信息可视化研究概述

《信息可视化研究概述》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、信息可视化研究概述摘要：当今社会是一个经济和科技高速发展的社会，各种先进的技术被应用到生产以及生活活动之中。其中可视化技术就是一个非常显著的体现。通过信息可视化，我们可以更加直观的分析数据，此时使用人能够非常直观的查看数据，进而得知其中隐藏的关系等。如今该项技术被大范围的运用，具体来讲主要被用到如下几个层面中：数据挖掘可视化、网络数据可视化、社交可视化、交通可视化、文本可视化、生物医药可视化等。本文采集自网络，本站发布的论文均是优质论文，供学习和研究使用，文中立场与本网站无关，版权和著作权归原作者所有，如有不愿意

2、被转载的情况，请通知我们删除已转载的信息，如果需要分享，请保留本段说明。关键词.•信息可视化；可视化技术；人机交互；数据挖掘中图分类号:TP391文献标志码：A文章编号:2095-2945(2017)20-0167-03可视化技术最早被人们运用是上个世纪的末期，通过将其合理的运用信息工作中，我们能够将信息精准的变化为视觉模式，能够便于我们更加直观的查看数据，此时使用人能够很直观的分析数据，便于我们得知其中隐藏的各种联系，在过去的时候很显然这是无法做到的。进入到新的发展时期之后，由于电脑技术高速发展，此时数据处理工

3、作也迎来了全新的发展局面，其处理能力明显提升，而且方式也明显增加，此时使用人能够随意地查看自己所需的各种信息内容，目前该技术的应用范围非常广。1信息可视化的过程1.1Card信息可视化模型在Card等提出的信息可视化模型中，我们可将其过程分成三个具体的步骤，G卩：原始数据到数据表的转换、数据表到可视化结构的转换、可视化结构到视图的转换。1.2信息可视化过程按照上述的模型，我们可以将该可视化活动分成如下的几个步骤。第一，预处理数据。具体来讲，把获取的信息提前处理，方便人们理解，便于将其录入到模块之中。而预处理内容包

4、括数据格式及其标准化、数据变换技术、数据压缩和解压缩等。对于一些特殊的数据还耍对其进行特殊处理，比如要降维。第二，绘制。通过绘制我们可以将数据变成具体的图形。具体来讲在绘制的时候一定要认真分析使用人的需求，然后再结合该技术加以体现。第三，显示以及交互。所谓的显示，具体来讲是把绘制得到的图形，依据使用人的规定对其合理输出。同时还应该将使用人反馈的内容合理的传输给软件，只存这样才能够真正的实现人机互动。2信息可视化技术根据S11NEIDERMAN的分类，信息可视化的数据分为以下几类：一维数据；二维数据；三维数据；多维

5、数据；时态数据；层次数据和网络数据。在上述的类型中，后面的几种是我们当前工作的重点，接下来具体针对它们展开细致的论述和分析。1.1多维数据可视化技术对于多维数据来讲，如果使用以前的二维图的话，其弊端较多，不能够满足当前的工作需要，比如无法确保信息量，无法满足其复杂性等。而多维数据的运用就能够很好的解决上述的弊端。0前多维数据可视化的类型非常多，接下来具体阐述几种目前应用率较高，具有典型性的方法。2.1.1基于几何的可视化方式(1)平行坐标系。它主要是运用平行的轴线来体现维度，具体来讲是在轴线上刻画数据，并用折线相

6、连某一数据项在所有轴上的坐标点，这样就可以在二维模式之中看到多维数据了。点的位置使用弹簧模型计算得到。不过它也有缺点，即如果数据规模非常大的话，就会导致我们在视觉上右一种混乱的感觉，干扰使用人理解可视化内容。(2)散点图矩阵。具体来讲，它指的是借助二维坐标中的具体的点来体现变量的联系。一般情况下，我们常把这个方法和别的方法组合到一起使用，这样做的好处是能够明显的增强数据的显示效果，能够体现大量的数据。这种技术的优点是能够以非常快的速率得知成对变量的联系，不过它也有不利点存在，即如果维度非常大的话，由于屏幕有限，因

7、此无法体现矩阵数据的总量，此时必须借助交互技术才能够实现我们观察数据的目的。(3)Andrews曲线法。其指的是借助二维坐标体现数据，把多维空间的各种信息借助函数体现到曲线之中，经巾观察曲线，我们能够得知数据的各种聚类情况。2.1.2基于图标的可视化方式基于图标的可视化方法用具备可视特征的儿何形状作为图标来刻划多维数据，这些图标的每一个可视化属性如大小、长度、形状、颜色可以作为维度，通过多维数据到这些图标属性的映射来实现可视化效果，代表性的方法包括星绘法和Chernoff面法等。星绘法采用由一点向外辐射的多条线段

8、代表数据维度，各种线段的长度体现了对应的维度数。Chernoff面法指的是借助人脸的特点来体现维度，通过绘制脸图得到多维数据，依据特定策略对其排序，以此能够确保数据以可视化模式体现出来。它的优点是较之于别的图形更加的吸引人的注意，因此广大用户们喜欢花费很多时间来研究它们，所以其展现的效果更好，除此之外，它还能够帮助我们更好的识别要素的内在关联。2.1.3动画的多维可视化技