可视电话门铃【可视电话技术论文】

　　可视化理论历经二十多年的发展，形成了众多的方法和技术，每一种分类方法都难以概其全貌。下面是小编为大家精心推荐的可视电话技术论文，希望能够对您有所帮助。

　　可视电话技术论文篇一

　　可视化技术简述

　　摘要：可视化理论历经二十多年的发展，形成了众多的方法和技术，每一种分类方法都难以概其全貌。《可视化简述》从现有的分类方法入手，介绍每一种分类方法的特点，帮助读者厘清方法与技术的区别与联系，系统掌握可视化理论发展的脉络，为进一步深入研究可视化理论提供参考，同时利于读者合理的设计可视化需求，更加有效的实现可视化目的。

　　关键词：可视化;概述;处理对象;数据类型;数据分析

　　中图分类号：TP391.41文献标识码：A文章编号：1009-3044(2012)06-1402-06

　　The Summary of Visualization Theory

　　ZHU Yao-hua, HAO Wen-ning, CHEN Gang

　　(Engineering Institute of Corps of Engineers, PLA University of Science & Technology, Nanjing 210007, China)

　　Abstract: There are forming too many methods and techniques of Visualization with the development in the past two decades. But each kind of classification is hard to contain the whole of Visualization. This paper introduces the characteristics of every kind of classification, provides reference for the further research, to help readers to distinguish the difference and contact between method and technology, and to understand the development of visualization in all round.

　　Key words: visualization; summary; handling objects; data types; data analysis

　　“可视化”(visualization)其实质是利用计算机的图形图像处理技术，把各种数据信息转换成合适的图形图像在屏幕上展示出来。这一过程涉及到图形学、几何学、辅助设计和人机交互等领域知识。

　　在20世纪上半叶，人们就已经利用多种统计表格和图形这些相对原始的可视化技术来分析各种数据。在1986年10月，美国国家科学基金会在其举办的“图形、图像处理和工作站”讨论会上，“科学计算可视化”的概念第一次被正式提出。1987年，由布鲁斯・麦考梅克等人所编写的美国国家科学基金会报告《Visualization in Scientific Computing》[1]，对可视化技术领域产生了大幅度的促进和刺激。人们不但利用医学扫描仪和显微镜之类的数据采集设备产生大型的数据集，而且还利用可以保存文本、数值和多媒体信息的大型数据库来收集数据。因而，就要高级的计算机图形学技术与方法来处理和可视化这些规模庞大的数据集。二十世纪90年代初期，人们发起了“信息可视化”的研究领域，其支持抽象的异质数据集的分析工作。因此，目前人们正在逐渐接受这个同时涵盖科学可视化与信息可视化领域的新生术语“数据可视化”。

　　1基于处理对象及目的的分类

　　随着可视化技术的发展，逐渐形成了一些分类，通常情况下，人们习惯于将可视化分为以下四类：科学计算可视化、数据可视化、信息可视化和知识可视化。这四类可视化的主要区别在于可视化处理对象以及目的的不同。科学计算可视化主要用于处理科研领域实验产生和收集的海量数据，力求真实的反应数据原貌，利于模拟实验的进行;数据可视化较为笼统，一般用于处理数据库和数据仓库中储存的数据，目的在于以可视化的方式呈现数据，利于使用者观察;信息可视化抽象层次较高，其目的主要在于让使用者方便地发现数据内部隐藏的规律;知识可视化则主要表现领域知识，使已有的知识能够更加迅速有效的在人群中传播。

　　1.1科学计算可视化

　　科学计算可视化也可称作科学可视化，是指通过运用计算机图形图像处理等相关技术，将科学计算过程中得到的大量数据转换为适当的图形界面显示出来，并能进行人际交互处理的一系列理论、方法和技术。

　　随着可视化技术的发展，科学计算可视化也出现了一些分支方向，如体可视化、流场可视化。

　　可视化概念扩展到测量数据和工程数据等空间数据场时，衍生出了空间数据场可视化，一般称之为体可视化(Volume Visualiza? tion)。体可视化技术主要研究如何表示、绘制体数据集，以观察数据内部结构，方便理解事物的复杂特性。体数据集存在于很多领域，如工程建筑和气象卫星测量的空间场，超声波探测工业产品和核磁共振产生的人体器官形成的密度场，地震预报的力场，以及航空航天实验和核爆炸模拟等大型实验产生的速度场、温度场数据等，使得体可视化技术应用广泛。

