GPLP:基于标签传播的大图多级划分算法

图数据划分问题是大图处理系统的关键问题,制约着图处理系统的计算效率。目前可用的划分算法可分为随机划分和多层次划分,已有的算法难以在划分速度和划分效果两个方面同时满足要求。提出了一种新的基于标签传播的多级划分算法GPLP,该方法将图划分过程分为数据标记、图粗糙化和数据迁移三部分,在多级划分框架下采用标签传播算法,并对其进行了改进。从数据划分时间和迭代计算时间两个方面对比GPLP算法、Hash算法和Par METIS算法的性能,实验结果表明GPLP算法能够提高迭代计算速度,减少了划分时间,并且数据规模越大,其优势越明显。     

大图结构特征对划分效果的影响

针对大图结构特征如何影响划分效果这一问题,提出一种通过顶点度分布特征来描述大图结构特征的方法。首先,基于真实的图数据产生若干顶点数和边数相同、但结构特征不同的仿真数据集,通过实验计算真实图与仿真图之间的相似度,证明该方法对描述真实大图结构特征的有效性。然后,通过Hash和点对交换划分算法,验证图结构特征与划分效果之间的关系。当点对交换划分算法执行到5万次时,划分一个有6301个顶点和20777条边的真实图其交叉边数比Hash划分算法降低了54.32%,划分仿真图数据集中结构特征差异明显的两个图时,交叉边数分别为6233和316。实验结果表明,点对交换划分算法能够减少交叉边数,图的顶点度分布差异越大,划分后交叉边数越少,划分效果越好,因此大图结构特征影响其划分效果,这为建立图的结构特征与划分效果之间的关系模型研究奠定了基础。     

基于小波变换的语音信号可视化研究*

给出了一种新的语音信号的可视化方法,利用基于小波变换的时频分析方法来模拟基底膜带通滤波器的特性,克服了SFT（短时傅里叶变换）分析对高、低频段具有相同的时间分辨率和频率分辨率的缺点。对经过小波变换滤波后的语音信号进行特征编码形成语音的组合特征,将该组合特征作为一个新的特征量来表示语音信息,并将这种特征用简单的图形表示出来。利用聋哑人自身的大脑来识别语音,达到训练其口语的目的。     

叙事式可视化综述

可视化将数据及信息以故事叙述方式生动呈现,形成了叙事式可视化研究.本文整理了叙事式可视化的发展现状,分析了已有的叙事式可视化案例;其次结合叙事视角理论和可视化过渡技术理论,提出叙事式可视化的分类方法,同时简述叙事式可视化的评价方法;最后,分析了叙事式可视化的应用场景,并结合叙事式可视化特点设计了可视化案例,进一步展望叙事式可视化的未来前景.     

基于图形变换的人体经络可视化

提出了一种可以检测并直观表示人体经络分布的实时定位和显示方法。首先,利用多通道经络阻抗检测仪和磁定位跟踪仪确定人体体表经络点的位置,获取经络点的三维信息;其次,对场景摄像机进行标定,并将其结果和经络点的三维信息通过图形变换技术变换到统一的世界坐标系下,获取摄像机的投影矩阵H;最后,根据该投影矩阵H,将经络点三维信息投影到二维图像上,形成二维经络线,并将其融合于场景摄像机拍摄的人体体表实时图像上,实现人体经络的可视化。测试结果表明,该方法能够准确有效地定位和显示人体经络。     

基于区间分类的螺旋图可视化边绑定方法

在时序数据可视化领域,螺旋图是一种常用的可视化方法,它既能将多个阶段的数据同时展示在一个平面空间内,又能在有限的空间内展示任意时长的数据。针对现有的螺旋图可视化方法在展示大量的时间序列数据时会出现因螺旋线交叉而导致视觉杂乱的问题,研究螺旋图可视化方法意义非凡。首先将状态圆环上的数据点进行分类;然后在相邻的状态圆环之间设置虚拟绑定圆环,通过边绑定的函数将状态圆环上的数据点映射到其对应的虚拟绑定圆环上;最后在状态圆环与其对应的虚拟绑定圆环之间绘制Bézier曲线,在虚拟绑定圆环与虚拟绑定圆环之间绘制螺旋线,从而实现边绑定的效果。实验结果表明,该边绑定算法能够有效地对大规模数据进行可视化,并能有效地缓解视觉杂乱的问题。     

基于概率主题建模的新闻文本可视化综述

伴随着信息技术的发展,传统纸质新闻逐渐向新媒体新闻转变.与此同时,近年来数据挖掘和自然语言处理等技术得到了极大的发展,使得对新闻所蕴含丰富语义和主题进行深度挖掘成为可能.然而,信息的超载使得主题可视化成为一个新的挑战,即如何以更好的方式来呈现海量互联网文本所蕴含的主题.隐形语义分析(LDA)是近年来兴起的主题建模方法,被当前学术界认为是主流的主题建模技术.文中首先介绍以LDA为主的文本概率主题建模技术及其发展,讨论了新闻主题建模特点;随后概括对比新闻主题可视化的若干方法,并对其进行分类,分析不同方法的适用性和局限性;最后对新闻主题可视化进行总结和展望.     

