海量层次信息的Focus+Context交互式可视化技术

综述了海量层次信息可视化与Focus Context技术的相关工作,针对海量层次信息可视化的交互问题,在嵌套圆可视化技术的基础上提出了基于上下文感知的Focus Context交互式可视化技术.首先,基于外切圆排列方法提出对圆心进行三角网格剖分的方法,为变形计算建立上下文;然后,针对变形计算前后上下文一致性问题,在三角网格邻居跟踪方法的基础上,提出了用于同层兄弟节点上下文感知的外切圆变形排列方法,以及用于父子节点上下文感知的嵌套圆迭代排列方法.实验结果表明。上述方法在实现焦点突出的鱼眼视图的同时,能够有效地解决Focus Context交互式可视化的上下文感知问题.上述方法应用于文件系统海量层次信息的交互式可视化问题,提供了交互式可视化工具.     

关于树形Focus+Context信息可视化技术的探讨

层次信息的可视化结构最直观的方式是树形结构.针对目前信息浏览中的用户迷路和认知超负荷等问题所提出的相关树形Focus+Context信息可视化技术进行初步探讨,分析比较了各种树形Focus+Context信息可视化技术的优缺点,并对树形信息可视化技术的发展做了展望.     

一种模型驱动的交互式信息可视化开发方法

设计与实现面向领域应用的交互式信息可视化软件十分困难.缺乏统一的开发方法与支撑工具箱,为非专家用户提供对层次、网络、多维等数据类型的统一支持,对各种可视化技术与交互技术的统一支持,以及对信息可视化任务的统一支持针对此问题,提出了一种模型驱动的交互式信息可视化开发方法Daisy.首先,提出了交互式信息可视化界面模型IIVM(interactive information visualization interface model);然后,提出了基于IIVM的交互式信息可视化开发方法Daisy,讨论了该方法的两个核心技术:IIVM建模与描述文件生成方法、系统自动生成方法.同时。给出了Daisy工具箱,包括Daisy建模工具、Daisy系统自动生成工具以及运行时框架与组件库.最后,给出了该开发方法与工具箱的应用实例.实例表明,该方法能够为交互式信息可视化开发的统一支撑方法问题提供一种有效的解决方案.     

大规模天文时序粒子数据的可视化

时序数据的可视化是理解宇宙结构形成与演化的重要手段.围绕大规模天文数值模拟输出的近百TB粒子时序数据的可视化,针对数据的高动态范围色调映射问题,提出一种基于统计直方图的算法,实现了时序上色调连贯的可视化;同时,在插值重建演化过程时,考虑到模拟输出的每个关键帧的数据依据Hilbert三维填充曲线分布于2048个文件中,在一次可视化中通常有相当部分的文件包含的数据不会进入视锥内,据此提出一种文件尺度上根据前后关键幀预判插值幀可见性的剪裁算法,将前后关键帧可见数据文件的序号集合作为插值幁可见数据文件的序号集合;对裁剪结果进行实时插值和投影,通过裁剪算法大幅降低计算量、存储和I/O,并通过Hilbert哈希元胞快速完成裁剪过程;最后给出了算法的性能和效果分析.可视化结果表明文中算法可以直观、有效地表达大规模数据所包含的宇宙结构形成细节与演化信息.     

基于数据可视化的复杂系统信号时序识别方法

针对复杂系统研发及运行过程中产生的大量信号可以表征系统运行的时序健康状态这一特性,提出了一种基于数据可视化及卷积神经网络(convolutional neural networks, CNN)智能识别的时序特征识别方法;该方法使用数据可视化技术将信号的时序特征映射至图像,通过训练好的特征识别模型对信号可视化图像进行时序特征的识别,可实现系统运行时的实时智能状态监测;选取了三种典型信号的正常及异常特征,通过模型构建及测试分析,验证该方法对复杂系统信号的时序特征有良好的识别效果,可应用于对时序要求较高的复杂系统进行状态监测及故障诊断。     

网络安全数据可视化工具研究

安全可视化是一个比较新的术语,它的理念是常见的可视化技术为那些不支持安全相关的数据应用案例而设计.大量的研究工作已经发表在这一领域,但很少是研究正在兴起的可视化规律.提供了网络安全可视化的综合评估,并提供5种使用实例形式的分类法,包括几乎所有最近在这个领域的工作.概述了可视化技术和数据源,并提供一个信息表来展示.从这些系统的分析中,研究的注意事项和相关问题涉及到网络安全可视化,为未来研究和视觉系统开发人员提供指导方针和方向.     

