蒋定华[1]2001年在《目标多维分析与评估中的可视化技术》文中研究说明本文结合总装卫星应用重点项目的研究，在目标打击效果评估中引入叁维可视化技术，实现了目标多维分析与叁维可视化的新结合。基于叁维虚拟场景，对目标打击效果进行多维分析的同时，也将叁维可视化技术扩展到了四维乃至多维。本文的主要研究内容有： 1、介绍了叁维地形场景可视化的关键技术； 2、VRML、DXF文件的读写；DXF文件读写的实现为本系统提供了与其它常用建模软件（如AntoCAD）的接口。模型VRML格式文件的输出，实现叁维地形虚拟场景在Internet发布与传输。 3、目标变化的定量多维分析；实现叁维虚拟场景中空间多维信息快速实时查询； 4、动态模拟显示、分析；实现目标变化的定性分析，在此过程中引入二维的矢量数据进行辅助观察与分析。 5、开发了一套“目标多维分析和评估系统”。用实验证明了文中所述的原理和方法的正确性及可行性。
史健婷[2]2017年在《多维环境与地球化学数据分析与可视化研究》文中指出在环境与地球化学领域,所获得的数据越来越多。这些数据蕴藏着大量的特征信息、关系信息以及分类信息。同时,这些数据还具有内在相关性,多维性,甚至非线性的特点,利用传统的地球化学方法很难直接对多维数据进行分析。为此,本文以多维环境与地球化学数据为研究对象,采用机器学习和模式识别领域中的降维和聚类算法对以线性关系为主的环境地球化学数据进行聚类分析,对以非线性关系为主的油气地球化学数据进行非线性映射,利用端元混合分析结合降维方法对多维地球化学数据进行混源解析,利用多维数据的可视化技术在低维空间(二维或叁维)中展示多维数据之间的关系,揭示多维数据的地球化学意义。主要的研究成果如下:1.以广州市李坑垃圾填埋场及周边为研究区域,采用舒卡列夫分类法、Piper叁线图对地下水的化学类型进行了描述性分类。为了更直观、更细致地展示地下水中各组分之间的关系和亲疏程度,利用层次聚类分析和K均值聚类算法对研究区内地下水中的主离子、微量元素和有机污染物多环芳烃的来源进行了聚类分析。分析得出研究区域内的地下水的化学类型主要是HCO3-Ca型水、HCO3-Na+K型水和Cl-Na+K型水,并且在枯水期和丰水期这两个不同时期,水的化学类型会发生变化,说明地下水中存在着离子交换和离子混合过程。两种聚类算法很好地展示了样本间的亲疏关系和相似程度,与实际地质背景和水文条件相吻合。说明层次聚类分析和K-均值聚类算法都能有效地对多维地球化学数据进行聚类分析,得到的聚类结果直观、清晰,易于理解和分析,其效果远远好于描述性的分类方法。2.油气混源现象十分普遍,查明混源油中的端元组成和来源等问题对于油气勘探具有重要的现实意义。采用自组织映射和Sammon映射算法对74个混源油样品包含18个生物标志化合物比值指标和2个稳定同位素特征指标进行了非线性映射分析,并将自组织映射后的分类结果进行可视化。分析得出74个样本共分为四类,分别是来自于叁迭纪的Shublik页岩,来自于白垩纪的GRZ页岩,来自于叁迭纪的Shublik页岩与白垩纪的GRZ页岩的混合油以及来自于基底(Hettangian-Aalenian)金加克页岩烃源岩。并将两种算法得到的分析结果与交替最小二乘法和多维标度得到的结果进行比较。通过对比可知,自组织映射和Sammon映射对油气地球化学中的非线性数据有很好的分类效果。在应用中还需要结合具体实际来选择合适的算法,并得出合理的结论和解释。这样有利于揭示油气地球化学数据的地球化学意义。3.利用主成分分析结合端元混合分析方法对地下水中的主量组分、微量元素和有机物多环芳烃的污染来源以及污染途径进行了混源解析研究。并将分析结果与定性分析结果进行对比验证,以查明地下水中各组分的污染来源。利用主成分分析分别对主量组分、微量元素和多环芳烃等数据集合进行降维处理,将原特指标重新组合成新的无相关的综合指标,并保持原始指标的主要特征。同时按照各主成分的方差贡献率,来选择主成分,再结合端元混分分析原理,确定出端元个数,对样本进行混源解析。通过分析得出,地下水中各组分的污染存在着两个污染源:一个是生活和农业的面源污染,另一个来源是渗滤液的污染,并且渗滤液污染地下水的途径主要是通过:沿断层(F7、F9)向垃圾填埋场的地下迁移,造成断层附近的地下水受到严重污染;直接在地面发生渗漏。