导读:本文包含了大图可视化论文开题报告文献综述及选题提纲参考文献,主要关键词:网络结构,大图生成,大图可视化
大图可视化论文文献综述
刘益成[1](2018)在《网络结构大图生成及可视化研究》一文中研究指出在互联网+的时代,计算机网络发展也是异常迅猛,网络结构的异构性、动态性、复杂性、发展的非集中性以及时变性等特征都给网络结构分析研究带来了巨大的挑战。要及时、快速、正确、完整地获取网络拓扑信息,生成清晰稳定的拓扑图,以图形方式将网络结构中的节点和连接状况清晰展现出来,为用户理解、分析目标网络的整体状况和发现存在于网络拓扑的潜在规律是网络结构可视化的研究重点和难点内容。网络拓扑发现和显示是现代网络管理的首要工作,借助网络拓扑结果可以了解当前的网络运行状态、判断网络拥塞、定位网络瓶颈、发现网络故障并分析发生的原因和位置,从而实现对整个网络的运行状态进行及时有效的监测和控制。论文针对大规模网络节点数目庞大、结构复杂性高,有限的屏幕空间难以展示其结构特征等问题,利用大图生成、大图可视化和交互技术设计并开发网络结构交互式可视分析系统,充分利用人的视觉感知能力,将网络结构数据以图形化方式展示出来,借助直观的图形交互方式快速有效地分析挖掘网络结构特征和属性特征,清晰呈现网络拓扑的整体结构和细节信息;设计多样化的网络布局方式与特征呈现方式,保证用户认知过程的连续性,提高认知效率;借助多维关联对比、多视图多尺度协同分析等交互分析手段以用户的先验知识为基础进行数据筛选与过滤,实现对大规模网络拓扑结构的特征挖掘和演化过程分析,从而对网络数据拓扑结构及其特征分析结果建立立体感知模型,提高用户对大规模网络数据拓扑结构及其演变过程的分析效率和准确率。网络拓扑结构可视化将网络节点的连接关系以点和线等构成的图形图像进行呈现,能够清晰直观地反映网络运行状况,辅助人们对网络节点、链路等各方面进行评估、预测和分析,有效地认识和了解网络内部信息、规律和变化。(本文来源于《西南科技大学》期刊2018-11-01)
崔立平[2](2015)在《面向大图迭代计算的大图可视化的研究与实现》一文中研究指出随着Facebook,Twitter等网站的兴起,社交网络的规模日趋复杂和庞大。通常,如何从这些庞杂的网络信息中挖掘出有潜在价值的模式和结构是数据挖掘领域中富有挑战性的热点话题之一。为了处理如此规模庞大的图数据,一些大图处理平台应运而生,比如Pregel、Giraph、Graphlab等,这些系统都是BSP模型,BSP程序从开始到结束要经过N个超步。但是在迭代计算过程中,图的结构和顶点的值、标签的变化对用户是不可见的,为了使用户能够更好的理解大图迭代计算的过程,辅助用户分析大规模的图数据,挖掘数据中隐藏的信息,本文提出了面向大图迭代计算过程的可视化。此外,本文将图数据分为静态数据和动态数据,为了能够实现迭代计算过程的可视化,首先需要实现静态数据的可视化,但是目前的图可视化系统所能显示的图数据的规模是有限的,并且经常会出现运行时间较长、可视化效果不佳和空间利用率低等问题。所以本文提出了大图分层可视化的模型,设计并实现了大图可视化系统和面向大图迭代计算的可视化,本文的贡献如下:(1)设计并实现了基于分层的大图可视化系统。首先,本文通过分析传统的标签传播算法,提出了一种标签传播策略,设计了一种快速、高效的大图聚类算法;然后依据聚簇合并后的模块度大小,提出了小聚簇的合并策略;将这两个算法作为大图可视化系统的预处理过程的依据,最终实现了基于分层的大图可视化系统。(2)本文在分析传统力导向布局算法和图可视化系统分层显示的特点的基础上,提出了基于边权的力导向布局算法,并使用Bary-Centralizing算法来优化初始布局,进而加快布局算法的收敛。最后,提出了该布局算法的评价标准。(3)在实现的大图可视化系统的基础上,研究并实现了面向大图迭代计算过程的可视化模型,即能够根据用户需求,显示每一步或每隔几步的迭代计算过程,便于用户对图算法的迭代计算过程有个更直观的了解。实验表明,在大规模社交网络中,本文设计并实现的大图可视化系统能够有效地可视化图数据信息,并且所提出的布局算法布局效率更高,最终能够实现大图迭代计算过程的可视化。(本文来源于《东北大学》期刊2015-06-01)
