CN117609959B - 一种用于描述事件序列特征的可视化方法、系统及应用 - Google Patents
一种用于描述事件序列特征的可视化方法、系统及应用 Download PDFInfo
- Publication number
- CN117609959B CN117609959B CN202410089106.7A CN202410089106A CN117609959B CN 117609959 B CN117609959 B CN 117609959B CN 202410089106 A CN202410089106 A CN 202410089106A CN 117609959 B CN117609959 B CN 117609959B
- Authority
- CN
- China
- Prior art keywords
- coordinate
- event
- strengthening
- event sequence
- point
- 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.)
- Active
Links
- 238000007794 visualization technique Methods 0.000 title claims abstract description 27
- 238000005728 strengthening Methods 0.000 claims abstract description 58
- 239000002356 single layer Substances 0.000 claims abstract description 20
- 239000010410 layer Substances 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 50
- 230000008569 process Effects 0.000 claims description 15
- 238000012800 visualization Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 abstract description 17
- 239000003086 colorant Substances 0.000 abstract 1
- 238000013079 data visualisation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000003475 lamination Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Image Generation (AREA)
Abstract
本发明公开一种用于描述事件序列特征的可视化方法、系统及应用,包括:从数据采集模块获取事件序列数据集;在正方形平面空间中心设定坐标系零点,并根据事件序列数据集中每个事件获得坐标点,并形成坐标集;将坐标集中的坐标点根据强化函数进行强化处理,得到强化坐标点,并形成强化坐标集;根据强化坐标集进行曲线绘制,得到多个含有象形符号的单一图层;并对象形符号的曲线部分颜色进行定义,并在同一区域内进行图层叠加;以设定的坐标系零点为圆心,半径R绘制圆圈外框,颜色为Cframe。本发明达到实现事件序列数据在较小平面空间进行排列,并保留良好事件先后顺序信息,并在强化相似序列的亲似性的同时,强化异类序列的视觉差异的目的。
Description
技术领域
本发明涉及信息可视化技术领域,具体涉及一种用于描述事件序列特征的可视化方法、系统及应用。
背景技术
事件序列数据是由n个事件按其发生的时间先后顺序排列而成的序列数据。这些数据通常是通过对现实世界活动观测而产生的。有效地分析事件序列数据可以揭示重要序列模式,为未来决策提供必要的支持。例如,在电商领域,顾客的网页点击事件序列分析可以揭示电商客户购买物品的习惯,帮助公司了解客户行为;在医疗保健领域,电子健康记录(electronic health records, EHRs)分析可以总结各类疾病的有效护理方案,为智慧医疗提供指导;在学生就业辅导中,往届学生的学业事件序列数据分析可以总结不同就业方向的学生学业模式,为在读学生的学业及职业规划提供合理建议。
