基于平行坐标的多视图协同可视分析方法

平行坐标和散点图矩阵技术是多维数据可视化和可视分析的主要技术,然而在数据较为杂乱时,这些技术都存在局部信息无法清晰展现的缺陷。结合平行坐标和散点图矩阵等技术,提出了一种简单、快捷的多视图协同可视分析方法。该方法用在平行坐标中嵌入直方图等统计方法来解决局部可视化的缺陷,通过融合不同技术的优点,从不同的角度对多维数据进行可视化和可视分析,从中挖掘出有价值的信息。将该方法应用到农药残留检测数据的分析中,取得了良好效果。

多视图协同的海洋多要素环境数据关联关系分析方法

海洋事件离不开各要素环境数据的共同作用,获取要素之间的关联关系从而进行海洋事件的预报预测,是一个亟待解决的问题。为此,本文提出一种多视图协同的关联关系分析方法来度量海洋各要素数据间的关联关系。首先,在传统平行坐标技术的基础上增加刷技术、轴排序等功能对海洋多要素数据进行初步探索,同时引入散点矩阵图展示各要素的分布;其次,以平行坐标中数据线间的角度、面积以及散点图中要素分布的距离为差异度量方式,对计算得到的差异构建相似性矩阵;再次,采用多维标度法得到原始多要素数据在低维空间中的表达;最后,使用K-means算法对降维后的低维度数据进行聚类分析。本文提出的方法从视觉角度对数据进行分析和特征挖掘,并得到高维数据在低维空间上的可视化展示,实现了有效量化海洋数据不同要素间的相关关系。

基于多视图协同的时空数据可视分析方法

针对时空数据可视分析中存在的问题,提出了由可视分析模型(VAM)和交互协同模型(ICM)组成的多视图协同可视分析模型,将可视分析过程划分为数据变换、数据分析、可视映射和可视绘制4个过程;以可视分析过程中的参数作为协同主题,利用观察者模式,实现关联视图在交互过程中的协同一致;设计了Web环境下,基于"图数协同"和"图图协同"交互模式的多视图协同可视分析架构;构建了犯罪时空数据可视分析原型系统,并利用系统分析了福州市扒窃案的时空分布规律,对涉案价值较高的扒窃案进行了犯罪模式分析。

多视图协同交互的“一带一路”国家互联互通关系可视分析

以"一带一路"沿线国家的相关发展数据为数据源,五通指数模型为基础,进行国家间的互联互通分析,对国家的多维属性进行可视化;采用多视图协同的可视分析方法,构建"一带一路"国家关系可视分析平台,并从总体水平、各指标情况和地区国家等方面进行实例分析。利用多视图可视分析方法,研究"一带一路"沿线国家的五通关系,为"一带一路"的研究推进提供新方法。

基于多视图协同交互技术的换道图谱构建与分类

为直观展示换道过程中驾驶人视觉感知与手脚操作的细节特征,研究了多视图协同可视化的换道图谱。采用驾驶模拟舱进行高速公路驾驶实验,提取换道过程相关指标数据。将平行坐标、计数图、柱状图与换道轨迹协同可视化以构建换道图谱。采用多视图交互技术对提取的40个换道过程进行分析,提出换道过程的合格区范围并以此将换道图谱分为合格、临界合格和不合格3类,并对不合格图谱进行致因分析。结果表明,合格、临界合格和不合格图谱的比例分别为10.00%、12.50%和77.50%。不合格图谱的转向盘转速、加速度、横向加速度的平均标准差(6.57°;0.91 m/s^(2);0.41 m/s^(2))都大于合格图谱的平均标准差(4.55°;0.34 m/s^(2);0.17 m/s^(2))。导致图谱不合格的主要因素是:驾驶人手的急速操作引起转向盘转动幅度过大、横向加速度过大;驾驶人脚的急速操作引起纵向加速度的变化幅度过大。换道图谱能够精准地对换道过程进行可视化分析与诊断,为驾驶人优化换道行为提供支撑。

基于多视图协同的可信数据动态交互可视化系统设计

传统的可信数据动态交互可视化精度低,清晰度差。针对上述问题,基于多视图协同技术设计了一种新的可信数据动态交互可视化系统,对系统的硬件中的采集器、识别器、监控器进行设计,通过数据信息分析、可视化元素建模、动态分析完成软件设计。为验证系统的有效性,设定对比实验,结果表明,基于多视图协同的可信数据动态交互可视化系统清晰度更高,可视化精度高,具有很好的应用能力。

