一种面向时序数据的交互式可视化系统

在科学、经济、工程、工程等各领域,每时每刻都产生大量时序数据.挖掘多维时序数据中蕴含的相关性特征和周期性规律,是可视分析领域研究的重点.本文在总结了过往案例和可视化方法的基础上,提出了一种称为时序螺旋的可视化交互系统.该系统基于时间粒度和时间原语的概念进行设计,旨在通过可视分析的方法,挖掘数据维度之间的相关性关系和周期性规律.时序螺旋综合了年轮图、族线等多种周期性数据可视化布局方法,并辅以多种交互模型互为补充.最后以实际数据集的分析案例展示了我们的方法在探索和理解多维时序数据的有效性.     

信息可视化研究综述

信息可视化是可视化技术在非空间数据领域的应用,可以增强数据呈现效果,让用户以直观交互的方式实现对数据的观察和浏览,从而发现数据中隐藏的特征、关系和模式。可视化应用非常广泛,主要涉及领域:数据挖掘可视化、网络数据可视化、社交可视化、交通可视化、文本可视化、生物医药可视化等等。根据CARD可视化模型可以将信息可视化的过程分为以下几个阶段:数据预处理;绘制;显示和交互。根据SHNEIDERMAN的分类,信息可视化的数据分为以下几类:一维数据、二维数据、三维数据、多维数据、时态数据、层次数据和网络数据。其中针对后4种数据的可视化是当前研究的热点。多维数据可视化方法主要包括基于几何的方法、图标方法和动画方法等。基于几何的可视化方式中最经典的就是"平行坐标系"方法。平行坐标系(parallel coordinates)使用平行的竖直轴线来代表维度,通过在轴上刻划多维数据的数值并用折线相连某一数据项在所有轴上的坐标点展示多维数据。平行坐标系方法能够简洁、快速地展示多维数据,发展出很多改进技术。但是当数据集的规模变得非常大时,密集的折线会引起"视觉混淆"(visual clutter),处理方法包括维度重排、交互方法、聚类、过滤、动画等。其他基于几何的方法包括Radviz方法使用圆形坐标系展示可视化结果;散点图矩阵(scatter plot matrix)将多维数据中的各个维度两两组合绘制成一系列的按规律排列的散点图。基于图标的可视化方法用具备可视特征的几何形状如大小、长度、形状、颜色等刻划数据,代表性的方法包括星绘法和Chernoff面法等。动画方法用于可视化中可被用来提高交互性和理解程度,其缺点包括可能分散注意力、引起用户的误解、产生"图表垃圾"等。时间序列数据是指具有时间属性的数据集,针对时间序列数据的可视化方法如下:线形图、堆积图、动画、地平线图、时间线。层次数据具有等级或层级关系。层次数据的可视化方法主要包括节点链接图和树图2种方式。其中树图(treemap)由一系列的嵌套环、块来展示层次数据。为了能展示更多的节点内容,一些基于"焦点+上下文"技术的交互方法被开发出来。包括"鱼眼"技术、几何变形、语义缩放、远离焦点的节点聚类技术等。网络数据具有网状结构。自动布局算法是网络数据可视化的核心,目前主要有以下3类:一是力导向布局(force-directed layout);二是分层布局(hierarchical layout);三是网格布局(grid layout)。当数据节点的连接很多时,容易产生边交叉现象,导致视觉混淆。解决边交叉现象的集束边(edge bundle)技术可以分为以下几类:力导向的集束边技术、层次集束边技术、基于几何的边聚类技术、多层凝聚集束边技术和基于网格的方法等。其他研究热点包括图形的视觉因素研究、自适应可视化研究、可视化效果的评估等。视觉因素对于可视化效果的影响,如位置、长度、面积、形状、色彩等影响已经引起很多研究者的注意。色彩是视觉因素的重要组成部分,研究主要集中在颜色选择的原则和交互系统中。这些原则基于数据类型、类的数量、认知约束等。自适应可视化可以提高信息可视化的适应性。研究成果分为以下几类:自适应可视化展示、自适应资源模型、自适应用户模型。自适应可视化展示是指根据用户的特征自动为用户提供多种展示类型,自动选择可视化内容及布局的形式,自动调整可视化的元素等。自适应资源模型反映了对硬件和软件的利用以提高可视化性能。自适应用户模型通过显示用户模型的内容并让用户能够编辑,从而让用户能够控制模型的内容。当前关于信息可视化评价的研究较少,少量研究也没有提出直接和通用的可视化的评估方式,需要对信息可视化评价的理论基础、方法和应用做深入的研究。可视化技术与应用还应该继续向以下4个方面努力:直观化、关联化、艺术化、交互化。信息可视化技术的发展方向是协同(collaboration)、分析过程(analytics)、计算(computational)和意会(sense-making)。未来研究方向可以包括以下几个内容。信息可视化和数据挖掘的紧密结合。为提高处理海量数据时的速度和效率和解决视觉混淆现象;必须运用数据挖掘的公式和算法,对数据分析的过程及结果进行可视化展现。协同可视化。协同可视化领域的研究方向可以包括可视化接口设计、基于Web的可视化协同平台开发、协同可视化工作的视图设计、协同可视化中的工作流管理及协同可视化技术的应用等。更多领域的应用技术开发。包括统计可视化:需要研究使用几何、动画、图像等工具对数据统计的过程和结果进行加工和处理的技术;新闻可视化:对新闻内容进行抓取、清洗和提取和可视化展示;社交网络可视化:可视化方式显示社交网络的数据,对社交网络中节点、关系及时空数据的集成展示。搜索日志可视化:针对在使用搜索引擎时产生的海量搜索日志,可视化的展现用户的搜索行为、关系和模式等。     

