大數(shù)據(jù)可視化技術(shù)探析

付長軍，喬宏章

(中國電子科技集團(tuán)公司第五十四研究所，河北 石家莊 050081)

?

大數(shù)據(jù)可視化技術(shù)探析

付長軍，喬宏章

(中國電子科技集團(tuán)公司第五十四研究所，河北 石家莊 050081)

大數(shù)據(jù)挖掘分析是未來大數(shù)據(jù)產(chǎn)業(yè)的重點(diǎn)和關(guān)鍵，可視化分析技術(shù)在自動(dòng)化處理模型的基礎(chǔ)上，將人的認(rèn)知能力用于發(fā)現(xiàn)潛在知識(shí)和隱藏模式，已經(jīng)成為大數(shù)據(jù)分析的重要工具之一。圍繞大數(shù)據(jù)分析的本質(zhì)，對大數(shù)據(jù)可視化技術(shù)的內(nèi)涵進(jìn)行了剖析，然后從人的視覺原理和可視化兩個(gè)角度對可視化分析技術(shù)原理進(jìn)行了綜述，最后介紹大數(shù)據(jù)可視化在新聞傳媒和態(tài)勢感知兩個(gè)領(lǐng)域的應(yīng)用情況。

大數(shù)據(jù)；數(shù)據(jù)挖掘；可視化；數(shù)據(jù)分析

0 引言

大數(shù)據(jù)技術(shù)經(jīng)過最近十年的飛速發(fā)展，已經(jīng)成為一門廣泛應(yīng)用的成熟技術(shù)。隨著大數(shù)據(jù)產(chǎn)業(yè)鏈的日益完善，未來發(fā)展重點(diǎn)是大數(shù)據(jù)的挖掘分析與應(yīng)用[1]。21世紀(jì)初由Jim Thomas教授提出的可視化分析是大數(shù)據(jù)挖掘分析與應(yīng)用中不可或缺的一門技術(shù)[2]，一方面將大數(shù)據(jù)中所包含的邏輯、結(jié)構(gòu)等要素利用圖形化的方法顯示出來供人們理解和決策本身就是大數(shù)據(jù)應(yīng)用的一個(gè)重要方面，另一方面通過圖形化交互式界面將人腦擅長的認(rèn)知能力融入到大數(shù)據(jù)分析過程中，能夠解決傳統(tǒng)自動(dòng)化處理算法難以解決的問題。

可視化分析的處理過程可以看作是一個(gè)假設(shè)生成的過程，在可視化界面下用戶可以看到數(shù)據(jù)的一些內(nèi)在特性從而形成假設(shè)，進(jìn)一步的假設(shè)驗(yàn)證既可以通過可視化方法來完成，也可以利用統(tǒng)計(jì)和機(jī)器學(xué)習(xí)等一些自動(dòng)處理的方法來完成[3-4]。由于人腦在分析過程中的介入，可視化分析方法在非均勻數(shù)據(jù)和噪聲數(shù)據(jù)的處理能力有明顯優(yōu)勢，此外在分析推理過程中可以不依賴于任何先驗(yàn)?zāi)Ｐ汀?/p>

可視化分析涉及腦認(rèn)知、人機(jī)交互、數(shù)據(jù)分析、信息可視化幾方面的內(nèi)容，是一個(gè)典型的交叉研究領(lǐng)域[4-5]。雖然已經(jīng)開發(fā)出了從入門級的Excel到專業(yè)的D3、Visual.ly等面向不同應(yīng)用的各類可視化分析工具，但是如何針對具體數(shù)據(jù)設(shè)計(jì)出針對性的可視化方法仍無章可循，仍需工程人員創(chuàng)造力的注入。

本文從大數(shù)據(jù)可視化分析的內(nèi)涵入手，介紹了可視化分析中經(jīng)常利用的視覺原理，然后梳理出了不同維、不同類型數(shù)據(jù)的典型化分析處理方法，為讀者在可視化分析的實(shí)踐中提供一些程式化的設(shè)計(jì)思路和啟發(fā)。

