文献类型：期刊文章

作　　者：刘滨[1,2] 刘增杰[1,2] 刘宇[3] 李子文[4] 陈莉[5] 孙中贤[1,2] 王莹[1,2] 张一辉[1,2] 赵佳盛[1,2] 张红斌[6] 刘青[1,2]

LIU Bin;LIU Zengjie;LIU Yu;LI Ziwen;CHEN Li;SUN Zhongxian;WANG Ying;ZHANG Yihui;ZHAO Jiasheng;ZHANG Hongbin;LIU Qing(School of Economics and Management,Hebei University of Science and Technology,Shijiazhuang,Hebei 050018,China;Research Center of Big Data and Social Computing,Hebei University of Science and Technology,Shijiazhuang,Hebei 050018,China;Library,Hebei Professional College of Political Science and Law,Shijiazhuang,Hebei 050061,China;Hebei Institute of Laser Company Limited,Shijiazhuang,Hebei 050081,China;Air Force Early Warning Academy,Wuhan,Hubei 430019,China;School of Information Science and Engineering,Hebei University of Science and Techno-logy,Shijiazhuang,Hebei 050018,China)

机构地区：[1]河北科技大学经济管理学院,河北石家庄050018 [2]河北科技大学大数据与社会计算研究中心,河北石家庄050018 [3]河北政法职业学院图书馆,河北石家庄050061 [4]河北省激光研究所有限公司,河北石家庄050081 [5]中国人民解放军空军预警学院,湖北武汉430019 [6]河北科技大学信息科学与工程学院,河北石家庄050018

出　　处：《河北科技大学学报》

基　　金：国家文化和旅游科技创新工程项目(2020年度);河北省省级科技计划资助项目(20310802D,21310101D,20310701D);河北省社会科学基金项目(HB20TQ008);河北省高层次人才资助项目(A2016002015);河北省创新能力提升计划项目(20551801K);石家庄市科学技术研究与发展计划项目(19SCX01006,191130591A)。

年　　份：2021

卷　　号：42

期　　号：6

起止页码：643-654

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、DOAJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：数据可视化对于从海量数据中发现规律、增强数据表现、提升交互效率具有重要作用。目前,数据可视化的概念及相关研究领域不断扩展,就数据类型而言,可视化研究逐渐聚焦于多维数据、时序数据、网络数据和层次化数据等领域。通过对中国知网(CNKI)中外文文献进行分析可知:2014年、2015年是数据可视化领域研究热度升级、理论成果大量产出的"里程碑"式年份;中国大数据领域研究热潮形成后,数据可视化是迅速发展的一个重要支撑领域;国内外数据可视化领域的研究,在时间上基本同步,而武汉大学、浙江大学、北京邮电大学、国防科技大学、电子科技大学等都是在该领域研究活跃度较高的国内高校。要获得良好的视觉效果,帮助用户降低理解难度,高效分析数据和洞悉价值,通常还需要注意色彩与语义、突出核心数据、防止数据过载、防止思维过度发散等技术要点。现有的数据可视化技术主要分为基于几何技术、基于图标技术、基于降维技术、面向像素技术、基于时间序列技术、基于网络数据技术的数据可视化方法,以及层次可视化技术和分布技术等。基于几何技术的可视化方法,包括平行坐标、散点图矩阵、Andrews曲线等。基于坐标的可视化方法,可以清晰展示变量间的关系,但受限于屏幕尺寸,当数据维度超过3个时,难以直观显示全部维度,需要结合人机交互技术进行展示,适用于表达不同维度之间的相关关系,比如学生学习行为之间的关联关系等。基于图标的可视化方法,主要包括星绘法和Chernoff面法,以几何图形作为图标刻画多维数据,直观反映出图标各个维度所表示的意义,适用于工作完成情况、激励工作进度概览等。基于降维技术的可视化方法,根据维度属性确定点的坐标,在保持数据关系不变的前提下映射到低维可视空间中,主要涉及主成分�

关 键 词：计算机图形学 数据可视化 多维数据 时序数据 网络数据 层次化数据  

分 类 号：TP393]