多维时空数据协同可视分析方法EI北大核心CSCD

随着获取渠道的多样化以及采集过程的规范化,数据普遍具有多维、时空属性.由于不同的属性维度中数据的分布方式和表达意义各不相同,针对数据的多维时空属性开展综合的分析和全面的探索存在较大的困难.为此,提出一种多维时空数据协同可视化方法.首先设计属性关联视图展现空间对象的多维属性数据及其关系;然后利用MDS算法将原始多维属性数据按照时间顺序关系分别降解至一维空间构建时序平行坐标系,并且对各时间轴的投影坐标点进行布局优化和层次聚类操作,利用信息熵度量类别的稳定性对平行坐标系中点和线的颜色进行映射;最后设计圆状布局的层次链接图,展示感兴趣特征的层次结构关系.文中通过设计便捷的交互模式有效地关联各个视图的可视化设计,构建多维时空数据协同可视分析系统.GDP数据和空气质量监测数据的实例分析结果表明,文中方法能够综合考虑多维时序属性,帮助用户快速探索数据中隐含的特征模式;专家用户的反馈进一步验证了该方法的有效性和实用性.     

多维时空数据协同可视分析方法

随着获取渠道的多样化以及采集过程的规范化,数据普遍具有多维、时空属性.由于不同的属性维度中数据的分布方式和表达意义各不相同,针对数据的多维时空属性开展综合的分析和全面的探索存在较大的困难.为此,提出一种多维时空数据协同可视化方法.首先设计属性关联视图展现空间对象的多维属性数据及其关系;然后利用MDS算法将原始多维属性数据按照时间顺序关系分别降解至一维空间构建时序平行坐标系,并且对各时间轴的投影坐标点进行布局优化和层次聚类操作,利用信息熵度量类别的稳定性对平行坐标系中点和线的颜色进行映射;最后设计圆状布局的层次链接图,展示感兴趣特征的层次结构关系.文中通过设计便捷的交互模式有效地关联各个视图的可视化设计,构建多维时空数据协同可视分析系统.GDP数据和空气质量监测数据的实例分析结果表明,文中方法能够综合考虑多维时序属性,帮助用户快速探索数据中隐含的特征模式;专家用户的反馈进一步验证了该方法的有效性和实用性.     

语义增强的大规模多元图简化可视分析方法

网络图可视化可以有效展示网络节点之间的连接关系,广泛应用于诸多领域,如社交网络、知识图谱、生物基因网络等.随着网络数据规模的不断增加,如何简化表达大规模网络图结构已成为图可视化领域中的研究热点.经典的网络图简化可视化方法主要包括图采样、边绑定和图聚类等技术,在减少大量点线交叉造成的视觉紊乱的基础上,提高用户对大规模网络结构的探索和认知效率.然而,上述方法主要侧重于网络图中的拓扑结构,却较少考虑和利用多元图节点的多维属性特征,难以有效提取和表达语义信息,从而无法帮助用户理解大规模多元网络的拓扑结构与多维属性之间的内在关联,为大规模多元图的认知和理解带来困难.因此,本文提出一种语义增强的大规模多元图简化可视分析方法,首先在基于模块度的图聚类算法基础上提取出网络图的层次结构;其次通过多维属性信息熵的计算和比较分析,对网络层次结构进行自适应划分,筛选出具有最优属性聚集特征的社团;进而设计交互便捷的多个关联视图来展示社团之间的拓扑结构、层次关系和属性分布,从不同角度帮助用户分析多维属性在社团形成和网络演化中的作用.大量实验结果表明,本文方法能够有效简化大规模多元图的视觉表达,可以快速分析不同应用领域大规模多元图的关联结构与语义构成,具有较强的实用性.     

平行坐标轴动态排列的地理空间多维数据可视分析

目的 平行坐标是经典的多维数据可视化方法,但在用于地理空间多维数据分析时,往往存在空间位置信息缺失和空间关联分析不确定等问题。对此,本文设计了一种有效关联平行坐标和地图的地理空间多维数据可视分析方法。方法 根据多维属性信息对地理空间位置进行聚类分析,引入Voronoi图和颜色明暗映射对地理空间各类区域进行显著标识,利用平行坐标呈现地理空间多维属性信息,引入互信息度量地理空间聚类与属性类别的相关性,动态地确定平行坐标轴排列顺序,进一步计算属性轴与地图之间数据线的绑定位置,对数据线的布局进行优化处理,降低地图与平行坐标系间数据线分布的紊乱程度。结果 有效集成上述可视化设计及数据分析方法,设计与实现一种基于平行坐标轴动态排列的地理空间多维数据可视化分析系统,提供便捷的用户交互模式,通过2组具有明显地理空间多维属性特征的数据进行测试,验证了本文可视分析方法的有效性和实用性。结论 本文提出的可视分析方法和工具可以帮助用户快速分析地理空间多维属性存在的空间分布特征及其关联模式,为地理空间多维数据的探索提供了有效手段。     