　　流场可视化技术是流体力学的重要组成部分，是科学计算可视化的分支之一。流场可视化技术的形成与发展有力的促进了计算流力学(Computational Fluid Dynamics)研究的深入。流场可视化技术用箭头、流线和粒子跟踪技术研究二维流场，重现计算流力学中的向量场和张量场数据。

　　科学计算可视化应用广泛，气象预报、医学图像处理、物理、油气勘探、地学、有限元分析、生命科学等众多领域都已经离不开科学计算可视化了。下面几幅图是科学计算可视化的一些典型应用，图1是美国国家海洋和大气局的预报系统实验室开发的三维可视化软件生成的图像，有效的让气象工作者从大量的二维图像计算中解脱出来，从而可以让精力集中于预报所需的实际数值。图2是美国航空航天局阿姆斯研究中心的航空航天数字模拟设备构筑的“虚拟风洞”，该技术基于三维交互特性，为分析非定常流动中的复杂结构提供了直观的研究环境。图3是英国的PGS Tigress公司开发的可视化软件生成的图像，其可以进行地震数据处理、测井评估以及模拟油气存储和生产的过程，在相关领域得到了广泛的应用。

　　1.2数据可视化

　　一般认为，数据可视化是指对大型数据库或者数据仓库中的数据进行可视化。这使得用户可以不再局限于通过关系数据库来分析处理数据，能以更加直观的方式来观察研究数据。广义的数据可视化则在一定程度上或全部包含了科学计算可视化、信息可视化和知识可视化。数据可视化的一般模型如下图所示：

　　数据可视化借助于计算机的快速处理能力，并结合计算机图形图像学方面的技术，能够把海量的数据以图形、图像或者动画等多种可视化形式更加友好的展现给人们。其中，丰富的交互手段能够显著改善用户的使用体验，是可视化技术的价值倍增器。用户可以通过人机交互的手段对显示数据进行分类、筛选，并控制图表的生成，便于以最佳的方式看到想要的数据。人机交互使得数据可视化技术更利于发现数据背后隐藏的规律，为人们分析使用数据、发现规律获取知识提供了强有力的手段。图5是某银行的一个数据可视化示例，利用Xcelsius软件制作，后台数据是近10年中每个月份的银行各种业务统计数据，通过数据可视化展现后，可以以饼图、柱形图、折线图以及雷达图等多种形式观察数据，各种业务的市场表现规律清晰明了，并可以通过按钮、单值指示器切换不同业务的数据展示，极大的方便了银行业务决策。

　　图5某银行数据可视化示例

　　数据可视化经过20多年的发展，形成了多种技术，这里简单做一介绍。

　　1)基于几何的可视化技术，包括散点图、解剖视图、平行坐标法以及星形坐标法等。该技术主要通过几何学的方法来表示数据。

　　以星形坐标法(如图6)为例，它可以在二维平面上显示出n维的空间数据。其原理是将n维的空间数据参照建立的坐标轴映射到二维平面上，每一维对应到一条坐标轴上，坐标轴在平面上交与一点。映射之后，n维的空间数据通过二维平面上的一个点来表示。

　　图6星型坐标法

　　2)面相像素技术(也称密集像素技术)。其原理是通过一个彩色的屏幕像素来表示一个数据项，并把代表每一个数据的像素归纳入临近的区域。用像素点来表示数据，面临的主要问题是如何合理有效的安排这些像素。该技术针对不同的可视化对象采取不同的方式来安排像素，最终的显示结果能够对数据局部关系、依赖性和热点分布情况提供较为详细的信息。比较著名的像素安排方式有递归模式技术和圆周分段技术。

　　3)基于图标的技术。其原理是通过一个图标的各个部分来表示n维的空间数据。图标可以是“枝形图”、“针图标”、“星图标”和“棍图标”等。该技术适用于那些在二维平面上具有较好展开属性的n维的空间数据集。以星图标技术为例(如图7)，一条射线表示一个维的数据，射线的长短表示数据的大小，射线的条数即数据维数，射线起点相同，夹角想通，端点由折线段相连。

