资源描述：
《大数据可视分析解析的若干关键技术研究_陈良臣.pdf》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、数字技术应用研究与应用大数据可视分析的若干关键技术研究陈良臣(中国劳动关系学院北京100048)摘要:云计算、物联网和互联网的快速发展,使得数据量以极快的速度增长,大数据成为研究热点。大数据的价值产生于分析过程,可视分析是大数据分析的重要方法。可视化的需求越来越大,依靠可视化进行数据分析将会成为业内的标准。本文剖析大数据特点,研究了文本可视分析、网络可视分析、时空数据可视分析和多维数据可视分析等关键技术。关键词:大数据可视分析可视化大数据分析中图分类号:TP311文献标识码:A文章编号:1007-9416(2015)11-0098-01随着互
2、联网、物联网和高性能计算技术的蓬勃发展,产生数据形图像以及人机交互等方面的知识和技术,是一个跨学科的领域。呈爆炸式增长,大数据时代已经到来。大数据的数量和复杂度带来可帮助用户以可视分析的手段交互地分析海量的文本数据内容。文了对数据探索、分析、理解和呈现的巨大挑战。本可视分析的关键在于,能将文本中隐含的价值直观地展示出来。可视分析是大数据分析的重要方法,它作为科学与信息可视化如何帮助用户快速、准确、全面的找到所需要的文本信息成为文本的自然延伸,将数据挖掘、计算机图形学与人机交互相结合。在大数可视分析需要研究的内容。据分析技术中,显示了非常突出的
3、优势,非常有效地填补了计算机(2)网络可视分析。传统的文字和表格形式已经无法满足日益庞在自动化挖掘与分析方法中的缺点与不足。大的网络数据分析和网络数据管理的需求,网络可视分析技术是一种非常重要的数据可视技术,充分利用人类感知系统,帮助用户理1大数据的定义与特征解网络数据结构,将网络数据以直观图形的方式展现出来,并从中大数据是指所涉及的数据规模巨大到无法通过目前主流的软挖掘更深层的价值。件工具在合理时间内撷取、管理、处理、挖掘这些数据,并整理成为网络关联关系是大数据中最常见的关系。大规模网络都具有大企业经营决策有用的信息。量节点和边,在大数据时
4、代,如何在有限的屏幕空间中进行可视展大数据的4V特征,得到了业界的广泛认可。第一,数量(Volume),示,将是今后大数据可视分析技术面临的难点和重点。大数据网络即数据巨大,从TB级别跃升到PB级别;第二,多样性(Variety),即数一般都具有动态演化特征,所以对动态网络的特征进行可视分析,据类型繁多,不仅包括传统的格式化数据,还包含来自互联网的大也是非常重要的研究内容。量视频、图片、位置和日志等;第三,速度(Velocity),即处理速度快;(3)时空数据可视分析。时空数据就是带有位置标签和时间标签第四,价值性(Veracity),即追求
5、高质量的数据。大数据具有4V特征,的数据。时空数据分析有区别于其它数据分析,不同的时空数据具给人们带来了新的机遇与挑战。有不同的可视分析方法。时空数据可视分析与地理制图学结合,对时间维度、空间维度和相关的对象属性建立可视化,展示与时间、空2大数据可视分析的概念间密切相关的模式和规律。时空数据的关系十分复杂,并不是时间大数据可视分析是一个跨学科领域,在大数据自动分析挖掘方与空间的简单相加。现在的时空数据模型还不能非常好的解决时空法的同时,利用可视化界面和人机交互技术来辅助用户对大规模复数据在空间、非空间与时态上存在不确定性问题。大数据环境下,时
6、杂数据集进行分析推理。非常有效的结合计算机的计算能力和人的空数据的实时性、高维性也是时空数据可视分析的研究重点。认知能力,获得大规模复杂数据的理解。(4)多维数据可视分析。多维数据是指具有多个维度属性的数目前所面临的最大挑战是数据爆炸,即所谓的大数据。大数据据。在各研究领域,三维以上的多维数据都广泛存在,由于它超过了可视分析是建立在数据基础上的,要想从海量数据中获取有用的知人类的空间想象能力,人们发展了多种方法来可视化多维数据,例识,还必须借助于近年取得进步的机器学习和数据挖掘的方法以及如维度压缩的方法等。多维数据可视分析技术主要应用于大数据
7、挖自然语言处理技术。同时,用户界面对于大数据可视分析技术的成掘领域中作为表达工具,让用户直观地理解数据。功应用起着关键作用。近年来,在大数据背景下,基于几何图形的多维可视分析技术3大数据可视分析的意义是主要的研究方向。数据规模增加为可视分析带来挑战,高维所引起的问题也是研究的重点。如何分析体量巨大、类型繁多、价值密度低、处理速度迅速的数据呢？最好需要具有像眼睛一样直接和反应灵敏的可视化条件。大5结语数据可视分析技术的主要特点是:交互性、多维性和可视性。无论是电子政务、钢铁行业、石油加工等传统行业,或新兴的社大数据可视分析不一定是必需的,但是可
8、极大地提高效率,有会网络、大规模电子商务、智能交通、网络通信等,无一不是大数据些领域的可视化是必不可少的。这些成功的可视化方法都非常简单来源。因此,展开大数据可视分
