IGAL九期班学习笔记-陈为

      本篇博客用于记录本人学习IGAL九期班陈为老师课程的笔记。本次课程的内容为《时空大数据的高效可视分析》，在课程中主要分为了两大部分：《时空数据的可视化表达》和《复杂时空信息的关联可视分析》来对其进行介绍，并且在介绍过程结合自己做过的相关研究及成果进行引导式的讲解。时空大数据包括海洋、大气、太空的探测和计算数据比如卫星遥感数据、集合模拟数据、地面多点观测数据等。高效认知时空大数据成为当前重要研究方向。但当前时空大数据主要存在三个方面的问题，一是数据的复杂性；二是认知的局限性，其包括信息自动处理和分析能力不足、分析缺乏全局性和精准性、低效的应急分析预测能力三个方面；三是在应用上存在信息与物理时空的分离、信息与来源的跨时空性、低效的应急分析预测能力的时空分离性。针对这些存在的问题，陈为老师提出了三点要求：高效的时空数据表达与抽象、时空信息的可视关联分析和时空场景的可视化服务。

在简要讲解了时空大数据目前存在的主要问题和应该怎样切入后，陈为老师开始向我们讲解他们在可视化研究工作中取得的成果与经验，并结合本次课程主题对时空大数据的高效可视化进行深入的讲解。

一、时空数据可视化的表达

     对于时空大数据其主要存在不确定信息、多变性、大尺度和复杂时空结构等四大难点。

针对这些难点，陈为老师他们做出的创新成果有以下：

（一）是针对不确定性，且为解决集合均值之间的关系和捕获集合分布之间的关系，提出了保持概率分布的多变量集合数据多维投影的方法。

（二）是针对多变量问题，如统的散点图如果要表达高维数据那么需要很多个散点图，每一个散点图上面如果有标签，那么在二维平面上画出来会导致一个数据混淆的现象。针对这一现象，陈为老师提出了一种名为蓝噪声采样的算法，可对多变量数据数据的空间分布计算简化的可视表达，并提供敏捷的用户交互。

       对此陈为老师还提出同样的一种算法如果在不同的方向去多用的话会产生意想不到的效果，如运用到出租车的轨迹数据的线采样、空间的体数据上。可视化是一种表达，如果把原始的数据表达出来就会很复杂很多海量的数据会发生混淆，那么可以做采样，在采样中使用蓝噪声，然后可以找很多的点如多粒蓝噪声采样、结合语义分析表达的方式等。

（三）是针对大尺度的问题，如流场可视化算法设计四次积分计算，复杂度大于O（N的2次方），当数据尺度大时，会导致效率瓶颈的问题。提出了将耗时的流场积分计算从物体空间转换到图像空间，并采用GPU加速，自适应选择预计算的图像空间细节层次可视化表达的方法。

同样基于蓝噪音采样算法，引入了word2vec语义计算方法，将复杂的数据轨迹变换到高维空间，再投影到二维空间然后对其进行蓝噪声采样。以此解决复杂时空数据在空间上分布稠密，造成严重的视觉混。达到简化数据空间的效果。

二、复杂时空信息的关联可视化分析

   对于复杂时空信息的关联可视化分析其内容主要包含时序关联分析、空间属性关联分析、异常时空分析、事件关联分析、网络可视化分析五个方面。并介绍了在这五个方面做出的相关成果及研究：

（一）对于复杂数据的多个维度可能存在冗余、关联关系。常规的散点图矩阵方法只能发现两两对维度之间的关系。对此提出了采用信息熵理论计算一维视图集合和二维视图集合之间的关系，继而可视化基于四元组树算法的视图关系层次结构，并允许用户交互地浏览和分析此结构的方法。该方法支持用户快速定位和分析冗余维度，能观察维度之间的关联关系。

（二）提出融合决策树、关联规则等方法的异常检测可视分析方法与新型可视化方法，支持异常行为的快速检测

（三）提出基于城市多源异构数据的可视查询新模式, 支持对交通、人群、通信的草图式交互查询、比对和评估。

（四）构建交互智能时空大数据的可视化分析范式，支持异常检测、趋势分析、证据关联等细粒度分析任务。

（五）提出了多源时空数据的紧致表达及时空SQL可视分析方法，支持交互查询、溯源和分析三元空间中的事件。

最后陈为老师还为我们总结了时空大数据可视分析方面值的开展深入研究的地方和自主研发系统的一些研究成果。

 

参考文献：IGAL九期班视频：day3-morning-weichen_Trim.mp4，PPT：IGAL09-ChenWei_图