大数据可视化技术面临的挑战及应对措施

 智能家居产品     |      2020-04-15 12:06

导读:基于大数据的特点及其应用需求,结合数据可视化的研究现状,介绍了适用于大数据的数据可视化技术。分析了大数据条件下数据可视化需要解决的八个关键问题。本文讨论了自主开发的

基于大数据的特点及其应用需求,结合数据可视化的研究现状,介绍了适用于大数据的数据可视化技术。分析了大数据条件下数据可视化需要解决的八个关键问题。本文讨论了自主开发的面向大数据可视化应用需求的交互式可视化设计平台AutoVis及其应用。

图灵奖获得者吉姆·格雷曾说过,数据密集型科学发现是继实验归纳、逻辑演绎和模拟之后的第四种科学方法。作为前三种科学范式的补充,这种方法进一步促进了人类科学技术的进步。

数据不仅促进了许多科学领域和产业的发展,也带来了前所未有的挑战。为了有效地理解数据并避免“大数据”变成“大麻烦”,需要开发更好的工具来支持整个研究过程,包括数据捕获、数据治理、数据分析和数据可视化。

在大数据时代,数据可视化技术得到广泛应用的同时,也面临着许多新的挑战。大数据可视化是一个面向应用的研究领域。本文着重从应用实践的角度探讨大数据环境下大数据可视化的内涵、研究进展、相关技术和产品以及面临的一系列挑战。

大数据可视化的内涵

数据可视化是以可见的形式显示抽象的“数据”,以帮助人们理解数据。与传统的数据可视化相比,大数据可视化本质上处理不同的数据对象。在现有小规模或中等规模结构化数据的基础上,大数据可视化需要有效处理大规模、多类型、快速更新的数据。这给数据可视化的研究和应用带来了一系列新的挑战。

数据可视化的概念于1987年正式提出。经过30多年的发展,它已经逐渐形成了三个分支:科学可视化、信息可视化和视觉分析。近年来,这三个子领域逐渐融合。本文统称为“数据可视化”。

在传统数据可视化的基础上,本文试图给出大数据可视化的内涵:大数据可视化是指有效处理大规模、多类型、快速变化的数据的图形化交互式探索和显示技术。

其中,有效性是指在合理的时间和开销范围内空;大规模、多类型和快速变化是被处理数据的主要特征。图形交互式探索是指通过图形手段支持数据的交互式分析;显示技术是指数据的可视化显示。

大数据可视化技术

首先,从方法层面介绍了基本满足通用数据可视化需求的通用技术。然后,根据可视化目标的分类,根据大数据的特点,重点介绍了相关的大规模数据可视化、时间序列数据可视化、面向可视化的数据采样方法和数据可视化生成技术。


  • 共6页:
  • 上一页
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 下一页