交互式平行坐标多维电磁态势可视分析

针对传统分析手段难以满足综合快速感知多维战场电磁态势的需求,提出三维战场空间与交互式平行坐标联动表现的可视分析方法：改进平行坐标的交互式查询方法;提取战场电磁态势要素,将其定量映射到平行坐标中进行多维展现;通过平行坐标与三维场景联动,从不同角度对电磁态势进行可视分析;引入时间维展现电磁态势的动态变化趋势。实验表明,交互式平行坐标多维电磁态势可视分析方法能有效加快电磁态势感知过程,适合于复杂电磁环境下指挥作战应用。     

面向云平台安全监控多维数据的离群节点自识别可视化技术

通过总结目前云平台安全监控的数据可视化技术,结合具体的多维监控数据探讨可视化技术的应用方法,从时间、节点号、性能指标类型三个维度出发,提出了基于维度压缩与维度切面的性能数据集可视化方法,并在此基础上,应用动态时间规划和卷积神经网络实现离群节点自识别,丰富扩展了警报系统的语义。经实验验证方法可行,能够更直观地展现有效信息,提高云管理员的决策效率。     

基于滑窗QR和快速PCA算法的自适应子空间辨识

基于滑窗QR分解不但能快速、准确地更新正交投影,同时还可提供其协方差的rank-k更新表达,提出了一个用于信号子空间更新的快速PCA算法.通过对进行主元分析(PCA)计算的非线性迭代部分最小二乘算法(Non-linear Iterative Partial Least Squares,NIPALS)计算过程的改进,将特征向量的更新转化为小维度辅助向量的更新,在满足特征值和特征向量更新精度的同时,有效地提高了计算速度.将滑窗QR和快速PCA算法用于子空间辨识算法的自适应更新,数值仿真验证了此自适应子空间辨识算法的有效性.     

地理信息系统空间多维数据自动监测方法

为了解决传统监测方法有很大不确定性,监测结果不准确的问题,通过正交变换处理研究地理信息系统空间多维数据自动监测方法。对地理信息系统地形空间多维数据和道路空间多维数据进行可视化处理,利用人工神经网络对其进行降维映射。在保证数据项在低维空间中相对距离不变的情况下,通过正交变换处理,令空间数据在相邻时间的坐标偏移达到最小,帮助用户发现相邻时刻监测区域的不同之处,实现地理信息系统空间多维数据自动监测。结果表明:所提方法监测结果和人工统计结果最相符;所提方法监测F值一直高于0. 9。可见所提方法监测精度高,有很强的可行性与可靠性。     

基于超复数计算的3D径向坐标可视化映射方法

提出一种多维数据3D空间可视化方法。在二维径向坐标映射基础上,引入雷达图的面积特征作为第三维,构成三维径向坐标映射。基于超复数实现径向坐标在3D空间的计算。实验结果表明,三维映射较二维映射更能反映数据结构信息,有效处理了二维径向坐标映射中映射数据点易堆叠的问题。     

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。     

基于Clifford代数的3D点云模型数字水印算法

引入Clifford代数,在G3空间中建立了不依赖于特定坐标系的、多维统一的3D点云数据几何表征与计算模型.介绍了Clifford代数空间中的Fourier变换及其计算公式,进而提出了基于Clifford-Fourier变换的3D点云模型数字水印算法.该方法将点云模型映射为相应的Clifford几何空间域系数,并对其进行水印信息的嵌入和提取.实验分析表明,所提出的方法对平移、旋转、均匀缩放、重排序、简化和噪声等各种攻击均具有较好的鲁棒性.
     

转向架轮对轮径与平行度测量

为了实现准确、快速地测量列车转向架轮径与平行度,构建了列车转向架关键尺寸测量系统.对所述测量系统采用的GA-BP网络曲线拟合算法、约束整体最小二乘法、基准直线拟合算法、平行度测量算法等算法进行研究.首先,根据被测对象的特征介绍了基于GA-BP网络的车轮踏面曲线拟合算法,利用数控加工曲线训练出因传感器特性无法采集处的数据;然后,分析轮径特点,根据弦长定理求出列车转向架轮径,同时,利用全局标定技术将传感器采集数据转换至一个坐标系下,并提出了基于约束的整体最小二乘法,用于获取对应转向架轮对踏面截面上的空间圆圆心;接着,提出了基于蝙蝠算法的空间基准直线拟合方法,即通过踏面截面所处位置的列车转向架踏面截面空间圆的圆心坐标拟合列车转向架轮对轴线;最后,利用基准空间直线与测量点运算,求出列车转向架平行度,将测量数据与激光跟踪仪数据进行对比.实验结果表明:列车转向架轮径与平行度测量精度为0.1 mm.能够满足列车转向架轮径与平行度测量的高精度、高稳定性及测量重复性等要求.     

面向感知质量保障的安全态势预测优化模型

以提高网络安全态势预测准确率为研究目标,提出一种网络安全态势预测优化模型.首先,运用层次量化分析法将多源安全态势信息进行宏观态势值量化,组成时间序列.然后,将态势值数据进行叠加归一化处理,增强数据的规律性,易于模型的建立.最后,将协方差矩阵自适应进化策略应用于支持向量机超参数的自主选择,使预测模型更加精确,并通过数据还原将预测结果加以显示.仿真实验表明该模型具有较好的预测效果.     

基于流连接密度的分布式拒绝服务攻击检测

分析了分布式拒绝服务(DDoS)攻击的特点,定义了能够反映DDoS攻击所引起的网络流量变化特点的流连接密度(FCD)概念,并证明了FCD时间序列的非平稳特性.据此,提出了一种基于FCD的DDoS攻击检测方法,该方法通过拟合FCD时间序列的自适应自回归模型,将FCD序列转换为多维空间的向量序列,然后使用经过样本训练的K最近邻分类器进行攻击识别.实验结果及分析显示,该检测方法能够有效检测DDoS攻击,误报率低于4 3%,并能够对流量数据进行在线处理,实现DDoS攻击的在线检测.