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。     

基于网络的数据可视化研究与实现

数据可视化技术可借助人脑的视觉思维能力,帮助人们理解大量的数据信息,发现数据中隐含的规律,从而提高数据的使用效率。通过对数据可视化技术的特点和Web数据可视化参考模型的研究,采用了使用编程语言在计算机上绘制图形的方法来实现网络数据可视化。通过使用TeeChartProActiveX控件来实现图形的输出,并结合实例验证了研究方法的实用性和有效性。随着网络的快速发展网,络数据可视化方法拓宽了可视化研究的应用领域。     

海洋调查数据的可视化建模及实现方法

科学计算可视化作为新一代的分析工具,正在进入物理海洋学领域,文中介绍对海洋调查数据进行可视化的关键问题－数据建模,并从分析海洋调查数据的特点出发提出针对海洋研究中可视化建模的原则和有效途径。给出相关的实现方法,其中,重点讨论局部体样条建模中必须面对的区域分割优化问题,引入遗传算法并给出较好的解决方案。     

浅谈科学计算可视化及其应用

近年来,随着科学技术的迅猛发展,待处理的数据量越来越大,来自超级计算机、卫星、宇宙飞船、CT扫描仪、核磁共振仪以及地质勘探的数据与日俱增,使科学计算数据的可视化及计算过程的交互干预与引导日益成为迫切需要解决的问题。本文简要介绍了科学计算可视化的重要意义及其目前在社会各个领域的应用。     

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。     

三维体数据可视化技术在铸造工程中的应用研究

科学计算的可视化技术在计算机辅助工程应用的后置处理中占有重要位置,本文介绍了在微机平台上对空间体数据以投影方式快速绘制技术的研究,就实现过程中的一些关键问题如模板及空间体元可见性排序等进行了探讨。研究的成果已应用到铸造的分析计算过程中。     

社交媒体数据可视化分析综述

社交媒体的出现为人类提供了新的交流方式,同时也产生了大量的数据。这些数据蕴含着丰富的信息,也反映了人类的社会行为。利用可视化分析技术可以对社交媒体数据进行交互式分析,提高人类对抽象信息的理解和综合研判能力。本文首先介绍了可视化分析的步骤。在此基础上,阐述了社交网络可视化、时空信息可视化和文本可视化的实现方式。最后,对可视化分析过程中遇到的问题和挑战进行了讨论。     

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。     

网络教务管理系统数据可视化应用研究初探

网络教务管理系统目前在高校教学管理中得到了广泛应用。这些系统大多只具备数据的储存、检索和基本的统计功能,缺乏数据的可视化功能,导致系统处理结果不直观。本文提出了针对高校网络教务管理系统的数据可视化方法,并结合某高校在线使用的教务管理系统给出了若干运行实例。本文的研究结果对高校网络教务管理系统实际运行和性能完善具有一定借鉴作用。     

大数据环境下网络威胁可视化分析系统设计与实现

部署在企业的各种安全系统协调性不够,不能及时地进行分析和展示安全威胁点,网络安全事件发生后,需要通过较长时间的调查工作确认攻击真实性、影响范围、损失评估、背景研判等,工作复杂,费时费力,且对响应人员的网络安全水平和技术能力都有较高的要求,制约了事件响应的及时性,导致很多事件无法得到有效处置.将各种网络安全系统日志通过数...     

基于MapReduce和HBase的 海量网络数据处理

根据ERF数据的特点结合分布式框架Hadoop针对海量数据的计算优势,改进了网络数据的解析模式和数据存储模式,完成了ERF网络数据自动上传。根据XML文件解析多种类型的网络数据、HBase存储数据和HBase数据导入与数据查询的优化等一系列网络数据自动化处理工作。提出了一种新的MapReduce解析二进制数据的算法,该方案有效的解决了MapReduce读取和解析二进制数据的问题,在此基础上实现的海量网络数据处理系统,解析效率较高,数据库存储和查询数据的速度较快,系统自动化运行且稳定性强,有良好的应用前景。     

数据挖掘可视化研究

以上海证券交易所提供实验为基础,系统地介绍了一个数据挖掘可视化模型DVM（Data-Mining Visual Model),并采用数据挖掘,面向对象及可视技术实现对数据源的清洗和提取。     

地理信息可视化研究

地理信息可视化是可视化发展的方向之一。通过对地理信息的概念和运动模型的分析，并从可视化的定义出发，总结了地理信息可视化的特点，同时提出了地理信息可视化研究的一个基本框架。最后针对地理信息系统中的可视化过程进行了描述。     

基于DataWarehouse技术的数据可视化的应用

给出了一个基于DataWarehouse技术的市民投诉系统的设计与实现·系统由管理子系统、语音信箱、分析决策子系统3部分组成,其中分析决策子系统是实现的关键·采用DataWarehouse技术,以ROLAP为主要方法,将数据可视化技术应用于DataWarehouse,实现了多维数据的可视化处理·系统已在多个城市的投诉中心投入运行,取得了良好的社会效益·     

数据可视化系统中通用数据引擎的设计与实现

数据引擎是数据可视化系统的运行框架，其效率和可维护性直接关系到整个系统的性能和运行成本。针对原有模型开发效率低下的现状，提出了和数据引擎的概念并阐述了其实现技术。     

空间数据多尺度表达的不确定性可视化模型

以视觉与认知理论为基础,研究了空间数据多尺度表达中不确定性的可视化方法,主要包括:设计不确定性的分级表达模型,提出色彩与不确定性的映射关系,构建了空间数据多尺度表达的不确定性可视化视觉变量系统,提出了采用动态符号或动态视觉变量来表示空间数据多尺度表达过程中的不确定性的方法.结果表明,该方法能清晰、直观、有效地表达空间数据多尺度表达中的不确定性,有助于理解不确定性的变化与传播规律.     

多维数据的聚类结果可视化技术综述

在很多情况下,人们不仅需要聚类算法给出类标,还需要掌握聚类结构和数据分布情况.为满足后一项需求,出现了许多聚类结果的可视化(简称聚类可视化)技术,以图形的方式将多维数据和其聚类结果显示在二维或三维空间.从直接在二维或三维空间显示数据及其聚类结果、数据经降维(或映射)后显示以及其它显示方式3种角度综述了常用的30多种聚类可视化方法,并对各种方法的优缺点和适用性进行了分析和讨论.     

社交网络中的用户转发行为预测

以新浪微博为研究对象,基于微博主题及用户特征,提出社交网络中的用户转发行为预测算法.首先,基于互信息理论,从已发生转发行为的用户的微博内容中提取特征,通过分析给定用户的微博内容与特征之间的相关程度,预测用户是否会对给定主题的微博发生转发行为;然后通过研究用户性别、粉丝数、关注数、微博数与用户转发行为的关系,选取合适的用户特征描述,并基于贝叶斯模型预测给定用户对微博的转发概率.最后,结合以上2种算法的预测结果,得到给定用户对某主题微博的转发行为预测.该预测算法对研究网络舆情传播及微博营销具有重要意义.     

基于大数据分析的多关系社交网络舆情传播模型研究

为了真实再现舆情在多关系社交网络中的传播过程,通过对爬取的新浪微博数据进行大数据分析,从中得到社交网络中多种关系对网络舆情传播的影响,基于复杂网络理论提出了一种适用于多关系社交网络的舆情传播模型,该模型根据多种关系对舆情传播的影响界定传播模型中各状态之间的转移过程和转移概率.仿真结果表明:与传统社交网络舆情传播模型相比,该舆情传播模型可以更好地描述真实互联网环境中的舆情传播规律.