CN116401828A - 基于数据特征的关键事件可视化显示方法 - Google Patents
基于数据特征的关键事件可视化显示方法 Download PDFInfo
- Publication number
- CN116401828A CN116401828A CN202310237027.1A CN202310237027A CN116401828A CN 116401828 A CN116401828 A CN 116401828A CN 202310237027 A CN202310237027 A CN 202310237027A CN 116401828 A CN116401828 A CN 116401828A
- Authority
- CN
- China
- Prior art keywords
- event
- data
- key
- simulation
- text
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000000007 visual effect Effects 0.000 title claims abstract description 28
- 238000004088 simulation Methods 0.000 claims abstract description 112
- 238000012544 monitoring process Methods 0.000 claims abstract description 34
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 239000002245 particle Substances 0.000 claims abstract description 27
- 238000012216 screening Methods 0.000 claims abstract description 26
- 238000007418 data mining Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000002372 labelling Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000012800 visualization Methods 0.000 claims description 8
- 238000007667 floating Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 abstract description 4
- 230000004927 fusion Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 32
- 230000006870 function Effects 0.000 description 11
- 239000013598 vector Substances 0.000 description 9
- 238000001914 filtration Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000010079 rubber tapping Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Architecture (AREA)
- Human Computer Interaction (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数据特征的关键事件可视化显示方法,该方法包括:根据配置文件确定需要响应的仿真系统端口并进行监听,以获取仿真数据;对仿真数据进行解析,以构建文本数据集;对文本数据集进行事件筛选抽取,并利用粒子群算法进行数据挖掘,以获得具有有用特征的新数据集;基于新数据集,采用数据特征标注、事件信息抽取技术,实现对关键事件的检测和识别;通过GraphicsViewFramework图形视图框架对关键事件实现时间轴的可视化显示。本发明采用“旁路”方式对仿真信息输入自动引接、筛选,不需要额外改变仿真系统状态,不影响仿真推演运算效率。通过对仿真事件进行特征标注、引接融合、可视化展示,可以提升仿真系统的时效性和可塑性。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种基于数据特征的关键事件可视化显示方法。