　　图7星图标表示数据

　　4)基于层次的可视化技术。其原理将n维的数据空间划分成若干子空间，同样以层次结构的方式组织这些子空间，并用平面图形将其表示出来。该技术主要用于那些具有层次结构的数据，如文件目录、单位编制结构数据等。树图是其代表技术(如图8)。1.3信息可视化

　　信息可视化(Information Visualization)主要是指利用计算机支撑的、交互的对非空间的、非数值型的和高维信息的可视化表示，以增强使用者对其背后抽象信息的认知[2]。信息可视化技术已经在信息管理的大部分环节中得以应用，如信息提供的可视化技术、信息组织与描述以及结构描述的可视化方法、信息检索和利用的可视化等。

　　信息可视化的框架技术还可以分为三种：映射技术、显示技术和交互控制技术[3]。映射技术主要是降维技术，如因素分析、自组织特征图、寻径网(Pathfinder)网、潜在语义分析和多维测量等。显示技术把经过映射的数据信息以图形的形式显示出来，主要技术有：Focus+Context、Tree-map、Cone Tree和Hyperbolic Tree等。交互控制技术通过改变视图的各种参数，以适当的空间排列方式和图形界面展示合理的需求数据，从而达到将尽可能多的信息以可理解的方式传递给使用者，主要技术有：变形、变焦距、扩展轮廓、三维设计和Brushing。

　　信息可视化的典型工具有：Prefuse、CiteSpace、VitaPad和IVT。

　　下面三幅图是信息可视化技术的应用示例，图8是树图的一种表达方式;图9是鱼眼技术的应用，凸显选中的节点，缩小其他节点;图10是一种树结构浏览方式，选中一个节点后，就只向节点后展开两层，使用者可以很容易的知道自己所处浏览的位置。

　　1.4知识可视化

　　知识可视化(Knowledge Visualization)主要是指通过可视化技术来构建和传递各种复杂知识的一种图解手段，以提高知识在目标人群中的传播效率。

　　知识域可视化(Knowledge Domain Visualization)是指对基于领域内容的结构进行可视化，通过使用多种可视化的思维、发现、探索和分析技术从知识单元中抽取结构模式并将其在二维或三维知识空间中表示出来，即对某一知识领域的智力结构的可视化[4]。

　　图10 Tree View知识域可视化技术可以帮助使用者快速进入新的知识领域并对其有一个总体上的直接理解，能使使用者更加高效的认识到感兴趣的领域概念及概念间的关系。

　　目前知识域可视化的研究对象具体表现为对某知识领域的科技文献，一个知识域可以用一组词来限定。研究方法主要有共引法、共词法、空间向量矩阵、自组织特征图和寻径网等。1.5几种可视化方法比较

　　科学计算可视化技术开创以来，现代可视化技术得到了长足的发展，逐渐形成数据可视化、信息可视化和知识可视化，四种可视化技术相互联系又互有区别。其处理对象从数据到知识是一个越发抽象的过程，数据是信息的载体，信息是数据的内涵，而知识又是信息的“结晶”[5]。数据、信息、知识以及智慧(Data、Information、Knowledge、Wisdom，DIKW)至今没有一个明确的普遍认可的定义，它们是相对的且依赖于所处环境的[6]，Zeleny[7]认为DIKW金字塔最能准确表达四者之间的相互关系，数据是塔基而智慧是塔尖，Ackoff[8]认为贯穿于DIKW金字塔之间的核心因素是“理解”(understanding)，只有通过“理解”，才能从塔基升华到塔尖。

　　实际上，四种可视化技术之间的关系正如图11所示[9]，它们之间没有明显的界限，从广义上看科学计算可视化则从属于数据可视化，数据、信息和知识在一定程度也是相通的，因此它们彼此都有交叉。

　　图11常见可视化类型之间关系

　　2基于数据类型的分类

　　由本・施奈德曼(Ben Shneiderman)[10]概述的按照数据类型进行归类，可以将数据分成以下七类：一维数据、二维数据、三维数据、多维数据、时序数据、层次结构数据和网络结构数据等。从而将可视化分为如下七类：2.1一维数据可视化

