第1篇 大数据基本定义 2
第1章 可视分析基础与框架 2
1.1 可视化简介 2
1.2 可视分析 3
1.2.1 交互式可视分析框架描述 5
1.2.2 可视分析的新方向 5
1.3 实例1——VisComposer：可视化图表制作工具 6
1.3.1 框架设计 7
1.3.2 与嵌套增量模型的关系 10
1.3.3 系统实现 10
1.4 实例2——基于知识图谱的交互关系浏览与分析 15
1.4.1 对象的可视化 16
1.4.2 可视化 18
1.5 实例3——EasySVM：基于可视分析方法的支持向量机的白盒分析方法 33
1.5.1 简介 33
1.5.2 方法概览 34
1.6 基于迁移学习的数据分类可视分析方法 36
1.6.1 概念定义 37
1.6.2 方法概览 38
参考文献 39
第2篇 大数据基本方法 46
第2章 多媒体数据 46
2.1 多媒体数据可视分析简介 46
2.2 多媒体数据的可视探索 47
2.2.1 文本数据可视化 47
2.2.2 图像数据可视化 53
2.3 多媒体数据分析实例 57
2.3.1 项目背景和需求分析 57
2.3.2 项目架构流程 58
2.3.3 可视化布局算法 58
2.3.4 可视化设计 62
2.3.5 使用说明 64
参考文献 67
第3章 网络数据 69
3.1 网络数据简介 69
3.2 网络拓扑结构的常用可视化方法 69
3.2.1 节点链接法 70
3.2.2 邻接矩阵法 70
3.2.3 混合布局法 71
3.3 网络动态变化的常用可视化方法 72
3.3.1 动画法 72
3.3.2 时间线法 73
3.4 动态网络中关系动态变化的可视化 74
3.4.1 关系动态变化可视化系统简介 75
3.4.2 关系强度变化可视化系统设计 77
3.4.3 实例与应用 85
3.5 动态网络中异常检测可视化 88
3.5.1 背景 88
3.5.2 研究目标 89
3.5.3 可视化系统设计 90
3.5.4 算法选择和设计 90
3.5.5 可视化设计 93
3.5.6 案例研究 100
3.6 动态网络中节点排名可视化 103
3.6.1 设计目标 104
3.6.2 系统设计 104
参考文献 110
第4章 多层面数据 113
4.1 维度相关性的可视探索 113
4.1.1 方法描述 113
4.1.2 案例分析 121
4.1.3 小结 125
4.2 基于多层面数据的关系可视推理 126
4.2.1 简介 127
4.2.2 数据 128
4.2.3 任务描述 129
4.2.4 方法描述 132
4.2.5 案例分析 139
4.3 数据分析：从探索层面到解释层面 143
4.3.1 简介 143
4.3.2 时序排名数据的可视表达 144
4.3.3 排名项的语义探索 147
4.3.4 案例分析 149
参考文献 152
第5章 不确定性数据 155
5.1 不确定性数据简介 155
5.1.1 不确定性的定义与分类 155
5.1.2 不确定性的来源 156
5.1.3 不确定性可视化及挑战 157
5.1.4 本章工作概要 157
5.2 多变量集合数据的可视化方法与实例 158
5.21 不确定性感知的多维投影方法 159
5.2.2 集合不确定性的量化与可视化 164
5.2.3 可视探索系统设计 166
5.2.4 实例与应用 168
5.3 空间线几何的差异可视化与分析 174
5.3.1 方法描述 175
5.3.2 可视探索界面设计 177
5.3.3 结果与讨论 179
5.4 多类散点图的可视简化与探索 183
5.4.1 多类散点图的可视简化 184
5.4.2 多类散点图的可视探索 190
5.4.3 有效性评估 192
5.4.4 小结 197
参考文献 198
第3篇 大数据应用 204
第6章 三维空间域数据 204
6.1 三维空间域数据简介 204
6.2 三维体可视化 205
6.3 间接体绘制 206
6.4 直接体绘制 208
6.4.1 直接体绘制方法 208
6.4.2 采样重建 211
6.4.3 体数据分类 212
6.4.4 光照计算 218
6.4.5 光学积分 220
6.5 三维空间域数据可视化方法实例 222
6.5.1 基于感知的传输函数颜色优化设计 222
6.5.2 多变量空间数据场的压缩域体绘制方法 234
6.5.3 基于多类蓝噪声采样的多变量空间数据场可视化技术 248
参考文献 261
第7章 社交媒体数据 265
