园区电力数据可视分析系统

将可视化分析技术应用于电力系统可以有效地解决电力系统发展带来的海量数据分析及显示等问题。文章介绍了数据可视化技术在电力系统中的研究和应用,针对电网企业数据和已有的分析手段,并结合园区电力系统分析需求提出一种支持用户交互式探索的可视分析系统框架;基于此提出了园区电力数据可视分析原型系统,支持在浏览器中或其他显示和交互设备上使用。案例分析表明,该系统可以全方面地展现园区内的供用电数据以及资源建设等信息,帮助供电部门综合多种电力数据进行分析。     

拉美一体化发展特征可视分析方法

对拉美一体化发展特征分析的关键在于探索各国间的属性信息,但评估国家发展的因素众多且存在大量对结果无关因素的干扰。针对拉美国家数据的高维多元特征,提出一种利用层次数据划分和子空间分析相结合的可视分析模型,可同时分析属性相关性和局部子空间下国家的降维结果,再结合视觉隐喻等多种可视化手段和交互联动视图,设计了一个基于拉美国家数据的高维多元可视分析系统,支持对多个国家的关联对比和多属性的时变演化规律分析。对拉美国家数据从整体到个体、从宏观到特征事件进行筛选和探索,有助于认识拉美一体化发展的特征从而制定精准的扶贫计划。结合领域专家的需求进行了系统建模和案例分析,验证了本系统的有效性和适用性。     

数据可视化研究综述

数据可视化对于从海量数据中发现规律、增强数据表现、提升交互效率具有重要作用。目前,数据可视化的概念及相关研究领域不断扩展,就数据类型而言,可视化研究逐渐聚焦于多维数据、时序数据、网络数据和层次化数据等领域。通过对中国知网（CNKI）中外文文献进行分析可知：2014年、2015年是数据可视化领域研究热度升级、理论成果大量产出的“里程碑”式年份;中国大数据领域研究热潮形成后,数据可视化是迅速发展的一个重要支撑领域;国内外数据可视化领域的研究,在时间上基本同步,而武汉大学、浙江大学、北京邮电大学、国防科技大学、电子科技大学等都是在该领域研究活跃度较高的国内高校。要获得良好的视觉效果,帮助用户降低理解难度,高效分析数据和洞悉价值,通常还需要注意色彩与语义、突出核心数据、防止数据过载、防止思维过度发散等技术要点。现有的数据可视化技术主要分为基于几何技术、基于图标技术、基于降维技术、面向像素技术、基于时间序列技术、基于网络数据技术的数据可视化方法,以及层次可视化技术和分布技术等。基于几何技术的可视化方法,包括平行坐标、散点图矩阵、Andrews曲线等。基于坐标的可视化方法,可以清晰展示变量间的关系,但受限于屏幕尺寸,当数据维度超过3个时,难以直观显示全部维度,需要结合人机交互技术进行展示,适用于表达不同维度之间的相关关系,比如学生学习行为之间的关联关系等。基于图标的可视化方法,主要包括星绘法和Chernoff面法,以几何图形作为图标刻画多维数据,直观反映出图标各个维度所表示的意义,适用于工作完成情况、激励工作进度概览等。基于降维技术的可视化方法,根据维度属性确定点的坐标,在保持数据关系不变的前提下映射到低维可视空间中,主要涉及主成分分析、自组织映射、等距映射等。基于时间序列的可视化方法,是一种显示数据间相互关系和影响程度的可视化方法,主要包含线形图、堆积图、地平线图等,随着时间发展采集相应数据,并利用上述3类可视化方法进行呈现,适用于表示信息数据流动和变化状态,如不同时间段成绩流向趋势分布、主题概念的变迁等。基于网络数据的可视化方法,核心是自动布局算法,通过自动布局与计算绘制成网状结构图形,主要有力导向布局、圆形布局、网格布局等,常用来表示大规模社交网络结构,适用于活跃度分析、引文关系展现等。层次可视化技术,主要包括节点链接、空间填充、混合方法等,通过绘制不同形状的节点和包围框来表示层次结构的数据,适用于表示群组成员间交互关系的发现和挖掘,如在线协作员工之间的交互。基于CNKI,通过对数据可视化研究情况的分析,提出数据可视化研究过程中的注意点,指出数据可视化需要重点考虑色彩的匹配,在色彩与数据内容的重要度之间建立关联;可视化方案应在满足业务需求的基础上以业务逻辑为依据,合理组合与应用相关可视化技术;统一的可视化风格有助于提升人们理解数据的连贯性、一致性和效率,兼顾用户的审美要求,在风格与色彩之间建立合理的匹配关系;数据可视化应以实用、合理、高效地表现关键过程、关键目标、关键结果为主要面向。此外,对可视化应用实例Echarts展开综述,包括Echarts 交互组件（markPoint和markLine标注点组件、dataZoom区域组件、图例交互组件）在可视化中的应用,以及动态数据绘制等。最后,对可视化存在的挑战以及未来研究方向进行了分析和展望,指出虚拟现实、可视化系统和数据分析是可视化未来的研究方向,其应用热点领域还包括统计可视化、新闻可视化、思维可视化、社交网络可视化和搜索日志可视化等。     

