遥感影像元数据多维可视化方法的设计与实现

遥感影像元数据的可视化表达对遥感影像的管理和有效利用有非常重要的意义。针对以往遥感影像元数据多维可视化方法存在当数据量较大时无法对信息进行有效的分辨以及不同数据维度之间联系不紧密的问题,该文以遥感影像元数据为对象,通过比较遥感影像元数据经典型多维信息可视化的不同方法,提出了基于改进的平行坐标多维可视化方法及基于圆形平行坐标和球极坐标多维可视化方法,并以GeoGlobe作为实验平台及数据载体,对上述方法予以了实现。结果表明,与其他方法相比,这两种方法在表现力和动态交互性方面都有更好的效果。     

基于改进MulSim相似聚类算法的水利信息管控方法

针对当前水利信息管控能力滞后的问题,提出了多维水利信息可视化管理系统。通过STC89C51RC单片机作为控制模块,该模块外部设置有无线传输模块、电平转换模块等实现水利信息的多方式管控与计算。为了能够在多维数据集中的情况下识别出维度不同的数据信息,提出了MulSim单点与多点相似聚类算法模型,将多维水利数据集的点有效地进行分组,提高了水利数据信息管控能力。通过试验,本研究方法多维水利信息可视化管理系统能够实现多种形式的数据聚类,故障检测点较多,平均可视化时间为42 ms。     

面向考古发掘工程的多维数据平台

为实现考古发掘工程多维信息的开放式管理和可视化分析,提出一种基于XML和MapInfo技术的设计方案。阐述该系统的框架结构、技术路线和实现方法,提出将页面控件的属性取值映射到XML模板文件的属性位置,再将XML模板文件解析后保存在属性数据表中的方法,实现了遗址属性信息的开放式管理;提出利用图元将遗址空间信息与属性信息关联,在关系数据库上实现了对遗址多维信息的可视化分析。通过原型系统的运行,验证了所提方法的可行性和实用性。     

RPES:一种新的多维数据可视化方法

当前,面对科学、工程和商业领域中海量的多维数据,用户迫切需要使用有效的可视化工具在知识发现、信息认知及信息决策过程中对其进行理解。针对传统基于降维映射的数据可视化方法计算复杂度高且无法提供维度分布信息的缺点,提出一种基于正2k边形的多维数据可视化方法RPES,通过建立多维数据空间的低维"参照物"——正2k边形坐标系,以减小多维对象在正2k边形坐标系及多维数据空间中的坐标差别为准则,使用最优化方法对其进行降维,以点云的形式标绘在低维可视空间中,完成多维数据的降维可视展现。实验证明,RPES的降维算法高效、容易实现,适用于数据量较大、维度较高的数据集,可视化结果不仅易于理解,而且能够有效提供维度分布信息,有利于用户发掘隐性知识,辅助其进行基于多维数据的决策。     

多维可视化技术综述

当前,面对科学、工程和商业领域中海量的多维信息,用户迫切需要使用有效的可视化工具在知识发现、信息认知及信息决策过程中对其进行理解。首先对多维和多变元的概念进行了界定,给出了二者的适用领域,然后基于多维可视化技术的分类体系,详细阐述了各类技术代表方法的基本原理、适用性及功能作用,最后分析比较了各类技术方法的优缺点,展望了多维可视化技术未来的研究方向及其面临的挑战。     

面向在线交易日志的用户购买行为可视化分析

在线交易日志,即用户通过电商平台购买商品产生的交易记录,包括用户、商品、交易及商家的相关信息,反映了用户的购买行为.现有的可视化方法未能充分结合在线交易日志的时序、层次、地理、多维等特征,实现对用户购买行为的多角度分析.对此,本文结合交易日志的多个特征,提出了基于径向布局的复合时序可视化方法和融合空间信息的时间轴可视化方法,设计了颜色极值映射方法和规律映射方法,并基于上述方法,设计并实现了面向在线交易日志的用户购买行为可视化分析系统UPB-VIS,从而完成了单个用户和用户群体购买行为的全方位分析.最后,通过在京东商城在线交易日志数据集上的实验证明了系统的易用性和相关可视化方法的有效性.     

