大数据高维信息界面数据可视化结构模型研究

摘要

数据时代，用户对数据信息的需求从简单的获取逐渐变成积极、主动的求索。然而，数据量过大、显示区域面积有限导致有效信息经常被无用信息掩盖，增加搜索难度。数据中的高维度信息虽然与我们的日常生活息息相关，但是其层次多、维度多和变化多的特性增加了信息处理和呈现的难度。因此，如何帮助用户更快捷有效的读取信息和分析数据，是数据时代面对的主要问题。本文将针对这一现状，从理论和方法两个方面提出创新思考。
　　首先，本文从高维信息特性、工作记忆广度和存储特性、认知行为理论以及用户体验的相关知识角度出发，全面探索和分析数据时代的理论背景。同时，分析目前可视化呈现方面的不足。
　　其次，文章针对数据单元、图元关系和数据单元构建数据结构方法对数据结构的理论知识进行重新梳理和定义。一方面，设定元数据作为数据结构中的基本架构单元，定义其包含一定的数据维度从而使之具有一定的可读性。另一方面，依据拓扑学理论将数据结构的基础模型分为线结构、树结构和网结构，并分析三类结构的表征特性。同时，提出表征时序性数据的新结构——螺线型数据结构。
　　然后，本文依据数据结构和工作记忆特性，结合用户视觉信息读取的认知行为特征，提出“任务层级分离式数据可视化结构模型”构建方法。该模型构建方法主要从信息数量和结构的简化和适时加入“视觉顿点”从而清除无效的工作记忆残留的两方面优化用户视觉信息处理环境，以此来提高视觉信息搜索效率。
　　最后，针对前文提出的模型“信息简化”和“视觉顿点”特征，本文设计“信息分层处理”实验和“添加清除时间”两项验证内容，并对其进行可用性评估实验。从而探究认知行为的研究理论对数据可视化结构模型设计的指导意义。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．1．1 大数据时代

1．1．2 数据可视化的诞生与现状

1．1．3 用户研究的意义与作用

1．2 国内外数据可视化研究及现状

1．3 课题研究的主要目的与意义

1．4 课题研究的主要内容

1．5 课题研究的创新点

第二章 面向用户的高维信息数据

2．1 引言

2．2 数据的基本含义与特性

2．2．1 高维信息的释义和特性

2．2．2 大尺度数据的定义及特性

2．3 结构化与非结构化数据定义及特性

2．3．1 常规结构化数据的定义及特性

2．3．2 非结构化数据的定义及特征

2．4 时空数据的定义及特性

2．4．1 时序数据特征及应用

2．4．2 空间数据特征及应用

2．5 本章小结

第三章 用户认知习惯与思维模式研究

3．1 功能框架设计

3．2 视觉输入的心理认知过程及特性

3．2．1 人的基本认知心理过程及阶段划分

3．2．2 认知图式的定义及应用

3．2．3 短期时序性记忆特性及负荷

3．3 元认知的定义及价值

3．4 本章小结

第四章 数据结构的单位选择与架构方法

4．1 引言

4．2 元数据

4．3 图元关系

4．3．1 图元拓扑关系的定义与特征

4．3．2 线结构、树结构和网结构

4．4 数据可视化结构模型及构建方法

4．5 本章小结

第五章 任务层级分离式数据可视化结构模型设计

5．1 引言

5．2 任务层级分离式可视化结构模型的两大优势

5．2．1 “信息分层处理”的作用与价值

5．2．2 “视觉顿点”的作用与价值“

5．3 基于特定数据集的任务层级分离式数据可视化结构模型构建

5．3．1 “世界银行”数据库

5．3．2 “气候——人类活动”数据可视化结构模型架构实践

5．4 本章小结

第六章 高维信息界面数据可视化结构模型可用性评估

6．1 实验方法

6．2 实验目的

6．2．1 验证“信息分层处理”的有效性

6．2．2 评估“视觉顿点”的有效性

6．3 实验设计

6．3．1 实验被试对象

6．3．2 实验仪器

6．3．3 实验操作流程

6．3．4 实验数据评估指标

6．4 实验1：“分层处理绩效评估”实验

6．4．1 实验素材

6．4．2 实验变量

6．4．3 实验任务

6．4．4 实验数据处理与分析

6．5 实验2：“清除时间有效性评估”实验

6．5．1 实验素材

6．5．2 实验变量

6．5．3 实验任务

6．5．4 实验数据处理与分析

6．6 实验结果综合分析

6．7 本章小结

第七章 总结与展望

致谢

参考文献