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。

运用平行坐标系的多变元时序数据可视化方法

针对多变元时序可视化中对时序信息难以处理的问题,提出基于平行坐标系的多变元时序数据可视化方法.该方法在平行坐标系的基础上进行可视化处理流程.首先将时间维信息作为独立于其他变元属性的信息,将其分为若干时间段.然后利用边集束方法对每个时间分段内的数据折线进行视觉聚类,以减少视觉混乱和提高信息表达效率.接着根据时间分段的时间信息对各个分段进行颜色绘制,将每个数据点所对应的数据曲线绘制为不同的颜色以表示其所属的时间信息,最终得到可视化结果.通过对中国气象科学数据集的实验,证明该方法能够很好的完成趋势分析和突变检测任务.

TVBRT:一种基于Radial Tree的具有度量属性的多变元时态数据可视化方法

多变元时态数据大量存在于社会科学、环境监测、金融经济、医疗卫生及地理信息等领域。对多变元时态数据集进行深入分析,创新性地将经典的层次数据可视化方法Radial Tree加以改进,提出集成度量属性的Radial Tree布局算法(LAMPRT)、基于Radial Tree的具有度量属性的多变元时态数据可视化布局算法(LOVEBRT),结合相应的人机交互策略,形成可视化方法TVBRT。案例研究证明了该方法的有效性,并表明它能展示数据集中的细节内容。TVBRT方法侧重于对数据进行层次分析,适合于展示对具体度量值更为关心的数据集。

多维可视化技术综述

当前,面对科学、工程和商业领域中海量的多维信息,用户迫切需要使用有效的可视化工具在知识发现、信息认知及信息决策过程中对其进行理解。首先对多维和多变元的概念进行了界定,给出了二者的适用领域,然后基于多维可视化技术的分类体系,详细阐述了各类技术代表方法的基本原理、适用性及功能作用,最后分析比较了各类技术方法的优缺点,展望了多维可视化技术未来的研究方向及其面临的挑战。