一种面向空间多变量数据聚类的可视分析方法

聚类是研究空间多变量数据的重要工具之一.但是自动聚类算法通常需要用户预设参数然后生成结果,缺乏一种有效的交互机制将用户介入到聚类的过程,使之动态改变参数并对结果进行调整和评估.为此提出一种面向空间多变量数据聚类的可视分析流程,首先运用自动聚类算法对原始三维空间进行聚类,针对三维空间不易交互的缺陷将数据点投影到二维平面进行交互选择和可视编码,设置多种视图使用户实时而全面地理解数据分布和模式,交互地修正聚类结果,并根据一些编码的统计信息来判断结果的合理性和正确性.整个流程是渐进式的,即用户通过迭代逐步细化结果,最终抽取兴趣域.案例分析表明,新的可视分析流程能够有效地提高空间自动聚类算法的精度,也极大地缩短了用户交互的时间.     

深度学习在地质储层属性预测中的应用研究

结合计算机科学和机器学习方法解决地质学问题,基于多来源的地质数据建立二维、三维地质模型,形象地还原真实地质构造形态和地质属性分布是重要的研究方向之一。现阶段三维地质模型主要采用传统插值方法和多点地质统计学方法进行三维地质属性预测。由于地质数据数量有限、数据采样分布不均等问题,三维地质属性预测结果受到约束。将测井数据作为实验样本数据,分析三维空间分布的统计特征,设计并训练深度学习模型,预测地质储层属性,建立三维地质模型。基于有限数据驱动预测地质储层属性效果较好,具有一定的应用价值。     

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。     

面向空气质量监测数据时空多维属性的可视分析方法

空气质量监测数据具有显著的时空多维属性.传统的平行坐标技术虽然能够有效地展示数据的多维属性信息,却在分析与解读空气质量监测数据各个属性的时空变化规律方面表现出一定的局限性,在平行坐标展示空气质量监测数据多维属性的基础上,提出一种支持用户交互式探索大气污染时空特征的可视分析方法.首先利用平行坐标展示空气质量监测数据,支持用户交互改变时空维度以及指定坐标轴排列顺序;然后引入角度面积正负相关性等方式度量数据在平行坐标系中的布局差异,并且通过矩阵图和交互式柱状图分别展示不同时空维度下数据的布局差异;再综合考虑各个属性之间的数据布局差异,构建相似性矩阵,利用多维标度法对当前时空维度的数据进行降维,获得初始数据在低维空间的表示;最后利用层次聚类方法对低维空间的数据表达做聚类分析,并且分别设计时钟隐喻图和地域抽象图描述各个类别的时空节点组成.集成上述可视化算法设计便捷的用户交互模式,开发面向空气质量监测数据时空多维属性的可视分析原型系统,为用户快速分析和解读大气污染的时空特征及潜在规律提供有效手段.通过大量的可视化效果及用户反馈结果,进一步验证了文中所提可视分析方法的有效性和实用性.     

面向系统辨识的火电控制时序数据可视分析

对火电控制历史数据进行分析和建模,能有效地帮助用户实现更优的机组运行控制.由于这类控制数据的复杂性,传统系统辨识过程非常烦琐,甚至难以得到有效结果.为此,将可视分析技术引入系统辨识中,与自动建模算法集成,设计了面向系统辨识的可视分析系统imDCS,在时序数据特征分析、模型建立和筛选评估以及模型迭代优化等各阶段支持控制系统建模的全过程.通过多种可视化映射技术和交互联动视图支持多层次模型筛选过程;通过分组视图与堆叠视图展示高维多元模型结构;通过精度评估组合视图支持用户从不同侧面评估模型性能.与领域专家合作,基于电厂真实控制数据和运行优化需求进行了案例分析和评估,结果表明,该系统在工业控制数据分析和建模中具有更高的有效性和可用性.     

