数据维度相关性分析一直以来是数据分析领域的研究重点,随着大数据在当今社会各个应用方面的快速发展,数据信息量出现了指数式增长,数据维度也越来越高,维数灾难成为了亟需解决的问题。数据可视化将数据用图形化的方式进行直观的展现,可以很好的帮助用户进行数据分析,并通过图形描述可以直观判断几个数据维度间存在何种相关关系。但是传统的可视化方法难以解决维数灾难的问题。一些数据挖掘方法虽然可行,但是难以把过程具象化,并且在一些应用场景下仍然需要可视化方法提供参数指导。在最近的研究中,加强数据可视化的策略主要是数据精简、可视化呈现和协调关联多视图三类,在实际应用中经常根据此三类组成复合方案,帮助用户探索高维数据。本文为实现基于信息熵的高维数据可视分析机制的研究,提出并实现了基于信息熵的高维数据可视分析原型系统ASExplorer。它采用一种基于联合熵的维度重要性评价算法进行数据精简,并设计以采样尺度为中心的交互式探索方法,为了验证原型系统的有效性,本文从案例分析和用户研究两个角度进行了验证。1.分析研究传统数据分析方法的特点,结合信息熵,提出了一种基于联合熵的维度重要性评价算法。该算法可以在缺少先验知识的情况下帮助用户精简数据和挑选作为分析路径的数据维度。2.交互技术是用户与信息系统之间的交流方法,本文提出了以采样尺度为中心的交互探索方法,该方法基于协调关联多视图策略,以分析路径上的采样尺度为自变量,计算每个数据维度的变化情况,并将这种变化绘制成迷你图,每个数据维度对应的迷你图可以通过曲线相似度进行排序。该方法可以同时探索多个数据维度在分析路径的采样尺度变化时的关联关系,并在探索过程中保持数据的原始特征不变。3.基于以上两点开发了名为ASExplorer的可视分析原型系统,优化了系统的易用性,用户可以通过刷选和排序等简单直观的交互操作,实现多维对比分析和假设验证。该系统适用于缺乏先验知识的数据集的早期分析过程,通过实例分析和用户研究证实了系统的有效性。