模型驱动的网络数据的可视分析方法研究
发布时间:2018-08-23 11:53
【摘要】:数据可视化是近年来逐渐兴起的一门交叉学科,旨在通过图形、图像的手段将不可见的、难以理解的抽象数据映射成颜色、纹理、形状和符号等可见形式,帮助用户理解、分析和探索数据,涉及到数据挖掘、计算机图形学、人机交互、设计和可视分析等学科。在大数据时代的背景下,可视化技术更是强有力的数据分析手段,可以快速揭示行业潜在的行为模式和发展趋势。但是海量数据往往具有规模巨大、种类繁多、处理速度要求快以及价值提炼难度高等特点,为创建有效的可视分析方法提出了挑战,具体体现在:过程和动态性表现、基于模型的数据校验和用户兴趣驱动的层次化显示。而目前的工作大都是多维时变海量数据的表象可视化,数据模型与可视化显示脱节、分离,对海量数据内在规律的探索和表现不够。基于以上问题以及海量数据的这种高性能、可伸缩、实时性分析等需求,本文提出针对网络数据的模型驱动的数据可视分析研究方法,即融合数据规则、领域背景和层次展示,在可视分析过程中加入模型的交互引导,将用户知识和经验充分融入网络数据的分析和推理决策过程中,发现更多的隐含规则和信息。具体思路是:1.结合物理或者数学模型、知识规则和领域背景,来统一建立网络数据的模拟分析模型;2.考虑视觉表达、互动机制和用户的心理感知等因素,设计有效的可视化方法,对上一步统一建模生成的结果进行展示;3.将前端的可视化方法和后端的模拟分析模型进行交互螺旋式探索,真正实现模型与可视分析的紧密联系、相互指导,从而将可视化从一种后处理的显示手段变成一种过程分析、特征发现和优化模型的工具。为此,本学位论文围绕网络数据的模型建立和可视化表达展开研究工作,具体贡献根据模型的种类可以分为以下几个方面:S没谖锢砟P偷挠咔榇タ墒臃治,
本文编号:2199008
本文编号:2199008
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2199008.html