数据可视化已经成为解释和理解大型复杂数据的重要工具,它将各类型的数据转换成适当的视觉表达,并提供丰富的交互手段,借助人的视觉处理能力观察与分析数据中的隐含信息。数据可视化技术已经被广泛地用于呈现、分析和探索时间事件序列数据。
其中,同样基于圆环布局:
《CN106846437A-一种基于螺旋图的时间序列数据可视化方法》中的可视化方案可以有效展示较多并行事件序列,并表现状态变化时间间隔(即事件变化时间区间)。但考虑到使用长弧线占用视觉区域的问题,同样空间可以展示的事件序列长度明显受限。
《CN104750837A-增长型时间序列数据的可视化方法和系统》发明了一种类似的从圆心向外散射的时间序列可视化方法,使用了与本发明类似的色彩区分方式,并提供了曲线和直线绘制的两种方案。但是与本发明相比采用了不同的着色方案,并且不能自动适应不同长度序列之间的比较问题,另外还存在不能突出相似序列的视觉聚类问题。
同样使用半透明方案:
《CN106874317A-数据可视化方法与数据可视化装置》中将多序列合中的重复部分合并的方法可以有效增加阅读性,并平衡非重叠部分和重叠部分的视觉比重。但该发明提及的可视化方法则仅适合序列见交集显著的事件序列分析。
类马尔科夫模型:
《CN105719195A-智能变电站事件序列分析的步渐式表达方法及系统》中的事件序列可视化方案可以展现多事件之间的跳转关系和频繁度,但不能清晰地展示事件的先后顺序。
《CN108304446A-一种健康体检生理时间序列数据的可视化表示方法、存储介质》发明了一种将连续时序数据离散化处理成事件序列以后的可视化方法,该方法引入了动态的力学模型来解决布局问题,并利用布局变化来展示数据的异常。但该方法同样不能展示事件的先后顺序,能支持同时对比的序列有限。
发明内容
为了克服现有技术的不足,本发明提供一种用于描述事件序列特征的可视化方法、系统及应用,用于解决现有的事件序列特征可视化方法存在的可展示的事件序列长度明显受限、不能自动适应不同长度序列之间的比较、不能突出相似序列、仅适合序列见交集显著的事件序列分析、不能清晰地展示事件的先后顺序并且能支持同时对比的序列有限等的技术问题,从而达到视觉表现高效简洁,并保留良好事件先后顺序信息,并在强化相似序列的亲似性的同时,强化异类序列的视觉差异的目的。与此同时,该发明实现了事件序列数据在较小平面空间内进行排列,具有良好的空间效率,因此可以在诸如智能手表等智能可穿戴设备上展示丰富的事件序列信息。
为解决上述问题,本发明所采用的技术方案如下:
一种用于描述事件序列特征的可视化方法,包括:
从数据采集模块获取长度为,包含事件/>的事件序列数据集;
在的正方形平面空间中心设定坐标系零点/>,并根据所述事件序列数据集/>中每个事件/>获得坐标点/>,并形成坐标集/>;
将所述坐标集中的坐标点/>根据强化函数进行强化处理,得到强化坐标点/>,并形成强化坐标集/>;
根据所述强化坐标集进行曲线绘制,得到多个含有象形符号/>的单一图层;
对所述单一图层中象形符号的曲线部分颜色进行定义,并在同一区域内进行图层叠加;
以设定的坐标系零点为圆心,半径/>绘制圆圈外框,颜色为/>。
其中,在从数据采集模块获取事件序列数据集时,包括:
获取每个事件的独特事件类型集合/>,若所述独特事件类型集合/>的对应长度为/>,则有/>;/>为所述独特事件类型集合/>中的第/>个事件类型。
作为本发明优选的实施方式,在根据所述事件序列数据集中每个事件/>获得坐标点/>时,包括:
根据所述独特事件类型集合的长度/>、所述事件序列数据集/>的长度/>以及所述独特事件类型集合/>中的事件类型获得坐标点/>,如公式1所示:
(1);
式中,,/>。
作为本发明优选的实施方式,在将所述坐标集中的坐标点/>根据强化函数进行强化处理时,包括:
将所述坐标集中的坐标点/>根据Holten函数进行强化处理,如公式2所示:
(2);
式中,的角标为序号,/>为第一个点,/>为最后一个点,/>为所述事件序列数据集/>的长度,/>为/>之间的强化系数,当/>时,绘制结果为无曲折细节的直线,当/>时,所述坐标点/>等于所述强化坐标点/>,所述强化坐标集/>等于所述坐标集/>。
作为本发明优选的实施方式,在根据所述强化坐标集进行曲线绘制时,包括:
根据所述强化坐标集进行三次样条插值绘制曲线。