此外,地下水中的多环芳烃还受到大气降雨以及工业污染。此结果与研究区的地理位置、水文地质、气候等自然概况相吻合。4.利用独立成分分析结合端元混合分析方法对地下水中的多环芳烃进行预处理和端元解析。采用非高斯最大化的估计方法进行独立成分计算,并最终确定端元个数和位置。经过分析可知,利用ICA-EMMA得出的多环芳烃来源与PCA-EMMA方法得出的结论一致,这也验证了李坑垃圾填埋场周围地下水中的多环芳烃主要来自垃圾渗滤液、大气降水、城市生活污水和工业废水排放。其中,渗滤液虽然没有直接排放到地下水中,但垃圾填埋场周边有受渗滤液不同程度污染的水质,而且呈现出不同的水文地球化学特征,并且与研究区的地理位置、水文地质、气候等自然概况相吻合。由此可以看出这两种方法对于以线性关系为主的水文地球化学数据具有较好的混源解析效果。
易先卉[3]2008年在《关联规则可视化技术的研究及实现》文中认为关联规则挖掘具有很强的信息处理能力,它能够从大型的数据库和大量的自动化信息系统中提取有用的规则。然而,目前支持关联规则挖掘的大多数据挖掘系统对挖掘出来的关联规则缺乏有效地表示,用户识别起来比较困难。将可视化技术应用到关联规则挖掘结果的表示中,数据之间的关联性更加清楚、直观地表示出来。根据可视化的结果用户可以更加方便地参与到关联规则的挖掘过程中以实现决策支持。目前关联规则可视化中存在着界面紊乱、表示歧义等问题。本文提出了一种基于叁维坐标的关联规则可视化新技术AR3DV,它用Java 3D叁维坐标系中的X轴表示关联规则、Z轴表示规则的项、Y轴表示规则的支持度和置信度,并用Java 3D的编程思想和编程步骤实现了这种表示。此技术能有效地显示大量多对多和多维的关联规则,且不会出现界面紊乱、表示歧义等问题。论文还实现了一个关联规则可视化原型系统ARVMiner。通过此系统,将AR3DV技术与基于约束的关联规则挖掘结合起来,实现了关联规则有选择和有序地可视化。在ARVMiner系统中,用户可以对关联规则的挖掘数据库、挖掘算法进行选择,对挖掘算法的性能进行测试比较,对挖掘的参数进行设置,挖掘的过程和结果都是可见的。因此,系统在实现关联规则挖掘结果可视化的同时也实现了关联规则挖掘过程的可视化。论文最后用不同的挖掘实例验证了原型系统的完善性和实用性。
方毅芳[4]2015年在《煤炭企业安全管理可视化方式研究》文中研究说明“百闻不如一见”,人脑获取的外部世界信息80%以上通过视觉系统进行传输,同时,视觉信息处理具备高速、大容量、可并行的显着优势。当前,人们身处海量、碎片化、多维异构的大数据信息时代,充分发挥人的视觉思维能够克服人的信息认知瓶颈,因此,利用视觉辅助信息认知与逻辑分析,已成为现今学术科研与实践应用的潮流。随着信息技术在煤炭企业中不断得以广泛应用,其有效提升了矿井安全生产的实时监控、应急管理水平。然而,信息系统的普及也产生了不容忽视的问题。煤矿安全安全信息系统的异构异质性,使得安全数据呈现多维结构、联动性、隐喻性的特征,增加了人员信息理解与使用的难度;同时,由于系统对矿井环境进行实时监测,产生了TB级的海量数据,爆炸式的信息增长超出了管理人员的认知能力范围,导致信息处理滞后、业务流程繁琐、信息资源利用率低下的现象,安全信息的认知与利用不足阻碍了煤矿安全管理发展。因此,将人的视觉认知与煤矿安全管理结合,形成了煤矿安全可视化管理模式与安全可视化方式,能够对安全管理高维数据属性进行筛选与挖掘,并结合认知心理学与视觉思维规律,转化为形象、易于理解、吸引关注度的图形图示,甚至科学的图形构图启发人的思维与想象,从而有效提升信息资源的开发利用效率,实现“基本数据视觉化、客观规律显性化、隐喻内涵洞察化”的目标。然而,当前十分匮乏安全可视化方式的理论研究,理论研究中尚未形成系统体系,实践应用中缺乏科学理论指导。由此,本文面向煤矿安全管理,围绕科学应用、管理效应、优选设计叁个方面开展煤矿安全可视化方式的具体研究。本论文受到国家自然科学基金面上项目“基于数据挖掘的煤矿安全可视化管理模型及图元体系研究”(基金编号:61471362)资助,该项目分为“知识可视化”、“展示可视化”与“可视化图元体系”叁部分,本文主要围绕其中的后两项内容进行研究。