《面向大數據的信息可視化設計方法研究》是依託東南大學，由薛澄岐擔任項目負責人的面上項目。
基本介紹
- 中文名：面向大數據的信息可視化設計方法研究
- 項目類別：面上項目
- 項目負責人：薛澄岐
- 依託單位：東南大學
中文摘要,結題摘要,
中文摘要
隨著計算機技術的發展，以及巨量數據的出現，人類信息感知已經進入大數據時代。 大數據經過分析和挖掘的黑箱處理，最終會通過計算機終端的數字界面呈現給用戶。大數據信息系統最核心價值體現，在於幫助用戶建立準確信息感知並高效進行信息互動，對巨量複雜信息分層、快速過濾並高效決策。本項目擬從大數據信息的空間複雜網路結構出發，開展大數據環境下的信息可視化設計方法研究，研究大數據信息流和感知分層的信息過濾方法，獲取高維信息的空間複雜結構和信息可視化的設計策略，建立高維信息的可視化結構模型，探討用戶在複雜高維信息互動過程中的生理反應與行為間的內在聯繫機制和映射關係，保證大數據信息系統性能的全面發揮和精準實施。項目成果對提高大數據信息系統信息設計水平和互動效率，具有重要的戰略意義和現實意義，同時也推動和促進了設計科學、思維科學、信息科學、人機工效學與認知神經學科間的交叉融合，具有重大的理論意義和學術價值。
結題摘要
項目主要完成了下述工作，並取得了相應研究成果： 1、基於圖像複雜度的認知機理與設計最佳化策略研究方向的缺失，提出從大數據認知的源頭——視覺複雜度來解決信息可視化設計最佳化問題。綜合研究了信息可視化中“人-機-環”信息傳遞過程中的內在複雜性機理，提出了認知複雜度的全局概念。分層解析整個認知過程中的複雜度，從信息對象、分層感知加工次序、信息架構網路等多個角度，逐一梳理人-機-環信息加工中所有認知複雜性因素及認知機制。基於認知加工次序分別探討了：呈現複雜度、語義複雜度、解碼複雜度、記憶複雜度，並結合信息編碼提出了認知複雜度的分層感知最佳化策略，系統性地建立了大數據可視化過程中的圖像認知複雜度最佳化方法。 2、根據高維數據的實體屬性和關聯屬性，以及界面信息編碼維度，編排最佳化組織形式及層次關係，通過同質聚類界面視覺元素、信息分層過濾及布局、多通道互動式呈現等，達到降維的目的。基於圖形認知有效性的研究，對多視覺變數之間的固有干擾對常見的可視化任務（視覺搜尋、視覺比較、量級估計）的影響進行系統的實證研究。構建高維特徵和可視化任務雙因素驅動下的視覺變數組合模型，分析三者之間的內在聯繫及映射關係，提出高維數據可視化信息排布和信息呈現的最佳化策略。結合實例，合理套用到典型高維時空數據可視化系統中，如智慧型交通系統等。 3、對界面信息區塊的約束條件進行數學表征，生成布局方案的可行解，研究不同信息區塊的布局約束。綜合研究視覺感知和人的生理、行為反應，在大數據可視化信息呈現的巨觀視角上對信息圖元關係進行分類描述，探討圖元關係和信息維度之間的關係；在微觀視角上闡述了定序和分類的維度表征及雙維度的整合-分離規律，結合信息元的關聯結構提出以時效熵和質效熵來評價的可視化信息結構的有序度。通過從語義映射的角度對大數據圖示信息的進行語義提取，並基於語義內容進行分類，建立可視化的語義空間。 4、在分析大數據特徵和人的認知行為特徵的基礎上，提出大數據可視化人機協同作業複雜認知模型。獲取大量大數據可視化監控、搜尋、決策、操控各類任務行為下的眼動凝視、掃視、眨眼等行為數據以及腦事件相關電位中的不同波幅和潛伏期等生理數據，構建了可用性評價體系，並且首次提出視覺動量這個以眼動追蹤數據為基礎的複合虛擬指標，實現了對互動式大數據可視化的量化評價分析。