背景技术
在军事仿真应用与研究领域,随着仿真建模与仿真平台技术日趋成熟,如何挖掘数据关联关系、逼真呈现全方位的仿真过程,已然成为领域发展的行业壁垒。
现有军事仿真系统一般采取“人不在回路”的集中式仿真与“人在回路”的分布式仿真,“人不在回路”仿真推演结束后,通过仿真回放、数据采集、综合评估等形式对仿真过程及数据进行定量提炼;“人在回路”仿真中虽然可以实时接入仿真进程与数据,但仿真时长过长或实体过剩,均会导致输出数据多而杂,实验人员需在行业专家与分析工具的配合下才能量化零散数据。
发明内容
本发明实施例提供一种基于数据特征的关键事件可视化显示方法,以便于用户查看仿真进程。
根据本发明实施例的基于数据特征的关键事件可视化显示方法,包括:
读取预设配置文件,并根据所述配置文件确定需要响应的仿真系统端口;
监听所述需要响应的仿真系统端口,以获取仿真数据;
对所述仿真数据进行解析,以构建文本数据集;
对所述文本数据集进行事件筛选抽取,并采用粒子群算法对事件筛选抽取出的文本数据进行数据挖掘,以获得具有有用特征的新数据集;
基于所述新数据集,采用数据特征标注、事件信息抽取技术,实现对关键事件的检测和识别;
通过GraphicsViewFramework图形视图框架对所述关键事件实现时间轴的可视化显示。
根据本发明的一些实施例,所述监听所述需要响应的仿真系统端口,包括:
当所述需要响应的仿真系统端口出现故障监听中断时,重新监听;
当重新监听次数达到临界值时,提示使用者故障信息。
根据本发明的一些实施例,所述对所述文本数据集进行事件筛选抽取,包括:
从所述文本数据集中去除实体更新数据。
根据本发明的一些实施例,所述基于所述新数据集,采用数据特征标注、事件信息抽取技术,实现对关键事件的检测和识别,包括:
以事件发生的核心词作为触发词对所述新数据集中数据进行文本提取;
基于提取的文本,确定关键事件,并对所述关键事件设置事件属性和标签,其中,所述事件属性用于标示所述关键事件的事件类型以及事件属方,所述标签用于标示所述关键事件的重要性程度。
根据本发明的一些实施例,所述通过GraphicsViewFramework图形视图框架对所述关键事件实现时间轴的可视化显示,包括:
在时间轴中按照时间顺序展示所述关键事件的摘要信息,所述关键事件的详细信息通过扩展图形框或新增悬浮窗的方式展现;
对不同事件属方和不同重要性程度的关键事件进行区分展示。
根据本发明实施例的用于实现基于数据特征的关键事件可视化显示的中间件,包括:
数据引接模块,用于读取预设配置文件,并根据所述配置文件确定需要响应的仿真系统端口;监听所述需要响应的仿真系统端口,以获取仿真数据;
数据解析、转码转换模块,用于对所述仿真数据进行解析,以构建文本数据集;
事件筛选抽取模块,用于对所述文本数据集进行事件筛选抽取;
数据挖掘模块,用于采用粒子群算法对事件筛选抽取出的文本数据进行数据挖掘,以获得具有有用特征的新数据集;基于所述新数据集,采用数据特征标注、事件信息抽取技术,实现对关键事件的检测和识别;
事件轴展示模块,用于通过GraphicsViewFramework图形视图框架对所述关键事件实现时间轴的可视化显示。
根据本发明的一些实施例,所述数据引接模块,用于:
当所述需要响应的仿真系统端口出现故障监听中断时,重新监听;
当重新监听次数达到临界值时,提示使用者故障信息。
根据本发明的一些实施例,所述事件筛选抽取模块,用于:
从所述文本数据集中去除实体更新数据。
根据本发明的一些实施例,所述数据挖掘模块,用于:
以事件发生的核心词作为触发词对所述新数据集中数据进行文本提取;
基于提取的文本,确定关键事件,并对所述关键事件设置事件属性和标签,其中,所述事件属性用于标示所述关键事件的事件类型以及事件属方,所述标签用于标示所述关键事件的重要性程度。
根据本发明的一些实施例,所述事件轴展示模块,用于:
在时间轴中按照时间顺序展示所述关键事件的摘要信息,所述关键事件的详细信息通过扩展图形框或新增悬浮窗的方式展现;
对不同事件属方和不同重要性程度的关键事件进行区分展示。
本发明实施例,采用直观、形象、规范的描述手段,通过代表一定时长的时间轴,贯穿整个想定的仿真事件及红蓝双方行动,在关键时间节点位置标注仿真关键事件。本发明以独立插件形式运行,通过中间层桥接仿真系统多个响应接口,采用“旁路”方式对仿真信息输入自动引接、筛选,不需要额外改变仿真系统状态,不影响仿真推演运算效率。通过对军事实验人员重点关注的仿真事件进行特征标注、引接融合、可视化展示,充分提升军事仿真系统的时效性和可塑性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。在附图中:
图1是本发明实施例中基于数据特征的关键事件可视化显示方法流程图;
