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。     

基于决策树算法的医疗大数据填补及分类仿真

从大数据的基本特点和医疗大数据研究现状出发,分析处理过程中存在的问题,提出在决策树算法下的医疗大数据填补及分类方法.分析医疗数据的关联规则,采用关联分析(Apriori)算法和频繁模式树(Frequent Pattern Growth,FP-Growth)算法挖掘数据.以挖掘数据为基础填补其中的缺失数据,按照医疗数据特...     

多维医疗影像数据管理系统

由于医疗领域数据的专业性、复杂性、多样性, 人工智能技术在医疗领域发展过程中存在样本数据缺乏的问题. 本文针对算法研究人员设计并开发了多维医疗影像数据管理系统, 系统包括数据预处理模块、数据管理模块以及数据可视化模块, 能够半自动化的生成具有分类标签的医疗影像数据, 对影像数据进行高效管理, 并且对系统中数据的分布特点以图、表的形式进行可视化展示.     

基于VR的大数据可视化教学系统设计与实现

提出一种基于VR的大数据可视化教学系统的实现方法。给出了大数据可视化教学系统设计原则,基于并行实时渲染的大规模无缝拼接显示技术、数据可视化的多体感交互技术、大屏的视频点播技术、面向大数据可视化的全景拼接与显示等,提出了大数据可视化教学系统架构;给出了大数据分析过程的认知模型、高维数据的分析及呈现方法,以及基于可视化的数据理解与可用性分析评估。利用Unity3D技术,通过C#等开发了大数据可视化虚拟课堂。实践证明,该系统可有效提高学生的学习兴趣及效率,增强学生对于大数据本质的洞察和理解。     

基于Flask的AIS大数据地理信息系统研究与开发

针对AIS大数据的信息挖掘及可视化等相关问题,研究并开发了一款前后端分离的大数据地理信息系统。本文对该系统的整体结构和技术方法进行了介绍,后端的数据和计算服务基于Flask框架,前端界面基于JavaScript语言进行开发,实现了地图基本功能、大数据统计查询可视化以及聚类分析等功能。系统运行结果表明,该系统对于进一步挖掘AIS大数据的内在时空信息及其数据内容提供了重要的保障和技术支持。     

大数据时代下的数据可视化方法分析

本文主要以大数据时代下的数据可视化方法分析为重点进行阐述,结合当下大数据时代数据管理实际情况为依据,首先分析大数据时代下的数据可视化方法产生背景,包括数据可视化概述、大数据时代下的数据可视化的必要性、大数据时代面临的机遇和挑战,其次从结合信号和噪音,科学使用统计手段、事先研究,提前时间、全面分析,强化数据质量、统计探究不是简单的数字计算,应保证简约性、评测变异性,检验假设、增加重复几率,完成数据可在现几个方面深入说明并探讨大数据时代下的数据可视化方法,最后阐述大数据时代下的数据可视化思考,旨意在为相关研究提供参考资料。     

高性能计算与天文大数据研究综述

数据是天文学发展的重要驱动。分布式存储和高性能计算(High Performance Computing,HPC)为应对海量天文数据的复杂性、不规则的存储和计算起到推动作用。天文学研究中多信息和多学科交叉融合成为必然,天文大数据已进入大规模计算时代。高性能计算为天文大数据处理和分析提供了新的手段,针对一些传统手段无法解决的问题给出了新的方案。文中根据天文数据分类和特征,以高性能计算为支撑,对天文大数据的数据融合、高效存取、分析及后续处理、可视化等问题进行了研究,总结了现阶段的技术特点,提出了处理天文大数据的研究策略和技术方法,并对天文大数据处理面对的问题和发展趋势进行了探讨。     

聚类算法在医疗大数据上的应用研究

随着大数据技术的不断发展,医疗大数据的研究也成为我国医疗建设的重要一环,聚类能够挖掘出医疗大数据中潜在隐藏的信息,协助医生、医疗管理部门、科研所进行有效工作.研究分析聚类算法K-means和K-medoids在医疗大数据的应用,从优化聚类算法降低时间复杂度、对高维医疗大数据进行特征提取降低维度、通过并行处理平台加速医疗数据的处理速度方面出发,阐明聚类算法在医疗大数据的数据预处理、数据分类、疾病预测等方面都广泛的应用.随着并行处理平台的建设,聚类算法在医疗大数据的应用也将越来越广泛.     

基于云计算与医疗大数据的Apriori算法优化

医疗数据的参考价值随着医疗技术的发展不断升高,很多临床研究人员将其目标放在医疗大数据中.面对如此庞大的医疗大数据规模,运用传统的储存容量已远远不能满足其数据运算的需求,云计算则可很好解决这个难题.而医疗大数据中所蕴含的信息量过大,将其蕴含信息量的重点提取出来是本次研究的重点.研究主要针对现有的医疗大数据引进了Apriori算法的优化运算,运用Mapreduce优化Apriori医疗数据挖掘算法对医疗大数据进行处理.     

大数据可视化的挑战与最新进展

大数据的来临增强了可视化的重要性。可视化分析挖掘人类对于信息的认知能力与优势,将人、机有机融合,借助人机交互高效洞悉大数据背后的信息与规律,是大数据分析的重要方法。针对大数据数据量大、维度高、多来源、多形态等特点论述了大规模数据、流数据、非结构和异构数据的可视化方法。首先讨论了大规模数据的可视化技术：1）采用分而治之的原则将大问题分解成较小的任务并采用并行处理的方式解决以提高处理的速度;2）通过聚合、采样、多分辨表示的方法进行数据约简;3）针对高维数据选择若干个视图,在多个角度下生成不同的可视化结果。然后针对监控型、叠加型两类流数据探讨了流数据的可视化过程。最后阐述了非结构化数据以及异构性数据的可视化技术。总之,可视化能够克服计算机自动化分析方法的劣势与不足,整合计算机的分析能力和人们对信息的感知能力,有效地洞悉大数据背后的信息与智慧,但其理论研究成果也非常有限,同时面临着数据规模大、动态变化、维度高、多源异构等方面的挑战,这些也逐渐成为今后的大数据可视化研究的热点与方向。