跨媒体数据可视化

跨媒体数据可视化

多媒体可视化

图像数据可视化

图像数据丰富
用于可视化的图像特征：
　　　　　色彩　明暗
　　　　　轮廓　场景

视频数据可视化

线性播放的“视频流”
　可视化增强：
　　非线性“视频浏览”
　　提高自动视频分析算法
　　性能
　　检测视频中的物体、特征等

视频相似性：将每帧当做一个高维数据点进行投影

视频立方：
　　将（平面）视频帧按时间轴堆叠排列
　　使用一些体可视化技术展示视频（流）中的特征
　　
视频签名：总结视频的某项特征

音频可视化

声音：产生听觉的生理信号
可视化使用的特征：响度、频谱等
（五线谱 –最典型的音乐可视化）

跨媒体数据可视化

数据/信息在不同媒介间的分布与互动
媒体间信息的交叉传播、整合
通过学习、推理等进行媒体类型的跨越
通常涉及：
文本、网络日志
　多媒体资源（视频、音频等）
　连接关系（网页间的超链接等）
　社会关系

社交网络可视化

社交网络结构：
节点+链接
完全连通子图（Clique）、社区（Community）
节点中心性（Centrality）、边的中介性（Betweenness）

　
社交网络可视化的挑战：
　　网络规模增大造成的可读性降低
　　跨媒体信息融入社交网络（形成异构网络）

微博可视化：
　新兴网络媒体：
　　文本（博客）
　　社交网络
　　新闻媒体
　基于用户关系的信息分享、传播、获取平台
　微博数据研究：数据分析领域热点话题

数据类型：
　显式内容：
　　文本：个人心情；文章；新闻报道等
　　图像、视频
　隐性内容：
　　人际关系　舆情
　　突发事件
　　信息产生、传播和消亡

微博的动态信息可视化：
　　属性的实时变化
　　事件的实时传播情况
　　交互式可视化作品

日志数据可视化

日志数据来源
　商业金融
　商业交易：淘宝、京东
　金融交易：支付宝
　移动互联网
　集群网络：网络、云计算
　社交网络：人人网、新浪微博
　推荐系统：百度mp3下载、亚马逊购物
　城市生活
　位置传感器：车联网、RFID、视频
　通信：蓝牙设备、手机通话

日志数据特点：
　大尺度
　　日志记录条目数量多
　 非结构化、异构
　　日志数据没有统一的格式或结构
　 流数据
　　日志数据是一种流数据，每时每刻都会产生
　 数据陷阱
　　数据量大，常需要分布式处理，数据存储不一致、不完整

日志数据处理：
　日志收集和统一集中
　日志存储　　日志过滤
　日志聚合　　日志搜索和抽取
　日志保存和归档

日志数据可视化方法：
　统计图形可视化
　流数据可视化
　复杂网络、文本可视化等技术的综合