按照“分析现状、寻找因素、评估效果、优化设计”的思路,论文可分为7章。具体研究内容包括:第1章:绪论。本章首先分析了煤矿安全可视化方式的研究背景,阐明了安全信息资源认知与利用不足是当前煤矿安全管理的关键问题,论述了视觉认知对于安全信息处理具有重要优势。其次,对国内外可视化管理与可视化方式的理论研究与煤矿安全可视化方式的实践应用进行归纳分析,提出当前煤矿安全可视化方式的理论研究仍十分匮乏,由于缺乏理论指导,安全可视化方式的实践应用效果也层次不齐。由此,提出了利用安全可视化方式解决当前安全管理困境的思路。由此明确了本文的研究目标与意义,系统分析了论文的主要研究内容与结构安排,并提出论文研究的技术路线。第2章:文献综述。本章围绕煤矿安全可视化方式的主要问题,结合可视化理论、煤炭企业安全管理、信息可视化与认知心理学四门学科,进行安全可视化方式的相关文献调研。其中,可视化相关理论是研究的理论指导,煤矿安全管理理论是研究的实践来源,因而对其进行相关文献调研。其次,讨论了信息可视化模型、数据结构及可视分析的相关理论,为安全可视化方式作用机制与因素分析提供基础。此外,结合认知心理学的宏观(认知发展模型)、中观(认知信息加工模型)、微观(视觉认知规律)原理,为安全可视化方式的设计优选提供借鉴。第3章:理论框架研究。本章探索构建了煤矿安全可视化方式的理论体系,首先,结合煤矿安全管理特征与对象属性分析,讨论了煤矿安全可视化方式的内涵、外延及内容体系;其次,从信息传播与信息控制角度,论述了安全可视化方式在煤矿安全管理中的作用机理,并据此分析了安全可视化方式的应用过程,提出可视化方式的应用优化需求,阐明了可视化方式的实践优化是提升煤矿安全管理的有效手段;由此,构建了煤矿安全可视化方式的理论框架,并围绕可视化方式的影响因素x、描述因素y、管理效应p而提出研究的叁个核心问题。第4章:关联因素研究。本章探讨了确定煤矿安全可视化方式的关联因素,并分析提出因素关联模型。基于霍尔叁维结构而提出安全可视化方式的四维分析模型,以此模型为指导分析了安全可视化方式的关联因素基本维度(x、y、p)。通过煤矿安全管理特征与对象属性的分析,总结了包含目标、内容、结构、模式组合的特征描述指标(x);利用问卷调查与因子分析技术,得出包含管理、信息、认知差异与技术设计的影响因素指标体系(y),根据x与y的关联关系构建了sce因素关联模型,为安全可视化方式的优化选择研究提供理论基础;最后,提出可视化方式的isq优化需求评估方法,针对煤矿安全管理活动的各类常用可视化方式类型进行应用效果的评估,从中寻找实践可行的可视化方式类型,也为进一步的优化选择确定了研究目标。第5章:管理效应研究。本章系统梳理了安全可视化方式的优化应用对煤矿安全管理的管理效应。首先,结合认知发展层次理论,阐述了“2-4”管理效应层次模型及作用机制。基于该模型提出了管理效应的评价指标(p),主要包括个人认知效率(pr)与个人在组织中重要度(p0)两项指标。其次,针对个人认知层面,结合信息加工原理分析了个人与人机交互的认知模型,由此提出安全可视化方式的个人认知效率公式,并推导了安全可视化方式对时效性、容量性的影响假设。进而,通过时效性导向的瓦斯警报认知实验,证明了可视化方式对信息获取、信息识别、信息分析的影响,得出、优化应用提升了30.17%的认知效率;开展容量性导向的安全隐患管理认知实验,验证了可视化方式对认知广度、认知强度、认知长度的作用,验证了可视化方式的优化应用提升27.18%的认知效率。最后,针对组织层面,论述了可视化方式的科学应用能够促进安全管理业务流程的精简化、智能化、可监控,组织制度的扁平化、协同化、规范化,并促进安全可视化管理的发展与成本管控能力,推动安全文化体系的完善。第6章:设计选择研究。以可视化方式应用的管理效应最大化为目标,本章讨论了煤矿安全可视化方式的优化设计方法,包括图库体系与FODV设计模型。结合认知心理学、信息可视化与煤矿安全管理的制度规范,提出科学的可视化图元、设计内容与组合规则,形成安全可视化方式的图库体系,为安全管理提供丰富的图形集合;结合SCE模型而提炼了FODV设计模型,并进行井下人员管理的认知实验,得出可视化方式的优化设计能够最高缩短70%的认知时间,有效提升安全人员的信息认知效率、提升安全可视化方式的管理效应。