NDSMMV——一种多维数据集物化视图动态选择新策略

物化视图的选择策略是数据仓库研究的重要问题之一.通过深入研究提出了一种多维数据集中物化视图动态选择的新策略--NDSMMV,包括候选视图生成算法CVGA、物化视图选择算法IGA、物化视图调整算法MAMV和物化视图动态调整算法DMAMV.CVGA基于多维数据格生成候选视图集,对候选视图数量进行压缩以减少后续算法的视图空间搜索代价和时间复杂度;IGA基于视图查询、视图维护和存储空间三元评价标准在候选视图集上进行物化视图的选择;MAMV基于物化视图选择过程已选视图的收益变化情况对物化视图进行进一步调整以提高查询的响应性能;DMAMV定时地判断查询视图类型分布是否变化来决定是否进行物化视图的动态调整,从而避免了物化视图集的"抖动".理论分析和实验结果表明该策略是有效可行的.     

面向GDP数据时空多维属性的可视分析方法

国内生产总值是经济统计的核心指标,文中提出面向国内生产总值数据时空多维属性的可视分析方法.利用多维标度法对不同时空维度多维属性进行降维,支持用户交互选择时空维度和参与相似度计算的多维属性;利用环状饼图展示产业结构的比例关系,设计垂直指针定位优势产业并动态表达产业结构的变化趋势;利用圆状堆叠图呈现各个产业产值及占比的时序变化信息,堆叠图的绘制顺序进一步提示产业结构的更替特征.设计内圆、中环、外环的可视化模式,实现面向国内生产总值数据时空多维属性的可视分析系统,利用方便而快捷的交互手段关联上述可视化方法,为用户提供快速探索经济统计数据中产业结构时空特征模式的工具.最后通过大量的可视化效果及用户体验结果,进一步验证了文中方法的有效性和实用性.     

地震数据的多属性三边滤波算法

为了抑制地震数据噪声,增强可视化效果,保证地质特征识别算法有效,提出一种基于地震数据局部结构属性与全局纹理属性的三边滤波算法.在局部结构属性中定义数据强度、空间距离和朝向权值函数,使得滤波算法能够综合考虑边结构特征及其类型;全局纹理属性分析则借助于鲁棒紊乱度地震属性估计与条件参数定义,采用参数自动调整办法自适应调整滤波...     

面向多主体的大学课程成绩相关性可视探索与分析

深入分析学生成绩及其影响因素对于优化大学课程安排和提升教学质量具有重要意义.由于学生成绩数据涉及多个相互关联的分析主体,具有多元多属性和时序相关等特征,传统的分析工具和展示手段功能有限,难以有效探索影响课程成绩的多种关联因素,对异常现象也难以做出深入分析和解释.为此,文中根据成绩数据的特点设计了多视图协同交互的学生成绩可视分析系统——SPVAS.首先通过支持多维属性集成展示的矩阵热力图揭示学生成绩在年级和学期上的时序分布,其次为展示学生成绩中的多元统计特征以及相关联的课程和教师等主体特征,对平行坐标的交互展示能力进行扩充,最后为揭示课程成绩的影响因素以及课程间的相关性,设计弧长链接图与平行坐标和节点链接树相结合的创新布局,并应用多视图交叉筛选和动态关联等交互技术,实现从课程、学生和教师任意主体角度出发的交叉分析与连贯推理.为了验证原型系统的有效性和实用性,利用真实课程数据进行了案例研究,并邀请了相关的专业人员对本系统进行了试用与评价.     

降维空间视觉认知增强的多维时变数据可视分析方法

针对多维时序数据可视分析过程中降维算法表现出的局限性,提出一种降维空间视觉认知增强的多维时序数据可视分析方法.在多维标度算法的基础上,通过正交变换使不同时间步投影点的偏移最小化,帮助用户对感兴趣的时间模式进行有效的视觉认知及追踪;为避免投影点之间的相互遮挡,引入六边形对投影空间进行划分,增强用户对降维空间特征的视觉认知和交互;进而引入层次聚类方法对投影点进行聚类分析,帮助用户快速感知多维数据之间的关联关系;最后设计面向聚类特征时序演变的分组动画策略,突出相邻时间聚类特征的演化特点和时序模式.集成上述可视化方法,开发面向多维时序数据可视分析原型系统,通过经济统计数据、空气质量监测数据的实例分析,进一步验证该系统的有效性和实用性.     