一种基于图标技术的可视化方法与应用

基于图标技术是数据挖掘可视化技术中的一种重要技术之一,本文在此技术的基础之上,给出了一种数据对象可视化表示的规范化方法,提出了基于图标技术的一种统计数据的可视化模型及表示方法,最后给出了利用此可视化方法的应用例.结果表明这种方法对于数据的可视化表示是简单而有效的.     

改进星形图和超维树在健康信息系统中的应用

信息可视化主要应用于没有几何属性的抽象信息,揭示信息之间的关系和信息中隐藏的特征.介绍了几种典型的多维数据的信息可视化和交互方法,提出了用星形图技术和超维树技术对人体健康多维数据进行可视化的设计方法,给出了可视化结果.研究成果可以应用到环境,医学,体育和游戏等多个领域.     

基于单一数据源的产品BOM多视图映射技术

为实现产品全生命周期中的物料清单 (bill ofmaterial,BOM)信息集成 ,提出了基于单一数据源的产品BOM数据多视图映射技术 ,初步建立了 BOM多视图映射的基本理论和 BOM主要视图间的 BOM映射类型 ,分析了BOM多视图间的数据映射关系 ,基于基元化组件重构理论 ,设计了 BOM多视图数据映射平台和 BOM视图映射工具组件 ,实现了分布式环境下的 BOM主要视图间的数据映射     

基于微博签到的江西省居民活动空间分布可视化表达及人口结构分析

基于位置服务的社交平台数据的研究对于研究居民生活习惯有着重要的意义。探讨微博签到数据获取与可视化方法,以江西省微博签到数据为例,探讨了江西省居民的微博活动量的的空间分布特征、不同类别兴趣点POI(Point of Interest)微博签到数据组成成分,及其与人口的年龄结构和性别结构关系,并利用百度地图API接口、Echarts可视化图表技术进行可视化表达。     

基于multi-agent的装备综合保障数据交互研究

为了更好地解决装备综合保障活动中所需的和所产生的数据之间的交互问题,提出了将multi-agent(多智能体)技术引入到装备综合保障领域的方法。分析了装备综合保障数据的作用和种类,对数据之间的关系进行了研究。构建了基于multi-agent技术的装备综合保障数据交互模型,并对模型中不同agent的作用进行了分析。最后,通过实例对数据交互的过程进行了详细说明。     

基于XML的分布异构数据集成平台

针对网络环境下异构数据的集成交互问题,提出了基于XML的集成平台解决方案,数据源不需改变存在方式和存储类型,即可实现分布异构数据的无障碍交互.构建了集成平台的结构模型并分析了模型涉及的接口技术、网络传输技术、业务流程引擎、XML相关技术等具体应用.研究了实现模型的关键技术,解决了XML文档生成、转换和映射问题.提出在UML建模的基础上自定义相应XML模式的方法,在XSLT转换中,将样式单与XML设计文档异地存放,减少网络传输流量,便于信息实时交互.将Java,XML和组件技术在本结构模型中进行整合,实现系统.     

基于网格服务的可视化应用模型研究

网格技术与数据可视化科学的结合探索是跨领域研究的难点与热点.本文提出了分布式、合作的、支持异构资源的自动获取和分配的网格可视化环境GVFrame.GVFrame为地理分布的合作用户提供可视化资源共享的框架,该框架以基于OGSA规范的Grid web Services作为运行背景,使用可视化资源代理(visBroker)简化远程资源的分配和使用.GVFrame核心资源层VS(Visualization Grid services)基于分布式可视化流程映射模型,将可视化组件合理分割并分布到网格环境中,并利用数据服务驱动机制处理合作用户的数据更新和渲染流水线.     

