 |
-- 會員 / 註冊 --
|
 |
|
|
|
數據可視化（第2版） ( 簡體 字) |
| 作者：陳為 等 | 類別：1. -> 程式設計 -> Tableau |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 50823
詢問書籍請說出此書號！【有庫存】
NT售價： 1295 元 |
| 出版日：3/1/2019 |
| 頁數：756 |
| 光碟數：0 |
|
站長推薦：  |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121357275 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：Foreword
Visualization, as a discipline in computer science, is a rather young field of study. The
field has made many advances over the past 25 years through tremendous basic and
application-driven research efforts, and also successfully transferred some of these
advances into products and services for data-intensive applications. Visualization as
a problem-solving and knowledge discovery tool has become even more important as
we enter the Big Data era. Its applications grow from scientific computing, engineering
design, biomedicine, cyber security, and intelligence, to social science, transportation
studies, and commerce. Visualization will be considered a basic skill, and will likely
become part of the standard curriculum in science and engineering.
There is clearly a fast-growing interest in visualization as a discipline, a technology, or a
practice. Over the years, I have been asked by many to suggest readings in visualization.
So far, no book has ever managed to provide a comprehensive overview of the field,
since even the good ones focus on a subarea of visualization, typically reflecting the
author’s research endeavors. A visualization textbook is definitely needed. I know a few
other book projects are underway, but this book is by far the most comprehensive one I
have seen. It provides a fairly complete introduction to essential topics in visualization,
as well as information on where the field is today, effectively serving the needs of both
practitioners and future researchers in the field. As the field evolves rapidly to cope
with demands from new applications and exploiting Big Data, I believe the authors will
update the content regularly to reflect the latest and greatest developments in the field,
which will make this book a lasting, valuable resource.
While visualization has become an active area of study and practice in the United States
and Europe, visualization research and education in Asia would benefit from increased
promotion and development. Thus, the publication of this textbook is timely. I praise the
