导读:本文包含了大规模数据集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:小波变换,压缩算法,地形渲染,可视化
大规模数据集可视化论文文献综述
苏臣,赵迪[1]（2019）在《一种基于小波变换的大规模地形数据压缩可视化方法探究》一文中研究指出由于传统压缩算法的压缩和解压缩过程都需要预先计算压缩效率和压缩时间,并且在执行时以随机访问方式进行,因此不适应大规模地形数据的压缩可视化表达。论文首先基于有损Cuckoo散列理论为两个哈希表选择合适的散列/熵函数,实现散列表的最小化误报和移除数量;然后提出一种最优化的贪婪小波算法,对存储的所有小波系数求和时,总和具有最大值;最后选用256MB样本数据集进行实验,结果表明:(1)增加小波变换的级别并不一定显着提高压缩性能,但确增加了解压缩阶段需要系数的数量,同时还增加了引入误差;(2)当工作尺寸降至约百分之六十以下时,可视化效果的质量会降低到超出可接受的限度;(3)通过可视化质量、处理速度和工作尺寸之间的相互平衡,提出算法可以实现大约5.5:1的压缩率。(本文来源于《中国地名》期刊2019年07期）
纪连恩,陈宗艳,黄凯鸿,赵妮,孔雨萌[2]（2019）在《基于工况划分的大规模电厂机组控制数据可视化探索》一文中研究指出对电厂控制过程中的历史数据进行有效展示与探索,能帮助用户快速深入理解机组的运行状况.由于历史数据涉及时间跨度长,具有多尺度和高密度的特点,并且包含高维多元的复杂参数集合,为可视化设计带来了很大挑战.从机组运行工况和参数相关性角度研究时序数据空间和高维参数空间的集成可视化映射方法,设计了多角度概览视图和多分辨率层次化工况视图用于导航机组的整体运行状态,有效地支持多层次运行工况的展示与探索;然后,设计了高维多元参数分层导航视图,实现了机组参数的灵活筛选和过滤,并与工况视图联动支持用户对不同时段和不同系统层级的参数特征进行探索.基于上述方法,开发了可视化工具iDCS,并将其应用于实际机组控制数据的可视化与分析中,验证了该系统的有效性和适用性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年02期）
贾亚宁,郑晓磊,陈春花,何桃,龙鹏程[3]（2018）在《大规模核素扩散数据可视化方法研究与应用》一文中研究指出在核应急响应期间,利用可视化手段直观展示大规模核素扩散数据的空间分布,有助于应急指挥人员快速有效地进行科学决策与指挥。本文基于科学计算可视化技术,选用改进的八叉树模型对扩散数据建立空间索引,并根据操作干预水平提取数据水平时空切片,完成了大规模核素扩散数据的可视化。以日本福岛核事故为例,对其大规模核素扩散数据进行分层可视化,直观显示了放射性核素在不同高度的空间分布状态,表明本文方法可为核应急快速响应与决策提供技术支持。(本文来源于《辐射研究与辐射工艺学报》期刊2018年05期）
魏晓辉,崔浩龙,李洪亮,白鑫[4]（2018）在《支持大规模地震探测数据快速可视化的云端数据缓存技术》一文中研究指出首先,基于云计算应用模式,提出一种能有效利用云存储架构的双层缓存技术.通过在客户端和服务器端建立分布式缓存,能有效避免用户频繁访问远端数据,为用户构建轻量级的客户端,解决了目前地学数据可视化软件大量占用用户本地存储容量的问题.同时服务器端也避免了多次访问云存储文件系统,减少了大量的数据检索与加载时间.其次,提出一种ARLS(association rule last successor)访问预测算法,根据用户的历史访问记录,利用关联规则挖掘用户的访问模式,对其访问行为进行预测,进而提前加载数据,提高缓存命中率,解决了用户在可视化过程中不断移动兴趣区域,频繁更换渲染数据的问题,能有效应对用户具有多种访问模式的情况,提高了预测准确率.实验结果表明,该云存储架构显着减少了本地资源消耗,访问预测算法的准确率在最差情形下可达47.59%,平均准确率达91.3%,分布式缓存的平均缓存命中率达95.61%,可有效支持云端大规模地震数据的快速可视化.(本文来源于《吉林大学学报(理学版)》期刊2018年05期）
