信息可视化研究概述

高屹++陈小莹++孙海霞

摘 要：当今社会是一个经济和科技高速发展的社会，各种先进的技术被应用到生产以及生活活动之中。其中可视化技术就是一个非常显著的体现。通过信息可视化，我们可以更加直观的分析数据，此时使用人能够非常直观的查看数据，进而得知其中隐藏的关系等。如今该项技术被大范围的运用，具体来讲主要被用到如下几个层面中：数据挖掘可视化、网络数据可视化、社交可视化、交通可视化、文本可视化、生物医药可视化等。

关键词：信息可视化；可视化技术；人机交互；数据挖掘

中图分类号：TP391 文献标志码：A 文章编号：2095-2945（2017）20-0167-03

可视化技术最早被人们运用是上个世纪的末期，通过将其合理的运用信息工作中，我们能够将信息精准的变化为视觉模式，能够便于我们更加直观的查看数据，此时使用人能够很直观的分析数据，便于我们得知其中隐藏的各种联系，在过去的时候很显然这是无法做到的。进入到新的发展时期之后，由于电脑技术高速发展，此时数据处理工作也迎来了全新的发展局面，其处理能力明显提升，而且方式也明显增加，此时使用人能够随意地查看自己所需的各种信息内容，目前该技术的应用范围非常广。

1 信息可视化的过程

1.1 Card信息可视化模型

在Card等提出的信息可视化模型中，我们可将其过程分成三个具体的步骤，即：原始数据到数据表的转换、数据表到可视化结构的转换、可视化结构到视图的转换。

1.2 信息可视化过程

按照上述的模型，我们可以将该可视化活动分成如下的几个步骤。

第一，预处理数据。具体来讲，把获取的信息提前处理，方便人们理解，便于将其录入到模块之中。而预处理内容包括数据格式及其标准化、数据变换技术、数据压缩和解压缩等。对于一些特殊的数据还要对其进行特殊处理，比如要降维。

第二，绘制。通过绘制我们可以将数据变成具体的图形。具体来讲在绘制的时候一定要认真分析使用人的需求，然后再结合该技术加以体现。

第三，显示以及交互。所谓的显示，具体来讲是把绘制得到的图形，依据使用人的规定对其合理输出。同时还应该将使用人反馈的内容合理的传输给软件，只有这样才能够真正的实现人机互动。

2 信息可视化技术

根据SHNEIDERMAN的分类，信息可视化的数据分为以下几类：一维数据；二维数据；三维数据；多维数据；时态数据；层次数据和网络数据。在上述的类型中，后面的几种是我们当前工作的重点，接下来具体针对它们展开细致的论述和分析。

2.1 多维数据可视化技术

对于多维数据来讲，如果使用以前的二维图的话，其弊端较多，不能够满足当前的工作需要，比如无法确保信息量，无法满足其复杂性等。而多维数据的运用就能够很好的解决上述的弊端。目前多维数据可视化的类型非常多，接下来具体阐述几种目前应用率较高，具有典型性的方法。

2.1.1 基于几何的可视化方式

（1）平行坐标系。它主要是运用平行的轴线来体现维度，具体来讲是在轴线上刻画数据，并用折线相连某一数据项在所有轴上的坐标点，这样就可以在二维模式之中看到多维数据了。点的位置使用弹簧模型计算得到。不过它也有缺点，即如果数据规模非常大的话，就会导致我们在视觉上有一种混乱的感觉，干扰使用人理解可视化内容。

（2）散点图矩阵。具体来讲，它指的是借助二维坐标中的具体的点来体现变量的联系。一般情况下，我们常把这个方法和别的方法组合到一起使用，这样做的好处是能够明显的增强数据的显示效果，能够体现大量的数据。这种技术的优点是能够以非常快的速率得知成对变量的联系，不过它也有不利点存在，即如果维度非常大的话，由于屏幕有限，因此无法体现矩阵数据的总量，此时必须借助交互技术才能够实现我们观察数据的目的。

（3）Andrews曲线法。其指的是借助二维坐标体现数据，把多维空间的各种信息借助函数体现到曲线之中，经由观察曲线，我们能够得知数据的各种聚类情况。

2.1.2 基于图标的可视化方式

基于图标的可视化方法用具备可视特征的几何形状作为图标来刻划多维数据，这些图标的每一个可视化属性如大小、长度、形状、颜色可以作为维度，通过多维数据到这些图标属性的映射来实现可视化效果，代表性的方法包括星绘法和Chernoff面法等。星绘法采用由一点向外辐射的多条线段代表数据维度，各种线段的长度体现了对应的维度数。Chernoff面法指的是借助人脸的特点来体现维度，通过绘制脸图得到多维数据，依据特定策略对其排序，以此能够确保数据以可视化模式体现出来。它的优点是较之于别的图形更加的吸引人的注意，因此广大用户们喜欢花费很多时间来研究它们，所以其展现的效果更好，除此之外，它还能够帮助我们更好的识别要素的内在关联。

