面向可视分析的轨迹简化和语义增强方法-vag_第1页
面向可视分析的轨迹简化和语义增强方法-vag_第2页
面向可视分析的轨迹简化和语义增强方法-vag_第3页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、2015/9/2面向可视分析的轨迹简化和语义增强方法 VAGVAG浙江大学可视分析小组博客Home DataVisTextBookP VAG VAGr Collection Research MembersAbout VAG提交Home评述 面向可视分析的轨迹简化和语义增强方法 Newer|Older 面向可视分析的轨迹简化和语义增强方法作者:wangfei日期:2015 年 4 月 30 日评论 (0) 查看评论SimpliFly: A Methodology for Simplification and Thematic Enhancement of TrajectoriesKaterin

2、aVrotsou, Halldor Janetzko, , Natalia Andrienko, and Gennady Andienko1、的出发点和主要贡献轨迹描述的是运动物体,通常包含三类特征数据:(1)运动相关属性(速度、加速度、转向角);(2)运动物体属性(车、船、人、动物);(3)运动环境属性(天气)。因此作为多变量数据的轨迹,信息负荷很大,直接可视化会导致(1)感知的局限性微小的图元或变化肉眼难以分辨(2)认知局限性用户很难记住所有的信息,而实际上他们只关注于特定的信息(3)性能过多的点和线会妨碍交互面问题:因此,对于轨迹数据适当的简化将给可视分析带来很大的好处。提出了两种面向可

3、视分析的轨迹简化方法:基于密度的简化和基于属性的简化。在此基础上,为了突出用户关注的属性特征提出了将可视化方法和计算方法相结合的增强方法。2、轨迹简化方法文描述了三类简化方法,其中后两种是本文简化方法。(1)基于几何的简化方法(GBS)此类方法主要是减少几何顶点,减少轨迹段。基本是找到对轨迹形状贡献较大的重要的顶点,忽略不重要的点。因此GBS是纯粹的几何简化,而不关心轨迹的语义信息。最常用的简化算法为Douglas-Peucker 算法。 HYPERLINK http:/w/ http:/whome/vagblog/?p=31941/6Search2015/9/2面向可视分析的轨迹简化和语义增

4、强方法 VAG(2)基于密度的简化方法(DBS)此类算法的基本是将超过屏幕分辨率或感知极限的点用密度聚类,然后以聚类中心代替聚类从而实现简化目的。在三空间中计算聚类更加合理。中,直接绘制聚类当视点变化时需要重新计算,因此在数据采用了OPTICS算法实现基于密度的简化。简化过程主要包含三步,首先设定聚类的点数,计算聚类点之间的距离得到距离统计图;然后取合适的距离作为阈值对轨迹上的点进行聚类;最后用聚类中心表示轨迹顶点。计算过程中,由于轨迹具有时序 性,因此聚类要按照轨迹点的时间顺序依次计算。下图给出了DBS的简化过程图1DBS的简化过程(3)基于属性的简化方法(PBS)此类方法的基本思路是利用区

5、域化方法对轨迹结构进行简化,也就是说将一大群空间对象聚合成少量的具有相似属性的连续区域。经过PBS简化,在同一聚类中的运动对象具有相似的属性值。应用了REDCAP算法,用户选择感的属性对轨迹进行层次聚类,聚类完成后,由用户选择适当的聚类层次的聚类结果作为最终简化轨迹。图2描述了整个简化过程。图2PBS简化过程作者针对这三类简化方法,对相同轨迹数据进行简化,图3给出了三类简化方法的对比结果。 HYPERLINK http:/w/ http:/whome/vagblog/?p=31942/62015/9/2面向可视分析的轨迹简化和语义增强方法 VAG图3三类简化方法的对比效果从中可以看出,GBS方

6、法能保持轨迹的结构特征,但不适合复杂的线,如自相交。DBS对复杂的线结构做得更好,能保留轨迹的位置语义(面向感知)。PBS着眼于结构和语义属性,确定运动对象的行为方式(面向认知)。特别是DBS方法对于小范围的复杂轨迹能较好地简化。3、语义增强为了突出轨迹中特定的属性,提出了将属性描述为向量,计算向量之间的聚类,最后将聚类的值为颜色饱和度,实现可视编码。尽管方法简单但是对于聚类算法的选择,需要谨慎。图4给出了语义增强的可视化效果。4、总结提出了两类面向可视分析的轨迹简化算法和语义增强方法,低了感知和认知负担,减少了视觉遮挡,消除了任务无关的细节,提高了可视分析效率。但是,方法中存在不少参数的设定和聚类算法的选择,因此应用上需要谨慎。尽管目前的轨迹方法较多,但是面向可视分析的确实还不多见,尽管法的细节,有并没有提出实质性的算法,但是值得借鉴。简单起见,这里没有描述方的可以阅读原文,在TVCG2015年第一期。0到:评述上一篇:VisualMultiplexing视觉多通下一篇:Dendrogramix: a HybridTree-MatrixVisualizationTechniquetoSupporte

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论