一种基于改进的密度聚类的区域数据可视化方法摘要：目前的可视化应用不管动态还是静态可视化，已经存在二维图形展示和点密度展示几种形式，而点密度已经成为作为体现密度特征的最有力手段。但目前的一般手段都只是简单的在特定区域内实现随即点的输出。由于数据本身的密度属性与其所属区域存在内在属性关联，本文在前期通过密度处理分析进行聚类，将数据集进行归类划分后在对应区域进行判断输出实现可视化，实验证明具有更符合区域特征的可视化效果，并且时间和空间复杂度明显小于直接进行点密度可视化输出的算法。关键词：可视化；点密度；聚类：TP391.41近年来，随着数据仓库技术、网络技术、电子商务技术等的发展，可视化技术得到了更深入的发展，所谓数据可视化是对大型数据库或数据仓库中的数据的可视化，它是可视化技术在非空间数据领域的应用，使人们不再局限于通过关系数据表来观察和分析数据信息，还能以更直观的方式看到数据及其结构关系［1］。在电力、医学、农业、现代服务业等应用系统中，往往需要把相应区域数据进行可视化展示，以更直观形象的反应区域数据分布问题。区域数据的可视化比较适合于用点密度图来描述，更符合---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---人眼对密度判定的感知与决策。用点密度图来显示区域数据密度图上通常用打上圆点或其它符号在给定的特定区域描绘特有的数据，符号都可以代表一个实体或一个群体。点密度图对表现特有数据时它们通常可以在区域之间进行比较，这些符号或圆点并没有明确的指所在的位置它们通常是代表一定范围之内的多边形区域里的数据。通过对相应行业区域数据进行可视化处理，可以为行业决策分析发展提供更稳定可靠的分析依据。本文提供一种基于密度聚类的区域数据可视化方法，通过该方法得到区域数据密度可视化的直观效果图，可以为行业资源的合理分配、决策分析发展提供更稳定可靠的依据。1创建多维区域数据集创建用于聚类和数据负荷分析的多维数据仓库集D[2],主要包括具有行业代表特征的数据子集、相关联的气象信息数据子集、相关联的地区信息代码子集等，以多维方式建立的数据模型有利于简化业务分析复杂度和提高数据查询性能。图1多维区域数据集示意图图2三维立体信息数据模型图2基于密度计算的聚类模型（1）对多维数据仓库集D,按照如下聚类目标的估计模型［3］确定聚类中心点：，xi,xj为数据集D中的数据点。其中o选取0.5,选取密度最大的前k个数据作为初始聚类中心点，形成---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---D?,D?包含k个初始类子集{dl,d2,-dk}o（2）依次计算初始类子集中每一个对象si到k个种子点的距离，其中：1={1,2,…，n},将si逐个分派到其最近均值的类中去，重新计算接受新对象的类和失去对象类的均值（sl^di）。（3）重复第（2）步，直到各类再无元素进出［4］。3区域数据可视化（1）对于一定范围内地理区域，形成相应的不规则多边形的集合V［5］,并计算出V中各个多边形Vi（iei：n）的边界条件，即多边形Vi各个顶点x,y坐标的最大值和最小值{xmin,xmax,ymin,ymax}o（2）对于每个di（iGl；k）中的点P（x,y）,读取点P的坐标并遍历集合V,确定点P坐标的范围{xmin<x<xmax,ymin<y<ymax},即确定点P所可能属于的地理区域V?（1WV?〈V）。（3）对于点P和V?,从P点引出向右射线，判断P与不规则多边形Vi（ViEV?）边界的交点数，如果焦点个数为0或偶数则点P不在Vi对应区域内。若P点的向右射线恰好过边界顶点，则可以将向右射线顺时针或逆时针旋转一个小角度，继续前述步骤进行判断（但要求移动后的P点属性没有发生变化)；(4)在Vi中打印输出P点，重复本步骤，直到｛dl,d2,-dk｝中所有数据点打印输出完毕。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---图3区域数据密度点生成流程图3结束语本文中的算法适用于电力、医学、农业、现代服务业中，在商业网络应用中，可就产品线上线下订单及物流分布情况进行特点分析，可有助于相应的产品调度配送方案调整。通过本文中方法得到区域数据密度可视化的直观效果图，可以为行...