基于比色传感器阵列的农残检测系统设计

针对传统农残检测方法需使用大型分析仪器、操作复杂等不足之处,根据比色传感器阵列与待测样品交叉响应产生颜色变化的基本原理,设计了一种新型的农残检测系统.系统的下位机为PIC16F877A微控制器,辅助上位机完成对检测温度和检测流程的控制;上位机完成对比色传感器阵列的图像采集和图像处理,获得检测结果.最后应用该系统对浓度为0.1mg/L的3种农药溶液进行检测,结果表明:该系统能准确检测识别这3种农药溶液.     

可视数据清洗综述

目的 数据清洗是一个长期存在并困扰人们的问题,随着可视化技术的发展,可视数据清洗必将成为数据清洗的重要方法之一.阐述数据的主要质量问题和可视数据清洗的过程,回顾可视数据清洗的研究现状(包括数据质量问题的来源、分类以及可视数据清洗方法),并根据已有文献总结可视数据清洗面临的主要挑战和机遇.方法 由于数据清洗的方法和策略与具体的数据质量问题相关,因此本文以不同的数据质量问题为线索来归纳和评述可视数据清洗的方法和策略.结果 根据数据质量问题的不同,将可视清洗方法归纳为直接可视清洗、可视缺失数据、可视不确定数据、可视数据转换和数据清洗资源共享等,并依据不同的数据质量问题归纳总结出相应问题所面临的挑战和可进一步研究的方向.结论 对可视数据清洗的归纳、总结和展望,并指出在数据清洗领域中可视数据清洗将会是未来最有前景的研究方向之一.     

一种基于电力线路布局优化的城市供电数据可视分析方法

电力数据可视化可以实现海量电力设备在线监测数据中各种属性、运行状态等电 力特征信息以图形、图像化直观呈现,为设备运行状态的及时、有效监控分析提供有力保障。 基于城市供电数据,提出一种城市供电态势的可视分析方法。首先根据供电系统中的变电站数 据对总体供电态势进行可视化,然后根据供电线路数据对线路进行基于多标准约束的布局优化 并对其进行可视化编码,最后根据线路的附属关系对线路下挂载的用户进行可视化编码。设计 了一套可视分析系统,旨在方便用户探索分析某一区域的供电态势。基于上海市城市供电数据 的案例分析表明,该方法可以有效地反映某一区域内的总体供电态势和具体供电细节。     

基于公安大数据平台的数据可视分析技术与应用

基于公安智慧警务建设的背景,首先介绍了数据可视化技术以及在公安大数据平台建设背景下公安业务面临的痛点和问题,然后通过重点探讨不同公安业务数据的可视化展示方法以及流程动态可视化展示技术说明可视化技术如何在公安大数据平台中解决业务痛点的问题,并对可视化建设过程中需要考虑的问题、原则、技巧以及其在公安行业的进一步发展提出讨论。     

搜索趋势数据可视分析系统

为了帮助用户理解和分析搜索引擎产生的搜索数据,提出一个搜索趋势数据可视分析系统,包括数据收集与预处理、流图计算与绘制、流线生成与文字摆放以及交互式分析.以流图与文本相结合的方式呈现搜索数据,展示数据中蕴含的搜索趋势和热点;创新性地提出了流线指导下的文本布局算法,使文字能更好地贴合流图形状;此外,还提供了一系列交互,帮助...     

大数据可视分析综述

可视分析是大数据分析的重要方法.大数据可视分析旨在利用计算机自动化分析能力的同时,充分挖掘人对于可视化信息的认知能力优势,将人、机的各自强项进行有机融合,借助人机交互式分析方法和交互技术,辅助人们更为直观和高效地洞悉大数据背后的信息、知识与智慧.主要从可视分析领域所强调的认知、可视化、人机交互的综合视角出发,分析了支持大数据可视分析的基础理论,包括支持分析过程的认知理论、信息可视化理论、人机交互与用户界面理论.在此基础上,讨论了面向大数据主流应用的信息可视化技术——面向文本、网络(图)、时空、多维的可视化技术.同时探讨了支持可视分析的人机交互技术,包括支持可视分析过程的界面隐喻与交互组件、多尺度/多焦点/多侧面交互技术、面向Post-WIMP的自然交互技术.最后,指出了大数据可视分析领域面临的瓶颈问题与技术挑战.     

