可视化技术发展报告

《可视化技术发展报告》由会员分享，可在线阅读，更多相关《可视化技术发展报告（34页珍藏版）》请在金锄头文库上搜索。

1、可视化技术发展报告目 录1.可视化技术31.1.可视化技术概念31.2.可视化技术发展历史41.3.人才概况2941.4.论文解读2961.5.可视化进展3121.6.可视化应用314社交媒体可视化314体育数据可视化315医疗数据可视化3173可视化技术1. 可视化技术1.1. 可视化技术概念可视化技术是把各种不同类型的数据转化为可视的表示形式，并获得对数据更深层次认识的过程。可视化将复杂的信息以图像的形式呈现出来，让这些信息更容易、快速地被人理解，因此，它也是一种放大人类感知的图形化表示方法。可视化技术充分利用计算机图形学、图像处理、用户界面、人机交互等技术， 以人们惯于接受的表格、图形、

2、图像等形式，并辅以信息处理技术（例如：数据挖掘、机器学习等）将复杂的客观事物进行图形化展现，使其便于人们的记忆和理解。可视化为人类与计算机这两个信息处理系统之间提供了一个接口，对于信息的处理和表达方式有其独有的优势，其特点可总结为可视性、交互性和多维性。目前，数据可视化针对不同的数据类型及研究方向，可以进一步划分为科学数据可视化、信息可视化，以及可视分析学三个子领域。这三个领域既紧密相关又分别专注于不同类型的数据及可视化问题。具体而言，科学可视化是针对科学数据的可视化展现技术。科学数据，例如，医疗过程中由 CT 扫描生成的影像数据、风洞实验而产生的流体数据、以及分子的化学结构等，是对物理世界的

3、客观描述，往往是通过科学仪器而测量得到的数据。这类数据的可视化主要关注于如何以清晰直观的方式展现数据所刻画的真实物理状态。因此，科学可视化往往呈现的是三维场景下的时空信息。信息可视化注重于如何以图形的方式直观展现抽象数据，它涉及到了对人类图形认知系统的研究。在这里，抽象数据（例如：图形数据、多维度数据、文本数据等）往往是对各应用领域所产生数据的高层次概括，记录的是抽象化的信息。针对这样的数据，信息可视化着眼于多维度信息的可视编码技术，即如何以低维度（2D）的图形符号来直观展现并揭示抽象数据中所隐藏的潜在规律与模式；可视分析学是多领域技术结合的产物，旨在结合并利用信息可视化、人机交互、以及数据挖

4、掘领域的相关技术，将人的判断与反馈作为数据分析中重要的一环，从而达到精准数据分析、推理及判断的目的。可视化技术的重要性在于，通过提供对数据和知识的展现，建立用户与数据系统交互的良好沟通渠道，利用人类对图形信息与生俱来的模式识别能力，通过以直观的图像化方式展现数据，从而帮助用户快速发觉数据中的潜在规律，并借助分析人员的领域知识与经验，对模式进行精准分析、判断、推理，从而达到辅助决策的目的。目前可视化技术在各行各业中均得到了广泛的应用。其中，可视化技术在信息安全、智慧医疗、电子商务、机器学习、智慧城市、文化体育、数字新闻、气象预报、地质勘测等诸多领域产生了非常广泛的应用，并逐渐成为这些领域当中越来

5、越重要的组成部分。当下可视化存在的挑战是：如何进一步深入挖掘人类对于图形、动画、以及交互的感知及认知模式，从而进一步完善可视化的相关理论；如何打破“手工作坊”式的针对每一个问题，单独定制数据可视化设计方案的传统模式，大规模批量创造生成风格化的可视展现；以及，如何根据用户的数据分析任务与需求自动推荐合适的可视化展现方式。主要的研究趋势：海量、异构、时变、多维数据的可视化展示方案；可视化在可解释性深度学习领域的应用；自动可视化生成技术的研究；基于形式概念分析理论的知识可视化方法；可视化模式识别；整体可视与局部详细可视相结合的新方法研究等。1.2. 可视化技术发展历史19世纪-19世纪中叶现代图形学

