可视化VIS
可视化VIS
怪异收集者
喜欢唱、跳、乱踢
展开
-
站点访问概况(近两月 2.29-4.29)
马上五一了,数据已更新至建站来的两个月。 以下为原文:终于告别三月,迎来了四月,在二月的最后一天,我把主题换成了Volantis,并且最近一段时间一直在对其进行美化和微调,现在是四月的第一天,整整一个月过去了,博客运行的如何呢?让我来借助统计分析来给大家康康。日均访客由下图可以看出,本博客还是个微型小站,每天基本也就几十个访客/IP,网页被浏览一百...原创 2020-04-01 16:03:35 · 268 阅读 · 0 评论 -
你有没有「厌网」情节?
曾几何时,互联网的沟通方式是单调的,但人与人的沟通却是真诚的,但近年来网民数量直逼人口数量,互联网再也不是从前那一汪清泉,或许用波涛汹涌的汪洋大海来比喻比较贴切,太多人厌倦了、疲惫了,选择退网了,在他们眼中,当下互联网环境早已是恶臭漫天,烂的一发不可收拾,但事实如此吗?我想每个人有每个人的理解。先导写此文章的缘由是我看到了不止一个朋友、或朋友的朋友...原创 2020-04-23 21:36:58 · 262 阅读 · 0 评论 -
纵览全局的文档组织模式(下)
本文详细记录了如何在Hexo博客中实现用图组织内容的方法,但是,请注意:以下内容并非操作教程,仅表明相信思路以供参考,或许您可以实现出更好的版本,但仅依照下文内容并不保证一定能重现,一些尝试和debug的细节过于繁琐并未列出,如有疑问欢迎留言。代码实现hexo.extend.helper.register文档说明,借助该函数,可以在Hexo渲染生成...原创 2020-01-08 12:42:42 · 151 阅读 · 0 评论 -
纵览全局的文档组织模式(上)
对知识系统(eg.博客)而言,良好的组织结构是极为重要的,尤其是当内容增多,关联复杂后显得尤为重要。传统的“分类(Categories)+标签(Tags)”的二级模式虽足以应付大部分用户的需求,但本质上其还是需要用户对已有分类和标签有良好的组织,这对很多用户来说是根本做不到,因为我们往往缺的就是这种“纵览全局”的能力。分类往往越分越多,标签也是随意...原创 2020-01-06 09:49:55 · 356 阅读 · 0 评论 -
纵览全局的博客文章组织模式-想法和实现
欢迎访问个人博客:TZLoop's Blog转载本文请注明原始出处。有人说蚂蚁的世界是二维的(非常不准确),那是因为它们永远不知道何为高矮深浅。 因为它们感官的“无能”,致使它们丧失感受世间万物的机会。对知识系统(eg.博客)而言,良好的组织结构是极为重要的,尤其是当内容增多,关联复杂后显得尤为重要。传统的“分类(Categories)+标签(Tags)”的二级模式虽足以应付大部分...原创 2020-01-13 00:36:24 · 497 阅读 · 0 评论 -
数据可视化学习路线
写在前面有幸看到了这篇关于数据可视化学习的指导文章,由于原作链接访问异常,只得从百度快照中看到原文,所以这里搬运过来,特此声明本文系【转载】,在此感谢原作者,以下为原文正文(略有删减)。原作者: 张迪 2018年01月03日 于 张迪的blog 发表原文链接本文将从可视化设计、数据分析、技术实现三个角度来阐述要学习的内容。(*图中的chin...原创 2019-07-11 12:07:49 · 1500 阅读 · 1 评论 -
初识图数据的可视化
图数据的产生和发展图是信息科学中最常用的一类抽象数据结构,能够直观的表达现实世界中对象之间的真实关系。许多重要应用都需要用图结构表示,传统应用如最优运输路线的确定、疾病爆发路径的预测、科技文献的引用关系等;新兴应用如社交网络分析、语义 Web 分析、生物信息网络分析等,与图相关的处理和应用几乎无所不在 [1] 。随着技术的不断发展,网络在我们的生活...原创 2019-04-29 17:57:55 · 390 阅读 · 0 评论 -
图布局算法的发展
图数据的可视化,核心在布局,而布局算法通常是按照一些特定的模型,将抽象数据进行具象展示,这一过程伴随大量的迭代计算,例如朴素的 FR 力导向算法其在计算斥力时的算法时间复杂度达到了 O(n 3 ),这在小规模数据量下可能并不会出现问题,但随着规模的不断增大,采用如此“高昂”计算复杂度的算法变得不能接受,所以,出现了许多针对算法时间复杂度进行改进的方法,需...原创 2019-05-03 20:48:34 · 1508 阅读 · 0 评论 -
GraphX具体功能的代码使用实例-Scala实现
GraphX 为整个图计算流程提供了强大的支持,先前已经有若干篇文章先后介绍了GraphX的强大功能,在GraphX官方编程指南中,提供了部分简单易懂的示例代码,其为GraphX的使用提供了一个初步的认识,作为需要用GraphX来编码实现需求的读者来说是十分宝贵的资源。本文利用一个初始示例代码,结合部分官方文档中的说明,对GraphX的部分功能方法...原创 2018-05-11 20:17:16 · 479 阅读 · 0 评论 -