1 大數(shù)據(jù)可視化分析的內(nèi)涵

任磊等人認(rèn)為：大數(shù)據(jù)可視化分析是指在大數(shù)據(jù)自動(dòng)分析挖掘方法的同時(shí)，利用支持信息可視化的用戶界面以及支持分析過程的人機(jī)交互方式與技術(shù)，有效融合計(jì)算機(jī)的計(jì)算能力和人的認(rèn)知能力,以獲得對于大規(guī)模復(fù)雜數(shù)據(jù)集的洞察力(insight)[4]。歸根到底，大數(shù)據(jù)可視化分析是從原始數(shù)據(jù)獲取知識(shí)的一種手段，所采用的主要手段是自動(dòng)化分析算法、可視化和人機(jī)交互。

如圖2所示，數(shù)據(jù)分析的最終目標(biāo)是發(fā)現(xiàn)原始數(shù)據(jù)背后所隱藏的信息，進(jìn)而形成知識(shí)以納入人們已有的知識(shí)結(jié)構(gòu)中[6]。

圖1 數(shù)據(jù)分析運(yùn)行機(jī)制

為達(dá)到這一目標(biāo)，主要依賴于人和機(jī)器的合作與互補(bǔ)，一種方法是將數(shù)據(jù)映射為形狀、顏色、大小等視覺元素，通過視覺刺激和圖形的交互來實(shí)現(xiàn)，該途徑主要利用了人的理解力和創(chuàng)造力優(yōu)勢。另一種方法是利用機(jī)器學(xué)習(xí)等方法形成模型，得出結(jié)論，形成知識(shí)并納入已有的知識(shí)結(jié)構(gòu)，該途徑主要利用機(jī)器的計(jì)算能力和存儲(chǔ)能力優(yōu)勢。兩種途徑可以獨(dú)立進(jìn)行，又可以相互補(bǔ)充。通過可視化分析能夠發(fā)現(xiàn)一些機(jī)器發(fā)現(xiàn)不了的潛在規(guī)律和結(jié)構(gòu)，從而指導(dǎo)機(jī)器形成新的模型和學(xué)習(xí)方法；同樣，通過機(jī)器學(xué)習(xí)得到的模型也會(huì)指導(dǎo)人們采用更加合理的可視化方法，更加有效地刺激人們的視覺感知系統(tǒng)。幫助人們發(fā)現(xiàn)數(shù)據(jù)中隱藏知識(shí)并歸入到已有知識(shí)結(jié)構(gòu)是大數(shù)據(jù)可視化分析的本質(zhì)內(nèi)容和根本任務(wù)，而不僅僅是“很炫地”顯示出來。

2 可視化分析方法中的基本視覺原理

理解和運(yùn)用視覺原理的目的在于，可視化分析過程中映射成的視覺元素和設(shè)計(jì)生成的圖形圖像，能夠被人們在最短時(shí)間內(nèi)準(zhǔn)確地將所包含的知識(shí)納入到已有的知識(shí)結(jié)構(gòu)中，盡可能避免引入不必要的干擾因素。由于對人的視覺原理尚未研究清楚，本文僅介紹在大數(shù)據(jù)可視化分析中影響較深的幾個(gè)基本視覺原理。

2.1 潛意識(shí)處理

少數(shù)的視覺屬性可以通過潛意識(shí)瞬間完成分析判斷，換言之，不需要集中注意力即可以完成信息的處理。如圖2所示，人們對顏色、體積、面積、角度、長度、位置等視覺屬性非常敏感，可以在瞬間區(qū)分出差別，對位置差異性把握的尤其準(zhǔn)確[7]。