6、设计雏形19世纪中叶-末期数据图形绘制发展加速20世纪-20世纪中叶停滞期1950-1974复苏1975-20112012-至今科学计算可视化、信息可视化相继基于大数据的可诞生视化图 12-1 可视化发展历程19 世纪-19 世纪中叶：现代图形学设计雏形十九世纪前叶，因为受视觉表达方法创新的影响，统计图形及专题绘图领域应用得到快速发展。目前，我们看到的绝大多数统计图形都是在这一时间段被发291明的。同期，因政府开始着重关注人口、教育、犯罪、疾病等领域，数据的收集整理范围明显扩大，超乎以往的社会管理方面的数据被收集起来用于社会分析。1801 年英国地质学家 William Smith 绘制了第一

7、幅地质图，引领了一场在地图上表现量化信息的潮流。这一时期，数据的收集整理从科学技术和经济领域扩展到社会管理领域，对社会公共领域数据的收集标志着人们开始以科学手段进行社会研究。与此同时科学研究对数据的需求也变得更加精确，研究数据的范围也有明显扩大，人们开始有意识地使用可视化方式来尝试研究、解决更广泛领域的问题。世纪中叶-末期：数据图形绘制发展加速在十九世纪中叶，统计图形、概念图等概念迅猛发展，此时的人们已经掌握了整套统计数据可视化工具，数据可视化领域发展进入了加速期，随着数字信息对社会、工业、商业直至交通规划的影响不断增大，欧洲开始着力发展数据分析技术。一群学者发起的统计理论给出了多种数据的意义

8、，数据可视化迎来了它历史上的第一个发展加速期。统计学理论的建立是可视化发展的重要一步，此时数据由政府机构进行收集，数据的来源变得更加规范化。随着社会统计学的影响力越来越大，在 1857 年维也纳的统计学国际会议上，学者就已经开始对可视化图形的分类和标准化进行讨论。不同数据图形开始出现在书籍、报刊、研究报告和政府报告等正式场合之中。这一时期法国工程师 Charles Joseph Minard 绘制了多幅有意义的可视化作品，被称为“法国的 Playfair”，他最著名的作品是用二维的表达方式，展现六种类型的数据，用于描述拿破仑战争时期军队损失的统计图， 如下图所示。并且在这一时期出现了三维的数据

9、表达方式，这种创造性的成果对后来的研究有十分突出的作用。图 12-2 拿破仑进军莫斯科的历史事件世纪-20 世纪中叶：停滞期20 世纪的上半叶，随着数理统计这一新数学分支的诞生，追求数理统计严格的数学基础并扩展统计的疆域成为这个时期统计学家们的核心任务。数据可视化成果在这一时期得到了推广和普及，并开始被用于尝试着解决天文学、物理学、生物学的理论新成果，Hertzsprung-Russell 绘制的温度与恒星亮度图成为了近代天体物理学的奠基之一；伦敦地铁线路图的绘制形式如今依旧在沿用（如下图所示）；E.W.Maunder 的“蝴蝶图”用于研究太阳黑子随时间的变化。然而，这一时期人类收集、展现数据

10、的方式并没有得到根本上的创新，统计学在这一时期也没有大的发展，所以整个上半叶都是休眠期。但这一时期的蛰伏与统计学者潜心的研究才让数据可视化在本世纪后期迎来了复苏与更快速的发展。图 12-3 HenryBeck 设计的伦敦地铁图1950-1974：复苏从 20 世纪上半叶末到 1974 年这一时期被称为数据可视化领域的复苏期，在这一时期引起变革的最重要的因素就是计算机的发明，计算机的出现让人类处理数据的能力有了跨越式的提升。在现代统计学与计算机计算能力的共同推动下， 数据可视化开始复苏。随着计算机的普及，上世纪六十年代末，各研究机构逐渐开始使用计算机程序取代手绘的图形。由于计算机的数据处理精度和

11、速度具有强大的优势，高精度分析图形已不能用手绘制。在这一时期，数据缩减图、多维标度法 MDS、聚类图、树形图等更为新颖复杂的数据可视化形式开始出现。人们尝试着在一张图上表达多种类型数据，或用新的形式表现数据之间的复杂关联，309这也成为这一时期数据处理应用的主流方向。数据和计算机的结合让数据可视化迎来了新的发展阶段。1975-2011：科学计算可视化、信息可视化相继诞生这段时期，计算机成为数据处理的一个重要工具，数据可视化进入了新的黄 金时代，随着应用领域的增加和数据规模的扩大，更多新的数据可视化需求逐渐 出现。二十世纪七十年代到八十年代，人们主要尝试使用多维定量数据的静态图 来表现静态数据，

12、八十年代中期出现了动态统计图，最终在上世纪末两种方式开 始合并，致力于实现动态、可交互的数据可视化，动态交互式的数据可视化方式 成为新的发展主题。数据可视化的这一时期的最大潜力来自动态图形方法的发展， 允许对图形对象和相关统计特性的即时和直接的操纵。这一时段初期就已经出现 交互系统，通过调整控制来选择参考分布的形状参数和功率变换。这可以看作动 态交互式可视化发展的起源，并推动了这一时期数据可视化的发展。2012-至今：基于大数据的可视化步入 21 世纪互联网数据量猛增，人们逐渐开始对大数据的处理进行了重点关注。之后全球每天的新增数据量就已经开始以指数倍膨胀，用户对于数据的使用效率也在日益提升，

13、数据的服务商开始需要从多个维度向用户提供服务，大数据时代就此正式开启。2012 年，我们进入数据驱动的时代。人们对数据可视化技术的依赖程度也不断加深。大数据时代的到来对数据可视化的发展有着冲击性的影响，继续以传统展现形式来表达庞大的数据量中的信息是不可能的，大规模的动态化数据要依靠更有效的处理算法和表达形式才能够传达出有价值的信息，因此大数据可视化的研究成为新的时代命题。我们在应对大数据时，不但要考虑快速增加的数据量，还需要考虑到数据类型的变化，这种数据扩展性的问题需要更深入的研究才能解决；互联网的加入增加了数据更新的频率和获取的渠道，而实时数据的巨大价值只有通过有效的可视化处理才可以体现，于

14、是在上一历史时期就受到关注的动态交互的技术已经向交互式实时数据可视化发展。综上，如何建立一种有效的、可交互式的大数据可视化方案来表达大规模、不同类型的实时数据，成为了数据可视化这一学科的主要的研究方向66-67。1.3. 人才概况l 全球人才分布学者地图用于描述特定领域学者的分布情况，对于进行学者调查、分析各地区竞争力现况尤为重要，下图为可视化领域全球学者分布情况：图 12-4 可视化领域全球学者分布地图根据学者当前就职机构地理位置进行绘制，其中颜色越深表示学者越集中。从该地图可以看出，美国的人才数量优势明显；欧洲也有较多的人才分布； 亚洲的人才主要集中在我国东部地区；其他诸如非洲、南美洲等地

15、区的学者非常稀少；可视化领域的人才分布与各地区的科技、经济实力情况大体一致。此外， 在性别比例方面，可视化中男性学者占比 91.7%，女性学者占比 8.3%，男性学者占比远高于女性学者。140012001000人数80060040020006050-6040-5030-4020-3020h-index图 12-5 可视化领域学者 h-index 分布可视化学者的 h-index 分布如上图所示，分布情况大体呈阶梯状，其中 h- index 小于 20 区间的人数最多，有 1250 人，占比 60.1%，50-60 的区间人数最少，有 56 人。l 中国人才分布我国专家学者在可视化领域的分布如下图所示。通过下图我们可以发现，京津地区在本领域的人才数量最多，其次是长三角和珠三角地区，相比之下，内陆地区的人才较为匮乏，这种分布与区位因素和经济水平情况不无关系。同时，通过观察中国周边国家的学者数量情况，特别是与日韩等地相比，中国在可视化领域学者数量较多但差距较小。图 12-6 可视化领域中国学者分布中国与其他国家在可视化的合作情况可以根据 AMiner