邓凯旋,陈鸿昶,黄瑞阳[5]（2018）在《基于模块分析的大规模图数据可视化方法》一文中研究指出图数据的可视化增强了人们对网络中实体间关系的直观理解力。然而随着图数据规模和密度的不断增加,传统可视化结果的可读性迅速减小。提出一种基于模块分析的大规模图数据可视化方法,通过改进的LPA社团发现算法将大规模图数据划分为不同模块,然后再对各个模块的结构模式进行分析,最后使用力引导算法对抽象为节点的模块进行布局,并在布局结果中同时展示模块的结构模式信息。实验表明,可视化方法能够快速有效地支持大规模图数据的可视化需求。(本文来源于《信息工程大学学报》期刊2018年04期）
李海峰,刘建波,王晓玲,李鹏飞[6]（2018）在《数值模拟大规模数据轻晕可视化分析处理技术研究》一文中研究指出随着超级计算机、并行计算、应用软件的发展和实际工程设计深入应用,模型所面临的结构越来越复杂,建模越来越精细,在数值模拟中产生了大规模的、复杂的数值模拟计算数据,数值计算结果呈几何级数增长,对这些数据进行可视化分析将大大加快研究的进程。利用TeraVAP可视化软件,对千万量级炸药爆炸冲击波传播过程数值计算结果进行了轻量可视化处理,获得了直观的结果,方便观察和分析数据信息。同时通过技术开发,对获得的数据与虚拟场景进行了融合展示,清楚表现了炸药爆炸对周围环境及建筑的影响。(本文来源于《第十四届中国CAE工程分析技术年会论文集》期刊2018-08-09）
朱君鹏[7]（2018）在《大规模图数据交互式可视化分析的性能优化》一文中研究指出对包含大量节点和边的图数据进行快速、高效地分析与挖掘,是当前图分析领域的热点研究问题。本文在认真研究了国内外现状的基础上,结合现有数据分析技术,并基于增量预计算技术和抽样技术,设计实现了高效的图分析原型系统GASys,随后基于节点的近似度分布分层策略,结合现有图抽样算法设计并实现了一系列的分层图抽样算法,解决了现有图抽样算法在一次抽样过程中存在的有偏性问题,提高了抽样算法的抽样准确度,进一步优化了大规模图数据交互式可视化分析性能。在统计学中,抽样被作为一种高效的分析方法,常常被用于大规模图数据分析领域,以提升分析性能。经典的图抽样算法大都存在高度节点或低度节点过度入样的问题,极大影响算法抽样性能。复杂图中节点的度服从幂律分布,节点个体之间存在较大差异。本文首次提出节点的近似度分布概念,在此概念基础上设计并实现了一系列分层图抽样算法。在3个真实的图数据集上的实验结果表明,本文提出的分层图抽样算法相比经典图抽样算法,能够保留更多的图拓扑属性,且执行效率比FFS和ES-i更高。理论分析与实验结果均表明本文的分层图抽样算法在度的无偏性方面优于现有算法,同时为图抽样算法中的有偏性问题提供了一种通用、可行的解决方案。现有的图分析系统大都无法满足大规模图数据分析需求,本文分析研究了当前图分析系统存在的问题,基于增量预计算技术和抽样技术,设计并实现了交互式可视化图分析原型系统GASys,它允许用户高效地执行可视化图分析任务。GASys使用数据缓存技术实现数据的增量式加载,提高了系统的交互性能,这使得GASys能够完成大规模图数据的分析任务。使用基于缓存的增量预计算技术提高了交互分析性能。使用抽样技术实现数据的非全量分析,在保证算法准确性的前提下,非全量分析更快。GASys还集成了大量的图路径算法、图抽样算法、图聚类算法,图布局算法等,使得GASys能够适用于不同的应用场景。(本文来源于《贵州大学》期刊2018-06-01）