dedicated effort of Professor Wei Chen and his co-authors in creating this book, which
will help accelerate visualization education, research, and practice in China and other
Chinese-speaking countries. I hope to see this book translated into other languages. It
will then become an important reference in the field of visualization. I found the book
very informative and easy to read. I believe you will enjoy reading it.
Kwan-Liu Ma
Davis, CA
September 20, 2013
序言
浙江大學計算機輔助設計與圖形學（CAD＆CG）國家重點實驗室陳為教授來電話，
請我為他的新作《數據可視化》作序。陳為教授是我的老同事，也是我們實驗室可視化方
向的帶頭人。現在他有新作出版，請我作序是對我的尊重，我哪有不懂之理。然而我猶豫
了。我坦率地告訴他，我怕完不成任務，因為我已退休多年，不再跟蹤學科前沿多年。陳
為說，他把書稿鏈接發給我，請我瀏覽以后再做定奪。我在瀏覽了《數據可視化》的內容
簡介、前言、目錄和第1 章后，深感全書內容十分豐富，架構嚴謹，是我國學界和業界急
需的一本好書。陳教授在信里還寫道：“可否請您從可視化在中國的發展歷史、現狀、未
來為這本書寫一個序言，作為對我們的鼓勵。”讀信后，我感到我寫不出現狀和未來，寫
點我經歷過的事情，以及談點作為過來人的體會和建議還是可以的，同時我感到作為可視
化領域的一名老兵，面對《數據可視化》這樣一本可視化新作、好書，又有愛不釋手和責
無旁貸之感，當即決定試試。
“可視化”或它的全稱“科學計算可視化”（Visualization in Scientific Computing，ViSC）
一詞是在1987 年根據美國國家科學基金會召開的“科學計算可視化研討會”內容撰寫的
一份報告中正式提出的。在短短20 余年歷史中，科學計算可視化發展成為一個十分活躍
的研究領域，新的研究分支不斷涌現，如出現了用于表示海量數據不同類型及其邏輯關系
的信息可視化技術，以及將可視化與分析相結合的可視分析學研究方向。現在又有了把“科
學計算可視化”、“信息可視化”和“可視分析學”這三個分支整合在一起的新學科“數據
可視化”。這是可視化研究領域的新起點，必將進一步促進學科交叉與融合，進一步擴大
應用領域的發展，進一步提高應用水平。可以預期，這波數據可視化研究新浪潮必將推動
可視化學科研究和應用向更寬、更深、更高的方向發展。事實上，這既是學界和業界的責任，
也是廣大用戶的期待，因為現有的可視化技術還遠遠滿足不了用戶的期望。我舉一個親身
體驗來說明我的這個論斷。去年8 月我的小孫女出生，面對可愛的小臉，腦海里不由得回
憶起3 個月前看到兒子發來的那張胎兒超聲波三維影像時留下的印象：緊閉的雙目，高額
頭和大鼻子。今天小天使雖然依然雙目緊閉，依然是高額頭，但鼻子一點也不大，反而顯
得小巧、可愛，加上時張時合的小嘴，這張真實的小臉與那張高科技三維圖像相比不知要
漂亮多少倍。這個事實說明，今天的超聲波三維成像技術離用戶期望水平還相去甚遠。我
們全家在感謝今天科技進步讓我們提前3 個月看到了小孫女真容的同時，也期望科學家們
早日提供逼真的胎兒三維影像。
應該說，我們國家可視化方向的研究工作起步還是比較早的。國家自然科學基金委
將科學計算可視化列為“八五”重點資助項目，國家科委也將其列為基礎研究專門項目
給予資助。國內一批圖形學研究中心，如浙江大學計算機輔助設計與圖形學國家重點實
驗室、清華大學計算機系、中科院CAD 開放實驗室和中科院軟件所等單位在20 世紀90
年代初相繼開展了可視化方向的基礎研究和應用研究。我們這一代人遇到的最大困難是
信息閉塞，很多信息都是從國際學術交流中取得的。例如，我是在1991 年3 月至7 月在
德國Encarnacao 教授領導的弗朗霍夫圖形學研究所（FhG-IGD）做訪問研究，在Martin
Goebel 博士領導的可視化研究室工作時接觸科學計算可視化研究方向的。我有幸與研究
室內一批年輕博士一起工作4 個月，奠定了從事可視化學科的基礎。回國后我在浙江大
學CAD＆CG 國家重點實驗室大力倡導，并組織年輕教師和博士生開展可視化方向的研
究工作，很快出現了一批較高水平的研究成果，影響并推動了可視化研究方向在國內的
普及。基于可視化方向的廣泛應用背景，我們從1993 年9 月起在浙江大學為全校理工科
碩士和博士研究生開設“科學計算可視化”全校性選修課。1995 年4 月23 日至27 日由
我們實驗室牽頭舉辦了虛擬現實與科學計算可視化國際研討會（International Workshop on
VR-ViSC）。同時為國內青年學者和學生舉辦同名高級研討班，請出席國際研討會的一批
國內外著名學者為國內高級研討班學員做報告，取得了很好的效果。這應是我國第一次舉
辦VR-ViSC 專題國際研討會和同名國內高級研討班，讓國外學者有機會了解我國學者在
這個領域的研究成果，也讓國內學者和學生有機會接觸世界一流學者。我想借此機會向
Encarnacao 教授表示我們最誠摯的謝意，是他幫助我們解決了國外學者來華的費用。歐洲
