大規(guī)模圖數(shù)據(jù)的可視化技術研究.pdf

1、圖的可視化是可視化技術的一個子領域，也是其中的熱點研究方向。將實體關系轉化為圖后，再使用圖的可視化技術進行表達，可以使人們更加深入地理解實體之間的聯(lián)系。
　　隨著大數(shù)據(jù)時代的來臨，真實世界中實體數(shù)目的迅猛擴張導致了圖所表示的數(shù)據(jù)量的激增。面對動輒幾萬個節(jié)點和邊的圖，傳統(tǒng)的可視化算法力不從心，在實際應用中性能顯著下降，布局效果變得混亂。
　　本文以力導引類算法為基礎，基于分級化簡的思想，提出了面向大規(guī)模圖的布局算法。該算法有效

2、避免了傳統(tǒng)算法因數(shù)據(jù)量過大而無法跳出局部最優(yōu)解和算法運行速度緩慢的問題。本文的貢獻主要體現(xiàn)在以下方面：
　?。?）提出了基于帶權邊匹配（Weighted Edge Matching，WEM）和基于帶權極大獨立點集（Weighted Maximal Independent Vertex Set，WMIVS）的兩種化簡方法。應用以上兩種算法進行化簡能夠更好地保留圖的聚簇特征。
　?。?）結合了經(jīng)典的FR算法和Barnes-hut

3、模型，提出了BH-FR算法。在此基礎上，結合基于WEM和WMIVS的化簡方法，提出了面向大規(guī)模圖的分級布局算法MGLMA（Massive Graph Layout with Multilevel Approach）。本算法的布局效果更加符合公認的美學標準，能夠明顯提升大規(guī)模圖數(shù)據(jù)的布局效率。
　?。?）基于本文的研究成果和實體關聯(lián)信息的可視化需求，設計并實現(xiàn)了基于圖的多維實體關聯(lián)信息可視化系統(tǒng)。該系統(tǒng)提供了多種分析方法和可視化工具