时序数据的表意性可视化

发布时间：2021-11-27 17:59

　　识别和分析时变特征是理解时变数据集的关键步骤,表意性可视化是实现此任务的一类重要方法。虽然目前对于表意性可视化的研究很多,但是现有的解决方案往往只适合于表达强度较大的时变特征而很难检测和展示时变数据集中的微小变化特征。然而时空数据集中的微小特征往往也包含了重要信息,因而对这些微小特征进行可视展示具有重要的意义。本文介绍了一种新的表意性可视化技术,该技术利用时域滤波方法来探测可能的微小特征,并通过自适应的时域增强技术进一步增强该特征,同时用类似的方式抑制不相关的上下文信息,从而使微小特征被凸显,以方便用户进行观察和探索。基于上述技术,本文分别开发了用于探索时空数据集和动态图数据集中微小时变特征的可视化探索系统。它们通过滤波器控件来探索微小信号所在的区域和频率,并采用动画和时间序列图等可视化方式帮助用户理解并对比数据。结合可视化工具以及人机交互技术,用户能够交互地选取和分析微小时变特征。本文以对多种不同类型实际数据的实验为例,表明了本文系统能有效地协助用户探索时空数据集和动态图数据集中的微小特征。 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图２．１从数据帧［１３５，２２３］中选择了?６个关键帧［１１］

?１ＡＱ１／Ｍ?ＯＳ／ｉＭｔ?Ｍ／２Ｉ／Ｍ?Ｕ／ｉＭｔ?Ｍ／３Ｍ，?０Ｍ７ＭＴ?Ｕ／３Ｍ’?Ｏｌ＾Ｍ?Ｍ／１ＶＭ?ＯＶＵＭ?ＯｋｎＺｍ?１＆７Ｍ？?ＯＵＯｋ＜ｔＯ?ＯｌｔＵＴＫ?１２Ｍ／Ｋ?ＯＶＵｍ?Ｍ／ｌｌ／７１?Ｈ／Ｕ／Ｔ３?ＶＵｌＷｉ?ｌＯｍＴｌ?Ｏｉ／Ｘｉｍ??图２．２图为来自老挝的数据集生成的故事图，每个事件对应一个轰炸实例。模式Ａ１和Ａ２??为显示轰炸在此期间加剧，模式Ｂ显示一些地方经常被轰炸，垂直的白色条纹意味着数据??丢失或爆炸停止％１。???？?－２０?－１０?０?１０?２０?３０?４０??图２．３二维图上的温度变化［２５］。??信息可视化中的常见时变数据有两类：线性时间数据和周期时间数据。线形??图及其变体［２３￣］是常见的线性时间序列的可视化技术，它用位置来编码时间和值，??如图２．３所示。另一种常用的线性时间序列的可视化技术是堆叠图，例如??ＴｈｅｍｅＲｉｖｅｒ％，常被用于可视化一组文档中随时间变化的主题数据。在某些情??况下（例如对于决策），可以使用分支时间可视化方法［２７］，该方法含有多个时间线??分支，使我们能够描述和比较不同的场景。对于周期时间数据，螺旋图形［２８］是??一种最常用的可视化方法，如图２．４所示，它利用螺旋形时间轴来分析数据中的??周期性

暖色调表示该区域内数据的较快变化［３６］。??？使用纹理：纹理非常适合描述表面的结构。通常被用于显示分层信息［３７］、??表示表面的形状［３８］、表达结构之间的距离［３９］（如图２．５）或在同一个表面上可视??化多种数据［４（）］。??图２．５使用纹理对血管结构交叉点的深度距离进行编码［３９］。??？利用深度：通常可以使用光环［４１］来传递不透明对象的深度信息。近期??Ｚｈｅｎｇ等人［４２］通过综合地考虑深度、透明度、可靠性等多个度量，以增强深度感??知。??６??


本文编号：3522782