科学数据中时序特征的提取与可视化方法研究

Scientific visualization is a classic problem in the field of data visualization. Its research mainly focus on the identification and extraction of data features. However, the current scientific data has gradually changed from static to dynamic. Simply analyzing the characteristic properties of static data can no longer match the understanding of the data. Based on this background, we propose a novel interactive temporal visualization method based on feature tracking to research data organization, feature extraction, feature tracking and visual analysis in complex spatio-temporal scientific visualization. The research includes: using machine learning technology to interactively select features, and then to determine feature groups; visualization methods of spatial-temporal feature trend tracking, introducing feature life parameters by simulating plant growth patterns, to intuitively display features from birth to evolution and to death; Time-Space Partitioning tree to storage spatio-temporal data based feature we extract above. finally, we will integrate the research achievements to design a systematic pipeline of spatio-temporal feature tracking mechanism, and take the spatio-temporal fluid data as an example to verify the performance and reliability.

科学可视化是数据可视化领域的经典问题，其研究热点主要集中在数据特征的识别和提取上。当前的科学数据逐步从静态变为动态，单纯分析静态数据的特征属性已经无法满足对数据内在的认识需求。本课题以此为背景，针对时序科学可视化中特征提取、特征追踪及可视分析等问题，提出基于特征追踪的交互式时序可视化方法。主要研究利用机器学习技术交互式选择特征和特征提取的方法；研究时空特征趋势追踪的可视化方法，模拟植物生长模式，引入特征寿命参数，直观的展示特征由出现、演变到消亡的过程；研究基于时空特征的数据树形存储方法，以特征为单元重新组织数据。最后，我们将集成阶段性成果，以期实现一种时空特征追踪机制及其实现算法，并以时空流体数据为例对算法的性能和可靠性进行验证。

时序科学数据具有场景复杂多变、数据维度高和内在逻辑关系挖掘困难等特点，对其进行可视分析存在很多难点问题。本课题以此为背景，围绕时序科学数据的特征提取、可视表达和可视分析问题，开展了三项研究。1）研究动态图数据时序特征表达和可视化技术，提出了嵌入型时序数据可视化方法，对时序特征提取、可视元素设计、时间表达、嵌入技术、动态分组布局、高维图数据比较、增量布局调整等多个关键技术给出了解决方案；2）研究时空数据的特征提取、特征分离与合并、充分利用时空特征的连续性特点，提出了基于时空特征的压缩方法，该方法能够在充分保留时空特性的前提下，提高压缩比率。3）基于时序脑连接特征的脑部疾病预测方法，根据突触节点之间的连通关系搭建大脑连接网络，进行特征提取，用作分类标签，并使用改进的机器学习方法，对脑部疾病进行预测。我们将以上理论在时序文献数据、时序脑连接数据、时空流体数据等真实数据上进行了测试，多项评估测试的结果显示，我们提出的方法能够极大的简化时序科学数据的可视化结果，特别是对时序相关的任务表现出了较好的效果。本项目提出的方法可以应用于具有时序特征的时空和图数据可视化中，将促进时序图数据可视分析和时空流体数据可视分析理论与应用研究，推动可视化技术产生更多更广的应用价值。