时间事件序列数据可视化综述

时间事件序列数据,是由一个或多个记录构成的集合,每个记录由一组带有时间戳的事件类别组成.数据可视化被广泛用于时间事件序列数据的频繁模式发现、相似模式匹配与查询以及潜在阶段模式检测.文中介绍了时间事件序列数据的特征,并重点从时间事件序列数据的可视化呈现方法和可视分析2个方面对已有的工作进行了系统的整理.在可视化呈现方式上,将现有的可视化方法分为4个类别,即基于GanttChart、基于Flow、基于StoryLines及基于矩阵的可视化方法,并分别介绍了相关类别的可视化方法的发展;将可视分析任务总结为4类主要任务,即模式发现与探索、可视化查询、对比分析及结果事件分析,并且从这些可视分析任务的角度总结了现有的可视分析工具.最后,对时间事件序列数据可视化面临的挑战以及未来趋势进行了总结和展望,以期为时间事件序列数据分析提供新的思路.     

可视化及可视分析专题前言

在大数据时代,从浩瀚复杂的数据中快速而准确地获取相关重要信息,是各行各业发展甚至赖以生存的重要基础.为此,可视化及可视分析的研究在全球正方兴未艾,并密切地融于实际应用中,为社会发展与生产实践的进步发挥了巨大的作用.这方面的工作一般分为科学计算可视化、信息可视化及可视分析,各有侧重.近年来,大数据的多样性、复杂性及其应用的适应性对可视化及可视分析领域的基础理论和技术手段提出了很多新的挑战.本专题选题为可视化及可视分析,反映我国学者在这方面工作的部分近期研究成果. 本专题公开征文,并与IEEE PacificVis 2015和第2届中国可视化与可视分析大会(ChinaVis 2015)合作进行专题组稿,共收到稿件65篇.经过会议筛选,并邀请国内外相关领域专家参与审稿工作,历时6个月,经初审、复审、会商和终审各个阶段,最终遴选出12篇高质量的论文入选本专题. 首先,研究新的更高效、更适用的可视化和可视分析方法是这方面工作的重要基础.以下论文在这方面进行了探讨,特别是研究了层次化多维数据的处理. 《基于密度-距离图的交互式体数据分类方法》依据物质中心密度大且物质中心间距离远这一特性,提出新的体数据分类方法,无需预设物质类别的数量,能够快速地实现较高准确度的分类. 《树比较可视化方法综述》对处理层次数据的树比较可视化方法进行了较为全面的分析和评估,探讨了不同方法对于不同数据分析需求的适用性,并展望了将来的发展. 《一种层次结构中多维属性的可视化方法》为具有层次结构且属性多维的复杂数据提出了有效且实用的可视表达方法,并已应用于全国各地区、各超市、各农产品中农药残留检出和超标情况侦测数据的可视化. 《面向层次化数据的变分圆形树图》提出了优化布局多个圆的快速计算方法,提高了圆形树图的空间利用率,并方便支持层次下行、层次上行与焦点+上下文等自然交互方式,有利于交互可视分析的实施. 《基于层次狄利克雷过程的交互式主题建模》对层次狄利克雷过程进行了改进,使其支持单词约束,由此可基于矩阵视图交互迭代地优化主题模型,提高文本数据分析的主题建模质量. 《基于维度扩展的Radviz可视化聚类分析方法》提出了基于数据概率分布的维度增加方法,提高了RadiViz这种径向投影型多维数据可视化方法的聚类表达效果. 其次,多篇论文探讨了可视化及可视分析在具体应用中的实施和系统构建,相关的应用领域包括气象分析、视频分析、文本阅读、移动日志、网络监控等. 《一种全球尺度三维大气数据可视化系统》完成了一个面向气象预报与气象研究需求的可视化分析系统,能够有效地处理具有时变、多源、多维度、数据量大和多尺度等特征的气象数据,流畅地全方位展现气象数据中的信息. 《运动目标三维轨迹可视化与关联分析方法》研究了视频数据中运动目标的跟踪分析,并进而探讨对象之间关联性获取的方法,以提高视频分析的效率. 《基于文本摘要及引用关系的可视辅助文献阅读》描述了一个基于文本摘要和引用关系的可视辅助文献阅读系统,以帮助读者快速找到最重要、最相关的文献,避免阅读过程中的迷失. 《基于移动终端日志数据的人群特征可视化》提出了移动终端日志数据的深度分析与相应的可视化展示方法,能够更加准确地概括出移动终端用户的特征. 《多视图合作的网络流量时序数据可视分析》提出了一个自顶向下的网络流量时序分析流程模型,并实现了一个多视图合作的网络流量时序数据可视分析原型系统,便于网络安全分析人员使用网络流量时序数据检测网络异常情况. 《一种模型驱动的可视化生成系统》给出了一种可视化描述语言,并由此提出一种模型驱动的可视化生成系统,能够实现所见即所得的可视化系统快速生成. 本专题主要面向数据处理、可视化及可视分析等相关领域的研究人员,反映了我国学者在可视化及可视分析等领域的最新研究进展.在此,我们要特别感谢《软件学报》编委会对本专题工作的指导和帮助,感谢编辑部各位老师从征稿启示发布、审稿专家邀请至评审意见汇总、论文定稿、修改及出版所付出的辛勤工作和汗水,感谢本专题评审专家及时、耐心、细致的评审工作.此外,我们还要感谢向本专题踊跃投稿的作者对《软件学报》的信任. 最后,感谢本专题的读者们,希望本专题能够对相关领域的研究工作有所帮助.     