进而,利用对应分析方法,得出可视化方式的管理层级选择模式,将其与人机交互理论相融合,提出了安全可视化方式的MCD选择交互模型。围绕模型设计了安全可视化方式选择交互的系统框架与功能体系,为安全可视化方式的信息系统实现提供指导。第7章:结论与展望。基于上述研究成果,总结了本文的研究结论与创新点,并对未来进一步的研究做出展望。本文的主要创新点包括:构建了煤矿安全可视化方式的理论框架,提出了四维分析模型;提出了安全可视化方式的SCE关联模型与ISQ优化需求评估方法;建立了安全可视化方式的管理效应“2-4”层次模型,提出个人认知效率的计算公式;提出了安全可视化方式的设计选择方法,建立了可视化图库体系与可视化选择交互系统。综上,煤矿安全可视化方式是基于信息技术对安全数据、信息、知识的一种形象、高效的展示形式,其优化应用能够有效促进个人认知效率与组织管控水平。因而,针对当前安全可视化方式理论研究匮乏的现状,本文结合煤矿安全管理需求与视觉认知规律,利用统计分析、认知实验、数学建模的方法,探讨了可视化方式的优化需求判断、管理效应分析、优化设计选择方法,提出了SCE模型、“2-4”层次模型与FODV设计模型,完善了安全可视化方式的图库体系,并通过信息系统加以实现,对煤矿安全可视化管理具有重要的理论价值与实践意义。
刘玉华[5]2017年在《模型驱动的网络数据的可视分析方法研究》文中研究表明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:参基于物理模型的舆情传播可视分析,即应用物理模型的概念、方法和原理,经过合理的映射、修正和拓展来模拟网络舆论的传播现象,揭示用户行为的本质和规律。在该工作中,我们提出了基于元胞自动机的论坛事件传播模型和基于动态流体力学的微博转发模型。前者用于模拟网络论坛中个体发帖数量的变化和观点的发展趋势,后者借用流体传播的思想模拟微博空间中用户转发消息的行为机制和过程。我们分别根据两种模型探索其内在规则和影响因素,并设计了不同的可视化界面来方便用户进行结果分析、参数调整和模型校验。·基于演化模型的集群行为可视分析,即应用可视化方法和交互技术来探讨集群演化的组织形态、演化的动力机制和路径等。我们提出了基于微博转发可视化的网络集群分析方法和基于火灾疏散模型的应急可视分析方法。第一个方法通过可视化技术分析不同地域、不同职业间的用户转发模式和情感分布,用于探索不同事件的微博转发特点;第二个方法结合火灾疏散时人员所处的复杂场景及疏散行为的特点,提出了一种用于大规模人员疏散的仿真方法,并结合可视化方法探讨疏散模型的合理性和疏散行为的连续性等。·基于几何模型的层次交互可视化,即根据网络图或者关系数据的拓扑结构,通过设计虚拟的能量系统,将点、边的属性特征融合到传统网络图的布局算法、聚类算法和边绑定算法中,并结合交互技术实现整体到细节的可视分析,帮助用户快速探讨数据属性和拓扑结构的内在联系。为此,针对多元图提出一种自适应混合尺度的可视分析方法,根据结构和属性信息划分网络图的层级结构,分析不同属性在社团结构中的作用;以及针对多维家谱数据,结合家族树模型,设计不同视图来分析家族的人口统计学信息,例如人口迁徙、繁衍规律和亲属结构等,进一步探讨家族发展和当时社会背景、地理信息以及自然环境等潜在的关联。最后我们将以上设计的所有可视分析方法与传统方法、系统进行对比,并邀请领域专家进行评估,或者设计用户实验、调查问卷等收集反馈和改进意见。大量实验结果验证了本文所提方法的有效性和实用性。