大坝安全实测信息三维可视化方法研究与应用

基于大坝安全自动化监测系统实测数据,采用矢量-栅格混合模型进行二三维数据的结构转换,并以空间数据管理引擎与对象关系数据库相结合的方式对多维异构数据集成管理;进而形成场景模型建立流程和监测信息三维可视化方法,实现大坝安全监测三维可视化实施方案并进行应用。研究成果能够兼顾大坝安全监测二维和三维信息的优势,提高多维信息存储与管理效率,进一步提升监测信息的直观性和实时性。     

支持多维标签云的移动餐厅推荐系统仿真研究

实现了一个可提供基于位置的移动餐厅推荐及导航服务的系统。结合最新的Web2.0应用数据,实现了多模式的餐厅信息推送服务,包括基于模糊条件约束的查询机制,基于位置的地图浏览模式和基于三维标签云的协同信息共享机制,为用户提供实时的基于位置的餐厅个性推荐及导航。同时,针对移动手机屏幕较小,显示内容受限的问题,研究并提出了一个“面向移动终端的多维标签云可视化方法”,并实现了一种标签云关联分析和聚类算法,实现了基于用户偏好的快速导航。     

基于多维数据雷达图表示的图形分类器研究

分析介绍了用雷达图表示多维数据以及雷达图的图形特征选取和融合的基本方法,提出了一种基于多维数据雷达图表达的可视化图形分类新方法,该方法用雷达图表示多维数据,不同类别的多维数据对应不同的雷达图形,形成以雷达图形特征为表达主要特征的分类方法。并通过模糊推理方来来自动识别雷达图形,完成自动分类。实验表明,此方法简单、直观,实现了分类过程可视化、分类结果可视化,并且有良好的分类效果。     

一种层次结构中多维属性的可视化方法

在很多领域的统计分析中,通常需要分析既具有层次结构又具有多维属性的复杂数据,如食品安全数据、股票数据、网络安全数据等.针对现有多维数据和层次结构的可视化方法不能满足对同时具有层次和多维两种属性数据的可视分析要求,提出了一种树图中的多维坐标MCT(multi-coordinate in treemap)技术.该技术采用基于Squarified和Strip布局算法的树图表示层次结构,用树图中节点矩形的边作为属性轴,通过属性映射、属性点连接、曲线拟合实现层次结构中多维属性的可视化.将该技术应用于全国农药残留侦测数据,实现了对全国各地区、各超市、各农产品中农药残留检出和超标情况的可视化,为领域人员提供了有效的分析工具.MCT技术也可用于其他领域的层次多属性数据的可视化.     

Visualization in scientific and engineering computation

Some applications of visualization, based on an information flow model, are discussed. The model, which is described in detail, is designed to help in grasping an overview of this subject. It serves as a framework for describing various topics related to visualization in scientific and engineering computation. It consists of mathematical modeling, numerical solution and scientific computing, graph evaluation by extracting geometry, and transforming and rendering. To indicate trends and directions in visualization, three rather broad representative issues are discussed. They are algorithms and techniques for multidimensional data, user interfaces, and workload distribution and computing/network requirements     

Designing pixel-oriented visualization techniques: theory andapplications

Visualization techniques are of increasing importance in exploring and analyzing large amounts of multidimensional information. One important class of visualization techniques which is particularly interesting for visualizing very large multidimensional data sets is the class of pixel-oriented techniques. The basic idea of pixel-oriented visualization techniques is to represent as many data objects as possible on the screen at the same time by mapping each data value to a pixel of the screen and arranging the pixels adequately. A number of different pixel-oriented visualization techniques have been proposed in recent years and it has been shown that the techniques are useful for visual data exploration in a number of different application contexts. In this paper, we discuss a number of issues which are important in developing pixel-oriented visualization techniques. The major goal of this article is to provide a formal basis of pixel-oriented visualization techniques and show that the design decisions in developing them can be seen as solutions of well-defined optimization problems. This is true for the mapping of the data values to colors, the arrangement of pixels inside the subwindows, the shape of the subwindows, and the ordering of the dimension subwindows. The paper also discusses the design issues of special variants of pixel-oriented techniques for visualizing large spatial data sets     

Collaborative computer-aided design—research and development status

In order to facilitate product design and realization processes, presently, research is actively carried out for developing methodologies and technologies of collaborative computer-aided design systems to support design teams geographically dispersed based on the quickly evolving information technologies. In this paper, the developed collaborative systems, methodologies and technologies, which are organized as a horizontal or a hierarchical manner, are reviewed. Meanwhile, a 3D streaming technology, which can effectively transmit visualization information across networks for Web applications, is highlighted and the algorithms behind it are disclosed.     