食品安全大数据可视分析方法研究

食品安全数据可视分析作为一个新兴交叉研究领域,通过先进的交互式可视化工具帮助食品安全领域人员快速分析数据的分布态势、探寻数据间隐含关联、提升认知和分析能力、提高食品安全监管的科学性和有效性.文中从食品安全数据可视化的必要性和内在需求出发,介绍食品安全数据普遍具有的高维、多元、层次、时空、关联等基本特征,总结梳理了已有适合对食品安全数据的可视化以及可视分析方法和系统,对食品安全大数据可视化及可视分析未来的发展趋势进行了展望.     

体育数据可视化综述

体育数据可视化是体育新闻和体育竞技中的重要技术.体育数据可分为一维体育属性统计数据,体育属性和时空属性结合的多维数据等.已有工作主要有体育数据新闻、体育数据专业分析、可视分析系统.文中概括和归纳了体育数据可视化工作中采用的基本方法:从数据的时空角度出发,有基于技术统计数据的可视化、技术统计数据和空间数据结合的可视化、技术统计数据和时间数据结合的可视化、技术统计数据和时空数据结合的可视化等;从球员角度出发,有单个球员可视化和多个球员可视化等.文中阐述了体育数据可视分析的基本思路:基于统计学角度的分析、基于移动和集群的分析、基于特征检测的分析等;并展望了未来的发展方向.     

高维数据聚类可视分析方法综述

数据聚类的可视分析方法利用可视化与交互技术帮助用户对聚类过程与结果进行 多角度分析,从而发现数据内部隐藏的结构和关系。但由于高维数据自身的“维度诅咒”问题 使得聚类分析面临着许多挑战,例如模型参数设定、数据特征捕捉、结果解释以及可视化展现 等。本文从高维数据聚类过程中遇到的问题出发,首先总结了高维数据聚类过程中常用的数据 处理方法并对其性能进行了比较,这些方法能够较好地解决“维度诅咒”问题,帮助用户挖掘 数据中存在的聚类模式。在分析和理解不同聚类结果中包含的数据内部结构和规律时,由于前 期采取的数据处理方法不同,因此需要采取不同的探索分析策略,所以本文将近10 年来高维数 据聚类的可视分析方法分为2 大类进行总结,即基于降维的聚类可视分析方法和基于子空间聚 类的可视分析方法。最后对该领域目前存在的机遇与挑战进行了讨论。     

2022年第1期目次

起止点数据是一种由起点、终点、起止点时间及一些其他属性构成的轨迹数据。其是一类非常 典型的时空数据,大量产生于城市交通管理、人口迁移、社交媒体等领域。可视分析技术目前被广泛用于研究 大规模起止点数据的时空模式,能够实现对数据深层次的探索。首先介绍了起止点数据特征以及可视分析的任 务,其次梳理了近年来起止点数据可视分析中的可视化方法、交互技术和可视化系统,并对不同领域的应用案 例进行介绍。最后,对起止点数据可视研究中面临的问题进行总结,对起止点数据可视化研究的前景做出了展 望,以期为未来的研究提供新的思路。     

