平行坐标中的边捆绑算法

针对大规模数据平行坐标可视化方案中的视觉混淆严重阻碍了信息的正确传递,而现有平行坐标边捆绑算法在连接端的混叠区域不能准确地表达数据量的大小的问题,提出一种边捆绑算法.首先将每个轴上的聚类根据连接关系进一步划分为几个组,然后对组进行重新规划和排序并建立组的连接,最后将所有组用不同的颜色属性进行独立渲染.为了增强视觉有效性表达,文中设计了交互界面以高亮显示不同的组.实验结果表明,该算法对大规模高维数据可视化具有有效性,并保持了连接关系的视觉连续性.

基于内容重要性边捆绑的图可视化算法

图可视化中边捆绑算法可用来减少图的视觉混乱并增强图的高等级结构显示.针对一般边捆绑过程中,因属于不同结构的边可能相互捆绑而降低捆绑结果可读性的问题,提出一种基于图的内容重要度的边捆绑算法.首先使用关联边提取和关联度估值算法,从包含大量的点、线连接的图中提取出可反映图的高等级结构的边簇信息,然后使用改进的力引导捆边算法对边簇进行捆绑,达到在减少图的视觉混乱同时将重要性较高的连接捆绑到独立的边簇中的目的.实验结果表明,该算法可以有效地降低不同结构边簇在边捆绑中的相互影响,从而保证属于不同结构的重要连接可以得到恰当的捆绑进而使得图中高等级结构的显示更清晰.

以节点为中心的关系边聚类与可视化算法

对象间的关联关系可视化主要是通过图的连边进行表达的,但是对象间的关联关系纷繁复杂,大量的连边交错会造成严重的视觉混乱,图布局和边捆绑都是解决复杂连边造成的视觉混乱问题的有效途径,然而某些节点的地理位置具有实际的含义,只能通过边捆绑方法来减少幅面载负量,进而揭示图的潜在关联规律。以往的边捆绑算法是在边的两端节点固定的前提下,调整边的中间控制点的位置,这样会使得大量边被聚集在一起,不仅会造成二次视觉混乱,且难以在节点级别揭示图的关联趋势。针对这一问题,本文提出了一种以节点为中心的关系边聚类与可视化算法。首先使用方向聚类算法实现隶属于同一个节点的连边的聚类,本文提出的方向聚类方法速度约是K-means算法的13倍,约是DBSCAN算法的6倍,然后对各个连边实现控制点的内插,在此基础上使用FR模型使得控制点位移,并通过弯曲度控制防止"过度弯曲"情况的出现,最后调整边的透明度,使得可视化的结果突出显示边靠近端点处的部分。实验结果表明,本文NCEB算法的幅面载负量L和中点距离变化量△d的约为FDEB算法的二分之一,证明本文算法可以将捆绑位置从边的中间部位移动到节点端,不仅解决了传统边捆绑算法造成的二次视觉混乱问题,而且使得节点周围的连边分布趋势清晰可读,且视觉负载大大降低,有效减少了视觉误差和信息误判。