1.基于数据可视化增强的电脑散热器性能分析系统，其特征在于，该系统包括以下模块：

数据采集模块，获取测试过程中每个时刻的散热数据序列；

数据分类模块，根据每类散热数据取值范围的统计结果获取信息熵变化量；根据信息熵变化量获取主要数据和次要数据；根据散热数据在可视化散热器性能过程中的关键程度获取数据关键度；根据数据关键度获取采集时刻之间的数据距离，将数据距离作为聚类时采集时刻之间的度量距离利用K‑means算法获取散热数据的聚类结果；

数据筛选模块，利用主成分分析PCA算法分别获取每个聚类簇内每类散热数据的第一主成分，将每个聚类簇内所有类散热数据的第一主成分组成的矩阵作为每个聚类簇的数据特征矩阵；根据每个时刻的散热数据序列与散热器不同性能状态对应的数据特征矩阵获取性能关联指数；根据性能关联指数获取用于可视化的筛选数据；

性能分析模块，根据各个聚类簇的筛选数据获取散热数据的可视化结果，根据可视化结果获取散热器的性能分析结果。

2.根据权利要求1所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据每类散热数据取值范围的统计结果获取信息熵变化量的方法为：对于每类散热数据，统计每类散热数据在所有采集时刻的取值范围，将每个不相等的采集数据作为每类散热数据中的一个数据级；

对于任意一个数据级，将所述数据级所在散热数据的信息熵作为第一计算因子，将散热数据删除所述数据级后剩余散热数据的信息熵作为第二计算因子，将第一计算因子与第二计算因子的差值作为所述数据级的信息熵变化量。

3.根据权利要求1所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据信息熵变化量获取主要数据和次要数据的方法为：对于任意一个采集时刻，根据采集时刻对应散热数据序列中每个元素对应的信息熵变化量，将采集时刻散热数据序列中元素对应的信息熵变化量组成的序列作为每个采集时刻的信息量序列；

将信息量序列中元素的均值作为熵变化均量，将信息量序列内大于等于熵变化均量的元素对应数据作为采集时刻的主要数据，将信息量序列内小于熵变化均量的元素对应数据作为采集时刻的次要数据。

4.根据权利要求1所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据散热数据在可视化散热器性能过程中的关键程度获取数据关键度的方法为：对于任意一个采集时刻，根据采集时刻对应近邻序列内所有时刻的散热数据序列以及突变时刻散热数据序列获取采集时刻的散热稳定度；

对于采集时刻散热数据序列内的任意一类散热数据，分别获取采集时刻散热数据序列中的主要数据和次要数据，根据采集时刻每类散热数据的熵权值与主要数据熵权值、次要数据熵权值之间的差异获取采集时刻每类散热数据的时序信息关键度；

将以自然常数为底数，以采集时刻的散热稳定度为指数的计算结果作为第一乘积因子，将采集时刻每类散热数据的时序信息关键度作为第二乘积因子，将第一乘积因子与第二乘积因子的乘积作为采集时刻每类散热数据的数据关键度。

5.根据权利要求4所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据采集时刻对应近邻序列内所有时刻的散热数据序列以及突变时刻散热数据序列获取采集时刻的散热稳定度的方法为：对于任意一个采集时刻，利用BG序列分割算法获取所有采集时刻中的所有突变时刻，将采集时刻散热数据序列与所有突变时刻散热数据序列之间皮尔逊相关系数的累加和作为分子；

将电脑启动时刻作为起始时刻，分别获取起始时刻到所述采集时刻之间每个采集时刻与所述采集时刻的时间间隔，将时间间隔降序排列结果中预设数量个采集时刻组成的序列作为所述采集时刻的近邻序列，将采集时刻散热数据序列与近邻序列内每个采集时刻散热数据序列之间皮尔逊相关系数的累加和作为分母；

将分子与分母的比值作为采集时刻的散热稳定度。

6.根据权利要求4所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据采集时刻每类散热数据的熵权值与主要数据熵权值、次要数据熵权值之间的差异获取采集时刻每类散热数据的时序信息关键度的方法为：式中， 是a时刻i类散热数据的时序信息关键度， 、n分别是a时刻的主要数据的数据量、次要数据的数据量，p是a时刻散热数据序列中的第p个次要数据，j是a时刻散热数据序列中的第j个主要数据， 、 、 分别是i类散热数据、主要数据j、次要数据p对应的熵权值， 、 、 分别是i类散热数据、主要数据j、次要数据p对应数据级的信息熵变化量，是调参因子。

7.根据权利要求1所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据数据关键度获取采集时刻之间的数据距离的方法为：式中， 是a时刻与b时刻的散热状态拟合度， 、 分别是a时刻数据序列、b时刻数据序列中主要数据的集合， 、 分别是a时刻数据序列、主要数据集合内数据个数，是集合之间的交集内数据的个数，是数据信息阈值，是相似阈值；

是a时刻与b时刻之间的数据距离， 是每个时刻散热数据序列中散热数据的类别总数， 、 分别是a时刻、b时刻i类散热数据的数据关键度。

8.根据权利要求1所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据每个时刻的散热数据序列与散热器不同性能状态对应的数据特征矩阵获取性能关联指数的方法为：式中， 是a时刻与第k个聚类簇之间的信息差异度， 是a时刻的散热数据序列，M是第k个聚类簇对应特征矩阵 的行数， 是特征矩阵 中第f行元素组成的序列，是序列 、 之间的DTW距离，是a时刻散热数据的数据有效指数， 是a时刻与K个聚类簇之间信息差异度的方差，是调参因子；

是a时刻散热数据序列的性能关联指数，是a时刻的散热稳定度。

9.根据权利要求1所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据性能关联指数获取用于可视化的筛选数据的方法为：对于任意一个聚类簇，计算聚类簇内每个时刻的性能关联度，分别获取每个聚类簇内性能关联度的最小值，将所有聚类簇内性能关联度最小值的均值作为筛选阈值；

分别获取聚类簇内每个采集时刻性能关联度与筛选阈值的差值，将所述差值大于零的性能关联度对应采集时刻的散热数据序列作为筛选数据。

10.根据权利要求1所述的基于数据可视化增强的电脑散热器性能分析系统，其特征在于，所述根据各个聚类簇的筛选数据获取散热数据的可视化结果的方法为：根据分析人员的散热数据请求获取对应的筛选数据，获取筛选数据对应的解析和渲染结果，根据HTML、CSS、JavaScript结合jQuery库获取可视化页面，利用可视化插件获取页面中的可视化视图表。