1.一种基于交互可视化的多维数据分析方法，其特征在于，包括：步骤1：获取交互需求下的交互过程数据，并根据交互过程数据所涉及到的获取场景，来得到不同维度场景下的第一数据；

步骤2：分析每个维度场景下的第一数据基于交互需求的数据交互程度以及对应维度场景基于交互需求的场景突出程度，设置第一标签；

步骤3：根据不同维度场景之间的交互关联关系，向对应维度场景设置第二标签；

步骤4：根据第一标签以及第二标签，从标签‑模式数据库中，获取对应第一数据的可视化模式；

步骤5：基于所有可视化模式，来实现对交互过程数据的可视化展示；

其中，分析每个维度场景下的第一数据基于交互需求的数据交互程度以及对应维度场景基于交互需求的场景突出程度，设置第一标签，包括：步骤21：基于信息熵概念，采用矩阵描述每个第一数据中任意两个属性之间的基本信息值，构建第一基本信息矩阵；

步骤22：获取每个第一数据中任三个属性之间的重复度，并构建对应第一数据的冗余度矩阵；

步骤23：获取每个第一数据中不同属性之间的相关性的变化量，并作为对应属性的交互度构建交互度矩阵；

步骤24：对第一基本信息矩阵、冗余度矩阵以及交互度矩阵归一化处理后进行信息融合，得到的对应第一数据的可用性矩阵，并计算对应第一数据基于交互需求的数据交互程度，其中，数据交互程度求取公式如下：；其中， 表示为第i个第一数据基于

交互需求的数据交互程度； 表示为第i个第一数据的可用性矩阵的数据可用值； 表示为第i个第一数据的数据量； 表示为目标数据总量； 表示为第一数据基于目标数据的数据量占比对数据交互程度的影响权重系数； 表示为第一数据的平均交互传输速度；

表示为第i个第一数据的交互传输速度； 表示为第一数据平均交互传输速度与第i个第一数据的交互传输速度的速度差对数据交互程度的影响权重系数； 表示为第一数据的最大交互传输速度； 表示为交互需求所映射到的第一数据的总个数；

表示对初始交互程度 的微调函数；

步骤25：将同个维度场景下的数据交互程度与同维度场景采集数据的复杂度相结合，得到对应维度场景的场景突出程度；

步骤26：根据获取的不同维度场景的场景突出程度，对第一数据设置第一标签。

2.根据权利要求1所述的一种基于交互可视化的多维数据分析方法，其特征在于，获取交互需求下的交互过程数据，并根据交互过程数据所涉及到的获取场景，来得到不同维度场景下的第一数据，包括：步骤11：从需求交互数据库中提取与所述交互需求所相应存储的交互过程数据；

步骤12：对提取的交互过程数据自主筛选并删除其中重复数据、根据数据的价值权重和价值密度处理所述交互过程数据中的缺失数据以及利用箱线图法对所述交互过程数据中存在的异常数据进行处理，最后得到目标数据集；

步骤13：采用K‑means聚类分析的方式，对目标数据集进行场景聚类得到数据子集，从而获取不同维度场景下的第一数据。

3.根据权利要求1所述的一种基于交互可视化的多维数据分析方法，其特征在于，根据获取的不同维度场景的场景突出程度，对第一数据设置第一标签，包括：根据获取的不同维度场景的场景突出程度，若存在场景突出程度小于预设低阈值的维度场景，则将该维度场景对应的第一数据设置内容为低交互的第一标签；

若存在场景突出程度不小于预设低阈值且不大于预设高阈值的维度场景，则将该维度场景对应的第一数据设置内容为中交互的第一标签；

若存在场景突出程度大于预设高阈值的维度场景，则将该维度场景对应的第一数据设置内容为高交互的第一标签。

4.根据权利要求1所述的一种基于交互可视化的多维数据分析方法，其特征在于，根据不同维度场景之间的交互关联关系，向对应维度场景设置第二标签，包括：步骤31：选取任意一个维度场景作为参考场景，其对应第一数据作为参考数据构建参考数据序列 ，其中， 表示为第j1个参考样本，且j1的取值为 ；

步骤32：基于除参考场景以外的所有维度场景设置交互关联变量 后，构建交互关联数据序列 ，其中m表示为第m个维度场景；n表示为样本容量； 表示为第j1个交互关联样本；

步骤33：利用均值化方法对所述交互关联数据序列去量纲化处理后，得到第一关联序列；

步骤34：计算参考数据序列与每个第一交互序列之间的差序列以及两极最小差与最大差，从而得到第一关联系数；

步骤35：将每个维度场景充当一次参考场景，重复步骤31至步骤34，得到所有维度场景的相关系数矩阵，进而得到不同维度场景之间的交互关联度；

步骤36：根据交互关联度，对维度场景彼此之间的关联程度进行判定，再基于预设占比阈值，对不同维度场景设置第二标签。

5.根据权利要求4所述的一种基于交互可视化的多维数据分析方法，其特征在于，根据交互关联度，对维度场景彼此之间的关联程度进行判定，再基于预设占比阈值，对不同维度场景设置第二标签，包括：根据交互关联度，若存在两个维度场景之间的交互程度高于预设交互阈值，则将对应维度场景之间交互程度标记为一级交互；

否则，将对应维度场景之间交互程度标记为二级交互；

根据所有交互标记结果，分别获取每个维度场景的互为一级交互、二级交互的维度场景的个数占维度场景总数的第一比例结果和第二比例结果，以及存在交互的维度场景个数占维度场景总数的关键比例结果；

当关键比例结果小于预设比例阈值时，将对应的维度场景设置内容为极低关联的第二标签；

当关键比例结果不小于预设比例阈值时，若第一比例结果高于预设占比阈值，则将对应维度场景设置内容为高关联的第二标签；

若第二比例结果高于预设占比阈值，则将对应维度场景设置内容为低关联的第二标签；

若第一比例结果和第二比例结果均小于预设占比阈值，且第一比例结果大于第二比例结果，则将对应维度场景设置内容为中关联的第二标签；

否则，将对应维度场景设置内容为中低关联的第二标签。

6.根据权利要求1所述的一种基于交互可视化的多维数据分析方法，其特征在于，根据第一标签以及第二标签，从标签‑模式数据库中，获取对应第一数据的可视化模式，包括：根据第一标签以及对应的第二标签，当第一标签为高交互或中交互的第一数据所对应维度场景设置的第二标签内容为高关联和中关联时，从标签‑模式数据库中选取彩色图表与场景动态关联图结合的可视化模式；

若对应维度场景的第二标签为中低关联与低关联，则选取彩色图表与场景关联图结合的可视化模式；

若对应维度场景的第二标签为极低关联，则选取彩色图表的可视化模式；

若第一数据的第一标签为低交互，且对应维度场景的第二标签内容为高关联和中关联时，则从标签‑模式数据库中选取基本图表与场景关联图结合的可视化模式；

否则，选取基本图表作为可视化模式。

7.根据权利要求1所述的一种基于交互可视化的多维数据分析方法，其特征在于，对交互过程数据的可视化展示是基于从标签‑模式数据库中提取的可视化模式，利用Echart可视化组件实现的。