基于Web的可视化数据挖掘分析平台及可视化度量模型的研究与实现——树图可视化技术的度量模型研究

摘要

“大数据”已成为近年计算机信息技术行业关注的热点。如何利用现有技术挖掘出数据背后隐藏的丰富信息，进而创造更高的经济价值，是大数据发展的问题之一。可视化挖掘技术以图形图像的方式表现数据，使不具备数据挖掘专业知识的普通用户也能参与到信息挖掘的工作中，而且良好的交互操作也便于用户对数据的各种探索。目前种类繁多的可视化技术从实现原理、表现形式、适用对象等方面都存在不同。因此，科学地评测这些技术已成为可视化技术发展的关键。
　　本论文通过分析树图可视化技术的基本思想、布局算法、交互设计、视觉表现、适用范围等特征，构建了一个针对树图可视化技术的度量模型，同时设计实现了基于WEB的树图可视化及其度量评价系统，初步完成了对树图可视化技术的综合评价。主要的研究工作有以下三点:
　　1.分析了树图可视化的图像特征及优缺点，从数据对象规模、用户认知复杂度、视觉效果及表现三个方面，提取了影响树图可视化应用效果的八个度量指标，并采用层次分析法计算各度量指标的权重值，建立了树图可视化技术的度量模型。
　　2.根据提出的度量模型，设计并实现了树图可视化及其评价系统，主要包括数据预处理模块、树图可视化模块和度量评价模块。该系统支持JSON和XML两种类型的数据文件，实现了Slice-and-dice、Squarified、Strip和Spiral四种树图布局算法及其度量测评。
　　3.运用系统提供的四种树图算法对几组不同类型的实验数据集进行可视化，并分别对各组的可视化结果进行度量。通过对度量结果进行横纵对比，验证了该度量模型的合理性和有效性。实验结果表明，该度量模型可用于评价不同树图布局算法的优缺点，帮助用户对不同的数据集选择最优的树图表现形式。
　　本文以树图为研究对象建立的度量模型，在一定程度上解决了树图的定量评价问题，该结果有助于今后树图的理论研究和实际应用。

目录

声明

致谢

摘要

1 引言

1．1 论文选题背景

1．2 国内外研究现状

1．3 本文的研究内容及主要工作

1．4 论文组织结构

2 可视化技术及其评价研究

2．1 可视化技术

2．1．1 可视化技术综述

2．1．2 可视化技术的分类及比较

2．1．3 树图可视化技术

2．2 可视化技术的评价

2．2．1 可视化技术的评价及度量模型研究

2．2．2 多指标评价方法

3 树图可视化度量模型

3．1 树图可视化度量模型的研究背景及目标

3．2 树图可视化度量模型的指标提取

3．3 层次度量模型的建立

3．4 各度量指标的计算方法

3．4．1 数据对象规模指标类

3．4．2 用户认知复杂度指标类

3．4．3 视觉效果及表现指标类

3．5 度量指标的权重计算

3．5．1 二级指标集的层次单排序

3．5．2 三级指标集的层次单排序

3．5．3 三级指标集的层次总排序

3．6 建立树图可视化度量模型

4 树图可视化评价系统

4．1 系统的概述及系统目标

4．2 系统功能设计

4．2．1 数据预处理模块

4．2．2 树图可视化及交互模块

4．2．3 树图可视化的度量测评模块

4．3 树图布局算法实现

4．3．1 Slice-and-dice布局算法实现

4．3．2 Squarified布局算法实现

4．3．3 Strip布局算法实现

4．3．4 Spiral布局算法实现

4．4 主要度量指标的实现

4．4．1 数据维度指标的实现

4．4．2 数据密度指标的实现

4．4．3 矩形正方度指标的实现

4．4．4 可读性指标的实现

4．4．5 连续性指标的实现

4．4．6 稳定性指标的实现

4．5 评分体系的实现

5 树图可视化度量模型的实验验证

5．1 单层数据集的树图可视化及横向对比

5．2 多层数据集的树图可视化及横向对比

5．3 实际数据集的树图可视化及横向对比

5．4 主要度量指标的纵向对比

5．4．1 数据对象规模指标类的对比

5．4．2 用户认知度指标类的对比

6 结论

6．1 研究总结

6．2 工作展望

参考文献

作者简历

学位论文数据集