图可视化布局方法最新研究进展综述

图可视化是图数据的直观表示,随着图数据的广泛应用,合适的图可视化能够使用户对图数据的理解更加深入和高效。但随着图数据量级的增长,图可视化布局面临着计算时间长,难以发现图的重要结构和关系,以及节点遮挡和复杂的边交叉所产生的视觉杂乱等挑战。因此,如何快速对大规模图数据进行布局,如何强化对图中重要的结构和关系的探索,以及如何生成美观的图可视化布局成为亟需解决的问题。近年来,许多基于力学模型和美学评价标准的优化方法被提出来解决上述问题。另外,图挖掘、图嵌入、图神经网络等机器学习方法从图数据特点的角度,为解决图可视化的布局问题提供了新思路,相比之下,机器学习方法在布局效率和效果上表现出一定的优越性。主要从力导向算法、基于美学约束的布局方法、图挖掘技术和机器学习方法这四方面对图可视化布局的最新研究进展进行了阐述,最后对图可视化布局方法的未来发展进行了展望。

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。

基于用户体验的标签云可视化布局研究

标签云作为一种可视化导航接口在网络上愈加流行,云中标签可视化属性可以对用户浏览产生一定的导向作用,从而把用户的关注点吸引到特定字段或区域。但是目前,研究人员对标签云属性的导向作用知之甚少。文章围绕不同的标签云可视化布局对用户浏览的影响程度进行研究,通过标签有无背景颜色、标签密集程度、用户对标签的熟悉程度、标签背景颜色亮暗等实验,分析不同的可视化属性对用户的影响程度。在今后的标签云设计中可以根据不同人群有针对性地改变权重高的特性,使用户在标签云交互中具有导向性和高效、完美的体验效果。

一种通用的数据可视化模型设计与实现

随着互联网、物联网、云计算等信息技术的迅猛发展,大量非结构化信息不断涌现,对数据可视化与可视化分析的需求不断增加,同时可视化开发成本不断提高。数据可视化模型的研究对于可视化开发必不可少。基于此背景,根据数据信息的分类研究提出一种通用、模块化的数据可视化模型,将可视化流程分为可视化结构映射、可视化空间布局、可视化视图映射三个主要模块,并基于数据可视化模型利用开源的Echarts图表工具包和D3函数库形成可视化工具DVL.js(Data Visualization Layout)。该工具可应用于Web平台,包含丰富的图形展示方式如柱状图、折线图、时序图、饼图、雷达图、层次树、力导向图、标签云等,这些展示方式都提供了完备的数据与交互接口,能应对不同场合的可视化需求。

基于三维空间的概念格自动布局

论文讨论了几种常见的概念格自动布局形式,通过对各种自动布局方式特点的分析,提出了概念格的三维自动布局策略,对三维空间中的层次布局与层内节点自动布局问题进行探讨并加以实现,较好地解决了二维布局中格节点横向过度扩张和线段交叉的问题。