基于主题的文本可视分析研究

文本可视分析是一个跨学科的领域,涉及文本数据挖掘、计算机图形图像以及人机交互等各方面的知识和技术,可以帮助用户以可视分析的手段交互地分析海量的文本数据内容,提供及时的反馈,发现异常和规则,提取知识以及获取洞察.已被应用在国土安全、商业智能分析以及金融分析等很多不同的领域,受到国内外学术界、工业界以及政府部门越来越多的重视.文中首先简要地介绍了文本可视分析的一般流程;然后系统地介绍了典型的文本分析和可视化技术,并着重讨论这2类研究的最新技术以及发展;最后对全文进行了总结并展望了文本可视分析面临的四大研究挑战:海量数据规模、复杂数据的不确定性、数据融合以及人机交互.     

流行病数据可视分析综述

流行病数据的多层面可视分析,可以加快流行病数据分析任务的交互式探索效率和加深对潜在模式的深刻理解.本文对流行病数据可视分析的相关工作展开综述,并主要通过四个方面进行总结和归纳:(1)流行病数据的时空可视分析,帮助用户发现和理解流行病数据在时间、空间以及时空维度中潜在的流行病特征和传播规律等;(2)流行病数据中涉及非结构...     

基于机器学习的舆情倾向性分析研究

随着信息技术的发展,网络已经成为民众表达观点和意愿的主流媒介。网络舆情具有数量大、传播速度快和范围广的特点,面对海量的舆情信息,单靠人工分析和识别的方法远不能满足需求。因此,提出运用词嵌入的方式对文本特征进行抽取,再用机器学习的方法自动对舆情信息的倾向性进行分析。实验比较了几种不同机器学习方法的效果,结果表明,机器学习算法能快速且准确地对舆情倾向性做出判断,其中,集成学习方法在数据集上取得最高准确率。     

适于社会网络结构分析与可视化的布局算法

力导引布局算法是社会网络信息可视化领域的主流布局算法,但却在结构分析显示方面存在缺陷.产生的图像经常是节点聚集在屏幕中央,难以分辨结构信息.因此,提出了子群分析布局SAL(subgroup analysis layout)算法来解决这一问题.该算法通过角色分析和关键属性分析,对社会网络中的子群进行划分与分析,然后根据子群分析结果对力导引布局算法加以改进,包括2D和3D可视化.以对恐怖组织信息进行分析作为实例,也验证了SAL算法在社会网络结构分析与显示方面具有一定的优越性.     

改进的多变元数据可视化方法

针对传统多变元可视化方法——星形坐标法(star coordinates,简称SC)降维过程信息损失较为严重、可视化结果无法体现维度分布信息及手动配置维度轴十分繁杂的不足,提出一种改进的星形坐标法(advanced star coordinates,简称ASC),使用沿直径方向的向量作为维度轴,设计维度轴配置策略优化各维度轴之间的夹角及排列顺序,以减小多维信息对象在改进星形坐标系中与在多维坐标系中坐标差别为准则,使用最优化方法实现对用户有意义的降维运算,将多维信息映射到低维可视空间中.实验结果表明,ASC的可视化结果不仅易于理解,而且能够有效提供维度分布信息,有利于用户发掘隐性知识,基于相关度的维配置策略可以大大减轻用户操作负担,使其能够快速而准确地定位多维信息集合中的隐含特征,降维算法高效,适用于数据量较大、维数较高的信息集合.     

多角度可交互的多维数据可视化方法

提出一种多维数据的可视化方法“旋转坐标系折线法”,通过将Fisheye与星型法相结合,增强可交互性。针对不同可视化技术的特点,提出多角度交互连线法(MCA),将多种可视化方案相结合,从不同角度可视化多维数据。实验证明,该可视化方法可以分析数据进行聚类,评价聚类的准确性与可靠性,也能与用户灵活交互,可更清晰地将可视化效果呈现给用户。该方法已应用于EFCS_Grid网格系统中,达到了预期目标。     