一种面向关系型数据的可视质量分析方法

由于信息系统所提供数据的质量不高(如数据残缺、数据不一致、数据重复等)导致管理者决策过程中经常面临“数据丰富,信息匮乏”的困惑是目前企业普遍存在的现象.为了切实提高信息系统所提供数据的可用性,研究了影响关系数据库数据质量的主要因素,提出了面向多数据源的统一元数据模型和数据库数据质量评估模型,构建了用于数据质量评估的交互式可视形态集.建立了一个面向关系数据库的数据质量可视分析系统,并结合具体企业应用实例进行验证.结果表明,该系统能够有效分析数据质量,提高企业分析决策的可靠性和准确性.     

面向海量层次信息可视化的嵌套圆鱼眼视图

针对海量层次信息可视化问题,提出嵌套圆鱼眼视图及实现方法.首先分析了相关工作;然后构造了针对同层兄弟节点的变形函数,给出了针对焦点节点同层兄弟节点的外切圆变形排列算法、变形后节点的子节点的嵌套圆递归排列算法及将二维鱼眼视图映射为三维鱼眼视图的方法;最后将该方法应用于计算机文件系统可视化.实验结果表明:该方法在相对小的显示空间内,既能显示海量信息的整体视图,又能突出局部焦点细节信息,具有较高的任务完成效率与用户满意度.     

体数据可视化传递函数研究

体数据可视化被广泛地用于理解复杂的科学、工程、生物医学等领域的模拟和观测数据.体数据可视化的核心问题是传递函数的设置,用户通过设置传递函数、定义数值到颜色和不透明度等可视特征,然后由体可视化算法生成图像结果.文中从基于图像的传递函数、以数据为中心的传递函数、传递函数设置的用户界面和交互方式等角度,对传递函数的基础和研究现状进行综述,并对传递函数研究的前景进行了展望.     

一种时序数据模式演化的跟踪与查询方法

在物联网与大数据应用蓬勃发展的背景下,各类感知设备产生海量的时序数据,设备管理软件版本的快速迭代导致时序数据的模式演化问题日益凸显.模式演化要求对数据模式进行版本管理,使数据进行模式变更时不产生信息损失,且支持对数据跨模式版本进行读写操作.结合流行的时序数据库管理系统,调研总结了各类数据库管理系统对模式演化的支持情况,对时序数据及其模式进行了形式化表述,对其模式演化的过程进行了分析,设计了一种面向时序数据的模式演化跟踪及查询方法,形式化表达了模式跟踪及跨模式版本查询的整体框架与关键步骤,并在时序数据库Apache IoTDB上进行了实现与测试.最后,分析了实现系统的性能,并展望了未来研究方向.     

Model‐Based Visualization of Temporal Abstractions

We describe a new conceptual methodology and related computational architecture called Knowledge‐based Navigation of Abstractions for Visualization and Explanation (KNAVE). KNAVE is a domain‐independent framework specific to the task of interpretation, summarization, visualization, explanation, and interactive exploration, in a context‐sensitive manner, of time‐oriented raw data and the multiple levels of higher level, interval‐based concepts that can be abstracted from these data. The KNAVE domain‐independent exploration operators are based on the relations defined in the knowledge‐based temporal‐abstraction problem‐solving method, which is used to abstract the data, and thus can directly use the domain‐specific knowledge base on which that method relies. Thus, the domain‐specific semantics are driving the domain‐independent visualization and exploration processes, and the data are viewed through a filter of domain‐specific knowledge. By accessing the domain‐specific temporal‐abstraction knowledge base and the domain‐specific time‐oriented database, the KNAVE modules enable users to query for domain‐specific temporal abstractions and to change the focus of the visualization, thus reusing for a different task (visualization and exploration) the same domain model acquired for abstraction purposes. We focus here on the methodology, but also describe a preliminary evaluation of the KNAVE prototype in a medical domain. Our experiment incorporated seven users, a large medical patient record, and three complex temporal queries, typical of guideline‐based care, that the users were required to answer and/or explore. The results of the preliminary experiment have been encouraging. The new methodology has potentially broad implications for planning, monitoring, explaining, and interactive data mining of time‐oriented data.     

基于信息导航的三维用户界面动态构建方法

针对三维用户界面对非几何信息表达、交互研究不足的问题,在对界面导航进行研究的基础上,提出了一种基于信息导航的三维用户界面动态构建方法UIDCM。首先,总结了三维界面中的信息导航模型。然后针对导航模型以及复杂信息的表达需求,提出了三维用户界面动态构建方法,并利用此方法实现信息表达、导航交互、命令响应等三维界面功能。最后,利用光学跟踪工具作为三维人机交互手段,搭建了三维用户界面原型系统,并以飞机研制任务信息为实例进行了系统验证。实验表明,UIDCM方法对于三维空间下的信息获取、导航与交互能够提供一种有效的解决方案。     

基于大数据技术的松花江哈尔滨段景观可视化研究与应用

目前大数据技术已经逐渐在各行各业中发挥出越来越重要的作用.本文针对松花江哈尔滨段实景信息,将大数据可视化技术与Web 2.0应用相结合,设计了一套可将松花江景观数据进行可视化处理的旅游信息系统,并利用线上用户交互系统进行相关实景信息的可视化展示.以松花江哈尔滨段实景旅游展示系统为背景,验证并解决了异构海量数据可视化的实...     