图2是本发明实施例中数据监听流程图;
图3是本发明实施例中数据挖掘流程图;
图4是本发明实施例中GraphicsViewFramework图形视图框架架构图;
图5是本发明实施例中时间轴展示示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。另外,在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
本发明实施例提出一种基于数据特征的关键事件可视化显示方法,通过自主监听仿真系统数据接口,等待仿真启动,开始对接收数据进行解析与编码转换。当解析到任何事件时,根据规则匹配判断事件属方、重要性、紧急性,来确定系统的响应机制。对时间序列流数据进行挖掘,根据具体不同的规则,将事件分类以不同形式展现在时间轴中。
详细的,参照图1所示,本发明实施例的基于数据特征的关键事件可视化显示方法,包括:
步骤一、读取预设配置文件,并根据所述配置文件确定需要响应的仿真系统端口;监听所述需要响应的仿真系统端口,以获取仿真数据;遵循仿真引擎单向数据流的原则,通过仿真平台已具备的数据交互接口,引接仿真过程数据,避免使用过程相互交叉,实现与仿真平台业务相关但数模分离。
步骤二、对所述仿真数据进行解析,以构建文本数据集;该过程为解包过程,从数据包中解析获得字段内容,以整理形成文本数据集。
步骤三、对所述文本数据集进行事件筛选抽取,并采用粒子群算法对事件筛选抽取出的文本数据进行数据挖掘,以获得具有有用特征的新数据集;事件筛选抽取是指过滤掉与事件无用的数据。数据挖掘的过程就是利用粒子群优化算法通过消除无用文本特征解决特征选择的过程。粒子群算法用于寻找新的有用文本特征的子集,且算法运行在每个文档层次上,直到达到最大迭代数。在所有数据集中的文档上过滤后,粒子群算法将联合所有生成的文档子集以生成拥有有用特征的新的数据集。
步骤四、基于所述新数据集,采用数据特征标注、事件信息抽取技术,实现对关键事件的检测和识别;通过该步骤可以从新数据集中提炼出实验人员重点关注的仿真事件,并确定事件所属方,重要程度等属性。
步骤五、通过GraphicsViewFramework图形视图框架对所述关键事件实现时间轴的可视化显示。
本发明实施例,采用直观、形象、规范的描述手段,通过代表一定时长的时间轴,贯穿整个想定的仿真事件及红蓝双方行动,在关键时间节点位置标注仿真关键事件。
本发明以独立插件形式运行,通过中间层桥接仿真系统多个响应接口,采用“旁路”方式对仿真信息输入自动引接、筛选,不需要额外改变仿真系统状态,不影响仿真推演运算效率。通过对军事实验人员重点关注的仿真事件进行特征标注、引接融合、可视化展示,充分提升军事仿真系统的时效性和可塑性。
本发明通过仿真系统数据接口获取仿真过程信息数据,对过程数据进行解析,再通过预设分类筛选数据加以存储,然后将关键事件信息在时间线上进行分层、分级展示,避免了仿真过程数据过杂,获取数据繁琐的操作,为使用者提供了直接的帮助。在使用过程中,操作人员可以实时了解到仿真关键的事件信息,把控仿真进度,对仿真相关从业者提供了直接的帮助。
在上述实施例的基础上,进一步提出各变型实施例,在此需要说明的是,为了使描述简要,在各变型实施例中仅描述与上述实施例的不同之处。
如图2所示,根据本发明的一些实施例,所述监听所述需要响应的仿真系统端口,包括:
当所述需要响应的仿真系统端口出现故障监听中断时,重新监听;
当重新监听次数达到临界值时,提示使用者故障信息。
根据本发明的一些实施例,所述对所述文本数据集进行事件筛选抽取,包括:
从所述文本数据集中去除实体更新数据。
根据本发明的一些实施例,采用粒子群算法对事件筛选抽取出的文本数据进行数据挖掘,以获得具有有用特征的新数据集的步骤可以参照图3所示的流程进行。
步骤一:数据预处理,对文本数据进行预处理,包括词语分切、终止词移除、词干提取、词条权重计算、文本向量化等,以便后续特征选择和建模。
步骤二:文本特行选择建模,便于从大量文本特征中选择出最具代表性和区分度的特征子集。
步骤三:初始化粒子群,随机生成一群粒子,并对它们进行初始化,包括位置向量和速度向量。
步骤四:评估适应度,对每个粒子的位置向量进行评估,并计算其适应度函数值,判别粒子的优劣程度。
步骤五:更新粒子位置,根据粒子的当前位置向量和速度向量更新其下一个位置向量。
步骤六:更新适应度,对每个粒子的位置向量进行适应度函数的重新评估,并更新其适应度函数值。
步骤七:粒子群迭代,记录所有粒子中最佳位置向量,直至达到预设的终止条件,当满足终止条件时,退出迭代,否则返回步骤五。
步骤八:特征子集选择,根据每个粒子的最优位置向量对应的特征子集,选择出有用特征的新数据集。