學者費用是他出面向歐盟申請的，北美加拿大和美國學者來華費用也是Encarnacao 教授
出面通過他的老朋友Larry L. Rosenblum 教授向美國國家科學基金會申請的。Larry 是美國
海軍研究生院教授，曾任美國國家科學基金會計算機學部主任。2006 年4 月16 日，我的
一批國外老朋友應邀參加我的70 歲生日慶祝大會，幾位老朋友到我的新居做客，其中就
有Larry，這是他第一次訪問中國。我如此冗長地介紹1995 年研討會和一批國外老朋友無
非是想強調國際學術交流的重要，以及強調國外一流學者的敬業精神值得我們永遠學習。
1996 年9 月由石教英、蔡文立等編著的《科學計算可視化算法與系統》一書由科學出版
社出版。這應是我國學者編著的第一本可視化教材，曾在國內高校應用多年，遺憾的是至
今沒有更新再版。計算機類教科書哪有十幾年不更新的，早該淘汰了。
我除了欣賞《數據可視化》一書內容翔實、架構嚴謹、圖表精美外，我更欣賞和看重
的是本書前言里列出的執筆者，也就是作者名單。這張名單清晰地表明各個章節的作者姓
名。我欣賞的就是這種既強調知識產權保護，又明確文責自負的做法。我一直認為我國知
識產權保護不力是制約我國科技創新的罪魁禍首！我欣賞陳為教授嚴謹的知識產權保護意
識和實踐。保護知識產權從我們每個科技工作者做起當然是應該的，但我更希望我國各級
科技主管部門重視知識產權保護對我國科技創新的影響問題，也希望各級行政執法主管部
門嚴格執法，嚴格保護知識產權。更希望中央媒體能像報道全國道德模范一樣報道一批因
知識產權而致富的知識分子實例。我想一旦知識產權可以致富意識深入人心，榜樣的力量
就將是無窮的。
最后請容許我再向青年學者說幾句心里話。你們從事的可視化研究領域屬應用基礎研
究范疇，具有很強的應用性，因此希望你們重視應用研究，做有用的研究，多與產業界聯
系；不要隨波逐流跟著考核指揮棒走，一味追逐論文數、獎項數和科研經費數；學術評價
標準是影響力，而不是這個數那個數。影響力分學術影響力和產業影響力兩類：學術影響
力看的是發表的學術論文級別，真正有影響力的論文只有頂級論文，能產出頂級論文的只
有少數人，且只能在其創造力旺盛的有限歲月才有可能發表頂級學術論文；產業影響力是
看你的成果在產業界的應用效果，所有有真才實學的人都能有所貢獻，且可能是終生都會
有所貢獻。你可能會說沒有論文，拿不到博士學位，升不了職稱，沒有科研經費無法帶研
究生，等等。是的，這里就有個度以及你的看法問題，這就是先賢王陽明先生說的“良知”
（我們對事物的最初反應，也是我們本性的表現）；王陽明還提出“致良知”說，就是指我
們應該遵從自己的良知而行，即將良知付諸實踐。因此，這是一個復雜而又現實的問題，
我前面說了“不要隨波逐流”，現在又說要“致良知”，即要按自己想清楚的去做，一句話
就是：要獨立思考，不要隨大流。
東拉西扯地寫了一大堆，請陳教授諒解，也請諸位讀者諒解。
石教英
浙江大學計算機輔助設計與圖形學國家重點實驗室
2013 年9 月11 日
再版序
作為一種數據分析的工具，可視化業已成為各類數據分析的理論框架和應用中的必
備要素，并成為科學計算、商業智能、安全等領域中的普惠技術。21 世紀之初以后，國
內外信息環境發生了很大的變化，可視化的意義也逐漸為世人所知。各類科研基金和企業
研發經費紛紛投向高效、高質量的可視化方法和系統的研究與開發。國家自然科學基金于
2012 年資助了“探索式可視分析的基礎理論與方法”重點項目，團隊成員來自浙江大學、
北京大學、香港科技大學、北京應用物理與計算數學研究所等單位。經過五年的努力，課
題組成果斐然，在結題考核中被評為優秀。學術界的共同努力，使得國內的學術力量為亞
洲領先、世界知名。據國際權威學術排行榜（http://www.csrankings.org）統計，近五年，
浙江大學、清華大學、北京大學在可視化和可視分析領域頂級會議IEEE VIS 上的發文數
量均名列世界前20。產業界也紛紛發力，國內著名企業均投入重兵，研發新興可視化技術。
阿里巴巴、阿里云、百度、螞蟻金服、華為、360，都相繼成立了可視化的研發團隊。阿
里云早期和浙江大學合作的DataV 可視化組件庫，“被阿里巴巴的各類產品線廣泛使用（如
數據魔方、淘寶指數、對外數據大屏和‘雙11’大屏等產品），打破了國外highcharts 等
收費方案的壟斷，幫助阿里集團的眾多大數據產品以最低成本大幅提高數據輸出效果和質
量”。百度公司發布的ECharts 可視化工具，位列github 可視化工具第三，占有國內70%
的開源可視化工具市場。螞蟻金服研發的AntV、G2 等開源可視化工具，也逐漸在輕量級
Web 可視化方面輸出能力。此外，新型大數據可視化創業公司如海云數據、永洪科技等，
以可視化和可視分析技術為亮點，逐步在國內市場占據一席之地。在這種新形勢下，在最
新發布的中國科技創新2030“新一代人工智能”和“大數據”專項指南中，均將可視化
和可視分析列為大數據智能急需突破的關鍵共性技術。
可視化的推廣和應用離不開學術界的引導。從2014 年到2017 年，中國計算機學會大
數據專家委員會每年都發布大數據十大趨勢，可視化和可視分析年年入選。從入選評價，
不難看出大數據學術界對可視化的期望：2014 年，第四，大數據分析與可視化；2015 年，
第八，可視化分析與可視化呈現；2016 年，第一，可視化推動大數據平民化；2017 年，第十，
可視化技術和工具提升大數據分析工具的易用性。浙江大學自2011 年為本科生開設“數
據可視化”課程以來，年年選課總人數超過150 人。北京大學、浙江大學等高校，每年都?
