随着数据爆炸时代的来临,多维数据可视化作为最有效的数据分析手段之一,已经越来越多地被用于多维数据分析的任务中。其中,相关性分析,作为一种有效的技术,可以揭示存在于多维数据的维度间的复杂关系。然而,由于多维数据具有复杂的数据特征和结构,传统的相关性分析方法存在着一定的局限性和不准确性。于是,在本文中我们提出两种更加有效的相关性分析方法来分析多维数据。它们分别是改进Pearson系数法的和基于互信息的相关分析方法,这两种方法可以分别探测多维数据的线性相关性和非线性相关性。对于线性方法,我们首先将所有的维度根据它们的分布特征分为三组,然后针对每组数据维度分别选择相应的参数进行相关性的计算。至于非线性的方法,我们首先将每个维度的数据进行聚类,然后相应的计算它们的概率分布,而这些概率分布则用于互信息分析方法中相关性和依赖性的计算。最后,我们将维度之间的关系作为一个排序的标准,将所有的维度进行重排,排序的结果用平行坐标图显示出来。