7.1 社交媒体数据可视分析简介 265
7.2 获取社交媒体数据中的信息 266
7.2.1 关键词模型法 267
7.2.2 话题模型法 268
7.2.3 综合模型法 271
7.3 理解社交媒体用户的行为 272
7.3.1 分析社交媒体用户的交往行为 273
7.3.2 探索社交网络内容 276
7.3.3 小结 280
7.4 工具与开发 281
7.5 本章小结 282
参考文献 283
第8章 通用时空数据 287
8.1 时空数据概述 287
8.2 三维多变量空间数据场兴趣域可视化发掘 289
8.2.1 分析任务 290
8.2.2 数据处理 292
8.2.3 可视化设计 294
8.2.4 结果与讨论 298
8.3 传感器时序数据关联可视分析 304
8.3.1 TCP树 304
8.3.2 可视化设计 309
8.3.3 结果与讨论 312
参考文献 317
第9章 城市数据 321
9.1 背景介绍 321
9.1.1 城市化与智慧城市 321
9.1.2 城市数据 323
9.1.3 城市数据可视化与可视分析 325
9.1.4 准备数据 325
9.2 基本的城市数据可视化方法 326
9.2.1 时间属性的可视化 326
9.2.2 空间属性的可视化 331
9.2.3 时空属性的可视化 336
9.3 城市数据可视分析的应用 337
参考文献 346
第10章 网络日志数据 349
10.1 用户交易时间序列数据的可视分析 349
10.1.1 多用户交易探索（MUIE）方法概述 349
10.1.2 多用户交易探索（MUIE）流程 352
10.1.3 问题定义和数据 353
10.1.4 概率决策树分类算法 354
10.1.5 时序显著度图：探索大量的用户交易数据 356
10.1.6 KnotLines可视化 358
10.1.7 交易案例分析 365
10.2 动态交易轨迹可视化 367
10.2.1 本节可视化方法概述 367
10.2.2 交易轨迹的核密度估计 367
10.2.3 密度图的渲染及加速计算 369
10.2.4 动态粒子可视化效果 371
10.2.5 城市进出口交易信息可视化 372
10.3 用户交易类别型数据的可视化 373
10.3.1 本节可视分析方法概述 373
10.3.2 任务定义 374
10.3.3 离散随机变量的矩阵生成 375
10.3.4 矩阵可视化方案 376
10.3.5 交易可视化案例 377
10.3.6 相似性的定义 379
10.3.7 交式探索工具 379
10.3.8 交互分析案例 381
参考文献 383
第11章 云计算环境下的数据可视分析 384
11.1 云计算平台可视化概述 384
11.1.1 云计算简介 384
11.1.2 云计算相关的可视化挑战 385
11.2 云平台监控数据可视分析 386
11.2.1 云平台监控数据简介 386
11.2.2 系统设计与方法介绍 388
11.2.3 案例分析 394
11.3 多层级可视分析——计算集群监控 398
11.3.1 简介 398
11.3.2 集群监控信息可视化系统框架设计 399
11.3.3 集群监控信息可视化系统 401
11.4 基于云服务的移动端可视化 405
11.4.1 简介 405
11.4.2 数据识别 407
11.4.3 数据编辑 408
11.4.4 数据可视化设计 411
11.4.5 案例分析 412
参考文献 415
第12章 多人在线游戏日志数据 416
12.1 背景介绍 416
12.1.1 游戏类别 416
12.1.2 游戏数据分析角色和任务的简介 416
12.1.3 游戏数据指标的类别简介 417
12.1.4 现有游戏数据分析的方法简介 417
12.1.5 游戏数据可视化的意义 417
12.1.6 游戏数据可视化的挑战 418
12.2 基本的游戏数据可视化方法 419
12.2.1 游戏中的柱形图 419
12.2.2 游戏中空间数据的可视化 421
12.2.3 游戏中时序数据的可视化 422
12.2.4 游戏中网络数据的可视化 425
12.2.5 游戏可视化综述 425
12.3 游戏数据可视化的应用——海量玩家的消费行为与交流行为的可视分析 425
12.3.1 海量玩家的消费行为与交流行为可视分析的引入 425
12.3.2 海量玩家的消费行为与交流行为可视分析的一个具体工作 427
参考文献 436
索引 441