圖2 潛意識(shí)下不同視覺屬性的處理精度

因此在設(shè)計(jì)中就可以把一些差異化的東西盡可能通過這些視覺特性表現(xiàn)出來，如圖3(a)和圖3(b)所示，2個(gè)數(shù)據(jù)集中的顏色/灰度和形狀差異可以瞬間被人們發(fā)現(xiàn)，這樣的數(shù)據(jù)呈現(xiàn)形式有助于發(fā)現(xiàn)數(shù)據(jù)中潛在的知識(shí)。然而，當(dāng)數(shù)據(jù)呈現(xiàn)結(jié)果中同時(shí)采用了顏色/灰度和形狀差異兩種不同的視覺特性顯示后，如圖3(c)所示，觀察者被混淆，無法準(zhǔn)確快速地區(qū)分出來。因此，在可視化過程應(yīng)該避免多種視覺特性的引入，以提高視覺認(rèn)知效率。

(a)僅含灰度差異

(b)僅含形狀差異

(c)含灰度和形狀差異圖3 潛意識(shí)下不同視覺屬性的處理精度

2.2 格式塔視覺原理

格式塔視覺原理(Gestalt Laws of Perceptual Organization)認(rèn)為[8]：距離相近的部位(相近性)、在某一方面相似的部位(相似性)、彼此相屬傾向于構(gòu)成封閉實(shí)體的部位(封閉性)、具有對稱/規(guī)則/平滑等具有簡單特征的圖形(簡單性)在一起時(shí)會(huì)被人們認(rèn)為成一個(gè)整體，如圖3所示。因此，在可視化分析中，為了讓數(shù)據(jù)展示結(jié)果簡單明了，可以利用以上特性，借助視覺欺騙通過孤立的部位把一個(gè)整體表現(xiàn)出來。從另一方面講，在數(shù)據(jù)展示過程中，應(yīng)該避免將不同屬性的數(shù)據(jù)用相近性、相似性、封閉性或簡單性的特征來加以描述，不然會(huì)引起視覺的混淆。

圖4 格式塔視覺原理示意圖

2.3 愛德華·塔夫特原則

作為信息設(shè)計(jì)先驅(qū)，耶魯大學(xué)統(tǒng)計(jì)學(xué)教授愛德華·塔夫特(Edward Tufte)認(rèn)為一個(gè)好的數(shù)據(jù)呈現(xiàn)應(yīng)該簡明、準(zhǔn)確、高效、一目了然、充分反應(yīng)出所包含的信息，要盡可能用最小的空間以最少的筆墨讓受眾在最短的時(shí)間得到最多的觀點(diǎn)(即Data-ink maximzation)，如圖5所示，圖(b)將圖(a)中一些不必要的元素進(jìn)行了刪減，刪減后圖的可讀性得到了明顯提升。針對如何設(shè)計(jì)出一個(gè)好的數(shù)據(jù)呈現(xiàn)結(jié)果，愛德華·塔夫特教授提出了以下原則[9]：

① 明確對照物：在統(tǒng)計(jì)分析過程中，最基本的分析行為要回答清楚“與什么做比較？”；

② 明確因果關(guān)系：表明各個(gè)變量直接的關(guān)系；

③ 明確各種變化因素：世界是非常多元的；

④ 整合各種跡象：把文字、數(shù)字、圖像和圖表完全整合在一起；

⑤ 提供詳細(xì)的標(biāo)題：說明作者和發(fā)起人，數(shù)據(jù)來源，展示完整的測量比例，指出相關(guān)的問題；

⑥ 內(nèi)容決定一切：分析結(jié)果的好壞最終還是看內(nèi)容的質(zhì)量、實(shí)用性和完整性。

(a)設(shè)計(jì)前的結(jié)果

(b) 設(shè)計(jì)后的結(jié)果

3 常用的可視化分析方法

大數(shù)據(jù)可視化分析方法處理的數(shù)據(jù)類型涵蓋一維、二維、多維、文本、網(wǎng)絡(luò)圖、代碼/算法、時(shí)空數(shù)據(jù)等，采用的顯示方法包括標(biāo)準(zhǔn)的2D/3D顯示、圖標(biāo)化顯示、圖像化顯示、堆疊化顯示等，采用的變換技術(shù)包括投影、濾波、放縮、變形、填充等。此外，單一的數(shù)據(jù)呈現(xiàn)結(jié)果不足以反應(yīng)數(shù)據(jù)潛在的全部信息和知識(shí)，還需要相應(yīng)的交互技術(shù)根據(jù)用戶的理解程度，適時(shí)調(diào)整數(shù)據(jù)呈現(xiàn)結(jié)果，達(dá)到將原始數(shù)據(jù)包含的知識(shí)納入到用戶已有知識(shí)體系結(jié)構(gòu)這一最終目的。