基于可扩展计算平台的大图数据管理

随着数据采集和存储技术的发展,社交网络、生物信息科学、交通导航等领域中出现了规模庞大、内部结构复杂、查询需求多样的大图数据。传统基于单机内存的图处理方法无法满足大图数据管理需求。可扩展计算平台的发展为大图数据管理提供了可行的技术方案。本文首先分析了大图数据之上的不同类型查询,重点探讨了基于关系数据库、基于MapReduce计算框架、基于BSP(Bulk Synchronous Parallel)计算模型和基于第三方外包服务器的大图数据管理方法,并分析了未来可能的研究路线。     

基于傅立叶变换的多维数据可视化分类

基于雷达图表示多维数据的原理,提出一种利用傅立叶描述子识别雷达图形的可视化数据分类新方法。该方法采用多元统计中的雷达图表示多维数据,不同模式类别的多维数据构成不同形状的雷达图形。在此基础上对雷达图的边界曲线进行傅立叶变换,计算傅立叶描述子作为雷达图的图形特征,并运用改进的概率神经网络进行识别。实验结果表明该方法具有较好的分类效果,分类精度比传统分类方法提高了约8.25%。     

用多层次聚类法完成的大规模关系图的可视化

提出了一种新的大规模图形可视化技术.它可显示含有几万个接点和边的大规模关系图.为了完成对图形的抽象化。一个多层次的聚类图形从原始的大规模关系图中抽取了出来.这种抽取是建立在大规模关系图的内在结构基础上来完成的.一种递规封入式的几何划分算法被应用来完成对几何空间的优化,在具体的制图技术上,使用了一种用力导向布局算法和环形制图法相结合的新方法,从而完成了对显示空间的优化和美擘上的优化.同时也讨论了相关的人机交互技术,所采用的人机交互算法不仅能让使用者从上到下层次式地浏览整个聚类图形。同时也能提供多层次聚类图形的并行浏览.动画技术也同时被运用,以保护使用者的精神图不被打乱.     

A Taxonomy and Survey of Dynamic Graph Visualization

Dynamic graph visualization focuses on the challenge of representing the evolution of relationships between entities in readable, scalable and effective diagrams. This work surveys the growing number of approaches in this discipline. We derive a hierarchical taxonomy of techniques by systematically categorizing and tagging publications. While static graph visualizations are often divided into node‐link and matrix representations, we identify the representation of time as the major distinguishing feature for dynamic graph visualizations: either graphs are represented as animated diagrams or as static charts based on a timeline. Evaluations of animated approaches focus on dynamic stability for preserving the viewer's mental map or, in general, compare animated diagrams to timeline‐based ones. A bibliographic analysis provides insights into the organization and development of the field and its community. Finally, we identify and discuss challenges for future research. We also provide feedback from experts, collected with a questionnaire, which gives a broad perspective of these challenges and the current state of the field.     

图分类研究综述

图数据广泛存在于现实世界中,可以自然地表示复合对象及其元素之间的复杂关联.对图数据的分类是一个非常重要且极具挑战的问题,在生物/化学信息学等领域有许多关键应用,如分子属性判断,新药发现等.但目前尚缺乏对于图分类研究的完整综述.首先给出图分类问题的定义和该领域的挑战;然后梳理分析了两类图分类方法—基于图相似度计算的图分类...     

Transformation-based estimation

To alleviate the computational burden of making the relevant estimation algorithms stable for nonlinear and semiparametric regression models with, particularly, high-dimensional data, a transformation-based method combining sufficient dimension reduction approach is proposed. To this end, model-independent transformations are introduced to models under study. This generic methodology can be applied to transformation models; generalized linear models; and their corresponding quantile regression variants. The constructed estimates almost have closed forms in certain sense such that the above goals can be achieved. Simulation results show that, in finite sample cases with high-dimensional predictors and long-tailed distributions of error, the new estimates often exhibit a smaller degree of variance, and have much less computational burden than the classical methods such as the classical least squares and quantile regression estimation.     