陈宗艳[8]（2018）在《大规模电厂时序控制数据的可视化表达与交互技术研究》一文中研究指出对火电厂控制过程中的历史数据进行有效展示与探索能帮助用户快速深入理解机组的运行状况。由于历史数据涉及时间跨度长,具有多尺度、高密度但低价值流的特点,并且包含高维多元的复杂参数集合,为可视化技术带来了很大挑战。为此,本文从机组运行工况和参数相关性角度设计时序数据空间和高维参数空间的集成可视化映射方法。首先,从大规模时序数据空间角度,设计了多角度概览视图和多分辨率层次化工况视图用于导航机组的整体运行状态,有效支持多层次运行工况的展示与探索;然后,从高维参数空间角度,设计了一个高维多元参数分层导航视图,实现了机组参数的灵活筛选和过滤,并与工况视图联动支持用户对不同时段和不同系统层级的参数特征进行探索。基于上述方法,设计并实现了可视化工具iDCS,并将其应用于实际机组控制数据的可视化与分析中。案例研究表明,系统较好地支持了对历史数据中有用信息的获取和复杂规律的交互探索,能够直观地展示工况参数的运行分布和有效地揭示参数之间的复杂关系,可以帮助领域人员深入理解火电厂运行的历史数据背后隐藏的信息。(本文来源于《中国石油大学(北京)》期刊2018-05-01）
李曼曼[9]（2017）在《大规模摄像机网络的数据可视化管理》一文中研究指出随着视频监控的发展和人们对安全的要求越来越高,全景视频监控一直是智能视频监控领域的热点,其中视频监控全景融合与场景再现系统就是其中一种很好的弥补了传统监控平台只反映某一局部视角的技术。本文作为系统的管理中心模块,致力于开发一个摄像机网络数据可视化管理软件,让摄像机的坐标数据以局部可视化背景图形形式在全局高分辨可视化背景图中显示,并对摄像机网络数据进行处理等功能。本文主要研究了该软件开发过程中的一系列技术问题,包括用于局部可视化背景图生成的图像显着性研究、全局高分辨可视化背景图形成方法、摄像机网络数据可视化管理中数据库设计与实现技术,以及软件最终的实现流程。本文的具体工作和贡献如下:局部可视化背景图像生成的过程中涉及到图像配准,图像的显着性区域检测会影响配准精度。针对图像的显着性度量问题,本文通过综合考虑图像数据的颜色,纹理,灰度等情况,提出一种基于多阈值分割图像波峰的显着性度量方案。实验结果表明,该显着性度量方案与基于图像纹理特征的显着性度量方案、基于颜色特征的显着性度量方案相比,该方案对对比度高的图像更敏感,基于该方法选中的图像区域一般包含有公路图像子块信息、更容易生成局部可视化背景图。提出了一种准确性高的图像配准实现方法。该方法是基于互信息以及本文提出的显着性度量方案等理论基础实现的。该方法有两个主要步骤:首先,对待配准图进行显着性区域检测;然后以互信息作为配准准则,在待配准图像显着区域选择8个图像子块,在全局可视化背景图上也选择对应的8个子块,最后利用最小二乘计算投影变换矩阵得到待配准图像的精确配准。利用这种方法可以形成全局高分辨可视化背景图,即用高分辨率的局部图像替换低分辨率全局图对应的部分,最后用加权平均法将图像融合。针对大规模摄像机网络数据可视化管理需要在全局可视化背景底图上展现每一个摄像机视场的具体位置,需要有大量的配准后的坐标点数据要保存起来。考虑到系统中每一个节点中的软件都可能同时获取这些数据并进行操作,给出了基于RESTful Web服务框架的数据库设计与实现,节点用URI的方式访问接口,实现数据的共享和数据的规范管理。最后用Jmeter软件进行了相应压力测试。在拥有图像显着性度量、基于互信息的局部可视化背景图像配准、基于RESTful Web服务框架的数据库技术的基础上,设计并实现了一个摄像机网络数据可视化管理软件。该软件的目的是管理数据库中相关的摄像机网络数据,让摄像机的坐标数据以图形形式在全局可视化背景图中显示实现可视化并对数据进行处理。软件主要包括数据入库模块、数据管理模块、数据查询可视化模块。在本论文的最后,总结了研究内容,分析了不足之处,展望了下一步的研究方向。(本文来源于《深圳大学》期刊2017-06-30）
