论文部分内容阅读
数据收集和获取技术的快速发展导致数据数量和维度不断增加,高维数据已经成为大数据的重要组成部分。关系复杂的高维数据中隐藏着大量有价值的信息,高维数据可视化可以帮助人们获取更深层次的规律,但由于高维数据可视化界面承载的信息量过大,数据信息的层次结构不够明显,造成了信息感知的低效率。因此,本课题主要通过总结高维数据特点和可视化特征,理清高维数据可视化的主要影响因素和逻辑关系,提出高维数据可视化的结构模型并最终指导应用与案例设计。首先,基于信息属性、统计学等相关理论解构了高维数据属性,并针对其包含的实体属性、关联属性和时空属性分别进行了定义和分析,帮助人们快速理解高维数据信息自身特征。其次,结合典型高维数据类型总结了其界面的主要特征,并基于用户认知特性以及典型任务,分析了用户在高维信息获取过程中出现问题的原因,提出了用户在高维数据可视化界面信息获取过程中的感知、注意、记忆以及思维需求,并结合三种高维数据典型任务类型建立了高维数据可视化用户认知模型。然后,基于高维数据的信息特性与用户的认知需求提出具体的设计方法,建立了全局观的高维数据“信息结构—可视化方法”映射模型,将高维可视化中核心的人机关系:信宿—“用户”、信源—“高维信息”、信道—“可视化界面”三者的认知关系进行层层对应,并从可视化结构、视觉以及交互三个方面进行了梳理和映射。最后,依据高维数据“信息结构—可视化方法”映射模型,选取《民宿房间信息》高维数据为例,结合论文提出的理论模型及分析方法,进行了可视化呈现应用。设计方案打破了传统高维数据的复杂界面形式,采用了用户自定义等数据过滤分层方式,保证了界面简洁的同时,充分考虑了高维数据用户操作行为与认知的特殊需求,同时结合渐进式反馈设计、容错设计、关联辅助工具设计以及系统化设计等策略,有效减少了用户在信息获取过程中的认知负荷。本课题的研究内容将填补高维数据用户认知模型和“信息结构—可视化方法”结构模型的理论空白,为以后高维数据可视化相关方面的研究提供一定的参考。