根据本发明的一些实施例,所述基于所述新数据集,采用数据特征标注、事件信息抽取技术,实现对关键事件的检测和识别,包括:
以事件发生的核心词作为触发词对所述新数据集中数据进行文本提取;
基于提取的文本,确定关键事件,并对所述关键事件设置事件属性和标签,其中,所述事件属性用于标示所述关键事件的事件类型以及事件属方,所述标签用于标示所述关键事件的重要性程度。
根据本发明的一些实施例,所述通过GraphicsViewFramework图形视图框架对所述关键事件实现时间轴的可视化显示,包括:
在时间轴中按照时间顺序展示所述关键事件的摘要信息,所述关键事件的详细信息通过扩展图形框或新增悬浮窗的方式展现;
对不同事件属方和不同重要性程度的关键事件进行区分展示。
对应的,本发明实施例还提出一种用于实现基于数据特征的关键事件可视化显示的中间件,包括:
数据引接模块,用于读取预设配置文件,并根据所述配置文件确定需要响应的仿真系统端口;监听所述需要响应的仿真系统端口,以获取仿真数据;
数据解析、转码转换模块,用于对所述仿真数据进行解析,以构建文本数据集;
事件筛选抽取模块,用于对所述文本数据集进行事件筛选抽取;
数据挖掘模块,用于采用粒子群算法对事件筛选抽取出的文本数据进行数据挖掘,以获得具有有用特征的新数据集;基于所述新数据集,采用数据特征标注、事件信息抽取技术,实现对关键事件的检测和识别;
事件轴展示模块,用于通过GraphicsViewFramework图形视图框架对所述关键事件实现时间轴的可视化显示。
根据本发明的一些实施例,所述数据引接模块,用于:
当所述需要响应的仿真系统端口出现故障监听中断时,重新监听;
当重新监听次数达到临界值时,提示使用者故障信息。
根据本发明的一些实施例,所述事件筛选抽取模块,用于:
从所述文本数据集中去除实体更新数据。
根据本发明的一些实施例,所述数据挖掘模块,用于:
以事件发生的核心词作为触发词对所述新数据集中数据进行文本提取;
基于提取的文本,确定关键事件,并对所述关键事件设置事件属性和标签,其中,所述事件属性用于标示所述关键事件的事件类型以及事件属方,所述标签用于标示所述关键事件的重要性程度。
根据本发明的一些实施例,所述事件轴展示模块,用于:
在时间轴中按照时间顺序展示所述关键事件的摘要信息,所述关键事件的详细信息通过扩展图形框或新增悬浮窗的方式展现;
对不同事件属方和不同重要性程度的关键事件进行区分展示。
下面以一个具体的实施例详细描述根据本发明的用于实现基于数据特征的关键事件可视化显示的中间件。值得理解的是,下述描述仅是示例性描述,而不应理解为对本发明的具体限制。
本发明实施例提出一种用于实现基于数据特征的关键事件可视化显示的中间件,响应军事仿真软件的数据接口,在仿真推演过程中实时筛选分类仿真数据,加工后以时间轴可视化方法展示。通过科学的方法进行事件识别任务,根据数据特征从非结构化信息中抽取出操作人员感兴趣的事件,形成结构化的信息。遵循仿真引擎单向数据流的原则,通过仿真平台已具备的数据交互接口,引接仿真过程数据,避免使用过程相互交叉,实现与仿真平台业务相关但数模分离。快速提取文本数据流的特征并将其挖掘发现事物变化的趋势,将流式数据信息转换为可感知的信息。动态、清晰地展现时间事件序列数据,对时间属性、事件属性、数据规模等方面进行处理,提高易读性与美观性,避免视觉混乱。
本发明实施例的用于实现基于数据特征的关键事件可视化显示的中间件通过自主监听仿真系统数据接口,等待仿真启动,开始对接收数据进行解析与编码转换。当解析到任何事件时,根据规则匹配判断事件属方、重要性、紧急性,来确定系统的响应机制。对时间序列流数据进行挖掘,根据具体不同的规则,将事件分类以不同形式展现在时间轴中。
详细的,如图1所示,本发明实施例的用于实现基于数据特征的关键事件可视化显示的中间件,包括:
数据引接模块,用于读取预设配置文件,并根据所述配置文件确定需要响应的仿真系统端口;监听所述需要响应的仿真系统端口,以获取仿真数据;
数据解析、转码转换模块,用于对所述仿真数据进行解析,以构建文本数据集;数据解析、编码转换是接收数据为二进制流,需要根据仿真服务器的封包方式进行解包,判断出数据包类型(如1001表示A类事件数据,2002表示B类事件数据),然后根据数据包结构解析出各字段内容。编码转换是解析过程中对数据流编码,以及内容数据编码的转换。
事件筛选抽取模块,用于对所述文本数据集进行事件筛选抽取;事件筛选抽取是指过滤掉无用的数据,如仿真过程中大量的实体更新数据等。
数据挖掘模块,用于采用粒子群算法对事件筛选抽取出的文本数据进行数据挖掘,以获得具有有用特征的新数据集;基于所述新数据集,采用数据特征标注、事件信息抽取技术,实现对关键事件的检测和识别;