郭加树[6]2007年在《空间数据仓的构建及应用》文中进行了进一步梳理现行的石油勘探开发专业数据库管理模式,特别是数据中心管理模式实现了数据的集成共享及数据与应用的分离,但没有解决好数据的分析问题,即空间数据的挖掘问题。本文在分析油气勘探开发业务需求及数据特点的基础上,总结吸纳了数据仓库、叁维地质建模、叁维GIS、油气勘探开发数据管理技术等技术方法,针对地学数据集成分析问题及空间数据的多尺度性,提出了适合地学数据分析与挖掘的空间数据仓逻辑模型,研究了空间数据仓物理模型及基于该模型的空间OLAP(联机分析与处理)方法。1)基于数据仓库多维分析概念提出了基于空间数据仓的勘探开发数据多维分析理论及空间数据仓的构建模式。2)空间数据仓的研究必须解决空间数据的多尺度问题,已有的多维模型并没有考虑空间以及空间的尺度问题,因此没有尺度空间上的分析、处理和表达能力,不适合空间多维数据集模型。为此,本文将空间的尺度问题与维度进行统一考虑,即尺度也是一种维度,维度也可以看作一种广义上的尺度,提出了基于尺度概念的空间数据仓多维数据集逻辑模型及多尺度下空间聚合的模式。3)为了更好的实现地学空间的多维表达,建立满足地学分析的事实关系,本文提出了以数据的空间关系为依据建立事实表-空间事实表,即建立以空间事实为核心,地学属性为维度的星型或雪花型多维空间数据仓模型。4)提出了表达空间多尺度的八叉树细分体元模型,实现了对地质体与地质场的多尺度表达与空间集成,实现了空间事实的构建,分析了地学分析中常用的维度及以体元为基础的空间事实与维度的关系,以十进制Morton码为基础建立了多级体元编码实现了空间与属性的关联,以空间关系构建起了对象之间联系(维度间的联系),为数据的多维分析奠定了基础。5)研究了基于空间多维模型的邻域分析、空间剖切与虚拟钻取等空间分析方法,距离、体积、表面积等空间度量以及数据集切片、基于空间事实表的数据集细化、OLAP等多维数据分析方法。6)基于以上理论建立了空间数据仓原型,并对东营凹陷地质-地球物理数据进行了空间数据仓建模,说明了方法的有效性和实用性。
靖鲲鹏[7]2013年在《非常规突发事件应急管理多元信息分层递阶可视化融合研究》文中研究表明由于社会的各个功能系统之间的关联度和依赖度不段增强，各类突发事件更容易演变为规模巨大、后果严重的非常规突发事件。非常规突发事件应急管理已成为多学科交叉的前沿课题。在大数据时代，通过信息可视化以支持管理决策和预测，成为应急管理领域的一个重要方向。如何从非常规突发事件的多元海量数据中，快速、准确地获取有价值的信息，并对其进行数据处理和可视化表达，实现多元信息融合，以支持应急处置中的智能决策过程，成为非常规突发事件应急管理研究领域的重要目标之一。本文以复杂系统科学、突发事件应急管理和信息可视化等作为理论基础，融合多学科理论，采用系统科学方法、管理科学、信息科学、数学、演绎归纳法、实证研究等方法，深入研究非常规突发事件应急管理中信息系统、信息流和数据特征等关键问题，构建非常规突发事件应急管理多元信息可视化系统，并研究多元信息可视化融合的理论、模型和方法，用于支持应急决策，具有重要的理论意义和现实意义。首先，本文根据中国应急管理系统结构模型，系统分析了我国应急管理总体框架、应急预案体系、应急管理系统结构，以及美国应急管理的核心系统—NIMS和NRP的框架结构、JFO的构成和部门结构，归纳了应急管理系统分层、递阶、多系统耦合并具有协调机制的本质特征。分析了应急管理中的信息流和数据管理技术在应急管理数据流中的应用，并重点分析了应急管理数据的海量、多源、异构、时变、时间敏感、难以共享和可信度不同等特征。界定了本文的研究对象—文本数据，比较了多维数据和多元数据，提出了降维和信息融合是多元文本数据处理的关键环节。在基于Web的应急管理数据总体框架基础上，构建了多元数据分层递阶图表示模型、分层递阶可视化融合和应急决策模型，设计了应急管理信息多元信息系统模型。其次，根据多元信息可视化系统的设计原则，分析了多元信息可视化系统的信息收集与处理、信息存储、多元图表示、信息融合、信息分析与利用、信息传播等基本功能；构建了多元信息可视化系统的逻辑结构模型，分析了其对应的四个层次和四个支持平台；分析了领导辅助决策系统、系统安全与维护平台两个支持结构。进而，设计了非常规突发事件应急管理多元信息可视化系统，并分析了该系统不同层级的子系统与应急管理预防、准备、反应和恢复等阶段之间的对应关系。再次，研究了基于雷达图的应急管理多元信息可视化融合方法。非常规突发事件应急管理系统作为一个复杂系统，在管理层面上是分层递阶的，既包含定性数据，也包含定量数据，呈现出多维、参数耦合的特征。提出了多层递阶参数耦合信息融合的一般模型。