基于网络数据的企业知识图谱可视化

知识图谱也被称为科学知识图谱,可以揭示复杂知识领域的动态发展规律.基于自然语言处理技术从海量Web数据中抽取命名实体及命名实体关系,从而构建企业知识图谱.设计并实现了一种基于知识图谱的可视化分析方法,在网络图中融入集合可视化,从全局和细节两个层次进行可视分析,构建了企业知识图谱可视化分析平台.通过案例分析表明,该可视化研究方法满足用户对相关数据的可视化分析.     

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.     

网络课程学生行为数据可视分析研究

可视分析技术对于大规模网络课程教学过程性评估具有重要作用。针对学生海量行为数据的多维性与复杂性,构建了学生行为绩效可视分析模型与师生交互可视分析模型,设计并实现了网络课程学生行为数据可视分析系统,采用某校网络教育学院课程数据对提出的可视化分析模型和系统进行了实证分析,结果表明该系统对于学生网络交互行为具有较强的分析能力,能够有效辅助探究学生行为与学习绩效的关联关系,实现师生交互整体分析与学生行为个性化分析。     

基于网络流量数据的多视图协同交互可视分析系统

网络安全可视化通过提供有效的信息可视化工具将抽象的网络和系统数据以图形图像的方式展示出来,帮助分析人员理解分析网络状况、识别网络异常、发现攻击行为。在研究网络安全可视化技术的基础上,从流量数据出发,从可视分析角度入手,设计并实现了针对网络流量数据的多视图协同交互的可视分析系统。该系统通过提供多视图、多层次、多角度的数据展示与交互分析来识别网络流量数据中的网络异常,使复杂的网络数据更加生动形象地展示在用户面前,便于用户理解分析网络流量情况,辅助用户做出正确决策。     

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。     

弱链路下基于全对等模式和相关性检测的资源信息共享

针对恶劣网络通信环境导致的数据采集和信息交互异常问题,提出了一种基于多维时序数据子序列的相关性检测方案.该方案针对相同时间段内的多维资源状态时序数据进行相关性计算.在获得其相关性矩阵后,先与已训练好的正常检测模式比对,若结果被判定为异常,再与已训练好的异常检测模式比对,若结果仍被判定为异常,则最终认定结果为异常.通过这种双重检测,尽可能避免对正常数据的误判.仿真结果显示:该方案在确保检测实时性的同时提高了检测的准确率.     

非线性映射的气象数据可视化及其应用

为解决传统基于2.5维面的数据分析手段单一,未充分结合地理环境信息,难以快速实时获得任意区域气象变化规律的问题,提出非线性数据映射的2.5维面可视化方法,经过坐标转换应用至球面并利用GPU进行快速绘制;从区域和时域两方面进行全球气象数据可视分析:通过用户交互提取任意区域信息,定量展示分析结果并进行反馈;引入时间维展现选定区域气象数据变化趋势,并用不同表现形式进行统计分析。实验表明,本文可视化效果及可视分析方法能直观清晰地表达和分析气象数据的时间和空间关系,直观的视觉效果、实时交互的手段有助于气象预测和数据分析。