事件轴展示模块,用于通过GraphicsViewFramework图形视图框架对所述关键事件实现时间轴的可视化显示。
数据引接模块主要包含端口监听、故障重连、参数配置四个单元。运行时,通过读取配置文件信息,选择需要响应的仿真系统端口,进行持续监听。
配置文件信息主要为仿真服务器ip、端口号、链接方式标识符(针对可能存在不同仿真服务器,数据接收方式不同做区别)。仿真服务器一般会有外部数据接口,仿真运行时会向外部“吐”出仿真过程数据,不论仿真服务器通过何种方式向外传输数据,都需要指令的ip与端口,或消息订阅的标识去接收这些数据。
当目标系统运行仿真推演时,通过监听端口获取过程数据;当出现故障监听中断时,本系统将不断尝试重新监听,在达到临界点时提示使用者故障信息。
监听中断一般指网络连接断开,软件使用时可能出现不稳定的情况或者单边断开连接情况,因此在出现连接断开时,需要尝试再次连接。此处处理方式是在短时间内尝试多次(如20次)连接,当连接失败时,判断为故障状态,对使用者进行故障提示。
数据引接模块是一套完整的、健全的数据获取模块,保证了数据获取的可靠性,其执行流程图如图2所示。
数据挖掘模块首先利用粒子群优化算法通过消除无用文本特征解决特征选择问题。粒子群算法用于寻找新的有用文本特征的子集,且算法运行在每个文档层次上,直到达到最大迭代数。在所有数据集中的文档上过滤后,粒子群算法将联合所有生成的文档子集以生成拥有有用特征的新的数据集,其详细流程图如图3所示。
经过粒子群算法优化后,数据挖掘模块采用数据特征标注、事件信息抽取的技术,实现对关键事件的检测和识别,具体包括以下步骤:
以事件发生的核心词作为触发词,数据集中对于事件的分类作为类型,以及事件的参与者,事件论元在事件中充当的角色等元素进行文本提取;实际接收数据过程中,不同类型数据的数据包是有区别的,即数据处理前数据类型就是已知的且有限的,实际实施过程中,此部分逻辑是直接写入软件内,如if(type==1001){dosomething}elseif(type==1002){dosomething}。
通过对触发词与事件类型的识别,合并成为事件识别任务,判断文本归属的事件类型;
事件参与者与角色分类合并成论元角色分类任务,这是一个基于词对的多分类任务,判断任意触发词和实体之间的角色关系;
根据事件识别结果,对事件进行定性判断,设置事件属性与标签。事件属性即事件的属方(红、蓝、白),以及事件类型(如js仿真中的目标毁伤、武器发射等),标签主要为事件的重要性程度,可在最终展示时对不同重要程度的事件加以区分,或以不同分辨率展示事件。
信息数据存储在寄存器,保证数据存写效率。信息数据存储时,根据信息分类表,对差异数据进行分别存储,对相似事件,形成统一信息存储,并根据信息重要性判断是否分别存储每个事件信息。
事件轴展示模块通过GraphicsViewFramework图形视图框架实现时间轴的可视化。
参照图4所示,QGraphics体系中最重要的三大元素:QGraphicsView、QGraphicsScene、QGraphicsItem,这三者构成了QGraphics体系最基础的模型框架,也是在使用过程中必不可少的元素。
QGraphicsScene:场景。场景用于装载所有item元素,它是一个无限大的空间,但是我们在使用的时候通常会指定一块区域(setSceneRect)用于安放所有的item元素,并且item之间的逻辑,以及消息传递都是从场景中进行统一管理,比如我门要捕捉鼠标消息,或者触控消息,统一在Scene中获取,然后分发给需要的item,可以说Scene就是一个大管家;
QGraphicsView:视图。视图就好比一个窗口,用于展示当前Scene中的元素,上面说到,Scene是一个无限大的空间,当view移动到Scene某个位置,就能看到该位置上的Item元素。
QGraphicsItem:每一个单独的图元,QGraphicsItem是一个基类,还有很多子类继承于它,也就是这一系列的item行程了整个QGraphics体系中的每一个图元。
场景类主要完成的工作包括提供对它包含的图元的操作接口和传递事件、管理各个图元的状态(如选择和焦点处理)、提供无变换的绘制功能(如打印)等。
事件传播体系结构将场景事件发送给图元,同时也管理图元之间的事件传播。如果场景接收到了在某一点的鼠标单击事件,场景会将事件传给这一点的图元。
管理各个图元的状态(如选择和焦点处理)。可以通过QGraphicsScene::setSelectionArea()函数选择图元,选择区域可以是任意的形状,使用QPainterPath表示。若要得到当前选择的图元列表,则可以使用函数QGraphicsScene::selectedItems()。可以通过QGraphicsScene::setFocusItem()函数或QGraphicsScene::setFocus()函数来设置图元的焦点,获得当前具有焦点的图元使用函数QGraphicsScene::focusItem()。