徐杰[10]（2016）在《大规模移动数据可视化研究》一文中研究指出信息可视化已日渐成为数据分析的重要手段,直观表现抽象数据的隐藏规律。现如今各种各样的位置信息信息采集设备的完善和手持移动设备的大范围普及,越来越多包含地理位置信息的数据被存储,海量的地理数据需要高效,合理的分析手段。而信息可视化可以作为研究移动数据规律的有效手段,但是到目前为止这种技术还不够成熟。面对当今世界数字化,信息化的发展趋势,传统的可视化技术和手段已不适应社会经济的发展需求,经典的数据可视化,传统的可视化技术如直方图,折线图,散点图,饼图等在应对大数据挑战时,往往无法表现出令人满意的效果,庞大的地理位置信息数据量急需新颖,高效的可视化方式分析。而现在的一些信息可视化技术在一些情况下可以有效的解决传统可视化技术无法应对海量数据的问题。本文针对大规模的移动数据提出了一种分析方法,这个方法可以找出在这些数据中的一些聚集数据,聚集数据就是某些数据由于某些特征的原因而聚集到一起的数据;进而的对这些聚集数据进行可视化分析,从中发掘出隐藏的知识,帮助研究人员更好的对数据所代表对象的行为做出解释。具体方法就是:(1)首先我们从原始数据中挖掘出数据中隐藏的组;(2)然后统计这些组具有的特征;(3)我们把这些特征作为聚类分类时的特征;(4)然后对这过程中的数据可视化;可视化时使用不同的可视化方法,从不同角度出发来对待数据,从数据发现可能存在的行为模式。传统情况下,大规模的数据因为数据量太大而难以分析。所以我们先使用聚集方法对移动数据处理来找到一些聚集后的数据。在得到这些聚集数据后,本文提出了完整的可视化这些数据的解决方案,这个方案由叁个可视化模型组成:首先我们使用碰撞检测视图对数据聚集后的数据可视化以显示具体的聚集数据的信息;然后使用一个力导图视图来观察这些聚集数据之间的关系,并且使用热点图来观察地图中的热度情况。最后我们用上千万条的移动数据来评估我们的方法。(本文来源于《天津大学》期刊2016-11-01）
大规模数据集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：
对电厂控制过程中的历史数据进行有效展示与探索,能帮助用户快速深入理解机组的运行状况.由于历史数据涉及时间跨度长,具有多尺度和高密度的特点,并且包含高维多元的复杂参数集合,为可视化设计带来了很大挑战.从机组运行工况和参数相关性角度研究时序数据空间和高维参数空间的集成可视化映射方法,设计了多角度概览视图和多分辨率层次化工况视图用于导航机组的整体运行状态,有效地支持多层次运行工况的展示与探索;然后,设计了高维多元参数分层导航视图,实现了机组参数的灵活筛选和过滤,并与工况视图联动支持用户对不同时段和不同系统层级的参数特征进行探索.基于上述方法,开发了可视化工具iDCS,并将其应用于实际机组控制数据的可视化与分析中,验证了该系统的有效性和适用性.
（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。
大规模数据集可视化论文参考文献
[1].苏臣,赵迪.一种基于小波变换的大规模地形数据压缩可视化方法探究[J].中国地名.2019
[2].纪连恩,陈宗艳,黄凯鸿,赵妮,孔雨萌.基于工况划分的大规模电厂机组控制数据可视化探索[J].计算机辅助设计与图形学学报.2019
[3].贾亚宁,郑晓磊,陈春花,何桃,龙鹏程.大规模核素扩散数据可视化方法研究与应用[J].辐射研究与辐射工艺学报.2018
[4].魏晓辉,崔浩龙,李洪亮,白鑫.支持大规模地震探测数据快速可视化的云端数据缓存技术[J].吉林大学学报(理学版).2018
[5].邓凯旋,陈鸿昶,黄瑞阳.基于模块分析的大规模图数据可视化方法[J].信息工程大学学报.2018
[6].李海峰,刘建波,王晓玲,李鹏飞.数值模拟大规模数据轻晕可视化分析处理技术研究[C].第十四届中国CAE工程分析技术年会论文集.2018
[7].朱君鹏.大规模图数据交互式可视化分析的性能优化[D].贵州大学.2018
[8].陈宗艳.大规模电厂时序控制数据的可视化表达与交互技术研究[D].中国石油大学(北京).2018
[9].李曼曼.大规模摄像机网络的数据可视化管理[D].深圳大学.2017
[10].徐杰.大规模移动数据可视化研究[D].天津大学.2016