基于同心轴的多维数据可视化方法

论文摘要

信息可视化技术自上世纪90年代中期出现并兴起后,正从根本上改变着人们表示、分析和理解大型复杂数据的方式。而多维数据的可视化作为该领域内的经典问题,一直备受研究者的关注。尽管目前有许多较为成熟的多维数据可视化方法,但其中仍有许多技术难题没有解决或者亟待解决。本文针对经典平行轴方法在显示大规模数据集合时产生众多交叉重叠的不足,在借鉴其他非多维数据可视化技术的基础上,提出了一种新的基于同心轴的多维数据可视化方法。该方法将传统平行轴方法中表现维度的平行直线转换为同心圆周;将表示各个数据项的多段直线段转换为多段曲线段。经过理论分析,当原始的多维数据集合映射成为完全二分图时,相比于经典的平行轴方法,同心轴方法能够减少曲线(直线)交叉三分之一。而对于一般性的多维数据集合,本文修改了平行构图中用以解决交叉数目约简的若干启发式,并将其运用到同心轴方法中。对随机离散数据进行实验,结果表明,在使用相同的启发式和处理相同规模数据集合的条件下,同心轴方法仍可以减少曲线(直线)交叉数目15%左右。此外,实验的结果还表明,相比于平行轴方法,本方法能够在一定的范围内提高了曲线(直线)段的交叉角度。交叉数目的减少和交叉角度的增加都可以提高视图的可读性。因此本方法能够使得分析人员更好地通过可视化结果加深对原始数据的理解和认识。在理论分析的基础上,本文还详细给出了同心轴方法具体的设计细节和实现过程,包括具体的维度表现方法和两种分别基于Bezier曲线模型和B样条曲线模型的数据表现方法。此外,本文以真实的网络数据包为研究对象,以扫描事件监测和协议分析两类常见的网络监控事务为例,介绍了如何利用同心轴方法分析处理实际的数据集合,从而证明了其拥有的较强的可用性。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 信息可视化技术简介
• 1.2 多维数据可视化技术研究现状
• 1.3 本文的研究工作与创新
• 1.4 本文组织结构
• 第二章 相关工作及综述
• 2.1 信息可视化技术分类
• 2.1.1 基于数据对象的分类方法
• 2.1.2 Keim 分类方法
• 2.1.3 Card 分类方法
• 2.2 多维数据可视化技术
• 2.3 平行轴方法
• 2.3.1 经典平行轴方法
• 2.3.2 基于交互技术的改进方法
• 2.3.3 基于数据预处理的改进方法
• 2.4 类同心轴与放射状可视化方法
• 第三章 基于同心轴的多维数据可视化算法研究
• 3.1 数据模型与显示模型
• 3.2 维度表现方法
• 3.3 数据表现方法
• 3.3.1 曲线弯曲方向
• 3.3.2 曲线模型
• 3.3.3 曲线歧义消减
• 3.4 本章小结
• 第四章 曲线交叉约简
• 4.1 曲线交叉定义
• 4.2 约简效率
• 4.3 启发式约简方法
• 4.3.1 Greedy Switch 启发式
• 4.3.2 Sifting 启发式
• 4.3.3 Barycenter 启发式
• 4.3.4 Median 启发式
• 4.4 实验及结果分析
• 4.4.1 交叉数目比较
• 4.4.2 交叉角度比较
• 4.5 本章小结
• 第五章 同心轴方法在网络数据可视化中的应用研究
• 5.1 网络数据的获取与处理
• 5.2 扫描事件分析
• 5.2.1 扫描监测
• 5.2.2 扫描类型分析
• 5.3 协议分析
• 5.3.1 独立数据包显示
• 5.3.2 联合数据包显示
• 5.4 本章小结
• 第六章 总结与展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