zh) | 园艺植物几何造型建模方法及系统 | |
CN106202245A (zh) | 基于数据联动的产业地图系统项目专题展示方法及系统 | |
CN107452066A (zh) | 一种基于b样条曲线的树冠三维形态模拟方法 | |
CN102013114A (zh) | 一种基于Microstation v8i的城市快速建模方法 | |
CN103337092B (zh) | 果树枝干骨架提取方法 | |
CN110148201A (zh) | 一种超高精度的织物实时渲染方法 | |
CN112328929A (zh) | 基于矢量瓦片地图发布技术的人流密度动态可视化方法 | |
CN107632998A (zh) | 一种基于人体形态的多维数据可视化方法 | |
CN108229502A (zh) | 一种树冠层的三维点云数据中叶片基点提取方法 | |
CN109726916A (zh) | 一种适用于公路全寿命周期智能健康监测的方法 | |
Etemad et al. | Node-ring graph visualization clears edge congestion | |
CN108009166A (zh) | 基于bim的植物构件信息模型数据库的建立方法及其系统 | |
CN107766519A (zh) | 一种可视化配置数据结构的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |