摘要：为通过视觉图形交互式创建交通轨迹可视化,提出一种面向交通轨迹的数据流可视化方法.使用向导推荐辅助构建数据流图,完成交通轨迹聚类分析、相关性分析和异常检测.首先,开发数据流系统用于交互式构建交通轨迹可视化;其次,使用基于数据流异构网络的向导推荐模型辅助构建数据流图.该推荐模型将向导推荐作为图搜索问题,将用户关于向导推荐结果的评分反馈至数据流异构网络以更新节点关系.基于真实交通轨迹数据的案例评估和关于用户选择倾向的里克特量表评估结果表明,所提方法是有效的.

摘要：网络聚类模式发现是网络分析中的一项重要任务,好的网络布局应能体现网络中的聚类特征,并允许用户从不同层次探索网络结构。为此,基于社团划分和多层次布局思想提出了聚类特征层次布局算法。首先利用种子节点和个性化PageRank对网络实现社团划分;其次根据划分结果对网络进行粗化,并设计了粗化网络初始布局;然后利用节点度信息改进力导向模型以完成细化;最后,为验证所提算法的有效性,设计了从整体到局部的实验。实验表明所提算法能够在有效时间内生成高质量的布局结果,与现有布局算法相比,所提算法更能真实展示网络聚类特征,同时兼顾网络微观结构,能够满足用户从不同层次探索网络结构的需要。

摘要：城市居民的社会角色感知对城市规划策略制定与城市安全方案设计具有重要的辅助价值,对于后疫情时代疫情的防控具有重要价值。知晓患者用户的角色,可以对用户的接触人群进行更好地分析,做好疫情防控。该文提出了一种结合基站语义和用户时空状态序列的交互式用户社会角色可视分析框架。首先,基于序列数据建模方法,提出了考虑序列顺序的基站嵌入模型Pos-Cell2Vec对基站语义信息进行识别;然后,提出一个基于轨迹序列嵌入的用户聚类方法,获得用户聚类结果,进而采用高维可视化方法对基站以及用户的聚类结果进行可视化;最后,基于多视图协同可视分析技术,设计并实现了基于海量通话数据的用户社会角色推测可视分析系统。结合现实数据案例分析结果发现,分析者能够通过该系统结合用户状态序列、用户的通话特征、移动特征以及基站信息,对用户的社会角色进行推测,目前可以通过系统和模型推测出司机、学生以及推销人员等角色。

摘要：在有限的屏幕范围内,用户从有分支拥挤和节点遮蔽的层次可视化视图中获取拓扑结构信息具有挑战性。针对以上难点,提出了一种面向拓扑感知的层次结构信息探索框架。为提高用户探索拓扑结构信息的效率,提出采用重要节点评估算法。通过对以重要节点为根的子结构以视觉编码的形式进行隐藏,同时确保在保留较多的结构信息的条件下解决了分支拥挤节点遮蔽等问题。基于文本关键词的思想,定义了一种层次数据关键子结构的提取方法,通过提取关键子结构对整体拓扑结构信息进行概要,帮助用户理解整体拓扑结构特征。为提高用户对相似子结构的探索对比分析的效率,基于图表示学习算法将层次结构的节点进行向量化表示,通过将节点向量进行高斯混合聚类来构建相似子结构集合,然后采用图核计算子结构的相似度分数,通过相似度分数排序后完成相似子结构的提取。基于以上算法,设计了一个交互式的可视分析系统。通过可视分析系统完成了两项案例分析和两项用户实验,证明了所提框架的有效性。