数据结构可视化类库的设计与实现

本工作室开发的数据结构可视化类库（JVDSCL，Visual Data Structures Class Library in Java）将可视化技术引入数据结构类库，实现了数据结构可视化。介绍了对数据结构类的可视化扩充方法，给出了实现各种数据结构可视化布局算法的基本框架。JVDSCL可以应用在程序调试和软件开发，提高软件的可视性、重用性与开发效率。     

程序调试中的树形结构演变可视化模型

树形结构作为一种非线性数据结构,在程序执行过程中的演变过程较为抽象,尤其是在对其进行加工型操作时,容易发生内存泄漏。针对编程初学者难以掌握树形结构的逻辑演变过程,以及在程序中发生内存泄漏错误时调试较为困难的问题,文中提出了一种对程序调试过程中树形结构的演变过程进行可视化呈现的处理模型TEVM(Tree Evaluation Visualization Model)。针对单个可视化程序在调试步骤前和调试步骤后的两个树形结构,设计了一种将树形结构转换为线性表示的结构对比算法,得出了它们的包括泄漏树在内的结构差异;同时设计了一种树形结构布局方法,并计算它们的布局差异。根据结构差异和布局差异生成可视化演变序列,调用绘图引擎对该序列进行解析和执行,从而完成对树形结构及其演变过程的动态、平滑和直观的可视化呈现,帮助编程初学者快速理解树形结构相关程序的执行过程,提升调试效率。将TEVM模型集成于一个面向编程实训教学的集成开发环境原型Web AnyviewC中,取得了较好的应用效果。     

数据结构可视化类库的设计与实现

本工作室开发的数据结构可视化类库(JVDSCL,Visual Data Structures Class Library in Java)将可视化技术引入数据结构类库,实现了数据结构可视化。介绍了对数据结构类的可视化扩充方法,给出了实现各种数据结构可视化布局算法的基本框架。JVDSCL可以应用在程序调试和软件开发,提高软件的可视性、重用性与开发效率。     

面向计算机程序的可视化综述

计算机程序是由开发者使用编程语言编写、被计算机识别并执行的一系列指令.大型程序源代码通常逻辑复杂,句法抽象,造成较大的认知困难.计算机程序可视化以直观形象的方法呈现计算机程序的代码结构、执行过程和运行结果,增强用户理解和调试程序的能力.从程序执行流程出发,根据程序执行的前、中、后3个阶段分析其可视化目标,并介绍已有可视化方法.在程序执行前阶段,使用可视化对代码组织和潜在异常进行多层级、多维度的展示;在程序执行中阶段,利用可视化辅助算法理解、运行调试和状态监测;在程序执行后阶段,运用可视化进行性能评估优化和异常检测.介绍程序可视化在在线编程调试、算法可视化等多种应用场景下的实际应用案例.最后,总结程序可视化现阶段工作的分类以及存在的不足,并指出高泛化性的算法理解可视化和教育领域的运行调试可视化等是未来工作的研究方向.     

采用八叉树和OSG分页结点的海量点云三维可视化

针对现有海量点云可视化方法存在索引构建时间长、内存占用大等问题，研究一种八叉树索引结合OSG分页结点的快速可视化方法，可在占用较小内存的基础上快速建立点云索引并实时调度。采用八叉树索引结构对海量点云进行数据组织，建立各层级的八叉树结点并以文件映射的方式分块保存，对结点文件重组织转换为支持OSG渲染引擎的多分辨率点云数据。采用基于OSG分页结点的实时调度技术，对海量点云进行高质量可视化。与目前两款主流的点云数据处理商业软件进行实验对比分析，结果表明所提方法具有索引建立速度快、内存占用小等优点，同时可视化交互更加流畅，适用于各种配置计算机下海量点云数据的调度管理与实时可视化。     