　　一维数据即线性数据，如一列数字、文本或者计算机程序的源代码等。文本文献是最常见的一维数据，通常情况下文本文献不需要进行可视化。

　　计算机软件是一种特殊形式的一维数据，软件维护过程中需要分析大量的程序源代码，并从中找出特定的部分，因此有必要对其进行可视化。美国贝尔实验室的Eick等人利用可视化系统SeeSoft实现了对百万行以上的程序源代码进行可视化。SeeSoft系统可以用于知识发现、项目管理、代码管理和开发方法分析等领域，曾被成功用于检测大型软件源代码中与“千年虫”有关的问题代码。

　　2.2二维数据可视化

　　二维数据指包括研究对象两个属性的数据。用长度和宽度来描述平面物体尺寸，用X轴和Y轴来表示物体位置坐标，以及各种平面图都是二维数据的表现形式。最常见的二维数据可视化示例当属地理信息系统(GIS)，地理信息的数据可视化极大的满足了人们对地理信息的需求，各种基于位置的社交类软件在电脑和智能手机领域如雨后春笋般繁荣起来，也从一个侧面反映出二维数据可视化的重要性。

　　2.3三维数据可视化

　　三维数据指包括研究对象三个属性的数据。相对于一维的“线”和二维的“面”，三维引入了“体”的概念。三维数据可视化在建筑、医学等领域应用广泛，很多科学计算机可视化也属于三维数据可视化，通过计算机用三维可视化方法模拟现实物体，帮助研究人员进行模拟实验，能有效的降低成本、提高效益。

　　2.4多维数据可视化

　　多维数据指研究对象具有三个以上属性的数据。多维信息已经难以在平面或空间中构建出形象的模型，因此人们对多维数据的认知也相对困难。现实生活中有着大量的多维数据，例如学校里的学生信息，其中包含姓名、性别、民族、年龄、专业、班级、地址等。美国马里兰大学人机交互实验室开发了一个动态查询的框架结构软件HomeFinder，该软件可以连接华盛顿特区的售房数据库，使用者可以选择按照价格、面积、地址和房间数量等进行可视化的动态排序。

　　2.5时间序列数据可视化

　　时间序列数据指那些具有时间属性的数据，也称时序数据。时序数据容易反映出事件前后发生的持续情况。学者Liddy建立了一个从文本信息中抽取时间信息的系统SHESS，该系统可以自动生成一个知识库，该知识库能够聚集关于任何已命名的实体信息，并且按照时序组织这些知识，时序覆盖知识库的整个周期。

　　2.6层次结构数据可视化

　　层次结构是抽象数据信息之间一种普遍的关系，常见的如单位编制、磁盘目录结构、图书分类方法以及文档管理等。描述层次结构数据的传统方法是利用目录树，这种表示方法简单直观，然而对于大型的层次结构数据而言，由于层次结构在横向和纵向的扩展不成比例，树结构的分支很快就会交织在一起，显得混乱不堪。在对层次结构数据可视化研究的过程中出现了一些新的方法，如1.3小节中提到的Tree-map等。

　　Xerox PARC的科研人员开发了Cone and Cam Trees。该方法用三维空间来描述层次信息，根节点放置在空间的顶端或者最左端，子节点均匀的分布在根节点的下面或者右面的锥形延展部分。Cone and Cam Trees可以动态的显示，当使用者点击了某个节点时，该节点就会高亮显示，同时树结构将该节点旋转到图形的前方。一个完整的Cone and Cam Trees图形能够持续旋转，便于使用者观察大型层次等级结构信息，进而理解其中的关系。研究人员在单独的一个屏幕范围内创造的Cone and Cam Trees图形能够描述80页书本的有组织内容。2.7网络结构数据可视化

　　网络结构数据没有固定的层次结构，两个节点之间可能会有多种联系，节点与节点之间的关系也可能有多个属性。网络信息不计其数，分布在全球各地的网站上，彼此之间通过超链接交织在一起，其规模还在继续膨胀。如何方便有效的利用网络信息，成为一个迫切需要解决的问题。

　　数据可视化的概念范围较大，也有认为这七类可视化更是信息可视化的细分[11]。信息可视化是近年来提出的一项新课题，其研究对象以多维标量数据为主，研究重点在于设计合理的显示界面，便于用户更好的从海量多维数据中获取有效的信息。

　　3基于可视数据分析技术的分类

　　由Daniel Keim[12]提出的基于可视数据分析技术的分类方法，从数据类型、可视化技术和交互技术的角度来分析研究可视化的分类方法。事实上，这三个要素即是数据可视化的主要组成部分。图12描述了这三要素的具体内容[13]。

　　数据类型和可视化技术在上文中分别都有介绍。交互和变形技术越来越是可视化技术中必不可少的一项技术，它使用户能够直接生动的与可视化视图进行交互，并根据用户研究重点的变化动态的跟进改变视图呈现方式。用户根据研究对象的相关知识和具体需求可以通过交互变形技术使可视化视图以多种不同的效果来进行展示，方便从多角度对数据信息进行分析观察，从而达到更好的使用效果。

　　4结束语

　　以上列举三种可视化分类方法，这三种分类方法比较典型，具有很强的代表性，事实上还有Ed H Chi[14]提出的基于数据状态模

　　型的分类方法等。可视化理论历经了20多年的发展形成了多种方法和技术，已经难以用某一种分类方法去包罗所有，它们的共同

　　特点都是利用相关的计算机技术来进行分析并合理显示数据，然而其概念众多，研究重点也不尽相同，实现方法则更是多种多样。可视化分类方法可以用来实现需求与可视化技术的匹配[15]。它可以指导使用者选择合适的可视化方法并利用合理的技术来实

　　现不同的目的。本文首先从基于处理对象及目的对可视化方法进行分类，这是最常见的分类方法，并介绍了一些常见的可视化技

　　术;然后介绍了基于数据类型的分类方法，这种分类方法同样较为常见，而实现技术则跟分类方法没有太大关系;最后介绍了基于

　　可视数据分析技术的分类方法，这种方法将之前介绍的可视化技术以及数据类型跟交互和变形技术结合在一起，这种分类方法能

　　够让使用者从宏观上把握可视化分类，并系统的认识可视化技术，加强了可视化类型和可视化技术之间的联系。

　　参考文献：

　　[1] Mccormick B H,Defanti T A,Brown M D,et al.Visualization in Scientific Computing[J].Computer Graphics,1987,12(6):1103-1109.

　　[2] Chen Chaomei.Mapping Scientific Frontiers: The Quest Knowledge Visualization[M].Singapore:Springer-Verlag London Ltd,2003.

　　[3]李淑丽.信息可视化工具的比较研究[D].哈尔滨:黑龙江大学,2006:10-13.

　　[4]周宁,张李义.信息资源可视化模型方法[M].北京:科学出版社,2008:244-250.

　　[5]张卓,宣蕾,郝树勇.可视化技术研究与比较[J].现代电子技术,2010(17):133-137.

　　[6] Dong Hyun Jeong.Knowledge Visualization: From Theory to Practice[D].North Carolina:The University of North Carolina,2010.

　　[7] Zeleny M.Management support systems: Towards integrated knowledge management[J].Human Systems Management,1987(7):59-70.

　　[8] Ackoff, R L.From data to wisdom[J].Journal of Applied Systems Analysis,1989(16):3-9.

　　[9]刘波,徐学文.可视化分类方法对比研究[J].情报杂志,2008(2):28-30.

　　[10] Shneiderman B.The Eyes Have It: A Task by Data Type Taxonomy for Information Visualizations[C]//IEEE Symposium on Visual Lan? guages’96,Los Alamos,CA,1996:336-343.

　　[11]芮小平.空间信息可视化关键技术研究[D].北京:中国科学院研究生院,2004:7-8.

　　[12]Keim D A.Information Visualization and Visual Data Mining[C]//IEEE Transactions on Visualization and Computer Graphics,2002,7(1): 100-107.

　　[13]翟旭君.基于平行坐标的可视化数据挖掘技术研究[D].北京:清华大学,2004:3.

　　[14] Chi Ed H.A Taxonomy of Visualization Techniques Using the Data State Reference Model[C]//Proceeding of the IEEE Symposium on In? formation Visualization 2000(InfoVis’00),2000.

　　[15] Wenzel S,Bernhard J,Jessen U.A Taxonomy of Visualization Techniques for Simulation in Production and Logistics[C]//Proceeding of the 2003 Winter Simulation Conference,2003:729-736.

点击下页还有更多>>>可视电话技术论文