舉辦暑期學校和研討班。自2014 年起，國內學術同仁發起了中國可視化與可視分析大會，
每年參會人數超過500 人。
本書自2013 年出版第1 版至今，多次重印，被國內20 多所高校列為教材，也被廣大
的企事業單位用于科研、研發和培訓。本書的繁體字版本還被銷往中國臺灣地區。本書第
2 版的修訂增加了一些最新的科研成果，更新了大量案例。團隊成員（馬昱欣、郭方舟、
朱閩峰、郭方舟、王敘萌、張天野、馬昱欣、梅鴻輝、魏雅婷、黃兆嵩、陸俊華、韓東明、
潘嘉鋮、張瑋、黃家東）等為本書的修訂做了大量的工作，在此一并致謝。我們相信，大
數據可視化的征程才剛剛開始。
本書作者
于2019 年2 月
第1版前言
數據的采集、提取和理解是人類感知和認識世界的基本途徑之一，數據可視化為人類
洞察數據的內涵、理解數據蘊藏的規律提供了重要的手段。
隨著數據時代的來臨，大數據的分析、挖掘與可視化已經成為信息技術發展的迫切需
求。面對當前科學可視化、信息可視化、可視分析研究和應用的新形勢，需要發展新的復
雜數據的處理、分析與可視化方法，并圍繞實際科學和社會問題的求解設計高效的人機交
互界面。目前，國內急需面向信息時代中各類數據特性和應用領域介紹數據可視化基本理
論與方法的工具書。
本書從研究者的視角，介紹了數據可視化的定義、方法、功效和實用軟件，可作為初
學者入門的向導，是有關科研和教育人員從事可視化研究和開發的一本實用的參考書。全
書共有16 章，分為4 篇：基礎篇、時空數據篇、非時空數據篇和用戶篇。
基礎篇（第1~4 章）闡述數據可視化的基礎理論和概念，從人的感知和認知出發，介
紹數據模型和可視化基礎。第1 章闡述可視化的定義、作用和發展歷史，給出數據可視化
的現代意義和分類。第2 章詳細介紹視覺感知和認知的基本原理、顏色模型和可視化編碼
原則。第3 章介紹數據模型、數據定義、數據組織與管理、數據分析與挖掘等基本概念。
第4 章闡述數據可視化基礎，包括可視化流程、圖形符號、視覺變量和評估方法等內容。
根據數據的時空特性，數據可分為時空數據和非時空數據。
時空數據篇（第5~8 章）介紹含有空間坐標或時間信息的數據的可視化方法，此類數
據通過測量儀器在真實物理空間中采集或由科學計算模擬生成。空間數據可分為標量、向
量和張量三大類。第5 章介紹空間標量場數據可視化，主要涵蓋一維、二維和三維空間的
標量場數據。第6 章介紹含有地理信息的空間數據的可視化技術。第7 章介紹大尺度或隨
時間變化的空間標量場數據的可視化解決方案和挑戰，空間向量場和張量場數據的可視化
方法，多變量空間數據場的可視化。第8 章關注帶有時間信息的數據可視化，包括時間屬
性可視化、多變量時變型數據可視化和流數據可視化。
非時空數據篇（第9~12 章）描述非結構和非幾何抽象數據的可視化，這類數據既存
在于真實物理空間，也存在于社會空間和網絡信息空間。第9~12 章分別介紹層次結構數
據可視化、文本數據可視化、跨媒體數據可視化和復雜高維多元數據可視化。特別是，非
時空數據，具有高維、大尺度、異構、復雜等特點。第12 章介紹最新的有關復雜高維多
元數據可視化的方法，處理對象包括多變量非結構化數據、大規模數據、異構數據和不確
定性數據等。
用戶篇（第13~16 章）介紹實際應用中各類數據可視化需采用的共性、技術和工具以
及具體的應用系統。第13 章介紹可視化中的交互方法，包括交互準則、交互分類和相關
技術。第14 章介紹可視化評測，闡述可視化評測的因素、方法、流程和具體實例。第15
章介紹面向科學計算、生命醫學、網絡安全、商業智能和金融等領域的可視化技術。第
16 章介紹可視化系統，包括應用系統、數據資源、開發工具和全球重要的可視化研究小
組等信息。
本書由浙江大學計算機輔助設計與圖形學（CAD＆CG）國家重點實驗室部分師生和
阿里巴巴公司的沈則潛博士共同編著。美國內布拉斯卡- 林肯大學的俞宏峰（Hongfeng
Yu）博士全程參與了本書結構的討論和若干章節的編寫，并完成了前4 章的審校，為本書
做出了極大的貢獻。為清晰起見，我們將各章的作者列表如下（粗體字所示作者為相關章
節的主要編寫者）。
章 節 號章節名稱作 者輔 助
第1 章數據可視化簡介陳為
第2 章視覺感知與認知陳偉鋒（浙江財經大學）
第3 章數據馬昱欣、陳為
第4 章數據可視化基礎
俞宏峰（美國內布拉斯卡- 林肯大學）、陳為（4.3 節）、陳
偉鋒（4.4 節，浙江財經大學）
丁治宇
第5 章空間標量場可視化
陶煜波、陳為、李昕（5.3.5 節，中國石油大學（華東）計
通學院）
朱斯衎
第6 章地理信息可視化沈則潛
第7 章
大規模多變量空間數據場可
視化
陶煜波、彭藝、陳莉（7.1 節、7.2 節，清華大學）、解聰（7.3
節）、丁子昂（7.4 節，美國普度大學）、丁治宇（7.5 節）
陳為、
張嘉偉
第8 章時變數據可視化夏菁、陳為、郭方舟
第9 章層次和網絡數據可視化沈則潛、夏菁陳為
第10 章文本和文檔可視化王桂珍陳為
第11 章跨媒體數據可視化解聰、徐星、彭帝超（11.4.2 節、11.4.3 節）、陳廣宇陳為
第12 章復雜高維多元數據的可視化沈則潛、陳為（12.3 節）、陳海東（12.4 節） 陳海東
第13 章可視化中的交互吳斐然、沈則潛劉穎
第14 章可視化評測沈則潛、劉穎（英特爾北京研究院）
第15 章面向領域的數據可視化
陳為、彭帝超（15.4 節）、俞宏峰（15.1 節，美國內布拉斯卡-
林肯大學）、劉真（15.5 節、15.6 節，杭州電子科技大學）
第16 章可視化研究與開發資源李昕（中國石油大學（華東）計通學院）、嚴丙輝陳為
浙江大學CAD＆CG 國家重點實驗室的彭群生教授一直鼓勵、關心和支持本書的寫作。
浙江大學CAD＆CG 國家重點實驗室可視分析小組的全體同學參與了書稿的準備、討論和
校對，包括陳廣宇、檀江華、汪飛、朱標、劉昊南、張嘉偉、張建霞、鄒瑤瑤等。英特爾
北京研究院的劉穎博士、清華大學的陳莉博士、合肥工業大學的羅月童博士、中科院深圳
先進技術研究院的汪云海博士等幫助審校了部分章節，在此一并致謝。
本書編寫始于2010 年12 月，初稿完成于2012 年10 月。基于國內各高校開展可視化
教學的強烈需求，在本書初稿完成后，本書部分作者和其他作者著手編撰一本面向本科生
的可視化教材，其中部分內容取材自本書的相關章節，該書已于2013 年6 月出版（《數據
可視化的基礎原理與方法》，陳為、張嵩、魯愛東編著，鞠麗娜編輯，科學出版社，ISBN
978-7-03-037488-2），歡迎有興趣的讀者參閱。
由于時間緊迫，編著者水平有限，錯誤、疏漏之處難免，敬請諒解。本書的附屬材
料和修訂信息將在上予以實時更新。若有任何建議，
歡迎致信作者。
本書作者
于2013 年6 月 |
內容簡介：全書共有15章，分為4篇。基礎篇，闡述數據可視化的基礎理論和概念，從人的感知和認知出發，介紹數據模型和可視化基礎；時空數據篇，介紹帶有空間坐標或時間信息的數據的可視化方法，此類數據通過設備在真實物理空間中采集得到或由科學計算模擬產生；非時空數據篇，描述非結構化和非幾何的抽象數據的可視化，這些數據既存在于真實物理空間，又是社會空間和網絡信息空間的基本表達形式；用戶篇，介紹面向各類數據的可視化在實際應用中共同需要的方法、技術和工具，例如交互和可視化評測方法，以及在具體領域的可視化和應用系統。本書從研究者的角度，介紹數據可視化的定義、方法、效用和工具，既可作為初學者的領路手冊，也可用于可視化研究和可視化工具使用的參考指南。
|
目錄：基 礎 篇
第1 章 數據可視化簡介 2
1.1 可視化釋義 2
1.2 可視化簡史 8
1.3 數據可視化詳解 23
1.3.1 數據科學的發展 23
1.3.2 數據可視化的意義 25
1.3.3 數據可視化分類 29
1.3.4 數據可視化與其他學科領域的關系 38
1.4 數據可視化研究挑戰 43
參考文獻 44
第2 章 視覺感知與認知 47
2.1 視覺感知和認知 47
2.1.1 視覺感知和認知的定義 48
2.1.2 視覺感知處理過程 48
2.1.3 格式塔理論 49
2.1.4 相關實驗 56
2.2 顏色 57
2.2.1 顏色刺激理論 57
2.2.2 色彩空間 61
2.3 視覺編碼原則 66
2.3.1 相對判斷和視覺假象 66
2.3.2 標記和視覺通道 69
2.3.3 視覺通道的概念 71
2.3.4 視覺通道的特性 77
參考文獻 88
第3 章 數據 91
3.1 總覽 91
3.2 數據基礎 96
3.2.1 數據分類 96
3.2.2 數據集 96
3.2.3 數據相似度與密度 97
3.3 數據獲取、清洗和預處理 98
3.3.1 數據獲取 98
3.3.2 數據清洗 99
3.3.3 數據精簡 102
3.3.4 其他常用的數據預處理步驟 103
3.4 數據組織與管理 104
3.4.1 數據整合與集成 106
3.4.2 數據庫與數據倉庫 108
3.5 數據分析與挖掘 111
3.5.1 探索式數據分析 113
3.5.2 聯機分析處理 113
3.5.3 數據挖掘 116
3.6 數據科學與可視化 118
3.6.1 數據工作流 118
3.6.2 可視數據挖掘 122
3.7 數據科學的挑戰 130
參考文獻 131
第4 章 數據可視化基礎 136
4.1 數據可視化基本框架 136
4.1.1 數據可視化流程 136
4.1.2 數據可視化設計 140
4.2 可視化中的數據 143
4.2.1 數據認知 143
4.2.2 數據類型 143
4.3 可視化的基本圖表 145
4.3.1 原始數據繪圖 145
4.3.2 簡單統計值標繪 150
4.3.3 多視圖協調關聯 151
4.4 可視化設計原則 153
4.4.1 數據到可視化的直觀映射 153
4.4.2 視圖選擇與交互設計 155
4.4.3 信息密度——數據的篩選 156
4.4.4 美學因素 157
4.4.5 動畫與過渡 159
4.4.6 可視化隱喻 163
4.4.7 顏色與透明度 164
4.5 可視化理論發展 164
4.5.1 圖形符號學 165
4.5.2 關系數據的圖形表示 166
4.5.3 圖形語法 167
4.5.4 基于數據類型的研究 168
4.5.5 基于數據狀態模型的研究 169
4.5.6 多維關系數據庫可視化分析系統 170
參考文獻 171
時空數據篇
第5 章 空間標量場可視化 174
5.1 一維標量場可視化 174
5.2 二維標量場可視化 176
5.2.1 顏色映射 177
5.2.2 等值線 178
5.2.3 高度圖 179
5.3 三維標量場數據可視化 179
5.3.1 空間數據表達 182
5.3.2 空間數據特征計算 187
5.3.3 間接體繪制 192
5.3.4 規則三維標量場的直接體可視化 197
5.3.5 不規則體數據的體可視化 221
參考文獻 233
第6 章 大規模多變量空間數據場可視化 243
6.1 大規模空間標量場數據的實時可視化 244
6.1.1 大規模空間標量場數據的單機繪制 244
6.1.2 大規模空間標量場數據的并行繪制 245
6.1.3 時變空間標量場數據加速繪制方法 247
6.2 時變異構空間數據場的特征追蹤與可視化 248
6.2.1 時變空間標量場數據的特征提取 248
6.2.2 異構數據的特征融合 249
6.2.3 時變空間標量場數據的特征追蹤 250
6.3 空間向量場數據可視化 253
6.3.1 圖標法 255
6.3.2 幾何法 257
6.3.3 紋理法 262
6.3.4 拓撲法 265
6.4 空間張量場數據可視化 267
6.4.1 張量場的數學描述 268
6.4.2 基于幾何的方法 271
6.4.3 基于紋理的方法 275
6.4.4 基于拓撲的方法 278
6.4.5 高階張量場可視化 281
6.5 多變量空間數據場可視化 282
6.5.1 多變量空間數據場的特征表達與關聯分析 283
6.5.2 多變量空間數據場的可視化與交互 287
參考文獻 290
第7 章 時變數據可視化 305
7.1 時間屬性的可視化 307
7.1.1 線性和周期時間可視化 308
7.1.2 日歷時間可視化 312
7.1.3 分支和多角度時間可視化 314
7.1.4 時間屬性的動態可視化 319
7.2 多變量時變型數據可視化 320
7.2.1 基于線表示的可視化 321
7.2.2 基于圖結構的可視化 325
7.2.3 時間序列數據的可視化交互 326
7.3 流數據可視化 327
7.3.1 流數據可視化模型 327
7.3.2 流數據處理技術 328
7.3.3 流數據可視化案例 331
7.3.4 并行流計算框架 337
參考文獻 339
非時空數據篇
第8 章 層次和網絡數據可視化 344
8.1 層次數據 344
8.1.1 層次數據的可視化 348
8.1.2 節點- 鏈接法 349
8.1.3 空間填充法 357
8.1.4 其他方法 365
8.2 網絡數據 367
8.2.1 網絡和圖 367
8.2.2 網絡數據可視化 368
8.2.3 網絡數據的地圖隱喻可視化 382
8.2.4 超圖及其可視化 385
8.2.5 動態網絡數據可視化 387
8.2.6 圖可視化的視覺效果 390
8.2.7 圖可視化中的交互 398
8.2.8 網絡數據可視化的挑戰 400
參考文獻 401
第9 章 文本和文檔可視化 409
9.1 文本可視化釋義 409
9.1.1 文本信息的層級 409
9.1.2 文本可視化的研究內容與任務 410
9.1.3 文本可視化流程 411
9.2 文本信息分析基礎 412
9.2.1 分詞技術和詞干提取 412
9.2.2 數據模型 413
9.3 文本內容可視化 417
9.3.1 基于關鍵詞的文本內容可視化 417
9.3.2 時序性的文本內容可視化 421
9.3.3 文本特征的分布模式可視化 424
9.3.4 文檔信息檢索可視化 428
9.3.5 軟件可視化 430
9.4 文本關系可視化 432
9.4.1 文檔相似性可視化 432
9.4.2 文本內容關聯可視化 435
9.4.3 文檔集合關系可視化 437
9.5 文件情感分析可視化 439
9.5.1 顧客評價可視化 440
9.5.2 情感變化可視化 441
9.5.3 情感差異可視化 443
9.6 總結 444
參考文獻 444
第10 章 跨媒體數據可視化 448
10.1 圖像 448
10.1.1 圖像網格 448
10.1.2 基于時空采樣的圖像集可視化 449
10.1.3 基于相似性的圖像集可視化 450
10.1.4 基于海塞圖的社交圖像可視化 451
10.1.5 基于故事線的社交圖像可視化 452
10.2 視頻 453
10.2.1 視頻摘要 453
10.2.2 視頻抽象 456
10.3 聲音與音樂 459
10.3.1 聲樂波形可視化 461
10.3.2 聲樂結構的可視化 462
10.4 超媒體 465
10.4.1 社交媒體可視化 468
10.4.2 社交網絡可視化 476
10.5 數字生活可視化 487
參考文獻 490
第11 章 復雜高維多元數據的可視化 493
11.1 高維多元數據 494
11.1.1 空間映射法 495
11.1.2 圖標法 511
11.1.3 基于像素圖的方法 514
11.1.4 基于動畫的方法 517
11.2 非結構化與異構數據的可視化 518
11.2.1 非結構化數據 518
11.2.2 異構數據 520
11.3 大尺度數據的可視化 523
11.3.1 基于并行的大尺度數據高分辨率可視化 523
11.3.2 大尺度數據的分而治之可視化與分析 527
11.4 數據不確定性的可視化 531
11.4.1 不確定性的基本定義 532
11.4.2 不確定性的來源 532
11.4.3 不確定性的可視化方法 533
參考文獻 550
用 戶 篇
第12 章 可視化中的交互 558
12.1 交互準則 559
12.1.1 交互延時 559
12.1.2 交互成本 561
12.1.3 交互場景變化 562
12.2 交互分類 563
12.2.1 按低階交互操作分類 563
12.2.2 按交互操作符與空間分類 564
12.2.3 按交互任務分類 564
12.3 交互技術 565
12.3.1 選擇 565
12.3.2 導航 567
12.3.3 重配 569
12.3.4 編碼 571
12.3.5 抽象/ 具象 573
12.3.6 過濾 574
12.3.7 關聯 579
12.3.8 概覽+ 細節 581
12.3.9 焦點+ 上下文 584
12.4 交互與硬件設備 593
12.4.1 交互環境 594
12.4.2 交互設備 596
參考文獻 599
第13 章 可視化效果評測與用戶實驗 607
13.1 評測流程 608
13.2 評測方法 609
13.2.1 用戶實驗（User Studies） 609
13.2.2 專家評估（Expert Review/Heuristic Evaluation） 609
13.2.3 案例研究（Case Studies and Use Cases） 610
13.2.4 指標評估（Metrics） 612
13.2.5 眾包（Crowdsourcing） 612
13.2.6 標注（Labeling） 613
13.3 用戶實驗 613
13.3.1 確定實驗目標 613
13.3.2 準備實驗 615
13.3.3 進行實驗 619
13.3.4 分析結果并討論 619
13.3.5 評測案例分析 620
13.4 總結 632
參考文獻 632
第14 章 面向領域的數據可視化 635
14.1 高性能科學計算 635
14.1.1 高性能科學可視化的挑戰 637
14.1.2 重要信息的提取和顯示 640
14.1.3 原位可視化 642
14.1.4 未來挑戰 645
14.2 生命科學 645
14.2.1 臨床醫學影像 645
14.2.2 其他影像 651
14.2.3 電生理信號 655
14.2.4 OMICS 組學 658
14.2.5 深度學習 662
14.3 其他科學與藝術 663
14.3.1 氣候學與氣象中的可視化 663
14.3.2 面向藝術的表意性可視化 667
14.4 網絡與系統安全的可視化 671
14.4.1 基于可視變換的蟲洞攻擊可視化 671
14.4.2 可信計算的可視化 672
14.4.3 安全日志數據的可視化 673
14.4.4 智能電網數據的可視化 673
14.5 商業智能可視化 674
14.5.1 商業智能 675
14.5.2 商業智能中的數據可視化 676
14.5.3 云端商業智能 680
14.5.4 未來趨勢 681
14.6 金融數據可視化 681
14.6.1 金融數據來源 682
14.6.2 金融數據分析的自動化方法 683
14.6.3 金融數據可視化方法 683
14.6.4 金融數據可視分析 686
參考文獻 690
第15 章 可視化研究與開發資源 698
15.1 可視化軟件 698
15.1.1 醫學可視化軟件 698
15.1.2 科學可視化軟件 700
15.1.3 信息可視化軟件 704
15.1.4 可視分析軟件 709
15.2 可視化開發工具 709
15.2.1 應用程序開發工具 709
15.2.2 Web 應用開發工具712
15.3 數據分析和數據挖掘軟件與開發工具 714
15.4 可視化數據集資源 716
15.5 可視化信息資源 718
15.6 海外可視化研究機構 719 |
| 序： |
|
