基于上下文情境的网络可视化布局与交互技术研究

来源 :西南科技大学 | 被引量 : 0次 | 上传用户:whenhm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着网络科学的不断发展,网络分析被广泛应用于各个领域,帮助分析复杂系统中的实体关联、异常勘探、传播模式、预测等,而网络可视化是进行网络分析高效直观的途径。复杂系统中实体间的关联模式与属性密切相关,对于由实体对象及其属性共同构成多元网络(multivariate networks,MVNs)进行可视分析也相较于仅考虑拓扑结构或单一属性的网络存在更多挑战。多元网络可视分析在网络布局和交互分析中面临以下挑战性问题:在布局方面,如何兼顾网络拓扑结构和属性的呈现;在交互分析方面,如何应对不断增大的网络规模,提供引导式交互帮助用户快速定位目标对象。针对以上问题,本文从多元网络可视化布局和交互两方面进行研究,提出多维度空间布局方法和基于上下文情境的渐进式交互方案。基于该布局方法和交互方案,设计并实现了一个多元网络可视分析系统,可同时提供全局网络、社区网络和局部网络不同粒度的拓扑上下文进行对比、关联分析。本文的主要工作内容包括:(1)布局方面,针对多元网络在单一维度布局的局限性和对多元属性编码的复杂性,提出结合3维、2.5维和2维的多维度空间网络拓扑布局方法:对传统的力导向布局进行改进,实现基于社区结构的3维力导向布局(Louvain-3D FDA),用于呈现多元网络整体结构;引入边绑定算法优化2.5维布局,以拓扑层级表征多元属性;采用传统2维布局呈现多元网络局部拓扑;提出多维度空间布局变换方法以保持3种维度空间中的拓扑上下文一致性。该布局方法在三个数据集上获得了满意的布局实验和可视分析。(2)交互方面,针对网络规模的增大以及传统的网络可视分析工具缺乏交互探索引导性,提出基于上下文情境的渐进式交互方案。该交互方案基于自上而下的交互原则,引导用户从全局到局部进行网络分析,并在分析过程中,结合多粒度拓扑上下文分析情境完成多个拓扑上下文的对比和关联分析。(3)基于上述的布局方法和交互方案,设计并实现了一个多元网络可视分析系统Multi-Net Vis。系统基于多维度空间网络拓扑布局方法设计拓扑分析模块;基于渐进式交互方案设计交互模块;同时结合网络的重要特征属性设计属性分析模块。用户可通过导入不同网络数据进行可视分析,本文选取了2种数据集对系统的应用场景进行展示,并设计对比评估实验从多个角度对该系统进行评估。
其他文献
随着基建技术的发展,越来越多的大型构筑物被投入使用,并且伴随着使用年限的增长及使用过程中的疲劳使用和自然灾害等一系列因素,造成构筑物表面或多或少的会出现一些损伤,传统检测手段往往是利用人工完成,对工人的人身安全有着极大的考验,并且还存在部分大型构筑物的巡检部位人工很难到达,因此现代化、智能化检测方式的需求变得日益迫切。本文以数字图象为基础,研究构筑物表面损伤检测技术,利用深度学习方法实现构筑物表面
学位
近年来,深度学习技术的快速发展为图像处理带来了新的机遇,特别是在图像分割、图像识别、图像理解等方面。图像分割是将图像中边缘、区域等特征提取出来,支撑图像处理下游任务,在学术界和工业界受到广泛关注。全景分割融合了图像分割的语义分割与实例分割结果,在图像深入理解场景,如视频监控、自动驾驶、医学图像诊断等发挥了重要作用。全景分割完成对图中的所有物体的背景进行检测与分割,主要分为特征提取、语义与实例分割、
学位