作为本发明优选的实施方式,在得到多个含有象形符号的单一图层时,包括:
继续从所述数据采集模块获取数据,得到组事件序列数据集/>;
根据所述组事件序列数据集/>中每个事件/>获得坐标点,并形成坐标集/>;
将所述坐标集中的坐标点/>根据强化函数进行强化处理,得到强化坐标点/>,并形成强化坐标集/>;
根据所述强化坐标集进行曲线绘制,得到分别含有象形符号的单一图层。
作为本发明优选的实施方式,为了可以自适应多事件序列,以保证图层较多时画面仍清晰可读,所述可视化方法,还包括:
判断事件序列数据集的组数/>是否大于预设的组数阈值,若是,通过限定/>的取值,以保证可读性,如公式3所示:
(3)。
作为本发明优选的实施方式,在对所述单一图层中象形符号的曲线部分颜色进行定义时,包括:
对第个象形符号/>的曲线部分颜色进行定义,如公式4所示:
(4);
式中,为色彩表示函数,/>为色相,/>为饱和度,/>为明度,/>为不透明度,/>为定义的饱和度,/>为定义的明度。
作为本发明优选的实施方式,所述可视化方法,还包括:
在背景为白色的默认环境下,/>,/>,。
一种用于描述事件序列特征的可视化系统,包括:
数据集获取单元:用于从数据采集模块获取长度为,包含事件/>的事件序列数据集/>;
坐标集生成单元:用于在的正方形平面空间中心设定坐标系零点/>,并根据所述事件序列数据集/>中每个事件/>获得坐标点/>,并形成坐标集/>;
强化单元:用于将所述坐标集中的坐标点/>根据强化函数进行强化处理,得到强化坐标点/>,并形成强化坐标集/>;
绘制单元:用于根据所述强化坐标集进行曲线绘制,得到多个含有象形符号/>的单一图层;对所述单一图层中象形符号/>的曲线部分颜色进行定义,并在同一区域内进行图层叠加;以设定的坐标系零点/>为圆心,半径/>绘制圆圈外框,颜色为/>。
一种用于描述事件序列特征的可视化应用,通过处理器运行本发明所提供的可视化方法,在可穿戴设备上展示丰富的事件序列信息;
其中,在运行本发明所提供的可视化方法时,将事件序列数据在较小平面空间内进行排列。
相比现有技术,本发明的有益效果在于:
(1)本发明使用可以适应不同长度序列的绘制方法,从而在一组相互比较的事件序列中,针对每个序列自有长度重新等分圆圈区域,能够适应不同长度的事件序列在同一视觉区域进行比较;
(2)本发明采用基于Holten的捆绑函数平滑事件序列坐标,从而能够在视觉上自动区隔构成差异较大事件序列,并将类似的事件序列在空间上聚合,从而更加易于辨认事件序列的特征和差异;
(3)本发明根据需要对比的事件序列数对强度系数/>进行动态取值,以通过较少的曲线细节来保证可读性;
(4)本发明基于HSBA色彩空间的取色和半透明处理方法实现事件序列的叠层对比;
(5)本发明通过将事件类型映射为平面空间中的不同角度,实现事件序列数据在较小平面空间进行排列,视觉表现高效简洁,并保留良好事件先后顺序信息;
(6)本发明使用纯几何形态表现事件序列,不占用色彩这一变量作为信息通道,为多序列之间进行叠层(superposition)比较提供了便利;
(7)本发明利用动态布局算法来保证生成象形符号在特殊情况下的可读性,强化相似序列的亲似性的同时强化异类序列的视觉差异;
(8)本发明利用曲线平滑处理实现了降低视噪、压制局部繁杂视觉讯息的能力;
(9)本发明实现了事件序列数据在较小平面空间内进行排列,具有良好的空间效率,因此可以在诸如智能手表等智能可穿戴设备上展示丰富的事件序列信息。
下面结合附图和具体实施方式对本发明作进一步详细说明。
附图说明
图1是本发明所提供的用于描述事件序列特征的可视化方法步骤图;
图2是本发明实施例的未适应事件序列长度L前三组长短差距较大的绘制效果图;
图3是本发明实施例的适应事件序列长度L后三组长短差距较大的绘制效果图;
图4是本发明实施例的未采用平滑处理的坐标点直线图形;
图5是本发明实施例的采用平滑处理后的坐标点曲线图形。
附图标号说明:1、1号序列;2、2号序列;3、3号序列;4、4号序列;5、5号序列;6、6号序列。
具体实施方式
本发明所提供的用于描述事件序列特征的可视化方法,如图1所示,包括:
步骤S1:从数据采集模块获取长度为,包含事件/>的事件序列数据集/>;
步骤S2:在的正方形平面空间中心设定坐标系零点/>,并根据事件序列数据集/>中每个事件/>获得坐标点/>,并形成坐标集/>;