可视化和可视化分析学

可视化就是把数据、信息和知识转化为可视的表示形式的过程。一般来讲,可视化可分为数据可视化、科学计算可视化、信息可视化和知识可视化。可视化可以看做是人类与计算机这两个信息处理系统之间的一个接口单元。本文在给出可视化定义基础上,简要介绍了国际近年出现的可视化分析学情况,讨论了可视化在数据挖掘、复杂网络等领域的应用。最后指出了可视化研究存在的问题和重要发展方向。     

Simple Algorithms for Network Visualization:A Tutorial

The graph drawing and information visualization communities have developed many sophisticated techniques for visualizing network data,often involving complicated algorithms that are difficult for the uninitiated to learn.This article is intended for beginners who are interested in programming their own network visualizations,or for those curious about some of the basic mechanics of graph visualization.Four easy-to-program network layout techniques are discussed,with details given for implementing each one:force-directed node-link diagrams,arc diagrams,adjacency matrices,and circular layouts.A Java applet demonstrating these layouts,with open source code,is available at http://www.michaelmcguffin.com/research/simpleNetVis/.The end of this article also briefly surveys research topics in graph visualization,pointing readers to references for further reading.     

基于知识图谱的社交网络用户行为研究进展

社交网络包含复杂的结构信息与丰富的语义信息.互联的多类型数据,实体对象的行为关系等问题的研究面临极大的挑战.知识图谱旨在处理用户数据知识及行为信息,发现事物、概念与实体对象间的复杂联系,使事物间关联关系得到清晰说明.首先介绍知识图谱基本知识;其次基于知识图谱,在社交网络中,可视化表示用户的行为关系,对其中的行为知识抽取、行为知识表示、行为知识加工等3种关键技术和研究进展进行综述,实验分析与对比其中的技术模型,并介绍可视化识别技术,运用概率软逻辑识别候选行为知识,提高用户行为关系可视化的准确性;最后介绍用户行为关系可视化在用户信息检索、用户安全评测、行为关联推理等方面的应用,对当前研究存在的挑战进行讨论分析,并对其发展前景进行了展望.     

国内专利引文评价领域研究进展分析

专利引文评价是当前国际情报学界的研究热点之一。通过对近年来国内发表的情报学文献的文献计量分析,发现专利引文评价是一个多学科交叉的复合型研究领域,其理论与方法主要建立在法学、科学学、经济学、管理学等相关知识的基础之上,国内从事专利引文评价研究的机构主要包括华中科技大学、浙江大学、大连理工大学及中科院相关院所,研究主题主要分布在专利质量评价、专利价值评估指标构建、技术创新路径发现、专利战略制定、专利网络分析及可视化、科学—技术关联探测等方向。     

推荐系统研究综述

随着互联网技术的快速发展,如何对海量网络信息进行挖掘分析,已成为热点和难点问题。推荐系统能够帮助用户在没有明确需求或者信息量巨大时解决信息过载的问题,为用户提供精准、快速的业务(如商品、项目、服务等)信息,成为近年来产业界和学术界共同的兴趣点和研究热点,但是,目前数据的种类多种多样并且应用场景广泛,在面对这种情况时,推荐系统也会遇到冷启动、稀疏矩阵等挑战。深度学习是机器学习的一个重要研究领域和分支,近年来发展迅猛。研究人员使用深度学习方法,在语音识别、图像处理、自然语言处理等领域都取得了很大的突破与成就。目前,深度学习在推荐领域也得到了许多研究人员的青睐,成为推荐领域的一个新方向。推荐方法中融合深度学习技术,可以有效解决传统推荐系统中冷启动、稀疏矩阵等问题,提高推荐系统的性能和推荐精度。文中主要对传统的推荐方法和当前深度学习技术中神经网络在推荐方法上的应用进行了归纳,其中传统推荐方法主要分为以下3类:1)基于内容推荐方法主要依据用户与项目之间的特征信息,用户之间的联系不会影响推荐结果,所以不存在冷启动和稀疏矩阵的问题,但是基于内容推荐的结果新颖程度低并且面临特征提取的问题。2)协同过滤推荐方法是目前应用最为广泛的一种方法,不需要有关用户或项目的信息,只基于用户和诸如点击、浏览和评级等项目的交互信息做出准确的推荐。虽然该方法简单有效但是会出现稀疏矩阵和冷启动的问题。3)混合推荐方法融合了前2种传统推荐方法的特点,能取得很好的推荐效果,但在处理文本、图像等多源异构辅助信息时仍面临一些挑战与困难。依据神经网络基于深度学习的推荐方法主要分为4类:基于深度神经网络(DNN)的推荐方法、基于卷积神经网络(CNN)的推荐方法、基于循环神经网络(RNN)和长短期记忆神经网络(LSTM)的推荐方法、基于图神经网络(GNN)的推荐方法、将深度学习技术融入到推荐领域,构造的模型具有以下优势:具有较强的表征能力,可以直接从内容中提取用户和项目特征;具有较强的抗噪能力,可以轻易地处理含有噪声的数据;可以对动态或者序列数据进行建模;可以更加精准地学习用户或项目特征;便于对数据进行统一处理,并且可以处理大规模数据。将深度学习技术应用到推荐领域,可以积极有效地应对传统推荐方法面临的挑战,提高推荐效果。     