對一/二維的數(shù)據(jù)通常采用的顯示方法包括曲線圖、折線圖、散點(diǎn)圖、餅圖、柱狀圖、雷達(dá)圖、熱力圖等。多維數(shù)據(jù)可視化分析的目標(biāo)是發(fā)現(xiàn)多維數(shù)據(jù)分布規(guī)律，尋求不同維度之間的邏輯關(guān)系，分析過程中主要通過映射、投影、平行坐標(biāo)等降維手段實(shí)現(xiàn)多維數(shù)據(jù)在平面上的顯示，采用的方法包括[4]:幾何圖形、圖標(biāo)、像素、層次結(jié)構(gòu)、圖結(jié)構(gòu)以及多種方法并舉等形式。

文本是人們交流和記錄的重要載體，占據(jù)了約80%左右的電子化信息，以新媒體、電子檔案、電子記錄等形式與人們的生活緊密相連，是大數(shù)據(jù)挖掘與分析的一項(xiàng)重要內(nèi)容。文本可視化分析的目的在于通過詞頻、主題關(guān)聯(lián)、動(dòng)態(tài)演化等規(guī)律的展現(xiàn)，發(fā)現(xiàn)文本中蘊(yùn)含的語義特征。常用的顯示方法包括：標(biāo)簽云、語義結(jié)構(gòu)樹、氣泡等，如圖6所示[10]。

(a)標(biāo)簽云

(b)語義結(jié)構(gòu)樹

(c)氣泡圖圖6 文本可視化案例

網(wǎng)絡(luò)圖直接體現(xiàn)了文件組織架構(gòu)、網(wǎng)頁地圖、人際交流等現(xiàn)實(shí)問題中的關(guān)聯(lián)關(guān)系。網(wǎng)絡(luò)圖的可視化分析旨在通過選擇合理的層次結(jié)構(gòu)、捆綁或刪減不必要的邊和節(jié)點(diǎn)、多尺度交互等手段，直觀地展示潛在的模式和關(guān)聯(lián)關(guān)系，常用顯示手段包括H樹H-Tree、圓錐樹 Cone Tree、氣球圖 Balloon View、放射圖 Radial Graph、三維放射圖 3D Radial、雙曲樹 Hyperbolic Tree 等[3]，如圖7所示。

(a) H樹

(b)圓錐圖

(c)氣球圖

(d)放射圖

基于人機(jī)交互的可視化技術(shù)能夠讓用戶直接與數(shù)據(jù)呈現(xiàn)結(jié)果進(jìn)行交互，可以在看到數(shù)據(jù)局部信息的同時(shí)又能了解到整體信息，也使得通過不同可視化分析方法進(jìn)行原始數(shù)據(jù)分析成為可能。常用的方法包括動(dòng)態(tài)投影(Dynamic Projections)、整體+詳細(xì)技術(shù)(Overview+Detail)、交互式濾波(Interactive Filtering)、交互式縮放(Interactive Zooming)、交互式變形(Interactive Distortion)、焦點(diǎn)+上下文 (Focus+Context，F(xiàn)+C)等技術(shù)[4]。

4 大數(shù)據(jù)可視化分析的應(yīng)用前景

大數(shù)據(jù)可視化引入了人的分析認(rèn)知能力，將動(dòng)態(tài)呈現(xiàn)與分析有機(jī)結(jié)合在了一起，在大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)分析中優(yōu)勢更加突出，被廣泛應(yīng)用于態(tài)勢分析和新聞報(bào)道中。