飞行仿真系统数据可视化设计与实现

研究飞行仿真系统结果数据可视化,为验证分析飞行仿真系统结果的正确性,需要对仿真系统输出的飞行性能数据进行实时在线观测并与标准数据进行对比分析。针对飞行仿真系统对飞机飞行数据实时观测的需求,设计了一种可实时观测的飞行仿真数据可视化方案。在建立仿真系统模型的基础上,为了提高系统的可靠性和优化数据结构,提出了新的数据结构和曲线生成算法绘制实时曲线,实现了数据的可视化观测,避免了实时绘制过程屏幕的闪烁和曲线出现的锯齿。并结合飞行仿真特点,利用MapX组件技术加载了具有导航台的全国地图,对传统的电子地图显示进行了改进,实现了飞机在地图上的实时航迹观测。仿真结果表明,系统能够实时观测仿真结果并分析系统误差,实现飞行仿真数据的可视化,并可验证飞行仿真系统的正确性。     

链表中头结点的应用

链表是一种非常重要的数据结构,很多教材对链表的基本操作进行过算法描述,建立的是不带头结点的链表。学生普遍感觉太复杂难以上机操作,而使用带头结点的链表可使这些算法结构更简单、思路更清晰。通过比较带头结点与不带头结点的单链表和循环链表的插入、删除和访问等基本操作,说明带头结．最的链表算法简单、易懂并容易实现。     

煤矿巷道三维可视化研究

对煤矿巷道三维可视化的关键技术进行了研究,分析了巷道三维模型的数据基础和数据结构,将巷道网络看作是由结点和弧段构成的图,分析了单个巷道弧段三维建模的算法、多巷道交叉结点的三维建模算法,并基于三维建模,实现了巷道的三维可视化。     

基于可视化运行平台的数据结构课程教学

提出基于可视化运行平台的数据结构教学模式,针对数据结构与算法传统教学模式中学生对算法缺乏整体、有机和直观形象理解的缺点,利用C++和Flash等进行可视化集成工具的开发。从教学的角度探讨应用该可视化辅助教学工具,在数据结构教学和实验过程中实现程序可视化、数据可视化和算法可视化,达到理想的教学效果。     

编译环境可视化中数组动态可视化算法的实现

对于目前使用的大多数可视化集成开发环境来说，提供给编程者的只是编程界面的可视化。缺乏对算法和数据结构的自动抽象功能，难以直观地反映算法与数据结构的动态关系和演变过程，调试程序效率低下。为了在程序运行过程中能直观地观察到数据的动态演变过程，笔者开发了一个集编缉器、编译器和调试器为一体的真正的可视化集成环境。本文主要介绍开发过程中如何在Delphi环境下利用OpenGL实现数组的动态可视化。     

基于节点属性的启发式网络拓扑图布局算法

工业监控网络拓扑可视化作为网络拓扑可视化的一个分支,要求布图结构直观而且实时性强。然而,以往的拓扑布局算法并不能满足这一要求。针对这一问题,面向一层或二层星型、一层mesh型和mesh型与星型两层混合的工业监控网络结构,根据网络结构特点和节点关系属性改进斥力张力模型,提出一种基于节点属性的启发式网络拓扑布局算法。实验结果证明该算法时间复杂度较低,而且布图直观性良好。     

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.     

X86汇编程序可视调试虚拟机的设计与实现

应用虚拟机构建技术与可视化技术相结合,设计一个汇编程序可视化集成开发环境X86VVM2.实现了一个可执行X86汇编程序的虚拟机内核,在此内核的基础上,进行对程序运行时数据及其执行过程的可视化研究,实现CPU寄存器值及寄存器之间的数据交换可视化、堆栈信息可视化、代码跟踪和调试可视化.同时也实现了一个可视化代码编辑器.经过实验与分析,具备可视调试特征的X86汇编程序集成开发环境可令程序设计者更为直观地理解汇编程序的执行过程,提高调试效率.     