基于路径分析和关系描述的知识图谱补全方法

面对相对复杂的互联网信息,知识图谱能够将其表达成更加便于理解的形式,通过可视化技术加以显示并提供有价值的参考.但伴随数据实体及实体关系的快速扩增,知识图谱的稀疏性和连通性不足等问题日趋凸显.提出一种基于路径分析和关系描述的知识图谱补全方法,并以泛娱乐领域相关数据为例,对该方法的有效性进行验证.构建基于泛娱乐知识特点的泛娱乐领域知识图谱,并在该知识图谱上进行验证实验.实验结果表明,提出的方法能够很好地推理出知识图谱中的隐含与遗漏路径,有效地实现知识图谱补全,从而发现具有丰富价值的隐含知识.     

A Novel Ranking Framework for Linked Data from Relational Databases

This paper investigates the problem of ranking linked data from relational databases using a ranking framework. The core idea is to group relationships by their types, then rank the types, and finally rank the instances attached to each type. The ranking criteria for each step considers the mapping rules and heterogeneous graph structure of the data web. Tests based on a social network dataset show that the linked data ranking is effective and easier for people to understand. This approach benefits from utilizing relationships deduced from mapping rules based on table schemas and distinguishing the relationship types, which results in better ranking and visualization of the linked data.     

基于GIS的国外文化地理学研究热点演变与趋势

借助文献计量法和科学知识图谱分析法,筛选“Web of Science”核心合集数据库中基于GIS的文化地理研究文献,通过CiteSpace可视化软件绘制发文作者、学科领域和关键词等知识图谱,并进一步追溯核心文献,聚焦研究主题与热点。研究结果表明:(1)该领域研究趋势指向新型地理信息系统,国外研究的高中心性和高突现性文献集中指向批判地理信息系统、历史地理信息系统、质性地理信息系统;(2)核心文献较多采用ArcMAP制图的分层设色模式及核密度分析法来呈现文化地理信息的制图可视化;(3)基于GIS的文化地理研究具有跨学科的优势及良好的研究前景,今后的文化地理学研究在数据获取上可以借助志愿地理信息系统等开放式的地理信息技术平台,在方法上可以探索空间插值等较为精准的空间分析方法。     

基于知识图谱的核电设备健康管理知识建模与分析

随着信息技术发展,设备健康数据与知识图谱技术结合为设备健康发展带来新的发展机遇,知识图谱利用其多种特异性优势,使企业系统中积累的海量设备维修数据得到有效整合利用.本文提出基于知识图谱的核电设备健康管理知识建模与分析方法,并根据实体关系模型构建维修知识图谱本体框架,同时基于核电企业实际的维修工单数据,从统计分析和关联分析两方面取得良好的实践效果.研究结果表明,知识图谱能够在设备维修知识的集成上解决传统的数据孤岛问题,同时能基于故障的可视化分析为维修人员和管理人员提供决策和知识支持.     

立方晶体宏观织构取向分布函数的程序化

取向分布函数(ODF)从宏观整体上反映了多晶体各晶粒取向的统计分布,它突破了传统的极图法、反极图法用一维或二维图形来描述晶体的空间取向分布的局限性,可实现晶体取向分布的三维空间描述.针对具有立方结构的多晶体材料,采用级数展开法模型计算取向分布函数的理论模型,利用程序对ODF值进行了计算,并以Voronoi增量算法为基础生成包含有5000个晶粒的多晶体材料各晶粒的几何数据信息,与计算得到的ODF值一起导入OpenGL进行可视化处理,直观显示了多晶体材料中ODF值在各晶粒内的分布.通过对立方系多晶体材料的ODF测算,对该种材料的织构类型研究与分布规律分析具有重要的指导意义.