为了使该模型具有通用性，提出了输入数据的预处理方法：定量数据标准化方法——线性转换方法和归一化方法，定性信息预处理方法，定性信息与定量信息转换方法——简单语言概念生成、线性划分法、非线性划分法和二元对比插入法。根据特征选择和特征提取原理，建立了特征选择和特征提取的融合模型。基于雷达图原理，分析了高维数据分段特征融合与分层递阶的降维过程。提出了基于叁角形面积和扇形面积的雷达图数据分析方法。最后，运用该方法进行实证分析。最后，研究了基于形式概念分析的应急管理多元信息可视化融合方法。根据应急管理多元数据分层递阶特征，分析了基于形式概念分析的多元数据可视化的可行性。以形式概念分析的原理与方法为基础，根据形式背景的分层递阶概念格生成算法，引入了形式背景的分层优化方法，提出了基于形式背景行列交换原理的属性偏序结构图表示方法。该方法可以对形式背景进行优化，绘制具有较显着层次关系结构的图形，实现属性聚类和多元信息分层递阶可视化。最后，运用该方法进行实证分析。
崔彬[8]2006年在《数据挖掘中多维数据可视化的研究》文中研究指明随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势，缺乏挖掘数据背后隐藏的知识的手段，导致了“数据爆炸但信息贫乏”的现象。 数据挖掘技术的发展有效地满足了人们的这一愿望。因为它可以对广泛存在的大量数据进行分析，将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛应用于各种应用，包括商务管理、生产控制、市场分析、工程设计和科学探索等等。数据和信息之间的鸿沟要求系统地开发数据挖掘工具，将数据坟墓转换成知识“金块”。近年来，人们在数据挖掘的理论和方法上做了大量的研究工作，并以此为基础开发出不同种类的数据挖掘工具。但是，这些工具在处理大型的多维数据集方面仍然没有取得令人满意的挖掘效果。于是，人们开始在数据挖掘中借助可视化技术，使用丰富的可视化方式将多维数据直观地表示出来，进而利用人类特有的认知能力来指导挖掘过程，最后将数据挖掘的结果以可视化的形式呈现给用户。因此，数据挖掘领域中产生了一个新的方向：可视化数据挖掘。可视化数据挖掘的目的就是使用户能够交互地浏览数据，挖掘过程等，当所要识别的不规则事物是一系列图形而不是数字表格时，人的识别速度是最快的。数据可视化与数据挖掘相辅相成，只有两者紧密结合起来才能发挥完美的作用。数据可视化主要针对数据库或数据仓库中的数据，根据数据的属性多少，可以分为一维数据可视化，二维数据可视化和多维数据可视化。广义的讲，一维和二维数据可视化技术可以看作是多维数据可视化的子集。多维性是非空间数据场的一个重要特性，所以我们在数据仓库中针对多维数据可视化进行的研究是一个很重要的课题。 多维数据可视化技术目前在国内外已经得到了广泛的研究，现在有很多常用的多维数据可视化方法，如基于几何的技术，面向图标的技术，基于层次的技术，密集象素技术等等。在本文中，我们将首先对数据挖掘技术、多维数据可视化技术、可视化数据挖掘技术进行介绍，然后我们会通过实例来介绍多维数据可视化技术在数据挖掘中的应用。
齐金鹏[9]2004年在《数据挖掘模型可视化研究及其应用实例》文中研究表明我们现在已经生活在一个网络化的时代，通信、计算机和网络技术正改变着整个人类和社会。大量信息在给人们带来方便的同时也带来了一些问题：第一是信息过量，难以消化；第二是信息真假难以辨识；第叁是信息安全难以保证；第四是信息形式不一致，难以统一处理。人们开始考虑：“如何才能不被信息淹没，而是从中及时发现有用的知识、提高信息利用率？” 面对这一挑战，数据挖掘（Data Mining）和知识发现（Knowledge Discovery）技术应运而生。随着数据库技术的迅速发展以及数据库管理系统的广泛应用，积累的数据越来越多。激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系或规则，无法根据现有的数据预测未来的发展趋势。数据挖掘（Data Mining）是人们长期对数据库技术进行研究和开发的结果。数据挖掘技术是新兴的研究领域之一，它结合了数据库技术、人工智能（AI）和统计分析等多项技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。