數(shù)據(jù)可視化分析技術(shù)的引入增加了新聞傳播內(nèi)容的客觀性和可信性[11]?！缎l(wèi)報(bào)》《泰晤士報(bào)》《洛杉磯時(shí)報(bào)》《紐約時(shí)報(bào)》《時(shí)代周報(bào)》、中央電視臺(tái)等國內(nèi)外著名媒體相繼利用開發(fā)平臺(tái)和公共數(shù)據(jù)，基于大數(shù)據(jù)可視化技術(shù)開展新聞報(bào)道。央視在2014年除夕前首次推出 “據(jù)說春運(yùn)”系列報(bào)道后，相繼推出了“據(jù)說春節(jié)”“據(jù)說兩會(huì)”系列報(bào)道?！丁皳?jù)”說“兩會(huì)”》系列報(bào)道中利用標(biāo)簽云顯示方法，參照主播顧國寧的形象，成功地塑造了“數(shù)據(jù)哥”形象，實(shí)現(xiàn)了電視播報(bào)分格與信息可視化的緊密結(jié)合。將由老百姓最關(guān)注的熱門詞以喜聞樂見的新聞人物形象呈現(xiàn)在觀眾面前，讓受眾能在短時(shí)間即發(fā)現(xiàn)最關(guān)注的詞匯有哪些、哪個(gè)關(guān)注程度高一些、與我最相關(guān)的內(nèi)容是哪個(gè)等等，把評價(jià)和判斷留給觀眾，新聞節(jié)目的意味更加深長，觀賞性和科學(xué)性也得到進(jìn)一步提升。信息可視化技術(shù)已經(jīng)成為新聞媒體創(chuàng)新播放形式，提升觀眾吸引力的重要工具。

態(tài)勢估計(jì)、分析和預(yù)測離不開數(shù)據(jù)可視化分析技術(shù)[12-13]。為掌握安全、輿論、對抗、環(huán)境等事件的宏觀狀況、形態(tài)和形勢，并判斷其強(qiáng)弱盛衰，需要對眾多的數(shù)據(jù)綜合起來加以理解，衡量各種因素對于達(dá)成目標(biāo)的重要程度。由于潛在的模式千變?nèi)f化，自動(dòng)化的計(jì)算機(jī)處理模型無法應(yīng)對所有場景，對態(tài)勢的估計(jì)、分析和預(yù)測離不開人的認(rèn)知能力?？梢暬治黾夹g(shù)在態(tài)勢感知應(yīng)用中，將各類環(huán)境數(shù)據(jù)、方法、概念、步驟等知識(shí)映射成視覺元素，充分利用視覺的信息處理優(yōu)勢，不僅為決策者提供強(qiáng)大便捷的態(tài)勢感知手段，還與自動(dòng)化處理方法共同識(shí)別和理解事件相關(guān)要素、關(guān)聯(lián)關(guān)系和發(fā)展趨勢?？梢暬治鲆呀?jīng)成為各類態(tài)勢感知的關(guān)鍵技術(shù)。

5 結(jié)束語

大數(shù)據(jù)可視化分析技術(shù)充分利用了機(jī)器和人的各自優(yōu)勢，在大數(shù)據(jù)挖掘、分析和應(yīng)用中廣泛使用，為此各大公司和研究機(jī)構(gòu)開發(fā)了眾多成熟的程式化制作工具幫助人們方便地解決面臨的問題。然而人的視覺認(rèn)知原理尚未認(rèn)識(shí)清楚，如何實(shí)現(xiàn)計(jì)算機(jī)挖掘與人的認(rèn)知之間的最優(yōu)化協(xié)作，依然缺少以用戶為中心的系統(tǒng)設(shè)計(jì)與方法論，用戶往往看不懂可視化領(lǐng)域創(chuàng)新技術(shù)。面對具體的問題，一個(gè)好的可視分析解決方案仍然依賴用戶的經(jīng)驗(yàn)和創(chuàng)作靈感。此外，隨著數(shù)據(jù)量的日益增大，受顯示器尺寸的限制以及人單次處理信息能力的限制，面向可視化分析的自動(dòng)化數(shù)據(jù)篩選和挖掘日益迫切。

[1] 喬宏章,付長軍．大數(shù)據(jù)產(chǎn)業(yè)發(fā)展現(xiàn)狀研究[J]．無線電通信技術(shù),2016,42(4): 1-4,28.

