- 数据可视化
数据可视化，是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。[1]
它是一个处于不断演变之中的概念，其边界在不断地扩大。主要指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。 - 传统的可视化隐喻用於单个或小维度数据，它们包括：
A: 显示聚合和频数的条形统计图
B: 显示变量值分布的柱状图
C: 了解走向程序的折线图
D: 总体的各部分可视化的饼图
E: 二元分析的散点图
3.平行座标
平行座标是一种通常的可视化方法， 用于对高维几何和多元数据的可视化。
Parallel Coordinates 平行座标
为了表示在高维空间的一个点集， 在N条平行的线的背景下，（一般这N条线都竖直且等距），一个在高维空间的点被表示为一条拐点在N条平行座标轴的折线，在第K个座标轴上的位置就表示这个点在第K个维的值。
平行座标是信息可视化的一种重要技术。为了克服传统的笛卡尔直角座标系容易耗尽空间、 难以表达三维以上数据的问题， 平行座标将高维数据的各个变量用一系列相互平行的座标轴表示， 变量值对应轴上位置。 为了反映变化趋势和各个变量间相互关系，往往将描述不同变量的各点连接成折线。所以平行座标图的实质是将 维欧式空间的一个点Xi(xi1,xi2,…,xim) 映射到维平面上的一条曲线。
平行座标图可以表示超高维数据。 平行座标的一个显著优点是其具有良好的数学基础， 其射影几何解释和对偶特性使它很适合用于可视化数据分析。
4.自组织映射（SOM）进行可视化
自组织神经网络SOM是基于无监督学习方法的神经网络的一种重要类型。自组织映射网络理论最早是由芬兰赫尔辛基理工大学Kohen于1981年提出的。此后，伴随着神经网络在20世纪80年代中后期的迅速发展，自组织映射理论及其应用也有了长足的进步。 - 数据可视化概述
数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。但是，这并不就意味着数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味，或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达思想概念，美学形式与功能需要齐头并进，通过直观地传达关键的方面与特征，从而实现对于相当稀疏而又复杂的数据集的深入洞察。然而，设计人员往往并不能很好地把握设计与功能之间的平衡，从而创造出华而不实的数据可视化形式，无法达到其主要目的，也就是传达与沟通信息。
数据可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关。当前，在研究、教学和开发领域，数据可视化乃是一个极为活跃而又关键的方面。“数据可视化”这条术语实现了成熟的科学可视化领域与较年轻的信息可视化领域的统一。 - 数据可视化技术
①数据空间：是由n维属性和m个元素组成的数据集所构成的多维信息空间；
②数据开发：是指利用一定的算法和工具对数据进行定量的推演和计算；
③数据分析：指对多维数据进行切片、块、旋转等动作剖析数据，从而能多角度多侧面观察数据；
④数据可视化：是指将大型数据集中的数据以图形图像形式表示，并利用数据分析和开发工具发现其中未知信息的处理过程。
数据可视化已经提出了许多方法，这些方法根据其可视化的原理不同可以划分为基于几何的技术、面向像素技术、基于图标的技术、基于层次的技术、基于图像的技术和分布式技术等等。 - 数据可视化的基本手段
数据可视化主要是借助于图形化手段，清晰有效地传达与沟通信息。但是，这并不就意味着，数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味，或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达思想概念，美学形式与功能需要齐头并进，通过直观地传达关键的方面与特征，从而实现对于相当稀疏而又复杂的数据集的深入洞察。然而，设计人员往往并不能很好地把握设计与功能之间的平衡，从而创造出华而不实的数据可视化形式，无法达到其主要目的，也就是传达与沟通信息。
数据可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关。当前，在研究、教学和开发领域，数据可视化乃是一个极为活跃而又关键的方面。“数据可视化”这条术语实现了成熟的科学可视化领域与较年轻的信息可视化领域的统一。