数据挖掘使数据库技术进入了一个更高级的阶段，它不仅能对过去的数据进行查询和遍历，并且能够找出过去数据之间的潜在联系，从而促进信息的传递。数据挖掘技术的运用能从大量的、不完全的、有噪声的、模糊的、随机的应用数据中提取出隐藏于数据背后的信息和知识。决策支持系统（Decision Support System）是在管理信息系统的基础上发展起来的，目前开发的综合DSS是以数据仓库（DataWarehouse）技术为基础，以联机分析处理（OLAP）和数据挖掘（DataMining）工具为手段进行实施的一整套解决方案, 而数据挖掘是决策支持工具中的重要组成部分。数据仓库直接为联机分析处理和数据挖掘提供数据源。在数据仓库基础上挖掘的知识通常以图表、可视化、类自然语言等形式表示出来，但所挖掘的知识并不都是有意义的，必须进行评价、筛选和验证，把有意义的知识放到知识库中，随着时间的推移将积累更多的知识。知识库根据挖掘的知识类型包括总结性知识、关联性知识、分类模型知识、聚类模型知识，这些知识通过相应挖掘算法得到。本论文是在长春康达智控公司软件研发部完成的。在公司期间参与了通化钢铁集团公司决策支持系统（TGDSS1.0）的研发工作。该软件系统分为联机分析处理（OLAP）和数据挖掘（DM）两个子系统，OLAP子系统的主要功能是通过IE（微软的INTERNET EXPLORE）或NETSCAPE等浏览器随时随地查阅商业数据，在线创建各类数据报表，及时发布和传递各种数据文件；DM子系统主要分析商业数据为高层决策提供及时而有价值的信息，其功能包括对底层商业数据预处理、挖掘模型建立、知识可视化呈现等。整个系统集成了数据挖掘（DM）、联机分析处理（OLAP）、可视化、WEB等技术。整个软件系统分四个层次体系，包括数据仓服务器层、数据挖掘服务器层、WEB服务器层和用户层等四个层次的体系结构。数据挖掘子系统主要基于微软的数据挖掘核心技术，以SQL Server Analysis Services为数据挖掘的服务平台，分别针对底层的关系型数据库和数据仓库中的多维数据立方体两种数据<WP=90>源建立可视化的挖掘模型，并将得到的挖掘模型以两种可视化形式展现给客户。本论文主要阐述与数据挖掘子系统相关的研究内容。针对通化钢铁集团公司决策支持系统（TGDSS1.0）中的数据挖掘子系统，主要做了以下方面的工作：首先阐述了数据挖掘的一些相关概念、模型结构、挖掘算法等内容，对数据挖掘的模型和算法等理论作了深入的研究，针对实际的业务需求将决策树算法应用到数据挖掘分类模型中；将可视化技术引入数据挖掘领域，从数据预处理、挖掘模型建立、模型验证与评估等整个数据挖掘流程中抽象出数据挖掘模型可视化的体系结构，并将其应用于数据挖掘子系统的研发过程中。其次根据数据挖掘模型可视化建立过程，针对关系型数据源开发客户端数据挖掘可视化分析工具---RDDMT（Relation Database Date Ming Tool）。在该挖掘工具的实现过程中，主要依托于Microsoft SQL Analysis Services 提供的数据挖掘服务，并集成多种可视化技术实现数据预处理、挖掘模型建立、模型展现等系统功能。最后基于多维数据立方体数据源开发了数据挖掘子系统---MDDMT（Muti-dimension Data cube Data Mining Tool）。该挖掘工具以Microsoft SQL Analysis Services 作为数据仓服务器，利用RDDMT预处理过的关系型数据建立多维数据立方体。第叁方客户端数据挖掘分析工具DBMiner 2.0通过Analysis Services提供的联机数据分析服务接口（OLE DB FOR OLAP）与多维数据立方体数据源建立连接通道，对数仓库中的多维数据立方体建立可视化的挖掘模型。在系统的实现过程中，通过DBMiner可以方便地对多维数据立方体进行联机分析处理和挖掘模型的可视化创建过程。在本论文中，主要提出了数据挖掘模型可视化的体系结构等；并严格依据数据挖掘系统的开发规程，针对通用的业务模型，完成了基于关系型数据和?
