均值二分法分块排序的正方化树图布局算法

结合双向正方化布局思想,提出基于均值二分法快速分块排序的正方化树图布局算法.算法使用混乱阈值和均值二分法分割原始数据集,根据数据子集权值之和的比例关系对初始矩形进行分割,在每个矩形子块内用结合长边摆放策略的正方化自适应算法排列对应的数据子集中的元素.与前面2种算法进行比较的结果表明,文中算法能够有效地减少数据集分割和排序时间,解决Squarified-SP算法分割数据集存在的多种可能性问题,同时保证整个数据集一定的顺序性且提高了数据布局的稳定性.     

基于深度优先搜索的正方化树图布局算法

正方化布局算法在树图可视化形式中得到广泛使用,然而经典正方化树图布局算法无法获得平均长宽比最优的结果.通过分析经典正方化树图布局算法的实现细节,特别是每一步矩形块位置的选择过程,论证了经典正方化算法由于使用贪心算法原理导致的缺陷,结合深度优先搜索技术,提出了基于深度优先搜索的正方化树图布局算法（DSS算法）.在详细阐述DSS算法实现过程的基础上,结合实证研究,对DSS算法在平均长宽比方面的优势,时间性能的改进方向和本质特点进行了深入探讨.     

基于蒙特卡罗树搜索的树图布局

树图是层次数据可视化的常用方法,已有的研究发现,满足逐步加点原则的3种树图布局算法(正方化布局算法、条状布局算法和螺旋线布局算法)在常见的4种优化指标(平均长宽比、稳定性、数据一致性和可读性)上各有优缺点.其中,条状布局算法和螺旋线布局算法的长宽比较大,正方化布局的长宽比仍有优化空间.基于蒙特卡罗树搜索,在树图布局的同时构建对应的搜索树并利用置信度上界公式作为搜索路径的选定标准,在用户可接受时间内对3种布局算法的算术平均长宽比和所提加权平均长宽比分别进行了优化.为了证明算法的有效性,在构造出的3种不同分布、7种不同规模的单层数据集以及真实的多层数据集上测试,并与原算法进行比较分析,最后利用对应结论指导用户选择更好的布局算法以及设置更恰当的参数.     

一种正方化有序树图布局算法

针对现有正方化树图有序性差、有序树图正方化性能差的问题,提出一种正方化有序树图布局算法——SOTLA,首先将多个节点捆绑组合构造大权值节点;然后按平均长宽比最接近1和沿最短边方向填充路径限制的原则对节点进行布局;通过对每一组合节点分治并重复上述过程进行布局,最终完成所有单个节点的布局.将该算法应用于50组具有层次结构和数据值大小悬殊特点的农药残留量检测数据中,得到了较好的可视化效果.将该算法与现有的Squarified,Pivot,Strip和Spiral 4种布局算法就平均长宽比、连续性、可读性、稳定性和稳定的平衡性5项评价指标进行对比,实验结果表明,文中算法在连续性和平均长宽比性能上具有明显优势,其可读性、稳定性和稳定的平衡性指标也表现良好.     

基于正方化算法的树图生成方法研究

在对正方化算法分析的基础上,提出双向正方化算法,并通过模拟实验,验证了双向正方化算法在改进原算法平均长宽比方面的优越性,并具有更好的稳定性.     

正方化树图布局算法研究与优化

层次数据是一种常见的数据类型,它着重表达个体之间的包含和从属关系等。树图是一种非常流行的利用包含关系来表达层次化数据的可视化方法。该方法具有高效的空间利用率及良好的交互性,并广泛应用于各个领域。正方化布局算法是树图可视化方法中常用的算法,但该算法存在无序和稳定性差等不足。提出了一种优化算法来改进该算法的不足,并通过实验数据证明了优化后算法的有效性。     

基于树图双向正方化算法的实验研究

在对树图生成算法理论研究的基础上,开发一个结合多种主要树图生成算法的树图原型.结合用户的反馈意见,对双向正方化算法和其他几种算法进行分析和比较,并对双向正方化算法的部分缺陷提出了一些解决方法.     

基于非线性优化的长宽比未知矩形的位姿测量

提出一种新的基于非线性优化的长宽比未知矩形的位姿测量算法．该算法利用矩形顶点对应的4个像点,可有效地估计出矩形长宽比,并且给出矩形目标跟相机之间的相对姿态以及在矩形边长尺度下的相对位置．在该算法中,为了消除相对位姿和长宽比对计算精度的相互影响,将原问题分解为求解相对位姿和求解长宽比两个子问题．对求解相对姿态子问题建立关于相对位姿的代价函数,采用SE（3）李群的方法对相对位姿进行表示,通过优化代价函数对位姿进行求解;对求解长宽比子问题采用二分法搜索最优值的求解方法．通过实验验证了该算法在使用4个像点进行长宽比估计时的有效性和实时性．其相对计算误差小于3%,而且算法在普通PC上可以满足实时测量位姿的需求．     

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.     

改进的矩形NAM图像表示算法

为了提高图像的表示效率,提出了一种改进的矩形非对称逆布局模式表示模型(NAM)图像编码算法IRNAM。该算法采用双矩形子模式对灰度图像进行表示,结合位平面优化策略,并顺序存储各子模式的数据,使得子模式数目大幅减少。实验结果表明：与矩形NAM算法和其他改进的NAM算法相比, IRNAM算法使表示图像的子模式数明显减少了,从而有效地节省了数据存储空间,是一种高效的图像表示方法。