张 迪，杨 沛，邓鑫波，赵千川

1.兰州理工大学 计算机与通信学院，兰州730050

2.北京数字观星科技有限公司 流影团队，北京100080

3.清华大学 自动化系，北京100084

面向高维多元数据集的维度相关性探索，可以很好地帮助用户发现隐藏的模式和规律，长期以来备受重视[1-2]。高维数据维度相关性探索，其流程通常是先进行数据预处理，然后根据预处理结果挑选一些数据维度作为分析路径，接着使用统计学方法沿路径探索数据维度之间的关联关系[3]。可视化技术作为人与数据之间的桥梁，在整个流程中均可作为强有力的分析工具。例如通过绘制二维数据的散点图，可直观地判断这两个数据维度之间存在何种相关关系，但是高维多元数据会产生维数灾难问题[4]。如何处理有限的显示空间和计算力与大量数据维度之间的矛盾，是高维数据可视化的核心问题。

在最近的研究中，加强高维数据可视化的策略主要分为三大类：（1）使用数据精简技术[5]，包括模型拟合、降维、过滤/采样以及分组聚合方法，将高维数据精简为更易处理的衍生数据；（2）针对高维特性设计的可视化呈现方法[6]，如平行坐标系、像素图、脸谱图等；（3）协调关联多视图方法[7]，将不同种类的视图结合起来，其中每个视图显示有限的数据，并辅助以各类交互方法帮助用户分析。在实际应用中，经常依据此三类策略组成复合方案，帮助用户探索高维数据集。

基于以上要点，本文提出了用于探索高维数据集维度相关性的可视分析原型系统ASExplorer。……