2.1.3 动画的多维可视化技术研究现状

众所周知，由于动画能够更加直观的体现内容，给我们带来更加完美的视觉体验，因此它被大量的运用到使用人的界面里面。通过研究我们发现，使用动画能够帮助我们獲取更高的交互性，而且更加便于理解。具体来讲有以下四点体现。第一，较之于静止不动的物体来讲，移动的物体可以更加的吸引我们的目光。第二，通过动画，我们能够得知对象的变化情况，比如它的方位以及形态和色泽等，此时我们可以很明显的感受到客体的改变情况。第四，比对于静止的物体来讲，广大用户对移动的物体更加的感兴趣，在查阅数据的时候心情更加的舒畅。怎样做好动画设计工作，确保其更好的被使用人所理解就成为了当前工作的重中之重。具体来讲，目前常用的方法有两种，其一，在编码的时候运用动作，将其变成附加的变量。其二，借助动画确保各种转换都能够很好的被理解。锥树在树的多个层次上利用动画的旋转使选定的项目进入观察者的视野。SpaceTrees和DOITrees利用动画动态地展示树的枝叶展开和折叠的情形。同时，假如动画的变化速率非常慢的话，无疑是一种对时间的浪费，相反的如果太快的话就会使得人们无法很好的理解。因此我们一定要确定好其速度，一般来讲主要是依据场景的状态和使用人的背景来明确，在具体的运用的时候一定要认真分析。

2.2 时间序列数据的可视化

所谓的时间序列数据，具体来讲指的是有着时间特性的数据集，具体来讲，其可视化形式有以下的几种。

第一，线形图。它是最为常见的一种形式。借助点来体现数据以及时间发展。如果数据有很多的时间维度，那么我们就可以为所有的维度创建对应的图标，让它们对齐，这样做的目的是为了对比事件的发展方向。

第二，堆积图。它体现的是事件序列的累积模式，我们可以借助这种方法获知序列总和。它的优点是可以很好的体现出序列的总和，不过它也有缺点，即无法对比所有的序列，而且如果处理的时候出现了负数的话，其效果也不是很好。

第三，动画。比对于静态的图画来看，它的优点是可以体现时间序列是否改变。不过它的缺点是无法很精准的体现数据。

第四，时间线。具体来讲，它指的是借助时间轴，把数据以图形的形式体现到坐标中。

2.3 层次数据的可视化

在各种数据中，层次数据的出现几率非常高，它能够被用以绘制各种生物以及组织形式和社会关系网等。其形式有两种，接下来分别论述。

（1）节点链接图。节点链接图是将层次数据组织成一个类似于树的节点的连接结构，绘制节点等来体现数据与它们的内在联系，一般来讲节点非常小，无法涵盖很多内容。它的链接图可以很清楚的体现数据之间的联系，不过它们之间存在很大的空白，这就导致严重的浪费，如果数据非常多的话，这些分支就会聚集到一起，很明显此时的局面就会非常混乱，导致我们从视觉上无法加以判断。

（2）树图。上世纪末期，有专家提出树图技术。它可以在特定的空间里体现很多的数据，不过它的缺陷是不能够具体的体现一些细节。为了很好的体现它的细节，科研人员研发出了基于“焦点+上下文”技术的交互方法。

2.4 网络数据可视化

网络数据具有网状结构。自动布局算法是网络数据可视化的核心，有3种具体的类型：一是仿真物理学中力的概念来绘制网状图，即力节点链接图二是分层布局（hierarchical layout）；三是网格布局（grid layout）。目前许多的科研工作都是以上述算法为基础的。在网络数据的可视化中，如果节点有非常多的连接的话，就会形成边交叉，进而使得我们在视觉上有一种非常混乱的感觉。为此，我们研究了集束边技术，它能够很好的处理上述的弊端。其类型非常多，比如力导向的集束边技术、层次集束边技术、基于几何的边聚类技术等。

