基于组件协同的时空数据可视分析系统

发布时间：2020-06-01 15:29

【摘要】：当前海量数据被收集并存储，从这些数据中挖掘出有用的知识成了迫切需求。然而面对海量复杂数据，传统数据分析方法显得有些力不从心。可视分析，是一门借助交互可视化界面进行分析推理的学科，为数据分析提供了全新的手段，已经成为目前最新的研究热点。本文研究实现基于组件的、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。杭州房地产数据，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、楼盘的属性相关性等复杂特性。本文以该数据为例进行分析研究，以可视化的方式，提供综合有效的、可交互的分析方法。系统研究实现四个可视分析组件：GeoMap、PCP、TimeSeries和Treemap。GeoMap，地图组件，提供空间视图；PCP，平行坐标组件，提供多维视图；TimeSeries，时间序列组件，提供时间视图；Treemap组件，提供综合视图。在实现上，每个组件平滑地融合了聚类、交互、颜色配置等多种方式，以增强单个组件的可视分析能力。GeoMap组件，基于瓦片金字塔模型构造，另外为了解决视觉过载问题，引入地图标记聚类算法。PCP组件，用于可视化四个维度以上的高维属性数据，组件对传统定义的平行坐标进行可视化能力增强，实现数据子集刷取、直方图集成、坐标轴控制以及颜色映射等功能。TimeSeries组件，以Overview+Detail方式实现双尺度交互导航，并支持多个粒度的时间聚集和多种图表类型。Treemap组件，结合四种布局算法，以可视化参数可交互配置的方式实现，该组件能综合反映时空数据中的多维和空间成分。为了避免各个组件功能上相互孤立，本文利用内审观察者协同机制，实现组件之间自动连接。这种协同机制实现的多视图协同，相对传统的方式，在协同上具有高效性和可扩展性。利用多视图协同连接，，各个组件相互补充，系统整体综合分析能力大大增强。
【图文】：

地图,项目划分,相关主题,可视

[4 ]图 1-1 VisMaster项目划分的可视分析相关主题对时空数据的可视分析被 VisMaster 列为重点研究主要的研究地位。同样，本文以时空数据的可视分析作可视分析实例，研究实现多组件协同的时空数据可视化的历史起源角度，不少可视化经典之作均与地图有关的研究正是最著名可视化案例之一。当时英国 Broad 大乱传播途径，对霍乱的起因的主流意见是空气污染论播。John Snow 对这种理论表示了怀疑，发表了关于霍据。这幅图形揭示了一个重要现象，就是死亡发生地图 1-2 中的水井位置由红色圈定），市内其它水源周这些死者都饮用过这里的井水。以图 1-2 为主要依据是霍乱病菌传播的重要媒介。

地图,霍乱,地图,可视

1-2 1854 年 Snow 在伦敦霍乱爆发时研究使用的地时空数据的可视分析，则最早源于对地理可化是地理信息系统和信息可视化相结合的一视化作了如下定义[6 ]：集成了科学计算可视化数据分析和地理信息系统，提供理论、方法间参考的数据）进行可视化探索、分析、综数据中地理空间成分的可视化，随着可视分析据的分析，将研究内容转向地理可视分析（G对数据的动态、运动特性的分析也开始被强成。比如 2008 年，由国际制图协会地理可视化组织的workshop的主题正是如此[8 ]。所以，调空间、时间以及可视分析这三方面内容[9 ]。
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP311.13

【相似文献】