利用动画观察物理数据场

对于揭示大量数据所反映的本质与特征,数据的可视图形化是一种有效的方法。数据的视见化过程可看作是将数据变成图形的转换过程。基于石油工业的需要,我们设计并实现了一个可视软件包,用以动态地观察物理数据场。其视见化过程最本质的部分是数据转换与可视成像。对于数据转换,本文给出了用函数拟合规则与不规则分布两种数据的算法;对于可视成像,本文给出了颜色匹配交互选择与动态实现的技术。该系统对于其它领域的多维物理场数据的可视化,也是行之有效的。该文对于大量的多维数据的拟合与图形生成提出了行之有效的方法。     

基于角点聚类的移动机器人自然路标检测与识别

针对未知环境中机器人视觉导航的自然路标检测,提出了一种基于角点聚类的自然路标局部特征提取、不变性表示及其匹配算法.用SUSAN算子提取左右视图中的角点,在极线约束下对左右视图的角点进行匹配,消除遮挡或噪声引起的角点;同时应用立体视觉计算角点视差,进一步筛选角点.根据角点聚类策略提取自然路标局部特征,并提出不随距离、角度变化的局部特征不变性表示及匹配方法.理论分析和实验结果表明,该算法具有较好的鲁棒性,在一定距离和角度变换下能够对路标进行正确识别.     

基于改进PMS算法的多视点立体视图优化算法

针对多视点视图匹配存在的不足,提出一种多视点法平面与视差空间及聚合成本最优化的改进PMS算法.设计多视点视图优化框架,推导出视点聚合成本函数;结合多视点聚合成本函数最优化方法,设计法平面与视差及聚合成本最优化的改进PMS算法,给出算法步骤;对提出的算法在不同噪声下的角度误差、相同噪声不同视点数的角度误差和相同噪声不同视...     

语义透镜:针对多体数据的交互可视探索工具

在多体数据可视化中,并列视图的绘制方法往往存在空间位置不够直观和特征差异难以追踪等问题,而单一视图融合的绘制方法则会引发内部特征相互遮挡和可视化结果不易理解等问题.为此提出一种面向多体数据特征的可视化及分析工具,即语义透镜.首先结合体数据的多维属性分析设计语义列表,建立高层语义描述如大小、形状等与底层多维传输函数之间的关联,由用户根据需求交互设定语义透镜内外感兴趣特征;为实现透镜内外特征的平缓过渡,利用色彩感知理论度量融合颜色的正确感知度,自适应地推荐基于颜色或结构采样的特征融合方案,在过渡区域对透镜内外特征进行融合绘制;最后根据透镜的深度位置只聚焦透镜后的光线,在放大特定深度位置后的感兴趣特征的同时保持上下文特征的大小.文中利用语义透镜对多特征单体,多模态和多变量3种类型实验数据进行交互式探索,使用户在同一视图中聚焦分析多体特征,同时避免特征遮挡和融合带来的理解与分析障碍;可视化对比结果及用户反馈进一步验证了语义透镜的有效性和实用性.     

基于视差空间的双目视觉里程计

提出了一种基于视差空间的双目视觉里程计算法.利用SIFT特征点的尺度和旋转不变性,实现左、右图像对特征点的准确匹配,及前后帧间的特征跟踪.在RANSAC框架下对匹配点进行运动估计获得运动参数初始值,然后迭代更新匹配点的视差比值直至收敛.为克服传统算法中3维空间噪声分布不均匀的缺陷,利用了视差空间噪声分布的各向同性的性质进行运动估计,并且通过迭代取得全局最小值.实验结果表明,该算法在运动估计中具有更好的精度.     

一种基于维度投影的多维数据相关性可视分析方法

针对高维多元数据相关性分析需求,首先提出一种基于KNN和Pearson相关系数的维度相关性度量方法KNN-Pearson,通过数据集在维度某数据值处的密度定量地表示某维度对聚类的贡献度,并将其作为计算元素,通过Pearson相关系数计算各维度间的相关性大小,定量地表示各维度之间的相关程度;进而提出一种基于维度投影的相关性可视分析方法,通过多维尺度分析(MDS)进行维度投影,用投影散点图和矩阵热图展示维度之间的相关性,用投影矩阵和平行坐标展示数据的分布态势和聚类特征,允许通过维度选择构造用户感兴趣的子空间,在子空间中交互地分析数据、探索规律;将上述方法应用于食品安全领域,设计并实现了一个农残数据相关性可视分析系统,通过数据筛选、维度选择、尺度缩放以及多视图联动等交互手段实现对多地区农产品中检出农药的相关性分析,从而发现检测地区对农产品施用农药的模式,掌握农药施用的规律.最后通过用户体验以及评价,证明了文中方法的有效性.