基于多亲树的RBAC角色可视化管理

基于角色的访问控制(RRAC)被广泛地应用于各类复杂信息系统中,通过对用户指派角色进行授权以访问系统中的特定数据或资源。一些问题已在应用过程中逐渐暴露:如何较好地展现角色层次关系、用户角色指派和角色指派中约束如何体现、冗余的角色授权如何检测与解除等。从可视化的角度采用层次信息可视化技术来辅助RRAC中的角色管理。首先阐述了所研究的问题,并定义了可视化过程中使用的多亲树结构;然后给出一个多亲树规范化过程,以建立一个符合可视化要求的标准角色层次;随后提出一种双层可视化范例来展示角色管理过程,其中下层用于展示角色层次和权限,上层用于配置用户节点;此外,针对所述问题给出若干交互方法,以可视地辅助解决角色管理中的约束和冗余问题。     

不确定性可视化综述

数据从采集到使用的过程不可避免地会引入不确定性.与数据错误和数据矛盾不同的是,不确定性存在于数据处理的各个环节,甚至各个环节会导致新的不确定性.作为数据不可或缺的组成部分,可视化不确定性有助于用户更加准确地分析和理解数据并做出正确的决策.文中简略地介绍了不确定性的基本来源;从不确定性的可视表达形式角度出发,梳理并总结了当前主流的不确定性可视化方法,包括图标法、可视变量编码法、几何体表达法和动画表达法;并探讨了需要进一步探索的研究方向.     

可视数据清洗综述

目的 数据清洗是一个长期存在并困扰人们的问题,随着可视化技术的发展,可视数据清洗必将成为数据清洗的重要方法之一.阐述数据的主要质量问题和可视数据清洗的过程,回顾可视数据清洗的研究现状(包括数据质量问题的来源、分类以及可视数据清洗方法),并根据已有文献总结可视数据清洗面临的主要挑战和机遇.方法 由于数据清洗的方法和策略与具体的数据质量问题相关,因此本文以不同的数据质量问题为线索来归纳和评述可视数据清洗的方法和策略.结果 根据数据质量问题的不同,将可视清洗方法归纳为直接可视清洗、可视缺失数据、可视不确定数据、可视数据转换和数据清洗资源共享等,并依据不同的数据质量问题归纳总结出相应问题所面临的挑战和可进一步研究的方向.结论 对可视数据清洗的归纳、总结和展望,并指出在数据清洗领域中可视数据清洗将会是未来最有前景的研究方向之一.     

面向数据排名的可视分析方法综述

根据属性关键字的大小对数据对象进行排名,能够帮助用户快速而精准地判断和决策.文中对面向数据排名的可视分析进行综述.首先从映射表示大小关系的视觉元素出发,介绍坐标轴位置、长度、角度、面积和亮度/饱和度等视觉元素在排名可视化过程中的设计与应用;然后从数据结构形式出发,介绍多维、时序、空间和拓扑等面向数据排名的可视分析方法;再概述面向数据排名的可视分析技术在经济金融、城市交通和文体传媒等领域的应用研究;最后总结面向数据排名的可视分析面临的挑战,并对未来工作进行了展望.     

森林场景可视化和林火模拟仿真技术研究综述

森林是生态环境系统的重要组成部分。随着气候变暖,恶劣气候气象条件造成全球森林火灾频繁发生,给国民经济和消防救援带来巨大挑战,森林火灾已成为全球主要的自然灾害。因此,森林场景可视化建模、3维场景仿真、林火模拟仿真、火场复现、预测和灾害评估成为林业虚拟仿真研究热点。本文对树木形态结构建模技术、森林场景大规模重建和实时渲染、森林场景可视化、林火模型和林火模拟仿真等前沿技术和算法进行综述。对相关的林木、植被的形态结构表达和真实感可视化建模方法进行归纳分类,并对不同可视化方法的算法优劣、复杂度、实时渲染效率和适用场景进行讨论。基于规则的林木建模方法和基于林分特征的真实场景重建方法对大规模森林场景重建技术进行分类,基于物理模型、经验模型和半经验模型对森林火灾的林火模型、单木林火、多木林火模拟和蔓延进行总结,对影响林火蔓延的不同环境气象因子（如地形地貌、湿度、可燃物等）和森林分布对林火发生、扩散和蔓延的影响进行分析,对不同算法的优劣进行对比、分析和讨论,对森林场景可视化和林火模拟仿真技术未来的发展方向、存在问题和挑战进行展望。本文为基于森林真实场景的森林火灾模拟仿真和数字孪生沉浸式互动模拟系统的构建提供了理论方法基础,该平台可以实现森林场景快速构建、不同火源林火模拟、火场蔓延模拟仿真以及不同气象影响条件的火场预测,可对森林火场救援指挥、火场灾害评估和火场复原提供可视化决策支持。     