一种针对类别数据分析的平行坐标改进方法

针对类别数据在传统平行坐标系中的映射重叠问题，提出类别统计和数据累积式偏移映射的平行坐标改进方法。该方法首先统计多维数据中的各类别数据的频次，使用直方图表示其记录数，将直方图与平行坐标相结合提出改进平行坐标。然后提出一种类别数据的数据累积式偏移算法，将映射在一点的数据均匀分布在坐标轴上的一定区域中，区域的范围根据数据记录数确定。最后设计实现可视化分析系统，通过改进平行坐标实现对数据集的筛选、条件交叉分析、类别间数据分析和维度间数据分析；通过联动视图和弦图两种方式实现每两个维度间的对比分析；通过字云显示每一维度的频次分布。案例数据集实验结果表明，该方法能在平行坐标中实现各维度中类别间的对比、各维度中记录数排序，以及对筛选数据集的分析，展示类别型数据维度间的关联关系。     

差分隐私DPE k-means数据聚合下的多维数据可视化

近年来隐私保护下的数据挖掘发展迅速,但应用广泛的数据可视化中的隐私保护问题则成果鲜见,差分隐私保护是一种新兴的具有广阔发展前景的隐私保护方法,目前,差分隐私保护下的多维数据可视化方法却未见报道.文章研究如何在数据可视化的过程中满足差分隐私保护.现有的DP k-means算法不支持较大的k,因此在数据聚合的过程中仅有理论意义.提出一个ε-Differential Privacy Equipartition k-means算法(DPE k-means),能够支持较大的k,较好地解决了可视化中数据的叠加问题,在一定的隐私保护级别下极大地改善了数据可视化后的图像质量.仿真实验中计算了衡量数据聚合质量的几项指标,结果表明DPE k-means算法优于现有的DP k-means算法.     

智能数据可视分析技术综述

如何从海量数据中快速有效地挖掘出有价值的信息以更好地指导决策,是大数据分析的重要目标.可视分析是一种重要的大数据分析方法,它利用人类视觉感知特性,使用可视化图表直观呈现复杂数据中蕴含的规律,并支持以人为本的交互式数据分析.然而,可视分析仍然面临着许多挑战,例如数据准备代价高、交互响应高延迟、可视分析高门槛和交互模式效率低.为应对这些挑战,研究者从数据管理、人工智能等视角出发,提出一系列方法以优化可视分析系统的人机协作模式和提高系统的智能化程度.系统性地梳理、分析和总结这些方法,提出智能数据可视分析的基本概念和关键技术框架.然后,在该框架下,综述和分析国内外面向可视分析的数据准备、智能数据可视化、高效可视分析和智能可视分析接口的研究进展.最后,展望智能数据可视分析的未来发展趋势.     

基于复杂网络社区划分的网络拓扑结构可视化布局算法

许多真实的网络都可以用复杂网络的思想进行研究和解释,而社区结构是复杂网络的一个重要特征.为此,提出一种基于社区结构的网络布局算法.首先利用复杂网络社区发现算法对网络中的节点进行社区划分,并将一个社区抽象为一个节点,以社区间的关联为边构建新的网络;在此基础上,运用物理类比方法确定社区中心点的位置,并根据社区的规模确定社区的区域范围;最后运用条件择优的方式填充社区内部节点以完成网络拓扑的布局.仿真实验结果证明,该算法与传统的可视化布局算法相比,具有计算量更少、收敛速度快、结构清晰的特点,更具有实际应用的价值.     

WEB可视化技术在电网大数据场景下的应用研究

随着智能电网的迅速发展,电网公司在输变电设备状态、电网运行、用户用电、企业管理、气象环境等方面都积累了大量的数据。面对大数据集,传统的可视化方法已呈现出处理能力和信息表达能力不足的问题。因此本文对WEB数据可视化技术进行了研究,针对电力大数据在多种不同应用场景的特点设计了相匹配的可视化技术方案,并着重分析了方案的特色和优势。本文提出的方案为电网大数据应用场景的可视化提供了参考和有益实践,大大提升了电力大数据的利用率和价值。     

单链结构实时识别及可视化布局算法研究

数据结构可视化技术是程序理解与调试的一种重要支撑。为解决其中一类应用广泛的数据结构--单链结构的可视化问题，提出一种实时识别与可视化布局算法。首先根据结点入度、主前驱指针和次前驱点集合等结点属性变化对单链结构特征变化的影响，对程序执行过程中的单链结构进行实时识别；然后结合基于图标的静态可视化技术以及动画技术，建立面向单链结构的可视化动作集合及可视化布局方法，形成与程序执行过程步骤实时对应的单链结构可视化表达。最后将该算法应用于新一代集成开发环境AnyviewC的研发与实践中。