基于多视图协同的政策文本可视化研究

【目的】通过多视图协同可视化的方式对时序文本挖掘过程进行可视化,以实现多角度多层面洞察文本数据背后隐藏的规律和信息。【方法】基于文本词向量矩阵,对多政策主体的政策时序文本,通过数据清洗、计算TF-IDF值、构建向量空间模型、奇异值分解等文本挖掘技术进行信息提取和可交互的可视化探索分析。【结果】选取2016年1月–2017年8月北京市中关村示范区下属子园区的相关委内信息文本为样本,采用文本挖掘技术和多视图协同可视化方法,探索政策文本背后的规律,验证了本文方法和框架的有效性。【局限】针对大规模文本具体细节单数据点的展示效果不佳,文本挖掘技术有待进一步提升,模型数据吞吐量有待基于大数据架构进一步增强。【结论】本文方法和框架能够对时序文本类数据做到充分的挖掘展示,更好地把握数据背后的信息,增强政策主体的决策依据。

多视图协同分析的异常检测方法

异常检测是识别和防御网络攻击的一种重要分析手段,针对现有网络异常检测方法的数据可解释性不高,本文从可视化分析出发,基于数据结构特征和业务行为的理解,对数据集CIC-IDS2017五天的流量数据进行多视图协同分析,识别周二到周五的攻击行为。可视化分析抽取了通信主机流量,端口使用率数据等多维特征,研究采用网络图、旭日图、河流图和热力图对数据进行多图协同分析检测异常。实验结果表明该方法可以有效检测网络异常行为,解释网络攻击的特征变化和相关性,提高了数据的可读性和可解释性,增强了检测结果的可信度,为安全管理员防御同类异常提供了预警。

航班延误特征可视分析方法

为分析航班延误发生规律,提出一种数学模型联合多视图协同的可视分析方法。对SEIR传染病传播模型进行调整,建立航班延误传播模型分析延误的传播特征,在此基础上,运用频繁子图挖掘算法提取延误频繁模式;设计基于中点分割的地图网络图、矩阵热力图和时序图,分析延误的时空分布特征;设计VA-FDC系统用于方法验证。实验结果表明,VA-FDC能够有效分析航班延误时空分布特征,依据航班延误传播模型准确描述延误传播特征,为相关部门有效措施的制定提供借鉴。

基于数据流模型的航线网络结构可视分析方法

针对航线网络结构多维属性关联分析问题,提出一种基于数据流模型的多视图协同网络结构可视分析方法。引入数据流模型,增强多维数据分析时的交互和多视图协同效果;构建基于数据流模型的航线网络结构可视分析系统用于方法验证。该方法对比和实验结果表明,利用航线网络数据流实时交互和多视图协同分析网络结构数据,完成聚类、相关性、异常值分析任务,能更好地分析数据之间的关联关系,有助于理解航线网络的结构和特征。最后,通过以上方法分析网络结构特点与不足,提出航线网络优化建议,能更好地帮助用户完成可视分析任务,探索数据分布特征、发现多维数据之间的关联关系。

基于半监督协同训练的无人机对地目标跟踪

由于目标小、可区分性差,无人机对地目标跟踪较传统视频目标跟踪更容易丢失目标,提出一种基于l_1图半监督协同训练的目标跟踪算法。算法首先提取样本的颜色和纹理特征构建两个充分冗余的视图,再以基于l_1图的半监督学习算法取代传统协同训练中的监督学习方法构建单视图中的分类器,提高有限标记样本条件下的分类正确率,然后通过基于负类学习的协同训练算法协同更新两个视图的分类器,最后根据不同视图的相似度分布熵融合各分类器的分类结果实现目标跟踪。实验结果表明,该算法能够有效提高分类器的判别能力,具有良好的跟踪性能。

基于组件协同的时空数据可视分析系统

设计实现基于组件的、多视图协同的可视分析系统,用于探索分析复杂的时空数据,挖掘其中隐藏的空间模式、时间模式及多维属性模式.系统以杭州房地产数据为例进行分析研究,该数据是一种典型的时空数据,包括楼盘的空间分布情况、均价和销量变化规律、楼盘属性相关性等复杂特性.系统以可视化的方式,提供了综合有效的、可交互的分析方法.系统开发实现4个核心可视分析组件:地图组件、平行坐标组件、时间序列组件和treemap组件.地图组件提供空间视图;平行坐标组件提供多维视图;时间序列组件提供时间视图;treemap组件提供综合视图.系统以一种可扩展、可定制的方式,实现各个组件之间高效的关联协同,从而大大提高了系统整体综合分析能力.