基于SOM聚类的垃圾处理方式可视化分析方法

针对全国各省份垃圾处理方式的数据,提出一种混合可视分析方法。为了从多角度分析数据,混合U矩阵、平行坐标以及Small-Multiple 3种可视化技术,设计并实现了3种可视化视图的交互联动。首先,对数据进行聚类处理,将各省份近年的垃圾处理方式划分类别,采用SOM神经网络聚类算法实现聚类。然后,针对SOM聚类结果,采用U矩阵的方式进行可视化,并采用平行坐标描述每个聚类结果的各个属性。为了分析数据的地理属性及时序属性,采用Small-Multiple可视化技术。最后,实现多视图联动、刷新技术等交互方式,帮助用户自行探索数据,实现多视图的交互展示与分析。实验表明,这种混合可视方式可达到较好的多属性交互可视化效果,能够帮助用户了解并分析我国垃圾处理方式的分布及趋势。     

流行病数据可视分析综述

流行病数据的多层面可视分析,可以加快流行病数据分析任务的交互式探索效率和加深对潜在模式的深刻理解.本文对流行病数据可视分析的相关工作展开综述,并主要通过四个方面进行总结和归纳:(1)流行病数据的时空可视分析,帮助用户发现和理解流行病数据在时间、空间以及时空维度中潜在的流行病特征和传播规律等;(2)流行病数据中涉及非结构...     

Two axes re-ordering methods in parallel coordinates plots

Visualization and interaction of multidimensional data are challenges in visual data analytics, which requires optimized solutions to integrate the display, exploration and analytical reasoning of data into one visual pipeline for human-centered data analysis and interpretation. Even though it is considered to be one of the most popular techniques for visualization and analysis of multidimensional data, parallel coordinate visualization is also suffered from the visual clutter problem as well as the computational complexity problem, same as other visualization methods in which visual clutter occurs where the volume of data needs to be visualized to be increasing. One straightforward way to address these problems is to change the ordering of axis to reach the minimal number of visual clutters. However, the optimization of the ordering of axes is actually a NP-complete problem. In this paper, two axes re-ordering methods are proposed in parallel coordinates visualization: (1) a contribution-based method and (2) a similarity-based method.The contribution-based re-ordering method is mainly based on the singular value decomposition (SVD) algorithm. It can not only provide users with the mathmetical theory for the selection of the first remarkable axis, but also help with visualizing detailed structure of the data according to the contribution of each data dimension. This approach reduces the computational complexity greatly in comparison with other re-ordering methods. A similarity-based re-ordering method is based on the combination of nonlinear correlation coefficient (NCC) and SVD algorithms. By using this approach, axes are re-ordered in line with the degree of similarities among them. It is much more rational, exact and systemic than other re-ordering methods, including those based on Pearson’s correlation coefficient (PCC). Meanwhile, the paper also proposes a measurement of contribution rate of each dimension to reveal the property hidden in the dataset. At last, the rationale and effectiveness of these approaches are demonstrated through case studies. For example, the patterns of Smurf and Neptune attacks hidden in KDD 1999 dataset are visualized in parallel coordinates using contribution-based re-ordering method; NCC re-ordering method can enlarge the mean crossing angles and reduce the amount of polylines between the neighboring axes.     

Asymmetric tensor field visualization for surfaces

Asymmetric tensor field visualization can provide important insight into fluid flows and solid deformations. Existing techniques for asymmetric tensor fields focus on the analysis, and simply use evenly-spaced hyperstreamlines on surfaces following eigenvectors and dual-eigenvectors in the tensor field. In this paper, we describe a hybrid visualization technique in which hyperstreamlines and elliptical glyphs are used in real and complex domains, respectively. This enables a more faithful representation of flow behaviors inside complex domains. In addition, we encode tensor magnitude, an important quantity in tensor field analysis, using the density of hyperstreamlines and sizes of glyphs. This allows colors to be used to encode other important tensor quantities. To facilitate quick visual exploration of the data from different viewpoints and at different resolutions, we employ an efficient image-space approach in which hyperstreamlines and glyphs are generated quickly in the image plane. The combination of these techniques leads to an efficient tensor field visualization system for domain scientists. We demonstrate the effectiveness of our visualization technique through applications to complex simulated engine fluid flow and earthquake deformation data. Feedback from domain expert scientists, who are also co-authors, is provided.     