基于语义的电子政府信息门户设计和实现

介绍了一种新的方法,即语义网站技术,为电子政府信息门户网站的解决方案投射出新的光芒。在对传统的方法和语义方法进行了对比以后,详细地用图解的方式阐述了基于语义的电子政府信息门户网站的体系结构和组成部分。还对实现这一方法的关键技术进行了研究,其中包括电子政府信息门户的本体的定义和搜寻算法。     

Improved visual correlation analysis for multidimensional data

With the era of data explosion coming, multidimensional visualization, as one of the most helpful data analysis technologies, is more frequently applied to the tasks of multidimensional data analysis. Correlation analysis is an efficient technique to reveal the complex relationships existing among the dimensions in multidimensional data. However, for the multidimensional data with complex dimension features,traditional correlation analysis methods are inaccurate and limited. In this paper, we introduce the improved Pearson correlation coefficient and mutual information correlation analysis respectively to detect the dimensions’ linear and non-linear correlations. For the linear case,all dimensions are classified into three groups according to their distributions. Then we correspondingly select the appropriate parameters for each group of dimensions to calculate their correlations. For the non-linear case,we cluster the data within each dimension. Then their probability distributions are calculated to analyze the dimensions’ correlations and dependencies based on the mutual information correlation analysis. Finally,we use the relationships between dimensions as the criteria for interactive ordering of axes in parallel coordinate displays.     

High dimensional similarity joins: algorithms and performanceevaluation

Current data repositories include a variety of data types, including audio, images, and time series. State-of-the-art techniques for indexing such data and doing query processing rely on a transformation of data elements into points in a multidimensional feature space. Indexing and query processing then take place in the feature space. We study algorithms for finding relationships among points in multidimensional feature spaces, specifically algorithms for multidimensional joins. Like joins of conventional relations, correlations between multidimensional feature spaces can offer valuable information about the data sets involved. We present several algorithmic paradigms for solving the multidimensional join problem and we discuss their features and limitations. We propose a generalization of the size separation spatial join algorithm, named multidimensional spatial join (MSJ), to solve the multidimensional join problem. We evaluate MSJ along with several other specific algorithms, comparing their performance for various dimensionalities on both real and synthetic multidimensional data sets. Our experimental results indicate that MSJ, which is based on space filling curves, consistently yields good performance across a wide range of dimensionalities     

VisualDM：一个灵活的可视化数据挖掘系统

如果要建造一个健壮的数据挖掘系统，仅仅依靠挖掘算法是不够的。目前的挖掘算法还没有完全“智能”化，所以挖掘有用的信息常常不是很有效。不过可视化技术给了我们很大的帮助，我们将挖掘算法和可视化技术结合起来，从而实现了数据挖掘系统VisualDM。     

基于大数据的网络安全态势感知及主动防御技术研究与应用

针对电力信息系统网络安全态势感知及主动防御问题,介绍了网络安全态势感知相关概念及技术。为了监控网络安全态势,研究了利用大数据分析技术开展基于多源日志的网络安全态势感知,提出了态势感知平台部署架构及主动防御模型思想,并将其技术应用于某电力公司网络信息系统环境。通过在公司内外网网络出口部署全流量数据采集分析器,对原始网络流量进行实时采集和存储,并借助大数据可视化分析工具与丰富的数据展示组件,实现对分析结果的多维度图形化直观展现。经实验测试实现了攻击事件及安全态势的实时监控预警,保障了公司信息系统的安全稳定运行。     

数据聚类中基于浓度噪音消除的可视化参数选择方法

可视化技术的发展极大地提高了传统数据挖掘技术的效率.通过结合人类识别模式的能力,计算机程序能够更有效的发现隐藏在数据中的规律和信息.作为聚类分析的重要步骤,噪音消除一直都是困绕数据挖掘研究者的问题,尤其对于不同领域的应用,由于噪音的模型和定义不同,单一的数据处理方法无法有效而准确地去除域相关的噪音.本文针对这一问题,提出了一个新型的可视化噪音处理方法CLEAN.CLEAN的独特之处在于它设计的噪音处理技术和提出的可视化方法有机地结合在一起.噪音处理算法为可视化模型生成所需数据,同时针对噪音处理算法选择可视化方法,从而达到提高整个数据处理系统性能的目的.这样不仅降低了噪音去除过程中主观因素的影响,还可以帮助数据挖掘程序去除领域相关的噪音.同时源数据的质量,算法参数的选择和不同噪音去除算法的精确性都可以在所使用的可视化模型中反映出来.实验表明CLEAN能够有效地帮助空间数据聚类算法在噪音环境下发现数据的自然聚类.     

基于排序学习的推荐算法研究综述

排序学习技术尝试用机器学习的方法解决排序问题,已被深入研究并广泛应用于不同的领域,如信息检索、文本挖掘、个性化推荐、生物医学等.将排序学习融入推荐算法中,研究如何整合大量用户和物品的特征,构建更加贴合用户偏好需求的用户模型,以提高推荐算法的性能和用户满意度,成为基于排序学习推荐算法的主要任务.对近些年基于排序学习的推荐算法研究进展进行综述,并对其问题定义、关键技术、效用评价、应用进展等进行概括、比较和分析.最后,对基于排序学习的推荐算法的未来发展趋势进行探讨和展望.