图神经网络综述

近几年来,将深度学习应用到处理和图结构数据相关的任务中越来越受到人们的关注.图神经网络的出现使其在上述任务中取得了重大突破,比如在社交网络、自然语言处理、计算机视觉甚至生命科学等领域得到了非常广泛的应用.图神经网络可以把实际问题看作图中节点之间的连接和消息传播问题,对节点之间的依赖关系进行建模,从而能够很好地处理图结构数据.鉴于此,系统综述了图神经网络模型以及应用.首先从谱域、空间域和池化3方面对图卷积神经网络进行了阐述.然后,描述了基于注意力机制和自编码器的图神经网络模型,并补充了一些其他方法实现的图神经网络.其次,总结了针对图神经网络能不能做大做深等问题的讨论分析.进而,概括了图神经网络的4个框架.还详细说明了在图神经网络在自然语言处理、计算机视觉等方面的应用.最后,对图神经网络未来的研究进行了展望和总结.相较于已有的图神经网络综述文章,详细阐述了谱理论知识,并对基于谱域的图卷积神经网络体系进行全面总结.同时,给出了针对空间域图卷积神经网络效率低的改进模型这一新的分类标准.并总结了针对图神经网络表达能力、理论保障等的讨论分析,增加了新的框架模型.在应用部分,阐述了图神经网络的最新应用.     

图数据库发展综述

随着数据关联关系的发现、管理和应用的深入,图数据库快速发展.归纳总结了图数据库概念、图模型、组成架构图和数据库的特点;详细阐述了图数据库的关键技术;分析比较了当前主流图数据库产品,归纳了当前图数据库主要应用场景;最后提出图数据库未来发展的趋势.     

大规模时序图数据的查询处理与挖掘技术综述

时序图作为一种带有时间维度的图结构,在图数据的查询处理与挖掘工作中扮演着越来越重要的角色.与传统的静态图不同,时序图的结构会随时间序列发生改变,即时序图的边由时间激活.而且由于时序图上每条边都有记录时间的标签,所以时序图包含的信息量相较于静态图也更为庞大,这使得现有的数据查询处理方法不能很好地应用于时序图中.因此如何解决时序图上的数据查询处理与挖掘问题得到研究者们的关注.对现有的时序图上的查询处理与挖掘方法进行了综述,详细介绍了时序图的应用背景和基本定义,梳理了现有的时序图模型,并从图查询处理方法、图挖掘方法和时序图管理系统3个方面对时序图上现有的工作进行了详细的介绍和分析.最后对时序图上可能的研究方向进行了展望,为相关研究提供参考.     

Visualization for Knowledge Graph Based on Education Data

Knowledge graph, also known as scienti c knowledge graph, can reveal the dynamic development rules in complex knowledge elds. How to clearly present the internal structure of knowledge graph is particularly important, however, the current visualization research based on knowledge graph is rare. In this paper, varieties of data related to education are mined from massive web data, and are fused together. Then knowledge graph which is centered on educational events is constructed utilizing extracted named entities and entity relations. We construct a visual analysis platform for education knowledge graph, EduVis, which can support users to do associated analysis of education, and enable users to obtain the public opinions. In EduVis, we design and implement a) a word cloud treemap to provide an overview of education knowledge graph, b) a layout of events relation network graph based on topological structure and timeline to explore in details, c) a click tracking path to record the history of users'' clicks and help users to backtrack. The case studies show that the aforementioned visual analysis methods for our knowledge graph can meet users'' demands for data analysis tasks.     

生物大分子可视化技术综述

生物大分子,如蛋白质、核酸,影响着生命体的微观行为,直接决定了物种的生命功能.生物大分子可视化技术,对分子生物学和生物化学领域具有重要的研究意义,是计算机辅助药物设计的重要研究方向.文中对近年来生物大分子可视化进行深入的分析.首先从分子结构的空间形态定义出发,概述分子骨架、表面、空腔3种基本空间形态的概念和可视化方法;然后论述近年来大规模生物分子场景可视化技术,包括分子组装、多细节层次和GPU加速;再阐述动态分子可视分析技术,包括分子轨迹和空腔可视分析,进而介绍面向虚拟现实的生物分子可视化交互技术;最后,总结生物大分子可视化研究面临的挑战,并对其未来发展趋势进行展望.     

音乐可视化研究综述

随着计算机技术的发展,音乐可视化日益得到研究机构和公司的重视,出现了各种音乐可视化系统。作为一种新的可视化技术,音乐可视化更多地关注音频和图形、图像的关系,是跨音乐、数字音频、图形学、图像处理、虚拟现实等领域的又一新的研究方向,在娱乐、教育、艺术和商业中具有广阔的应用前景。本文介绍了音乐可视化的概念和分类,探讨了音乐可视化的研究内容与国内外研究进展,分析了当前亟待解决的问题,并展望了未来的发展趋势。音乐可视化是一种新的概念系统,但也存在很多问题需要解决,其研究具有很强的理论和实用意义。