基于弱输入信息的高维数据可视分析理论研究

Visual analysis of high-dimensional(HD) data is becoming increasingly important in data-driven discovery and exploration in fundamental science and industry. However, the problem of weak input information is common in practice and limits the usability of HD data visual analysis. In detail, the problem includes missing of data feature, inefficient interaction, and lack of decision-making information. This program will study the problem of weak input information from the aspect of visualization, machine learning, and computational geometry, and propose solutions to information visualization, information enhancement, and information generation. First, this program plans to design HD data visualization based on weak input information. Second, this program will propose an interaction model to enhance the input information. Third, this program aims at study guided visual analysis of HD data. This program will contribute to the theory of HD visual analysis based on weak input information. At last, this program will test and verify our theories and approaches in network security application.

高维数据可视分析在数据驱动的基础科学发现和应用领域探索中发挥着越来越重要的作用。但实践中，高维数据可视分析普遍面临弱输入信息的问题，具体表现为数据特征不明、低效交互、和决策信息不足。这些问题限制了高维数据可视分析方法的实用性。本项目将融合可视化、机器学习、计算几何等领域的理论与方法，从信息呈现、信息增强、信息生成三个主动性依次递增的角度，研究弱输入信息问题的解决方案，重点研究基于弱输入信息的高维数据可视表达，交互式信息增强模型，和指导式可视分析模型，形成基于弱输入信息的高维数据可视分析理论。项目将结合网络安全的应用场景，验证新理论与方法的可行性。

本项目围绕高维数据可视分析中的弱输入信息问题，从呈现信息、增强信息、生成信息三个主动性依次递增的角度开展研究。针对弱输入信息问题，对高维数据可视化的认知机理和内蕴结构保持进行了深入研究；针对未知高维数据的可视探索难题，探索高效的人机交互手段，提高交互探索的指向性与有效性；针对不确定性数据的可视分析难题，探索人机融合的指导式可视分析方法。.项目的重要结果包括：在可视表达方面，形成了高维数据可视认知的理论体系，提出了若干创新性的高维数据可视表达方法并在保持内蕴结构方面超过了现有的最好方法；在交互探索方面，提出了面向可视聚类、异常分析等重要任务的高效交互方法，提高了相应任务的分析效率；在可视分析方面，提出了基于多元空间联动的不确定性数据可视分析方法，突破了匿名数据的分析难题。项目形成了基于弱输入信息的高维数据可视化理论与方法体系，并形成了若干原型系统，在国防安全等领域进行了落地验证。相关成果发表或录用国际 SCI 期刊论文10篇，国际会议论文3篇，中文期刊论文1篇，其中9篇CCF A类国际会议/期刊论文，1篇CCF A中文期刊论文。.本项目研究成果对基础科学与各应用领域的高维数据探索起到重要的推动作用，在高维数据分析、网络安全等相关领域提供了有力的技术积累，促进了我国情报分析等领域的工具研发和自主创新。