使用D3.JS进行坐标轴绘制和图绘制
前面已经说过D3的功能十分强大,但是往往实际使用时只需要用到一部分内容,在这里,就只用到了 *比例尺 *和 *布局 *两部分,外加 *核心 *的请求部分(请求数据),分别用来绘制Graph的显示坐标轴和图的顶点及边;绘制坐标轴传统坐标轴这里指的是 *第一象限 *的坐标轴,即两轴的坐标均为正数,坐标原点为(0,0)具体可以看 这里,说的比较详细。...原创 2018-06-02 09:32:08 · 1316 阅读 · 1 评论 -
D3+Node快速实现图数据的可视化
这里的图数据特指布局后的图数据,主要包括顶点信息(ID和坐标等)以及边信息,先前已经写过如何使用Gephi来进行数据的可视化,具体文章见:Gephi-Toolkit的引入与使用Gexf Gexf是Gephi的输入数据格式,其本质上是XML文件格式,标注了顶点信息和边信息。 如果我们想让自己的布局代码生成的数据直接拿到Gephi中展示,那就还需...原创 2018-05-27 10:25:38 · 493 阅读 · 0 评论 -
GraphX编程指南-官方文档-整理
GraphX 是新的(alpha)的图形和图像并行计算的Spark API。从整理上看,GraphX 通过引入 弹性分布式属性图(Resilient Distributed Property Graph)继承了Spark RDD:一个将有效信息放在顶点和边的有向多重图。为了支持图形计算,GraphX 公开了一组基本的运算(例如,subgraph,join...原创 2018-05-07 02:24:26 · 777 阅读 · 0 评论 -
Spark图计算及GraphX简单入门
GraphX介绍GraphX应用背景Spark GraphX是一个分布式图处理框架,它是基于Spark平台提供对图计算和图挖掘简洁易用的而丰富的接口,极大的方便了对分布式图处理的需求。众所周知·,社交网络中人与人之间有很多关系链,例如Twitter、Facebook、微博和微信等,这些都是大数据产生的地方都需要图计算,现在的图处理基本都是分布式的图...原创 2018-04-28 13:46:28 · 259 阅读 · 0 评论 -
Gephi-Toolkit的引入与使用
Gephi-Toolkit是一个工具包,可以不依赖NetBeans平台来对输入数据进行可视化,输入数据一般是gexf等格式的文件,大多已经完成了坐标计算过程,用此Toolkit的目的就是使用Gephi强大的绘图功能(还有独立的其他功能,这里暂不展开)。详细项目地址点击 这里 。在上述Github的项目地址中,有详细的代码demo和使用的部分示例数据...原创 2018-05-03 22:58:46 · 979 阅读 · 0 评论 -
OpenOrd-面向大规模图布局的开源算法-研读
原文名:OpenOrd: An Open-Source Toolbox for Large Graph Layout中译名:OpenOrd-面向大规模图布局的开源算法刊载源:出版源 Visualization & Data Analysis , 2011 , 7868 (3) :-作者们:Shawn Martin a , W. Micha...原创 2018-04-18 03:51:01 · 1400 阅读 · 2 评论 -
基于Spark的大数据热图可视化方法
计算机辅助设计与图形学学报 2016-11 浙江工业大学&浙江大学概述针对普通客户端浏览和分析大数据困难的问题, 结合 Spark 和 LOD 技术, 以热图为例提出一种面向大数据可视化技术框架. 首先利用 Spark 平台分层并以瓦片为单位并行计算, 然后将结果分布式存储在 HDFS 上, 最后通过web 服务器应用Ajax技术结合地理信息提...原创 2017-11-20 13:16:52 · 985 阅读 · 0 评论 -
可视化算法VxOrd论文研读
原文名:Cluster Stability and the Use of Noise in Interpretation of Clustering中文译:聚类的稳定性和在聚类解释中添加噪声源刊载:IEEE Symposium on Information Visualization , 2001 :23机构名:Sandia National La...原创 2018-04-15 19:59:44 · 370 阅读 · 0 评论 -
Gephi源码的调试及Git同步
Fork原始Gephi项目进入Gephi的github地址:https://github.com/gephi/gephi点击右上角的fork按钮将其fork到自己的github中: fork完毕后我们就在自己的github中有了完整的备份:然后点击上图中绿色的Clone按钮,注意必须在自己的备份中进行Clone以便后期提交自己的修改...原创 2018-04-09 15:17:54 · 386 阅读 · 0 评论