时磊,廖琦,林闯[3](2013)在《基于变换的大图点边可视化综述》一文中研究指出大图可视化是信息可视化领域的前沿课题之一,也是在线社会网络、信息安全、电子商务等热点行业大数据分析的重要支撑技术.基于变换的大图点边可视化方法由于其具有在线处理时间短、可视复杂度低、交互方法灵活多样等优点,近年来在学术界与实际商用系统中得到广泛重视与应用.文中从图可视化的基本概念及其在大图上的关键挑战出发,梳理了基于变换的大图点边可视化方法的典型分类与主要流程;通过详述3类基于变换的大图点边可视化典型方法(图数据抽象、视图变换与视角转换),阐明了不同方案的优缺点与适用场景,并进一步指出了未来工作的可行方向与潜在难点.(本文来源于《计算机辅助设计与图形学学报》期刊2013年03期)
大图可视化论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
随着Facebook,Twitter等网站的兴起,社交网络的规模日趋复杂和庞大。通常,如何从这些庞杂的网络信息中挖掘出有潜在价值的模式和结构是数据挖掘领域中富有挑战性的热点话题之一。为了处理如此规模庞大的图数据,一些大图处理平台应运而生,比如Pregel、Giraph、Graphlab等,这些系统都是BSP模型,BSP程序从开始到结束要经过N个超步。但是在迭代计算过程中,图的结构和顶点的值、标签的变化对用户是不可见的,为了使用户能够更好的理解大图迭代计算的过程,辅助用户分析大规模的图数据,挖掘数据中隐藏的信息,本文提出了面向大图迭代计算过程的可视化。此外,本文将图数据分为静态数据和动态数据,为了能够实现迭代计算过程的可视化,首先需要实现静态数据的可视化,但是目前的图可视化系统所能显示的图数据的规模是有限的,并且经常会出现运行时间较长、可视化效果不佳和空间利用率低等问题。所以本文提出了大图分层可视化的模型,设计并实现了大图可视化系统和面向大图迭代计算的可视化,本文的贡献如下:(1)设计并实现了基于分层的大图可视化系统。首先,本文通过分析传统的标签传播算法,提出了一种标签传播策略,设计了一种快速、高效的大图聚类算法;然后依据聚簇合并后的模块度大小,提出了小聚簇的合并策略;将这两个算法作为大图可视化系统的预处理过程的依据,最终实现了基于分层的大图可视化系统。(2)本文在分析传统力导向布局算法和图可视化系统分层显示的特点的基础上,提出了基于边权的力导向布局算法,并使用Bary-Centralizing算法来优化初始布局,进而加快布局算法的收敛。最后,提出了该布局算法的评价标准。(3)在实现的大图可视化系统的基础上,研究并实现了面向大图迭代计算过程的可视化模型,即能够根据用户需求,显示每一步或每隔几步的迭代计算过程,便于用户对图算法的迭代计算过程有个更直观的了解。实验表明,在大规模社交网络中,本文设计并实现的大图可视化系统能够有效地可视化图数据信息,并且所提出的布局算法布局效率更高,最终能够实现大图迭代计算过程的可视化。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
大图可视化论文参考文献
[1].刘益成.网络结构大图生成及可视化研究[D].西南科技大学.2018
[2].崔立平.面向大图迭代计算的大图可视化的研究与实现[D].东北大学.2015
[3].时磊,廖琦,林闯.基于变换的大图点边可视化综述[J].计算机辅助设计与图形学学报.2013