基于多元知识融合的大数据自适应可视化

The proposal concentrates on specific requirements from the government agencies and related application domains, to deal with challenges of big data visualization and visual analytics which emerge from frontier and trends in this field. . The project aims to explore approaches and develop systematic technologies, on critical problems of sharing and reuse knowledge in the process of data visualization, performing adaptive visualization for users, and proposing architecture and design patterns for system scalability.. Consequently, we will perform a systematic study on the issues including: knowledge integration methodologies to improve user’s capability of visualizing multi-dimensional big data, models and mechanisms for adaptive visualization, patterns and rules for system architecture & design, as well as better experiences for human-computer interactions.. We propose to employ formal Ontology modelling, Semantic Web technologies, and Know-ware theories, firstly to facilitate knowledge representation, thus to explore the approach to knowledge isomorphism & acquisition, to analyze encapsulation mechanism and coupling patterns for knowledge component. On the other hand, adaptive visualization will be achieved through the process of user modeling, interactive scene analysis, and user similarity and clustering. Moreover, by using MVC pattern and component-based technologies, as well as automaton model and clustering analysis, we are going to achieve a visualization system framework featuring scalability and better user-experiences. Finally, prototype development, case study and empirical research will be performed to validate our approaches and methods.. The ultimate goal of the project is establish a systematic methodology and technical framework for the construction of "user centered environment and application platform for big data visualization".

本项目紧密围绕国家职能部门和相关领域在大数据可视化与分析方面的实际需求，并结合研究领域的技术前沿和发展趋势进行拟题。项目面向大数据可视化中的多元知识集成共享和重用、适应用户特征的可视化过程、可扩展性系统架构和设计模式等方面的关键技术问题，系统地研究多维多层大数据可视化过程中的多元知识融合方法、自适应可视化的机理和模式、可视化系统设计架构与人机交互方法。研究方案拟采用形式化本体建模、语义Web表示、知件理论来探索知识的建模与表示、同构和获取、组件封装与耦合等问题；通过用户建模、交互场景分析、用户相似性度量和聚类等过程研究自适应可视化的机理和模式；采用MVC模式和构件技术、自动机模型和聚类分析研究可视化系统的架构模式和设计方法、人机交互与用户体验模式；通过原型开发、案例和实证研究来验证方法和技术。项目的实施将为构建“以用户中心的大数据可视化环境及应用平台”提供系统化的方法论和技术支撑。

信息可视化和可视分析是大数据分析决策的重要方法，可将计算机自动化分析能力与人类视觉的认知能力进行有机融合，借助人机交互式分析方法和交互技术，辅助人们洞悉蕴含在抽象、多源、多维大数据中的现象和规律，为智能决策、知识发现等任务提供支撑。项目围绕国家职能部门和重点领域在大数据可分析方面的实际需求和关键问题，着眼于信息可视化的通用技术研发与集成创新，在信息物理环境多源数据融合与可视化、数据多维属性的动态可视化表征模型、用户驱动的交互式数据可视化分析过程、数据分析和隐私保护协调的共享机制等方向实施研究工作。首先，项目对网络流量日志数据进行结构化和层次化建模，使用组合视图设计模式在有限的绘图空间中提供稳定和可比较的分析方法，基于多视图联动分析来解决行为模式分析问题，并提出了一种面向可扩展性需求的系统架构模式。其次，探索分析对象的近似时空轨迹拟合模式，综合时空信息补全与间隔采样等方法进行数据处理；在可视化表征方面，结合问题场景进行综合视图设计，探索交互式可视分析方法，分析目标对象的属性和运动规律。第三，研究多维数据、层次数据、时序数据如何在受限的视图空间进行有效表征，在数据复杂性和视图表征复杂度两方面进行权衡，对视图编码模式和可视化表征方法进行研究，尝试在方法论方面取得进展，并进行集成创新。此外，在数据分析和隐私保护协调的共享机制、信息物理环境下的多源语境数据标识与管理等方面展开研究，提出一种高效安全的基于边缘存储数据共享方案和信息物理集成场景的概念建模方法。通过项目的实施，先后在国内外期刊和会议上发表学术论文9篇；先后获得软件著作权4项，获得全国性学术会议技术挑战赛一等奖2项、二等奖2项；项目组成员组织和参加学术会议和交流活动6项共约80人次，通过本项目的实施，先后有22名博士、硕士研究生和本科生得到了科研训练的机会。

内容获取失败，请点击重试