教育大数据可视化研究综述

教育大数据可视化分析对于复杂教育规律的理解与挖掘具有重要作用,已成为当前教育信息科学研究领域的重要课题。首先归纳了教育大数据的典型特征,从促进学生元认知发展、辅助教师监督学习过程及提升管理者科学决策水平三个角度介绍了教育大数据应用的最新研究成果,并简述了利用教育大数据实施可视化分析的基本流程。然后重点对文本数据可视化、多维数据可视化、网络数据可视化、时间序列数据可视化以及地理空间数据可视化等五种主流的教育大数据可视化呈现方法进行特征描述,并给出具体的应用场景。随后介绍了动态查询与过滤技术、可缩放/变形界面技术和多视图联动技术三个实施教育大数据可视化的关键交互技术方法。最后依据最新研究动态,从多模态教育数据融合、人机交互、人机协同范式以及教育数据可视化设计的标准规范和评价体系四方面对教育大数据可视化未来研究方向进行了展望。     

Managing Spatial Selections With Contextual Snapshots

Spatial selections are a ubiquitous concept in visualization. By localizing particular features, they can be analysed and compared in different views. However, the semantics of such selections often depend on specific parameter settings and it can be difficult to reconstruct them without additional information. In this paper, we present the concept of contextual snapshots as an effective means for managing spatial selections in visualized data. The selections are automatically associated with the context in which they have been created. Contextual snapshots can also be used as the basis for interactive integrated and linked views, which enable in‐place investigation and comparison of multiple visual representations of data. Our approach is implemented as a flexible toolkit with well‐defined interfaces for integration into existing systems. We demonstrate the power and generality of our techniques by applying them to several distinct scenarios such as the visualization of simulation data, the analysis of historical documents and the display of anatomical data.     

Visual methods for analyzing time-oriented data

Providing appropriate methods to facilitate the analysis of time-oriented data is a key issue in many application domains. In this paper, we focus on the unique role of the parameter time in the context of visually driven data analysis. We will discuss three major aspects - visualization, analysis, and the user. It will be illustrated that it is necessary to consider the characteristics of time when generating visual representations. For that purpose we take a look at different types of time and present visual examples. Integrating visual and analytical methods has become an increasingly important issue. Therefore, we present our experiences in temporal data abstraction, principal component analysis, and clustering of larger volumes of time-oriented data. The third main aspect we discuss is supporting user-centered visual analysis. We describe event-based visualization as a promising means to adapt the visualization pipeline to needs and tasks of users.     

Nonlinear multiresolution techniques with applications toscientific visualization in a haptic environment

This paper develops nonlinear multiresolution techniques for scientific visualization utilizing haptic methods. The visualization of data is critical to many areas of scientific pursuit. Scientific visualization is generally accomplished through computer graphic techniques. Recent advances in haptic technologies allow visual techniques to be augmented with haptic methods. The kinesthetic feedback provided through haptic techniques provides a second modality for visualization and allows for active exploration. Moreover, haptic methods can be utilized by individuals with visual impairments. Haptic representations of large data sets, however, can be confusing to a user, especially if a visual representation is not available or cannot be used. This paper develops a multiresolution data decomposition method based on the affine median filter. This results in a hybrid structure that can be tuned to yield a decomposition that varies from a linear wavelet decomposition to that produced by the median filter. The performance of this hybrid structure is analyzed utilizing deterministic signals and statistically in the frequency domain. This analysis and qualitative and quantitative implementation results show that the affine median decomposition has advantages over previously proposed methods. In addition to multiresolution decomposition development, analysis, and results, haptic implementation methods are presented     

基于光学三角几何关系的三维表面重建方法

工业图像处理作为图像处理技术的工业应用,是自动化技术的发展方向之一.传统的二维图像处理已经在视觉检测系统中广泛应用.目前利用光学方法的三维数字化具有越来越重要的意义.在工业生产中,多种获取三维数据的途径得到应用.其中最重要的方法有立体视觉,条形光相位平移法和条形光格雷编码法.本文重点介绍这三种方法在视觉检测系统中的运用.所开发的系统实现了被测工件可视化,而且更容易地将三维图像集成到生产线中.