大規(guī)模圖數(shù)據(jù)的可視化技術(shù)研究.pdf

1、圖的可視化是可視化技術(shù)的一個(gè)子領(lǐng)域，也是其中的熱點(diǎn)研究方向。將實(shí)體關(guān)系轉(zhuǎn)化為圖后，再使用圖的可視化技術(shù)進(jìn)行表達(dá)，可以使人們更加深入地理解實(shí)體之間的聯(lián)系。
　　隨著大數(shù)據(jù)時(shí)代的來臨，真實(shí)世界中實(shí)體數(shù)目的迅猛擴(kuò)張導(dǎo)致了圖所表示的數(shù)據(jù)量的激增。面對(duì)動(dòng)輒幾萬個(gè)節(jié)點(diǎn)和邊的圖，傳統(tǒng)的可視化算法力不從心，在實(shí)際應(yīng)用中性能顯著下降，布局效果變得混亂。
　　本文以力導(dǎo)引類算法為基礎(chǔ)，基于分級(jí)化簡的思想，提出了面向大規(guī)模圖的布局算法。該算法有效

2、避免了傳統(tǒng)算法因數(shù)據(jù)量過大而無法跳出局部最優(yōu)解和算法運(yùn)行速度緩慢的問題。本文的貢獻(xiàn)主要體現(xiàn)在以下方面：
　?。?）提出了基于帶權(quán)邊匹配（Weighted Edge Matching，WEM）和基于帶權(quán)極大獨(dú)立點(diǎn)集（Weighted Maximal Independent Vertex Set，WMIVS）的兩種化簡方法。應(yīng)用以上兩種算法進(jìn)行化簡能夠更好地保留圖的聚簇特征。
　?。?）結(jié)合了經(jīng)典的FR算法和Barnes-hut

3、模型，提出了BH-FR算法。在此基礎(chǔ)上，結(jié)合基于WEM和WMIVS的化簡方法，提出了面向大規(guī)模圖的分級(jí)布局算法MGLMA（Massive Graph Layout with Multilevel Approach）。本算法的布局效果更加符合公認(rèn)的美學(xué)標(biāo)準(zhǔn)，能夠明顯提升大規(guī)模圖數(shù)據(jù)的布局效率。
　　（3）基于本文的研究成果和實(shí)體關(guān)聯(lián)信息的可視化需求，設(shè)計(jì)并實(shí)現(xiàn)了基于圖的多維實(shí)體關(guān)聯(lián)信息可視化系統(tǒng)。該系統(tǒng)提供了多種分析方法和可視化工具