3 其他研究热点

3.1 可视化图形的视觉因素研究

目前很多的科研工作者都意识到视觉要素会对可视化有很明显的影响，比如其位置以及色彩等。通过评价此类要素对使用人的感知方面的影响效果，使得设计工作者可以不断的优化发展，是当前工作的重点内容。BER-TIN首次进行了系统的实验，研究了视觉要素在名义、序列和度量数据可视化中的效果，CLEVELAND等采用基于人类的主观认知的科学实验测试了可视化要素的影响。SIMKIN等测试了人类对条形图和饼形图的认知差异。通过自适应可视化技术，可以为使用人调整可视方式等。目前按照研究人员的工作情况，我们可以将其分成如下的几种类型，分别是自适应可视化展示、自适应资源模型、自适应用户模型。

（1）自适应可视化展示。具体来讲，它指的是结合使用人的特点，自行为他们提供所需的各种类型，它能够自行确定内容和布局等，同时还可以自动变化色彩和图标之类的内容。

（2）自适应资源模型。其目的是为了切实提升技术的性

能。

（3）自适应用户模型。它指的是经由体现使用人的模型内容来确保使用人可以自行编辑数据，确保他们能够操控数据。

通过上述我们可知，该技术是静态存在的，在交互性方面表现的较差，无法帮助用户深入学习各种信息。

3.2 可视化效果的评估

在MORSE等人看来，当前关于该技术的评价不是很多，展开的研究课题非常少。MEYER指出没有普遍接受的关于最优数据展示的标准，部分原因在于缺乏实证证据和可视化方法种类太多。PURCHASE认为评估只是根据美学因素或计算效率评价可视化是不可取的，而是应该考虑可视化对用户绩效的提升能力。通过分析我们发现界面是否美观和其绩效之间有着非常紧密的关系。虽然美学因素经常和感知易用性相联系，但是感知易用性和实际的可用性可能是不相关的。目前还有一些研究人员认为可以借助表现力来开展评价工作，当然也有人认为需要借助有效性来评价。

目前一些研究人员将工作重点放到评估特定行业的可视化情况。不过，DOWELL等看来，由于其只是针对特定行业开展的，因此它的推广效益不是很好。而最常见的评价措施是借助心理学知识，运用各种可视化措施展开具体的测试活动，然后分析被测试人的回答，以及他们回答的精确性和回答过程中的自信程度以及所耗费的时间等要素，比对各种方法的优缺点。

总的来说，它的评价措施以及系统等目前受到很多研究工作者的关注，不过相应的研究成果并不是很多，发展较为落后，所以对于这种状况，我们当务之急的工作是要将精力集中放到评价理论以及运用情况等的分析工作之中。

4 结束语

通过上述内容我们可知，当前时期信息可视化技术已经被大范围的应用到我们的工作之中，其研究活动也开展得如火如荼。经过相关工作者的不断努力，目前已经在这方面积累了很多的经验，而且也在不断的朝着新的方向发展。按照其原则，在具体的运用的时候要切实遵守如下的要素：直观化、关联化、艺术化、交互化。同时，还要切实将它和数据挖掘技术联系到一起，确保其得到更好的运用，目前该技术的应用区间非常广，使用人的反馈也很好，我们坚信随着时代的发展，该技术一定会发展得越来越好，我们国家的经济建设工作也一定会更加的辉煌。

参考文献：

[1]DEFANTI T A，BROWN M D，MCCORMICK B H.Visualization：Expanding scientific and engineering research opportunities[J].Corn-puter，1989，22（8）：12-16.

[2]ROBERTSON G，CARD S K，MACKINLAY J D.The cognitive coprocessor architecture for interactive user interfaces[A].Proceedingsof the 2nd Annual ACM SIGGRAPHSymposium on User interface Software and Technology[C].New York：ACM，1989：10-18.

[3]SINDIY 0，LITOMISKY K，DAVIDOFF S，et a1.Introduction to information visualization（InfoVis）techniques for Model-Based systems engineering[J].Procedia Computer Science，2013（16）：49-58.

[4]陳建军，于志强，朱昀.数据可视化技术及其应用[J].红外与激光工程，2001，30（5）：339-342.

[5]任磊，王威信，周明骏，等.一种模型驱动的交互式信息可视化开发方法口[J].软件学报，2008，19（8）：1947-1967.

[6]刘大海.海量数据可视化方法的研究[D].天津：天津大学，2009.

[7]杨峰，李月华.高维信息可视化方法研究综述[J].情报理论与实践，2012，35（9）：125-128.

[8]盛秀杰，金之钧，王义刚.一种新的面向多元统计分析的信息可视化技术[J].石油地球物理勘探，2013，48（3）：488-496.

[9]SIIRTOLA H.Direct manipulation of parallel coordinates[A].CHI'00 Extended Abstracts on Human Faetors in Computing Systems[C].New York：ACM，2000：373-378.