大规模网络结构数据中连接信息的可视化研究

随着人类社会的不断进步，各研究领域所处理的网络结构数据日趋庞大，常用的用节点表示对象、用连线表示对象间联系的可视化方法，正面临着由于大量连线相互交叉所引发的视觉凌乱问题的巨大挑战。.本项目所采取的基于层次连接聚类方法的通用新框架可较好的解决上述问题。该框架通过采集原数据信息与数据可视化后的视觉信息，提取出多层次连接聚类结构，并运用表达模型将原本笔直的连线弯曲形成曲线流，在体现概览信息的同时保留聚类层次和细节特征。在交互技术上，本框架提供的多方位交互工具基于结构树设计，能为用户提供直观易操作的交互方式，挖掘大规模网络结构数据的隐含特征。.本项目的实施将改善现有连接聚类算法所形成的可视化效果，提升视觉信息的直观性与有效性，符合行业研究发展趋势，具有重要的学术价值与实用价值。

随着技术的不断发展，各研究领域所处理的网络结构数据日趋庞大。传统的用节点表示对象、用连线表示对象间联系的可视化方法，已经无法解决由于大量连线相互交叉所引发的视觉凌乱问题。本项目研究基于层次连接聚类方法的通用新框架来解决线交叉所引发的视觉凌乱问题，并将其进一步扩展应用到更为复杂的点线图和集合间二元关系、动态流数据可视化等研究中。新框架提出并融合多层次连接聚类结构、非真实感表达模型和基于树形结构的交互等新技术，能够帮助用户有效地并直观易操作地挖掘大规模网络结构数据的隐含特征。本项目的实施改善现有连接聚类算法所形成的可视化效果，对于许多前沿研究领域有较高的学术价值与实用价值。..通过本项目的研究，推动了网络结构数据可视化中视觉凌乱问题的理论研究和应用研究，为其提供新的研究方法和研究思路。此外，本项目还促进了项目组团队的成长，取得了令人鼓舞的进展：已发表7篇相关论文，其中包括《IEEE Transactions on Visualization and Computer Graphics》、《Computer Graphics Forum》、《Journal of Visualization》SCI期刊论文3篇，6篇论文被EI收录；资助2名博士研究生的研究工作，现有2名在读硕士研究生正在继续此方向的研究工作。.