《面向可視化的大尺度體數據的壓縮技術研究》是依託杭州電子科技大學，由吳向陽擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向可視化的大尺度體數據的壓縮技術研究
- 項目類別：青年科學基金項目
- 項目負責人：吳向陽
- 依託單位：杭州電子科技大學
項目摘要,結題摘要,
項目摘要
數據壓縮一直是體數據可視化研究中的一個重要問題，隨著精度要求的提高和套用需求的增長，體數據的維數、解析度、變數個數不斷增加，數據量呈指數增長，傳統的壓縮方法由於受到了記憶體空間和計算能力的制約，不能勝任大尺度多維體數據的壓縮工作。圍繞這一問題，本項目預備開展三方面的研究工作：首先，建立基於多解析度和數據分塊的體數據壓縮方法，滿足不同解析度和局部可視化需要，同時充分開發各維數據間相關性；其次，開發高效的稀疏殘差數據的管理機制，保存前期壓縮後的殘差數據，可視化時快速地查詢殘差並補償壓縮後的數據，獲得高的可視化精度；再次，利用數值計算方法加速數據壓縮的計算過程，降低壓縮時間；最後，利用新的計算理論，直接在GPU中對壓縮數據進行快速地可視化計算，從而擺脫了解壓過程，加快了可視化速度，並降低了存儲量。
結題摘要
隨著數據獲取手段的進步，可視化數據的數據量急劇增長，傳統的數據壓縮方法面臨新的挑戰。一方面對可視化中的體數據這類空間數據需要進一步提高壓縮比以適應存儲和傳輸限制，對非空間數據也需開發數據簡化、數據清理等技術以加快可視化的速度；另一方面，數據的增長使得壓縮和簡化階段變得日益耗時，因而需開發快速數值技術方法以加快壓縮和簡化過程；此外基於壓縮數據的快速可視化技術是實現對大數據互動可視化的一種重要手段。針對這些問題，本項目展開了以下一些方面的研究：使用機器學習、張量分析等方法提高規則體數據的壓縮效率，並研究了在壓縮過程中引入了人的感知因素，使得壓縮結果更符合人的視覺感知；對非規則體數據利用基函式擬合和LR環技術進行簡化和壓縮；對文本等非空間數據採用降維等方法進行簡化。開發了快速的SVD和Perfect Hash對數據壓縮和簡化過程進行了加速。研究了直接基於前述的壓縮和簡化後數據的快速可視化方法，並把一些技術推廣到其他領域。