多用户眼动跟踪数据的可视化共享与协同交互

随着数字图像处理技术的发展,以及计算机支持的协同工作研究的深入,眼动跟踪开始应用于多用户协同交互.但是已有的眼动跟踪技术主要针对单个用户,多用户眼动跟踪计算架构不成熟、标定过程复杂,眼动跟踪数据的记录、传输以及可视化共享机制都有待深入研究.为此,建立了基于梯度优化的协同标定模型,简化多用户的眼动跟踪标定过程;然后提出面向多用户的眼动跟踪计算架构,优化眼动跟踪数据的传输和管理.进一步地,探索眼动跟踪数据的可视化形式在协同交互环境下对用户视觉注意行为的影响,具体设计了圆点、散点、轨迹这3种可视化形式,并验证了圆点形式能够有效地提高多用户协同搜索任务的完成效率.在此基础上,设计与开发了基于眼动跟踪的代码协同审查系统,实现了代码审查过程中多用户眼动跟踪数据的同步记录、分发,以及基于实时注视点、代码行边框和背景灰度、代码行之间连线的可视化共享.用户实验结果表明,代码错误的平均搜索时间比没有眼动跟踪数据可视化分享时减少了20.1%,显著提高了协同工作效率,验证了该方法的有效性.     

沉浸式可视化综述

沉浸式可视化是一个新兴的研究领域,旨在通过沉浸式交互界面所提供的沉浸感与参与感充分运用人们的感知与操作能力,为数据分析推理与决策提供支持.以最新的沉浸式可视化研究为基础,首先从沉浸式感知的评估与运用出发,介绍视觉感知以及非视觉辅助感知在信息可视化中的应用方式与评估结果;然后对于可视化中的交互设计,分别从触摸、手势、注视...     

大数据可视分析综述

可视分析是大数据分析的重要方法.大数据可视分析旨在利用计算机自动化分析能力的同时,充分挖掘人对于可视化信息的认知能力优势,将人、机的各自强项进行有机融合,借助人机交互式分析方法和交互技术,辅助人们更为直观和高效地洞悉大数据背后的信息、知识与智慧.主要从可视分析领域所强调的认知、可视化、人机交互的综合视角出发,分析了支持大数据可视分析的基础理论,包括支持分析过程的认知理论、信息可视化理论、人机交互与用户界面理论.在此基础上,讨论了面向大数据主流应用的信息可视化技术——面向文本、网络(图)、时空、多维的可视化技术.同时探讨了支持可视分析的人机交互技术,包括支持可视分析过程的界面隐喻与交互组件、多尺度/多焦点/多侧面交互技术、面向Post-WIMP的自然交互技术.最后,指出了大数据可视分析领域面临的瓶颈问题与技术挑战.     

改进的多变元数据可视化方法

针对传统多变元可视化方法——星形坐标法(star coordinates,简称SC)降维过程信息损失较为严重、可视化结果无法体现维度分布信息及手动配置维度轴十分繁杂的不足,提出一种改进的星形坐标法(advanced star coordinates,简称ASC),使用沿直径方向的向量作为维度轴,设计维度轴配置策略优化各维度轴之间的夹角及排列顺序,以减小多维信息对象在改进星形坐标系中与在多维坐标系中坐标差别为准则,使用最优化方法实现对用户有意义的降维运算,将多维信息映射到低维可视空间中.实验结果表明,ASC的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,基于相关度的维配置策略可以大大减轻用户操作负担,使其能够快速而准确地定位多维信息集合中的隐含特征,降维算法高效,适用于数据量较大、维数较高的信息集合.     

基于VaR技术的多维数据交互可视化研究

传统多维数据可视化技术比如平行坐标法等在表达多维数据时,对各个不同数据维之间的数据表达式会产生一定的混乱,同时对各维的相关性与交互表达比较困难。研究并设计了基于VaR技术的多维数据交互可视化小工具,其充分利用VaR技术所实现的丰富导航与选择、突出等工具来形象突出显示与表达多维数据中某一特定维的数据,同时应用MDS算法,在二维屏幕上各点的相对位置关系来表示多维数据中各维的相关性。