樊明辉[10]2006年在《空间数据挖掘及其可视化系统若干关键技术研究》文中研究表明数据挖掘技术已经成为解决“数据爆炸、知识贫乏”问题的有效手段，在地学数据分析领域引入数据挖掘与知识发现的概念、模式和方法，探讨适合地学应用的数据挖掘新方法，对于有效处理海量地学数据、提高地学分析的自动化和智能化水平具有重要意义。 可视化技术能为数据挖掘提供直观的数据输入、结果输出和挖掘过程的交互探索分析手段，提供在人的感知力、洞察力、判断力参与下的数据挖掘手段，从而大大地弥补了GIS重“显示数据对象”轻“刻画信息结构”的弱点，有力地提高空间数据挖掘进程的效率和结果的可信度，在地学领域，可视化与空间数据挖掘的结合已成为必然。 本文系统地讨论了基于数据仓库的空间数据集成技术，改进了空间关联规则、粗糙集和空间聚类算法，研究了契合上述挖掘算法的若干可视化技术，在此基础上，实现了一种开放式的“即插即用型”数据挖掘系统，并集成上述数据挖掘技术、可视化技术，形成一套可视化空间数据挖掘的理论框架、技术方法和原型系统。研究内容和结果可归纳为： (1) 阐述了空间数据集成和空间数据集成模型的相关理论和概念，对多源空间数据的集成模式进行了探讨。讨论了多源空间数据的一体化处理技术和多尺度空间数据的一体化处理技术，提出了基于数据仓库的数据集成总体框架，设计了一个基于Web的空间OLAP工具，并给出了具体的实现流程。 (2) 改进了Apriori算法，提出了一种基于映射的高效大项集关联规则发现算法MBAR。探讨了空间概念树和层次关联规则结合的途径，提出了基于概念树的多层次空间规则算法，给出了算法处理流程和应用实例。 (3) 探讨了应用于多准则决策分析的基于优势关系的粗糙集扩展模型，对该模型中已有的求核和知识约简算法进行了研究，提出了一个新的优势区分矩阵的定义，在该定义的基础上给出了相应的求核和求约简算法，给出了在属性约简之后提取优势规则的方法。 (4) 研究了基于空间邻接关系的空间聚类挖掘算法VSG-CLUST。该算法是一种基于图分割的可视化空间聚类算法，利用Delaunay叁角网工具和MST(最小生成树)将地理实体的邻接信息(空间相邻关系)加入并参与到空间聚类中。研究了利用多尺度的空间概念层次关系进行空间聚类挖掘的算法，将尺度因素作为一种约束条件施加于VSG-CLUST算法中MST的分割和修剪策略，即一种基于尺度约束的空间层次聚类挖掘算法。 (5) 讨论了基于OLAP的空间多维可视化方法，并给出OLAP多维可视化
参考文献：
[1]. 目标多维分析与评估中的可视化技术[D]. 蒋定华. 解放军信息工程大学. 2001
[2]. 多维环境与地球化学数据分析与可视化研究[D]. 史健婷. 中国科学院广州地球化学研究所. 2017
[3]. 关联规则可视化技术的研究及实现[D]. 易先卉. 湖南大学. 2008
[4]. 煤炭企业安全管理可视化方式研究[D]. 方毅芳. 中国矿业大学(北京). 2015
[5]. 模型驱动的网络数据的可视分析方法研究[D]. 刘玉华. 华东师范大学. 2017
[6]. 空间数据仓的构建及应用[D]. 郭加树. 中国石油大学. 2007
[7]. 非常规突发事件应急管理多元信息分层递阶可视化融合研究[D]. 靖鲲鹏. 燕山大学. 2013
[8]. 数据挖掘中多维数据可视化的研究[D]. 崔彬. 武汉理工大学. 2006
[9]. 数据挖掘模型可视化研究及其应用实例[D]. 齐金鹏. 吉林大学. 2004
[10]. 空间数据挖掘及其可视化系统若干关键技术研究[D]. 樊明辉. 中国科学院研究生院（遥感应用研究所）. 2006
标签：计算机软件及计算机应用论文; 数据挖掘论文; 关联规则论文; 可视化技术论文; 大数据论文; 空间数据论文; 可视化管理论文; 空间分析论文; 数据挖掘算法论文; 用户研究论文; 文本挖掘论文; 层次模型论文; 多维数据库论文; 技术与管理论文; 关系模型论文; 用户分析论文; 关系挖掘论文; 数据分析论文;