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。     

信息可视化和知识可视化的比较研究

介绍了信息可视化和知识可视化两种理论方法的概念、特征和联系,着重分析了信息可视化和知识可视化在具体研究方向、理论基础和实现手段上的区别,展望了两种理论方法在我国的发展趋势。     

可视化技术的发展及应用

可视化技术是在20世纪80年代发展起来的一个新的技术领域。从最初科学计算可视化的提出到现在的知识可视化,它已经形成了若干分支：科学计算可视化、数据可视化、信息可视化和知识可视化等。本文将介绍它们的基本思想、比较它们的不焉点及应用领域等。     

从学术论文看国内知识可视化的研究现状

目前,知识可视化作为一个新兴的研究领域,在在企业、教育以及其它机构组织中得到了广泛的关注。我们将试图以"知识可视化"为关键词对论文数据库进行检索,对搜索结果进行整体分析和内容分析,从学术论文的角度看国内知识可视化的研究现状。     

浅析艺校图书馆数字资源的可视化

艺校图书馆在馆藏资源方面具有自己独特的特征,它更加注重数字资源的发展.阐述了各类数字资源可视化的步骤,探讨了可视化技术在整合数字资源实践中的应用.     

信息可视化刍议

信息可视化是国外最近才形成的情报学研究的新领域。考察了信息可视化的起源与发展，说明了信息可视化的概念，阐述了信息可视化流程，列举了信息可视化应用分类及其在国外和国内的应用情况。     

基于知识图谱的图书馆学科服务研究可视化分析

以CNKI数据库中图书馆学科服务的研究文献为研究对象,利用信息可视化分析软件CiteSpace及文献计量学方法,绘制了知识图谱,探讨了图书馆学科服务研究文献的基金资助来源、核心作者、核心学术机构和研究热点,以期为我国图书馆学科服务的研究提供有益参考.     

大数据可视化技术及应用

 随着人类产生数据量的增加，数据可视化需要处理的数据规模、类型及需求都发生了显著变化。在大数据时代，数据可视化面临诸多新的挑战。从大数据本身的特点及其应用需求出发，结合数据可视化的研究现状，介绍了适用于大数据的数据可视化技术；分析在大数据条件下数据可视化所要解决的8个关键问题；讨论了针对大数据可视化应用需求自主研发的交互式可视化设计平台AutoVis及其应用。     

景观可视化的研究进展

可视化技术是20世纪70年代末提出并得到迅速发展的一门新兴技术，发展时间虽短，但引起了国内外学者的广泛关注．国内外景观可视化的发展可分为二维景观可视化和三维景观可视化两个阶段．所取得的研究成果主要有植被景观的三维模型和可视化，主要包括植物个体尺度建模、景观基质尺度建模；景观规划的可视化，主要包括地理信息系统可视化、虚拟现实技术和三维城市模型的可视化．目前存在的主要问题是对景观动态描述数字化技术研究比较薄弱，对虚拟现实技术在环境决策系统等的适合度及有效性研究得较少，对人类感知的理解以及怎样把人的感知用数字化的方法较好的显示出来，在细节水平研究的技巧、应用现代系统方法来发展可视化系统等问题，都是我们今后研究的重点和奋斗的方向．通过景观可视化的研究希望能引起国内更多学者对这一问题的关注，从而促进景观可视化技术的发展．     

可视化数据挖掘技术

通过对可视化数据挖掘进行分类和总结,提出将可视化数据类型和可视化与数据挖掘结合的思想。由于可视化数据挖掘的优势是用户能直接参与数据挖掘过程,通过对挖掘过程中各个阶段反馈的信息可视化结果的分析,用户可以将领域知识和数据挖掘算法有效地结合在一起,完成用户和算法的交互。因此,可视化数据挖掘技术将成为今后数据挖掘领域中研究的热点。     

数据挖掘过程可视化与交互式一般内容的研究

过程的可视化与交互式是过程指导层次的可视化数据挖掘,可视化和交互式的对象就是"过程"。描述了过程的可视化与交互式概念并指出了其优点。然后,通过引入过程对象和过程粒度等概念构建了过程可视化和交互式的基本内容,在此基础上给出了实现过程可视化和交互式的不同参考方案。     

引江济太虚拟景观系统关键技术的研究与实现

介绍了系统场景可视化采用的一些关键技术.开发了引江济太三维虚拟景观原型系统(YJJT3D系统),用OpenGL作为底层图形驱动程序,以VC 6.0为开发工具,利用虚拟现实技术、多媒体技术和三维图形技术,实现了对大规模地形场景的实时动态显示、信息查询以及空间分析,并提出解决超大数据量数字高程模型快速显示的算法,将地物在地形中进行显示.该系统能在PC机上流畅地运行,图形的生成速度和质量较高.     

Feature Preserving Milli-Scaling of Large Format Visualizations

Ultra-scale data analysis has created many new challenges for visualization.For example,in climate research with two-dimensional time-varying data,scientists find it crucial to study the hidden temporal relationships from a set of large scale images,whose resolutions are much higher than that of general computer monitors.When scientists can only visualize a small portion(< 1=1000) of a time step at one time,it is extremely challenging to analyze the temporal features from multiple time steps.As this problem cannot be simply solved with interaction or display technologies,this paper presents a milli-scaling approach by designing downscaling algorithms with significant ratios.Our approach can produce readable-sized images of multiple ultra-scale visualizations,while preserving important data features and temporal relationships.Using the climate visualization as the testing application,we demonstrate that our approach provides a new tool for users to effectively make sense of multiple,large-format visualizations.     

OpenGL实现三维可视化工作流程

文章介绍了OpenGL的工作原理和三维建模的相关方法,并以徐州师范大学校园三维可视化系统的建设为例,说明了如何对校园三维地形进行建模以及如何运用OpenGL在VC++环境下实现可视化等相关问题。     

大学数学教学中的数学直观

本文简要地阐明了数学直观与一般教学直观的区别,并论述了在大学数学教学中,如何采用数学直视讲授概念、定理,以及引导学生积极思维,帮助学生理解和记忆。     

可视化浅析

分析了可视化的概念与特点,阐述了可视化的发展历史及其认知功能,提出了新的可视化定义,指出可视化是增强认知、提高管理效率的卓有成效的方法。     

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。