QGraphicsView是可滚动的窗口部件,可以提供滚动条来浏览大的场景。如果需要使用OpenGL,则可以使用QGraphicsView::setViewport()将视图设置为QGLWidget。
视图接收键盘和鼠标的输入事件,并将它们翻译为场景事件(将坐标转换为场景的坐标)。使用变换矩阵函数QGraphicsView::matrix()可以变换场景的坐标,实现场景缩放和旋转。QGraphicsView提供QGraphicsView::mapToScene()和QGraphicsView::mapFromScene()用于与场景的坐标进行转换。
QGraphicsItem类,是场景中各个图元的基类,在它的基础上可以继承出各种图元类,Qt已经预置的包括直线(QGraphicsLineItem)、椭圆(QGraphicsEllipseItem)、文本图元(QGraphicsTextItem)、矩形(QGraphicsRectItem)等。
事件轴展示模块用于执行以下步骤:
对视图框架中的图元、视图、场景基类进行重写,捕捉鼠标按下、移动、释放和双击,以及鼠标的移动,并完成坐标位置的变换。
通过场景类完成对图元的操作接口和传递事件,管理图元的状态;
通过视图类提供视口,将接收的键盘与鼠标事件翻译为场景事件,并设置反锯齿;
时间刻度轴、关键时间、信息展示窗口等都以图元类型加入场景中,并进行碰撞检测,对各种事件进行处理,其中:时间刻度是在时间线上两个时间点中间以刻度方式定位时间,提高时间轴对事件时间的精确程度;除区分事件归属外,依据事件的重要性、紧急性等属性,在界面区分事件差异,区分方式主要包括:高中低分行、图形框颜色、重叠事件优先展示等;事件信息默认展示摘要信息,子信息隐藏,使窗口界面简洁美观,也方便操作人员定位事件,当需要查看子信息事,通过扩展图形框或新增悬浮窗的方式展现;
对当前维护的数据集元素的时间、类型、连续行、关联性进行分析,对每个元素生成多分辨率的表示,形成原始数据库、特征数据库、索引库等,每个元素对象与其对应特征相对应,能够完成特征抽象、索引及查询一般。
图5是本发明实施例中时间轴展示示意图。
本发明通过仿真系统数据接口获取仿真过程信息数据,对过程数据进行解析,再通过预设分类筛选数据加以存储,然后将关键事件信息在时间线上进行分层、分级展示,避免了仿真过程数据过杂,获取数据繁琐的操作,为使用者提供了直接的帮助。在使用过程中,操作人员可以实时了解到仿真关键的事件信息,把控仿真进度,对仿真相关从业者提供了直接的帮助:
本方法帮助行业技术专家实时获取关键事件信息,更快的梳理仿真内容,便于发现事件规律,可基于索引统计等功能,对特定类型事件进行综合情况梳理,获取相关表示结果的完整表示信息,也能帮助专家在繁多的碎片化信息,串联时间段,生成基于时间线的仿真过程概览。
仿真实验人员通过设定数据标注,可以更简单、直观的了解到整个仿真过程中的开端、发展、重要事件、结局以及各阶段对应的细节,通过数据挖掘发现的线索分析出更深层次的问题,分析产生相关问题的规律和原因,帮助实验人员系统的、完整的、准确的获取到相关内容,大大减少了收集整理时间,使其作业更加高效实现仿真系统“场景逼真、精细模拟”的能力增效提升。
需要说明的是,以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
不应将位于括号之内的任何参考符号构造成对权利要求的限制。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。单词第一、第二、以及第三等的使用是用于区别类似的对象,不表示任何顺序。可将这些单词解释为名称。
“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
Claims (10)
1.一种基于数据特征的关键事件可视化显示方法,其特征在于,包括:
读取预设配置文件,并根据所述配置文件确定需要响应的仿真系统端口;
监听所述需要响应的仿真系统端口,以获取仿真数据;
对所述仿真数据进行解析,以构建文本数据集;
对所述文本数据集进行事件筛选抽取,并采用粒子群算法对事件筛选抽取出的文本数据进行数据挖掘,以获得具有有用特征的新数据集;
基于所述新数据集,采用数据特征标注、事件信息抽取技术,实现对关键事件的检测和识别;
通过GraphicsViewFramework图形视图框架对所述关键事件实现时间轴的可视化显示。