高维时空房地产数据的可视分析

高维房地产数据中包含着复杂的空间和时间趋势,为了使用户能够创建自己的可视化形式并理解房地产市场中的内容,提出基于HTML5的在线房地产信息的、包含4个组件的可视分析方法.该方法提出了基于楼盘地理位置聚类的可视化方法来展示楼盘地理信息的地学可视化组件,结合多种布局和排序方式来展示楼盘销售数量变化的堆栈图组件,基于楼盘销量和价格的聚类方法来展示楼盘多维属性的像素条图组件,并结合多种节点布局和排序的方式展示数据层次结构的树图组件;最后对各组件设计了良好的交互操作,丰富了系统的分析能力.文中方法已用于杭州市房地产的真实数据分析中,用户和专家反馈效果良好.

城市出租车乘客出行特征可视化分析方法

可视化技术通过图形表现数据的内在规律,并可利用交互的形式实现数据的层次化展示,其在分析交通数据、发现交通问题以及辅助决策中扮演着越来越重要的角色。为了更加清晰、直观地展示城市出租车GPS轨迹数据传递的信息,解决因其数据量庞大和时空信息复杂而带来的分析难题,提出一种集成聚集可视化、特征可视化对出租车GPS轨迹数据进行可视化分析的方法。首先,通过数据处理得到可用于可视化的特征数据,而后对乘客上下车点进行聚集可视化,并利用多视图协同交互的方法对轨迹数据进行了特征可视化;最后,根据可视化结果对城市出租车乘客出行特征时空分布情况进行了分析。在此基础上,设计了一个交互式可视分析系统,并通过真实数据集案例验证了系统的有效性。

探索功能性脑网络差异的可视分析系统设计与实现

在神经科学和计算机科学等领域,研究人员通过统计模型和深度学习等方法探索不同状态间功能性脑网络工作机制的差别;但现有的功能性脑网络研究工具多用于寻找支持某种假设的证据或传达科学发现,存在功能单一的缺点;针对上述问题,文章设计并实现了一个用于功能性核磁共振数据的交互式可视分析系统BrainDVis,帮助研究人员寻找不同状态间功能性脑网络的多方面差异;BrainDVis将功能性脑网络差异分析功能、网络特征参数分析功能、模块化结构分析功能、功能性连接分析功能相关联,提供多视图协同交互的方法帮助研究人员自主探索,寻找差异;最后使用公开数据集进行实验,验证了系统的可行性和有效性。

鸟类卫星跟踪数据可视分析方法研究——以朱鹮为例

目的鸟类跟踪技术的成熟发展使得鸟类专家可以轻松获得大量鸟类运动数据。然而,数据规模的增加使得传统方法难以有效完成数据检索和分析。研究如何辅助专家有效地分析这些数据,挖掘其中的有用信息,具有很强的实用价值。本文基于国家Ⅰ级重点保护物种朱鹮的卫星跟踪数据,从鸟类专家对数据分析的需求出发,提出了一种运动轨迹的可视分析方法。方法基于二维地图进行多视图协同展示的交互布局方式,以及聚类分析方法等对朱鹮运动轨迹进行可视分析,挖掘朱鹮的生活状态和习性。在以上工作的基础上,设计实现了一个朱鹮运动轨迹可视分析系统。结果本文提出的可视分析方法,允许用户从时空维度和时期(繁殖期、游荡期、越冬期)、状态(夜宿、觅食)等具有生态学意义的维度观察朱鹮运动轨迹,对运动数据进行统计分析,了解朱鹮运动行为。与现有朱鹮数据分析方法相比,本文提出的可视分析方法能够同时从多个不同维度对运动数据进行分析,针对朱鹮的生活状态和生活习性进行更深入的分析挖掘。结论案例分析表明,基于本文提出的方法,鸟类专家可以从多个角度对朱鹮运动轨迹数据进行综合分析,达到对鸟类习性和状态进行研究挖掘的目的,并能够为其他鸟类跟踪数据分析工作提供思路和方法。

大数据下的地缘环境可视分析研究探讨

针对大数据时代数据量急剧增多,难以对地缘环境进行定量分析的问题,该文提出了一种运用大数据技术进行地缘环境研究的有效途径,通过可视分析和多视图协同交互的方法,达到定量分析地缘环境的目的,从而使最终决策更加客观、科学。该文重点介绍了可视分析技术在地缘环境分析中的应用,并以“一带一路”沿线国家相关数据为基础,建立了地缘环境分析模型和可视分析模型,对地缘关系、地缘组织和地缘体进行了可视分析,最后给出了原型系统的框架设计和初步实现。