[2] Richard May,Pat Hanrahan,Keim Daniel A,et al. The State of Visual Analytics is and Where it is Going[C]∥2010 IEEE Symposium on Visual Analytics Science and Technology(VAST),2010:257-259.

[3] Herman I,Melancon G,Marshall M S. Graph Visualization and Navigation in Information Visualization: A Survey [J]. IEEE Transactions On Visualization and Computer Graphics,2000,6(1): 24-43.

[4] 任磊,杜一,馬帥,等. 大數(shù)據(jù)可視分析綜述[J].軟件學(xué)報(bào),2014,25(9):1909-1936.

[5] 曾悠. 大數(shù)據(jù)時(shí)代背景下的數(shù)據(jù)可視化概念研究 [M].杭州：浙江大學(xué),2014.

[6] Keim D A. Information Visualization and Visual Data Mining[J]. IEEE Transactions on Visualization and Computer Graphics,2002,8(1):1-8.

[7] Colin W. Information Visualization: Perception for Design (Third Edtion) [M]. San Francisco: Morgan Kaufmann,2012.

[8] Barry S. Foundations of Gestalt Theory[M]. German:Philosophia Verlag Gmbh,1988.

[9] Tufte E R.The Visual Display of Quantitative Information [M]. USA:Graphics Press,1983.

[10]Koh K,Lee B,Kim B,et al. ManiWordle: Providing Flexible Control over Wordle [J]. IEEE Trans. on Visualization and Computer Graphics. 2010,16(6):1190-1197.

[11]常江,文家寶,劉詩瑤. 電視數(shù)據(jù)新聞報(bào)道的探索與嘗試[J]. 采編談藝,2014(5):74-79.

[12]李東海. 綜合偵察系統(tǒng)一體化技術(shù)發(fā)展研究[J]. 無線電工程,2016,46(6):13-17.

[13]吳佳鑫,王健海. 基于態(tài)勢感知理論的可視化感知模型[J].現(xiàn)代圖書情報(bào)技術(shù),2010(Z1):9-14.

DARPA推進(jìn)“分散計(jì)算”計(jì)劃，開發(fā)新型網(wǎng)絡(luò)協(xié)議改善網(wǎng)絡(luò)性能

美國國防高級研究計(jì)劃局(DARPA)2017年6月19日宣布，已就其“分散計(jì)算”(DCOMP)計(jì)劃與Vencore公司創(chuàng)新研究部門——Vencore實(shí)驗(yàn)室簽訂了基本合同。合同期到2021年，價(jià)值超過1 000萬美元。

DARPA此前已與多家公司簽訂“分散計(jì)算”項(xiàng)目研發(fā)合同。此次Vencore將為DARPA開發(fā)創(chuàng)新的網(wǎng)絡(luò)協(xié)議，特別關(guān)注了一種解決方案，利用可編程的網(wǎng)絡(luò)元素，收集路徑內(nèi)網(wǎng)絡(luò)數(shù)據(jù)，并借助可編程協(xié)議邏輯分析和使用這些分析數(shù)據(jù)，從而提高網(wǎng)絡(luò)性能。

根據(jù)DARPA 2017年6月24日發(fā)布的“分散計(jì)劃”項(xiàng)目跨機(jī)構(gòu)公告，該項(xiàng)目旨在解決網(wǎng)絡(luò)連通性和電能受限的惡劣作戰(zhàn)環(huán)境中數(shù)據(jù)計(jì)算的成本和時(shí)延問題。項(xiàng)目包括三大技術(shù)領(lǐng)域：分散任務(wù)感知計(jì)算算法、可編程的節(jié)點(diǎn)和協(xié)議棧以及技術(shù)集成。

