Improved visual correlation analysis for multidimensional data

با گذشت زمان از انفجار اطلاعات، تجسم چند بعدی، به عنوان یکی از مفید ترین فن آوری های تجزیه و تحلیل داده ها، بیشتر به وظایف تجزیه و تحلیل داده های چند بعدی اعمال می شود. تجزیه و تحلیل همبستگی یک روش کارآمد برای نشان دادن روابط پیچیده موجود بین ابعاد در داده های چند بعدی است. با این حال، برای داده های چند بعدی با ویژگی های پیچیده بعد، روش های تحلیل همبستگی سنتی نادرست و محدود هستند. در این مقاله، ضریب همبستگی پیرسون بهبود یافته و همبستگی متقابل اطلاعات به ترتیب برای تشخیص ابعاد خطی و غیر خطی است. برای مورد خطی، تمام ابعاد به ترتیب به سه گروه تقسیم می شوند. سپس به ترتیب پارامترهای مناسب برای هر گروه از ابعاد را برای محاسبه همبستگی آنها انتخاب می کنیم. برای موارد غیر خطی، داده ها را در هر ابعاد خوشه بندی می کنیم. سپس توزیعهای احتمالی آنها برای تحلیل همبستگیها و وابستگیهای ابعاد براساس تجزیه و تحلیل همبستگی اطلاعات متقابل محاسبه می شود. در نهایت، ما از روابط بین ابعاد به عنوان معیار برای ترتیب تعاملی محورها در نمایش هماهنگی موازی استفاده می کنیم.