2.如权利要求1所述的基于数据特征的关键事件可视化显示方法,其特征在于,所述监听所述需要响应的仿真系统端口,包括:
当所述需要响应的仿真系统端口出现故障监听中断时,重新监听;
当重新监听次数达到临界值时,提示使用者故障信息。
3.如权利要求1所述的基于数据特征的关键事件可视化显示方法,其特征在于,所述对所述文本数据集进行事件筛选抽取,包括:
从所述文本数据集中去除实体更新数据。
4.如权利要求1所述的基于数据特征的关键事件可视化显示方法,其特征在于,所述基于所述新数据集,采用数据特征标注、事件信息抽取技术,实现对关键事件的检测和识别,包括:
以事件发生的核心词作为触发词对所述新数据集中数据进行文本提取;
基于提取的文本,确定关键事件,并对所述关键事件设置事件属性和标签,其中,所述事件属性用于标示所述关键事件的事件类型以及事件属方,所述标签用于标示所述关键事件的重要性程度。
5.如权利要求1所述的基于数据特征的关键事件可视化显示方法,其特征在于,所述通过GraphicsViewFramework图形视图框架对所述关键事件实现时间轴的可视化显示,包括:
在时间轴中按照时间顺序展示所述关键事件的摘要信息,所述关键事件的详细信息通过扩展图形框或新增悬浮窗的方式展现;
对不同事件属方和不同重要性程度的关键事件进行区分展示。
6.一种用于实现基于数据特征的关键事件可视化显示的中间件,其特征在于,包括:
数据引接模块,用于读取预设配置文件,并根据所述配置文件确定需要响应的仿真系统端口;监听所述需要响应的仿真系统端口,以获取仿真数据;
数据解析、转码转换模块,用于对所述仿真数据进行解析,以构建文本数据集;
事件筛选抽取模块,用于对所述文本数据集进行事件筛选抽取;
数据挖掘模块,用于采用粒子群算法对事件筛选抽取出的文本数据进行数据挖掘,以获得具有有用特征的新数据集;基于所述新数据集,采用数据特征标注、事件信息抽取技术,实现对关键事件的检测和识别;
事件轴展示模块,用于通过GraphicsViewFramework图形视图框架对所述关键事件实现时间轴的可视化显示。
7.如权利要求6所述的用于实现基于数据特征的关键事件可视化显示的中间件,其特征在于,所述数据引接模块,用于:
当所述需要响应的仿真系统端口出现故障监听中断时,重新监听;
当重新监听次数达到临界值时,提示使用者故障信息。
8.如权利要求6所述的用于实现基于数据特征的关键事件可视化显示的中间件,所述事件筛选抽取模块,用于:
从所述文本数据集中去除实体更新数据。
9.如权利要求6所述的用于实现基于数据特征的关键事件可视化显示的中间件,所述数据挖掘模块,用于:
以事件发生的核心词作为触发词对所述新数据集中数据进行文本提取;
基于提取的文本,确定关键事件,并对所述关键事件设置事件属性和标签,其中,所述事件属性用于标示所述关键事件的事件类型以及事件属方,所述标签用于标示所述关键事件的重要性程度。
10.如权利要求6所述的基于数据特征的关键事件可视化显示方法,其特征在于,所述事件轴展示模块,用于:
在时间轴中按照时间顺序展示所述关键事件的摘要信息,所述关键事件的详细信息通过扩展图形框或新增悬浮窗的方式展现;
对不同事件属方和不同重要性程度的关键事件进行区分展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310237027.1A CN116401828A (zh) | 2023-03-13 | 2023-03-13 | 基于数据特征的关键事件可视化显示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310237027.1A CN116401828A (zh) | 2023-03-13 | 2023-03-13 | 基于数据特征的关键事件可视化显示方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116401828A true CN116401828A (zh) | 2023-07-07 |
Family
ID=87018878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310237027.1A Pending CN116401828A (zh) | 2023-03-13 | 2023-03-13 | 基于数据特征的关键事件可视化显示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116401828A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116860148A (zh) * | 2023-07-18 | 2023-10-10 | 广东保伦电子股份有限公司 | 一种电子白板内容和背景分离缩放的实现方法及处理终端 |