目前有大量計(jì)算需求的用戶一般都是接入大型共享數(shù)據(jù)中心，將其圖像、視頻等文件送回?cái)?shù)據(jù)中心處理。但在不同操作環(huán)境中，這種方式的費(fèi)用和時(shí)延會(huì)帶來問題，尤其是網(wǎng)絡(luò)容量嚴(yán)重受限或用戶應(yīng)用要求近實(shí)時(shí)響應(yīng)時(shí)。這種情況下，用戶可利用當(dāng)?shù)乜捎玫挠?jì)算能力。

“分散計(jì)算”計(jì)劃尋求一種創(chuàng)新的方法創(chuàng)建協(xié)議棧和算法軟件，通過利用分散的計(jì)算系統(tǒng)資源，提高網(wǎng)絡(luò)應(yīng)用性能。計(jì)劃尋求一種可伸縮的系統(tǒng)，這種系統(tǒng)可根據(jù)用戶的競爭性需求，通過大量的異構(gòu)計(jì)算平臺(tái)，以任務(wù)感知的方式，實(shí)現(xiàn)計(jì)算設(shè)施安全和統(tǒng)一的任務(wù)分配，體系結(jié)構(gòu)中可包括網(wǎng)元、無線電臺(tái)、智能手機(jī)、帶可編程執(zhí)行環(huán)境的傳感器以及便攜式微云。

Study on Big Data Visualization Technology

FU Chang-jun,QIAO Hong-zhang

(The 54th Research Institute of CETC,Shijiazhuang Hebei 050081,China)

The big data mining analysis is the key issue in the future development of big data industry. Based on automatic processing model,the visual analysis technology uses people’s perceiving ability to discover the latent knowledge and hidden patterns,and it becomes one of the most important big data analysis tool. Based on the essence of big data analysis,the intention of big data visual analysis is analyzed. From the point of visual principle and visualization method,the principle of visualization analysis methods is summarized. At last,the application of big data visualization in news media and situation awareness is introduced.

big data; data mining; visualization; data analysis

2017-05-09

付長軍(1981—)，男，博士，主要研究方向：信號與信息處理，于2012年畢業(yè)于清華大學(xué)自動(dòng)化系，同年在中國電子科技集團(tuán)公司第五十四研究所參加工作，主要從事衛(wèi)星通信、衛(wèi)星導(dǎo)航與衛(wèi)星遙感等空間信息綜合系統(tǒng)的研制與生產(chǎn)，以及大數(shù)據(jù)、公共安全等相關(guān)系統(tǒng)與產(chǎn)品的論證和研究；目前在IEEE Transactions on Image Processing(TIP)、Data Compression Conference(DCC)等國內(nèi)外著名雜志上發(fā)表論文近二十篇。喬宏章(1963—)，男，高級工程師，所副總工程師，主要研究方向:信號與信息處理，于1983年在中國電子科技集團(tuán)公司第五十四研究所參加工作，主要從事偵察設(shè)備、航天測控地面設(shè)備和信息系統(tǒng)的研制和生產(chǎn)；主持建設(shè)的項(xiàng)目或軍隊(duì)科技進(jìn)步一等獎(jiǎng)一項(xiàng)，2012年起作為集團(tuán)“智慧城市”專家組成員，主持了“平安包頭”“平安唐山”等項(xiàng)目的論證和建設(shè)工作，已發(fā)表學(xué)術(shù)論文十余篇。

10. 3969/j.issn. 1003-3114. 2017.05.01

付長軍,喬宏章.大數(shù)據(jù)可視化技術(shù)探析[J].無線電通信技術(shù),2017,43(5):01-05.

[FU Changjun,QIAO Hongzhang. Study on Big Data Visualization Technology [J]. Radio Communications Technology,2017,43(5): 01-05.]

TP912.3

A

1003-3114(2017)05-01-5