文献综述
- 数据可视化技术定义
可视化技术是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。它涉及到计算机图形学、图像处理、计算机视觉、计算机辅助设计等多个领域，成为研究数据表示、数据处理、决策分析等一系列问题的综合技术。数据可视化是对大型数据库或数据仓库中的数据的可视化，它是可视化技术在非空间数据领域的应用，使人们不再局限于通过关系数据表来观察和分析数据信息，还能以更直观的方式看到数据及其结构关系。数据可视化技术的基本思想是将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。
- 数据可视化技术研究概况
数据可视化，可以增强数据的呈现效果，方便用户以更加直观的方式观察数据，进而发现数据中隐藏的信息。可视化应用领域十分广泛，主要涉及网络数据可视化、交通数据可视化、文本数据可视化、数据挖掘可视化、生物医药可视化、社交可视化等领域。依照CARD可视化模型，将数据可视化过程分为：数据预处理、绘制、显示和交互这几个阶段。依照SHNEIDERMAN分类，可视化的数据分为：一维数据、二维数据、三维数据、高维数据、时态数据、层次数据和网络数据。其中高维数据、层次数据、网络数据、时态数据是当前可视化的研究热点。
高维数据目前已经成为了计算机领域的研究热点，所谓高维数据是指每一个样本数据包含p(pge;4)维空间特征。人类对于数据的理解主要集中在低维度的空间表示上，如果单从高维数据的抽象数据值上进行分析很难得到有用的信息。相对于对数据的高维模拟，低维空间的可视化技术显得更简单、直截。而且高维空间包含的元素相对于低维空间来说更加更复杂，容易造成人们的分析混乱。将高维数据信息映射到二三维空间上，方便高维数据进行人与数据的交互，有助于对数据进行聚类以及分类。高维数据可视化的研究主要包含数据变化、数据呈现两个方面。
层次数据具有等级或层级关系。层次数据的可视化方法主要包括节点链接图和树图２种方式。其中树图(treemap)由一系列的嵌套环、块来展示层次数据。为了能展示更多的节点内容，一些基于“焦点＋上下文”技术的交互方法被开发出来。包括“鱼眼”技术、几何变形、语义缩放、远离焦点的节点聚类技术等。
网络数据表现为更加自由、更加复杂的关系网络。分析网络数据的核心是挖掘关系网络中的重要结构性质，如节点相似性、关系传递性、网络中心性等，网络数据可视化方法应清晰表达个体间关系以及个体的聚类关系。主要布局策略包含结点链接法和相邻矩阵法。
时间序列数据是指具有时间属性的数据集，针对时间序列数据的可视化方法包含：线形图、动画、堆积图、时间线、地平线图。
数据可视化伴随着大数据时代的到来而兴起，可视化分析是大数据分析不可或缺的一种重要手段和工具，只有在真正理解可视化概念本质后，才能更好的研究并应用其方法和原理，获得数据背后隐藏的价值。
- 国内外数据可视化技术研究成果
迈克尔于2008年提出将数据可视化划分为两部分：统计图形和主题图。迄今为止，数据可视化技术也在不断地发展，其应用范围和影响也逐渐扩大。目前不仅全世界各高校成立可视化研究小组，政府和各大企业也纷纷投入到可视化的研究当中，每年都有若干个数据可视化的国陈会议。Microsoft、IBM、SAS等知名企业在数据可视化方面取得显著发展，开发出了许多成熟稳定的可视化产品或工具。除了著名的OPENGL和directX，还有：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