图表示学习将图中节点从高维、稀疏的网络空间映射到低维、稠密的向量空间,映射过程中保持原始的网络结构并支持图推理。通过图嵌入得到的向量规范性更强,可直接作为下游如节点分类、链接预测或可视化等机器学习任务的输入。图表示学习在链接预测任务上效果良好,但在节点分类任务中表现不佳,这是由于节点类别通常与领域内节点的拓扑结构、重要性特征、属性特征及其类别标签信息密切相关。针对节点分类的图表示学习做了如下研究:
学位
开放关系抽取能在不预设关系词表的情况下,对语料进行灵活的关系抽取,快速对知识进行有效的组织、整理。然而开放关系抽取的语料通常包含大量结构复杂的文本。现有的开放关系抽取方法在抽取这类复杂文本时,效果较差,主要存在如下问题。一是句子结构复杂,难以分析出准确的句法分析结果为开放关系抽取提供数据支持。二是复杂文本中的实体词通常是由多个词语构成的名词短语,识别难度较大。三是复杂文本存在关系重叠的现象,以往的
学位
自从进入21世纪以来,全球变暖一直是人们讨论的热门话题,全球年均气温在十年间仅仅上升0.03℃,正是这个极小数据的出现,使人们对“全球变暖”持怀疑态度。研究全球温度变化需要有长时间的观测数据做支撑,目前主要存在如下问题:一是气候数据搜集面临数据体量大,质量低,技术、勘测等种种困难;二是影响气候属性成分越来越复杂,现有模型难以准确预测气候变化;三是极端天气气温相对整体平均温度差别较大,处理困难,对全
学位
目前大量涉及自动驾驶汽车的事故,表明自动驾驶系统软件仍然存在严重的可靠性和安全性问题,对其进行充分有效的测试具有重要的研究意义。对现有自动驾驶系统测试方法的调研发现,很多测试方法并没有完全覆盖真实的驾驶场景,同时合成测试场景图像质量也有待提高。为此,本文利用深度学习技术合成接近真实的复杂场景图像,应用蜕变测试检测被测试自动驾驶系统的潜在缺陷,以达到有效保障自动驾驶系统软件质量的目标。本文的主要研究
学位
聚类算法是机器学习中最常见的无监督学习算法之一,在现代数据科学中发挥着重要的作用。传统聚类算法的主要任务是根据某些特定的规则将相似度高的数据对象划分到相同的簇。当数据对象的某些属性(例如性别,种族等)需要在每个簇中保持平衡时,传统的聚类算法不再适用,这种聚类任务被称为公平聚类。尽管机器学习界近些年在算法公平性问题上做了大量的研究工作,但是对于聚类算法公平性的认识仍处于起步阶段。针对当前公平聚类研究
学位
根据2021年《全球移动市场报告》调查所示,2021年全球的手机用户达到了39亿。大量的手机用户,产生了大规模的通信数据;主要包括网络接入数据、呼叫详情记录(Call Detail Record,CDR)等。其中CDR数据中包含了用户的时间和空间信息。这些为研究城市中公民的移动行为分析提供了基础。但是CDR数据有着规模大、时间跨度长、离散程度大等特点,很难直接进行研究分析。可视分析技术可以将数据映
学位
流场数据中往往包含了速度、涡量、压力和温度等多方面的流场信息,它们之间的关系是理解流体流动问题的关键,并且不同空间区域的流场特征、规律存在差异,致使单个用户进行流场数据分析的质量和效率不容乐观,需要团队共同提供新的思路和解决方案,以提高流场分析的效率和结果的正确性。现有工业级流场可视化软件(Ensight,Paraview等)虽然具备一定的团队协同能力,但是其支持的协同模式单一,不能满足现阶段流场
学位
视觉故事生成是最近兴起的一个研究方向,旨在从一个离散图像序列生成主题一致、情节连贯和表达丰富的故事,并在文学创作及教育行业具有广泛的应用价值,不仅可以减少文字工作者的工作量,同时也可以为少儿教育及考试提供丰富的素材;研究视觉故事生成对多模态文本生成任务的发展也有促进作用。由于图像序列中的各图像间可能不具有直接相关性,挖掘图像之间的关联性较为困难,目前方法生成的故事主要存在主题不一致、情节连贯性差、
学位