-
2023
- 2023-03-13 CN CN202310237027.1A patent/CN116401828A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116860148A (zh) * | 2023-07-18 | 2023-10-10 | 广东保伦电子股份有限公司 | 一种电子白板内容和背景分离缩放的实现方法及处理终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11107036B2 (en) | Systems and methods for business processing modelling | |
US9684301B2 (en) | Computer product, assembly sequence generating apparatus, and manufacturing method | |
EP4137961A1 (en) | Method and apparatus for executing automatic machine learning process, and device | |
US8229735B2 (en) | Grammar checker for visualization | |
CN108140018A (zh) | 创作用于基于文本的文档的视觉表示 | |
CN102907069A (zh) | 执行图形应用的方法和系统 | |
CN114816380B (zh) | 一种面向医疗机构的低代码平台 | |
CN114424251A (zh) | 使用机器学习算法准备训练数据集 | |
CN116401828A (zh) | 基于数据特征的关键事件可视化显示方法 | |
CN111753911A (zh) | 用于融合模型的方法和装置 | |
Han et al. | A framework for semi-automatically identifying fully occluded objects in 3D models: Towards comprehensive construction design review in virtual reality | |
US9026482B2 (en) | Method and system for analyzing a legacy system based on trails through the legacy system | |
Kozlova et al. | Development of the toolkit to process the internet memes meant for the modeling, analysis, monitoring and management of social processes | |
CN115631374A (zh) | 控件操作方法、控件检测模型的训练方法、装置和设备 | |
CN115619245A (zh) | 一种基于数据降维方法的画像构建和分类方法及系统 | |
CN115617441A (zh) | 绑定模型和图元的方法、装置、存储介质及计算机设备 | |
CN114995931A (zh) | 项目看板的显示方法、装置、存储介质及计算机设备 | |
NL2025739B1 (en) | Artificial intelligence and augmented reality system and method | |
Auber et al. | TULIP 4 | |
CN114143109A (zh) | 攻击数据的可视化处理方法、交互方法及装置 | |
JP7119550B2 (ja) | 2モードネットワークにおける検索結果の視覚的探索のためのシステム及び方法、プログラム、及びコンピュータ装置 | |
CN111768007A (zh) | 用于挖掘数据的方法和装置 | |
CN117540447B (zh) | 一种基于业务分析场景的组件化建模方法及系统 | |
Mittal | Big Data Analysis for Data VisualizationA Review | |
CN115565201B (zh) | 禁忌图片识别方法、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |