基于高维多元数据的酒体感官评价可视分析

酒体质量评价以感官鉴定为主,但感官评价易受人的身体条件和经验等因素的影响。为提高评价的稳定性和有效性,建立以理化指标数据为依据的评价方法。本文提出了一种基于大数据可视分析的研究方法,挖掘高维多元指标数据对酒体感官特性的影响。首先,对高维多元指标数据的相关性,以及与感官评价的相关性进行分析,通过图模型阐释关系特性,初步建立面向领域的可视分析方法。然后,采用基于机器学习的数据分析技术,结合感官评价构建酒体质量评价模型。最后,结合评价模型对酒体指标参数的重要性进行分析。在此基础上,对模型的评价效果进行了验证,分别选取两类样本进行对比,一类样本包含重要性得分较高的6项理化指标,包括酒体密度、残糖、挥发性酸、酒精度、硫酸酯和非挥发性酸,另一类样本包含全部11项理化指标,验证结果显示两类样本的预测结果相近,分类预测误差仅相差0.4%,表明以上6项理化指标是影响感官评价的主要成分。该可视分析方法可降低理化指标的维数,并保留酒体质量的特征信息,用于酒体质量的评价,对酒体质量科学化评价起到重要作用。

基于雷达图序列的海洋多维数据可视化方法

传统的海洋水文数据可视化方法通常只对单一要素进行显示,而多维数据可视化方法通常只在二维平面坐标系上显示多要素数据。本文针对海洋高维多元数据提出了一种通过添加时空维度坐标轴,将雷达图扩展到三维空间的方法,绘制由二维雷达图和一个时空维构成的雷达图序列Radar Chart Series,融合了剖面图和雷达图各自的信息,既在每个雷达图表示多个水文要素的数据信息,又在时空维度上反映各要素沿某一时空维度的变化趋势,从而在全局上展现整个数据集分布特征以及各个研究对象(要素)之间可能存在的关系。实验结果表明,雷达图序列方法在很大程度上拓宽了一个图所能承载的数据信息,对数据中的隐藏信息进行了更深层次的挖掘。

拉美一体化发展特征可视分析方法

对拉美一体化发展特征分析的关键在于探索各国间的属性信息,但评估国家发展的因素众多且存在大量对结果无关因素的干扰。针对拉美国家数据的高维多元特征,提出一种利用层次数据划分和子空间分析相结合的可视分析模型,可同时分析属性相关性和局部子空间下国家的降维结果,再结合视觉隐喻等多种可视化手段和交互联动视图,设计了一个基于拉美国家数据的高维多元可视分析系统,支持对多个国家的关联对比和多属性的时变演化规律分析。对拉美国家数据从整体到个体、从宏观到特征事件进行筛选和探索,有助于认识拉美一体化发展的特征从而制定精准的扶贫计划。结合领域专家的需求进行了系统建模和案例分析,验证了本系统的有效性和适用性。