面向可視分析的軌跡簡化和語義增強(qiáng)方法-vag

1、2015/9/2面向可視分析的軌跡簡化和語義增強(qiáng)方法 VAGVAG浙江大學(xué)可視分析小組博客Home DataVisTextBookP VAG VAGr Collection Research MembersAbout VAG提交Home評述 面向可視分析的軌跡簡化和語義增強(qiáng)方法 Newer|Older 面向可視分析的軌跡簡化和語義增強(qiáng)方法作者:wangfei日期:2015 年 4 月 30 日評論 (0) 查看評論SimpliFly: A Methodology for Simplification and Thematic Enhancement of TrajectoriesKaterin

2、aVrotsou, Halldor Janetzko, , Natalia Andrienko, and Gennady Andienko1、的出發(fā)點(diǎn)和主要貢獻(xiàn)軌跡描述的是運(yùn)動物體，通常包含三類特征數(shù)據(jù)：（1）運(yùn)動相關(guān)屬性（速度、加速度、轉(zhuǎn)向角）；（2）運(yùn)動物體屬性（車、船、人、動物）；（3）運(yùn)動環(huán)境屬性（天氣）。因此作為多變量數(shù)據(jù)的軌跡，信息負(fù)荷很大，直接可視化會導(dǎo)致（1）感知的局限性微小的圖元或變化肉眼難以分辨（2）認(rèn)知局限性用戶很難記住所有的信息，而實(shí)際上他們只關(guān)注于特定的信息（3）性能過多的點(diǎn)和線會妨礙交互面問題：因此，對于軌跡數(shù)據(jù)適當(dāng)?shù)暮喕瘜⒔o可視分析帶來很大的好處。提出了兩種面向可

3、視分析的軌跡簡化方法：基于密度的簡化和基于屬性的簡化。在此基礎(chǔ)上，為了突出用戶關(guān)注的屬性特征提出了將可視化方法和計(jì)算方法相結(jié)合的增強(qiáng)方法。2、軌跡簡化方法文描述了三類簡化方法，其中后兩種是本文簡化方法。（1）基于幾何的簡化方法（GBS）此類方法主要是減少幾何頂點(diǎn)，減少軌跡段?；臼钦业綄壽E形狀貢獻(xiàn)較大的重要的頂點(diǎn)，忽略不重要的點(diǎn)。因此GBS是純粹的幾何簡化，而不關(guān)心軌跡的語義信息。最常用的簡化算法為Douglas-Peucker 算法。 HYPERLINK http:/w/ http:/whome/vagblog/?p=31941/6Search2015/9/2面向可視分析的軌跡簡化和語義增

4、強(qiáng)方法 VAG（2）基于密度的簡化方法（DBS）此類算法的基本是將超過屏幕分辨率或感知極限的點(diǎn)用密度聚類，然后以聚類中心代替聚類從而實(shí)現(xiàn)簡化目的。在三空間中計(jì)算聚類更加合理。中，直接繪制聚類當(dāng)視點(diǎn)變化時需要重新計(jì)算，因此在數(shù)據(jù)采用了OPTICS算法實(shí)現(xiàn)基于密度的簡化。簡化過程主要包含三步，首先設(shè)定聚類的點(diǎn)數(shù)，計(jì)算聚類點(diǎn)之間的距離得到距離統(tǒng)計(jì)圖；然后取合適的距離作為閾值對軌跡上的點(diǎn)進(jìn)行聚類；最后用聚類中心表示軌跡頂點(diǎn)。計(jì)算過程中，由于軌跡具有時序 性，因此聚類要按照軌跡點(diǎn)的時間順序依次計(jì)算。下圖給出了DBS的簡化過程圖1DBS的簡化過程（3）基于屬性的簡化方法（PBS）此類方法的基本思路是利用區(qū)

5、域化方法對軌跡結(jié)構(gòu)進(jìn)行簡化，也就是說將一大群空間對象聚合成少量的具有相似屬性的連續(xù)區(qū)域。經(jīng)過PBS簡化，在同一聚類中的運(yùn)動對象具有相似的屬性值。應(yīng)用了REDCAP算法，用戶選擇感的屬性對軌跡進(jìn)行層次聚類，聚類完成后，由用戶選擇適當(dāng)?shù)木垲悓哟蔚木垲惤Y(jié)果作為最終簡化軌跡。圖2描述了整個簡化過程。圖2PBS簡化過程作者針對這三類簡化方法，對相同軌跡數(shù)據(jù)進(jìn)行簡化，圖3給出了三類簡化方法的對比結(jié)果。 HYPERLINK http:/w/ http:/whome/vagblog/?p=31942/62015/9/2面向可視分析的軌跡簡化和語義增強(qiáng)方法 VAG圖3三類簡化方法的對比效果從中可以看出，GBS方

6、法能保持軌跡的結(jié)構(gòu)特征，但不適合復(fù)雜的線，如自相交。DBS對復(fù)雜的線結(jié)構(gòu)做得更好，能保留軌跡的位置語義（面向感知）。PBS著眼于結(jié)構(gòu)和語義屬性，確定運(yùn)動對象的行為方式（面向認(rèn)知）。特別是DBS方法對于小范圍的復(fù)雜軌跡能較好地簡化。3、語義增強(qiáng)為了突出軌跡中特定的屬性，提出了將屬性描述為向量，計(jì)算向量之間的聚類，最后將聚類的值為顏色飽和度，實(shí)現(xiàn)可視編碼。盡管方法簡單但是對于聚類算法的選擇，需要謹(jǐn)慎。圖4給出了語義增強(qiáng)的可視化效果。4、總結(jié)提出了兩類面向可視分析的軌跡簡化算法和語義增強(qiáng)方法，低了感知和認(rèn)知負(fù)擔(dān)，減少了視覺遮擋，消除了任務(wù)無關(guān)的細(xì)節(jié)，提高了可視分析效率。但是，方法中存在不少參數(shù)的設(shè)定和聚類算法的選擇，因此應(yīng)用上需要謹(jǐn)慎。盡管目前的軌跡方法較多，但是面向可視分析的確實(shí)還不多見，盡管法的細(xì)節(jié)，有并沒有提出實(shí)質(zhì)性的算法，但是值得借鑒。簡單起見，這里沒有描述方的可以閱讀原文，在TVCG2015年第一期。0到：評述上一篇：VisualMultiplexing視覺多通下一篇：Dendrogramix: a HybridTree-MatrixVisualizationTechniquetoSupporte