可视聚类分析

可视聚类分析（visual cluster analysis），理学-计算机科学技术-计算机应用-可视化与混合现实-可视化与可视分析-可视分析，根据实体的相似性将实体交互式划分到多个群组的分析方法。它揭示了数据中的聚类模式，是对数据进行可视聚合或概括的基本方法。而且，可视化还可以对聚类算法产生的聚类结构进行语义上的解释，以及提供交互式聚类结果修正和参数调节的接口。可视聚类分析被用于许多数据驱动的应用，比如大规模文本主题分析，动态网络分析，天气集合预测分析和交通轨迹优化。相关工作主要集中在基于聚类的探索性数据分析、双聚类分析和聚类对比分析。基于聚类的探索性数据分析广泛用于大规模的数据分析中。它主要通过聚类对大规模数据进行可视抽象，以提供数据的概览，并减少视觉混乱和交互的延迟；用户可以在抽象的聚类上进行平移，缩放和数据过滤，以寻找感兴趣的并需要进一步探索的区域。该分析流程与信息可视化领域的“先概览，后细节”的原则相吻合，可以有效地对大规模数据进行探索分析。安德里延科（Andrienko）等人在空中交通数据分析中，基于对飞机移动轨迹的聚类，实现许多分析任务，比如路由准则选择和交通网络重建。