基于拉力算法的面向对象程序结构可视化研究

面向对象程序整体结构及其特性的逆向分析和可视化在软件维护、软件重用等过程中起着重要作用。现有的逆向工程工具尽管可以通过对程序代码的静态分析自动获取类模型,但是在自动布图方面仍存在一些明显的问题,特别是难以直观展现类之间的耦合性、聚集效应等程序整体结构的重要特性,从而影响其实际应用。Force-Directed Layout算法能够自然展现复杂结构的耦合关系和聚集现象,因此,将其应用于类图的逆向生成,使其在充分展示程序整体结构的同时,清晰展现类之间的耦合性和聚集效应等结构特征,为软件结构演化分析、缺陷分布分析等提供辅助支持。据此,开发了软件分析与测试工具系列QESat的子工具——基于拉力算法的类图可视化工具QESat/FCD（QualityEasy-Software Analysis and Testing Tools：Force-Directed Class Diagram）,通过实例展示了其在大型类图结构特性方面的展现效果。     

Visualizing Group Structures in Graphs: A Survey

Graph visualizations encode relationships between objects. Abstracting the objects into group structures provides an overview of the data. Groups can be disjoint or overlapping, and might be organized hierarchically. However, the underlying graph still needs to be represented for analyzing the data in more depth. This work surveys research in visualizing group structures as part of graph diagrams. A particular focus is the explicit visual encoding of groups, rather than only using graph layout to indicate groups implicitly. We introduce a taxonomy of visualization techniques structuring the field into four main categories: visual node attributes vary properties of the node representation to encode the grouping, juxtaposed approaches use two separate visualizations, superimposed techniques work with two aligned visual layers, and embedded visualizations tightly integrate group and graph representation. The derived taxonomies for group structure and visualization types are also applied to group visualizations of edges. We survey group‐only, group–node, group–edge and group–network tasks that are described in the literature as use cases of group visualizations. We discuss results from evaluations of existing visualization techniques as well as main areas of application. Finally, we report future challenges based on interviews we conducted with leading researchers of the field.     

GO: A cluster algorithm for graph visualization

As we are in the big data age, graph data such as user networks in Facebook and Flickr becomes large. How to reduce the visual complexity of a graph layout is a challenging problem. Clustering graphs is regarded as one of effective ways to address this problem. Most of current graph visualization systems, however, directly use existing clustering algorithms that are not originally developed for the visualization purpose. For graph visualization, a clustering algorithm should meet specific requirements such as the sufficient size of clusters, and automatic determination of the number of clusters. After identifying the requirements of clustering graphs for visualization, in this paper we present a new clustering algorithm that is particularly designed for visualization so as to reduce the visual complexity of a layout, together with a strategy for improving the scalability of our algorithm. Experiments have demonstrated that our proposed algorithm is capable of detecting clusters in a way that is required in graph visualization.     

虚拟社群结构特征可视化呈现的社会网络布局算法研究

近年来,随着虚拟社区的发展,社会网络可视化软件逐渐走向普通社区成员的面前。然而现今社会网络可视化领域所采用的布局算法普遍与社会网络分析法相脱离,无法呈现社群结构特征。因此,提出凝聚子群布局算法与核心位置布局算法,它们分别以凝聚子群分析结果和成员整体中心度为布局依据,呈现社群子群和成员位置两种社群结构特征,并且依据实际数据给出布局效果。     

基于动态投影嵌入的多维异质网络可视化研究

异质网络是包含多种类型节点和边的复杂信息网络,因此异质网络的可视化通常涉及异质信息的有效处理与可视技术,传统的网络可视化技术对于异质网络可视化来说布局效果混乱、异质信息难以体现。为此提出一种基于动态投影嵌入的多维度异质网络可视化方法。该方法从异质网络的表示学习方法入手,提出动态投影嵌入模型来学习异质网络的节点表示,在此基础上,提出了多维度（空间）的可视化方法,将异质网络节点根据不同属性映射至不同关系空间中进行可视化分析,从而挖掘出潜在的语义信息。实验结果表明,提出的方法不仅使异质网络表示学习的评价指标（MRR）提升了10%,而且从多维度（空间）对异质网络进行可视化,有效地展示和挖掘了网络中的异质信息与潜在语义信息。