步骤S3:将坐标集中的坐标点/>根据强化函数进行强化处理,得到强化坐标点,并形成强化坐标集/>;
步骤S4:根据强化坐标集进行曲线绘制,得到多个含有象形符号/>的单一图层;
步骤S5:对单一图层中象形符号的曲线部分颜色进行定义,并在同一区域内进行图层叠加;
步骤S6:以设定的坐标系零点为圆心,半径/>绘制圆圈外框,颜色为/>。
具体地,本发明通过数据采集模块可通过多种形式采集事件序列数据,以下进行举例说明:
(1)通过数据采集模块获取采集点击数据序列,该点击数据序列可以是特定购物网站的使用者的点击行为的序列数据,而用户的每一点击行为即对应一点击数据。
(2)通过数据采集模块获取目标城市A和周围城市集合C,并构造有关A的空气污染的事件序列,其中事件的定义由城市和污染程度组成,如C1-轻度,C2-重度(污染程度共两级,即轻度污染和重度污染);针对A的每个空气污染事件A-轻度或者A-重度(定义为目标事件)寻找前置事件并构造出序列S,前置事件的标准为该事件为C城市集合内发生的污染事件,并且发生时间不早于目标事件12小时并在目标事件和的该事件的时间间隔之间A没有发生污染事件;最后将前置事件按发生的具体事件排序,得到事件序列集合。
(3)产生指示与车辆相关的经检测事件序列的数据,传感器事件的检测涉及从与车辆相关联的一或多个传感器及/或一或多个致动器获得的数据的处理。若干传感器及致动器将经由一或多个计算机装置与车载网络通信。运行导航应用程序的计算机装置可从车载网络获得传感器及/或致动器数据用于本发明所提供的方法使用。此时数据采集模块为传感器或致动器。
传感器数据可包含(按钮按下、车速、轮胎压力、燃油油位、电池充电状态、发动机运行、摄像机图像、LIDAR数据、GPS数据等)。致动器数据可包含指示例如车窗向下、刹车、发动机开/关、电源开/关、挡风玻璃雨刮器开/关、左/右转向、加速的操作的数据。
在上述步骤S1中,在从数据采集模块获取事件序列数据集时,包括:
获取每个事件的独特事件类型集合/>,若独特事件类型集合/>的对应长度为/>,则有/>;
其中,为独特事件类型集合/>中的第/>个事件类型。
在上述步骤S2中,在根据事件序列数据集中每个事件/>获得坐标点/>时,包括:
根据独特事件类型集合的长度/>、事件序列数据集/>的长度/>以及独特事件类型集合/>中的事件类型获得坐标点/>,如公式1所示:
(1);
式中,,/>。
在上述步骤S3中,在将坐标集中的坐标点/>根据强化函数进行强化处理时,包括:
将坐标集中的坐标点/>根据Holten函数进行强化处理,如公式2所示:
(2);
式中,的角标为序号,/>为第一个点,/>为最后一个点,/>为事件序列数据集/>的长度,/>为/>之间的强化系数,当/>时,绘制结果为无曲折细节的直线,当/>时,坐标点/>等于强化坐标点/>,强化坐标集/>等于坐标集/>。
在上述步骤S4中,在根据强化坐标集进行曲线绘制时,包括:
根据强化坐标集进行三次样条插值绘制曲线。
在上述步骤S4中,在得到多个含有象形符号的单一图层时,包括:
继续从数据采集模块获取数据,得到组事件序列数据集/>;
根据组事件序列数据集/>中每个事件/>获得坐标点,并形成坐标集/>;
将坐标集中的坐标点/>根据强化函数进行强化处理,得到强化坐标点/>,并形成强化坐标集/>;
根据强化坐标集进行曲线绘制,得到分别含有象形符号的单一图层。
进一步地,为了可以自适应多事件序列,以保证图层较多时画面仍清晰可读,本发明所提供的可视化方法,还包括:
判断事件序列数据集的组数/>是否大于预设的组数阈值,若是,通过限定/>的取值,以保证可读性,如公式3所示:
(3)。
在上述步骤S5中,在对单一图层中象形符号的曲线部分颜色进行定义时,包括:
对第个象形符号/>的曲线部分颜色进行定义,如公式4所示:
(4);
式中,为色彩表示函数,/>为色相,/>为饱和度,/>为明度,/>为不透明度,/>为定义的饱和度,/>为定义的明度。
进一步地,本发明所提供的可视化方法,还包括:
在背景为白色的默认环境下,/>,/>,。
本发明所提供的用于描述事件序列特征的可视化系统,包括:数据集获取单元、坐标集生成单元、强化单元以及绘制单元。
数据集获取单元:用于从数据采集模块获取长度为,包含事件/>的事件序列数据集/>。
坐标集生成单元:用于在的正方形平面空间中心设定坐标系零点/>,并根据事件序列数据集/>中每个事件/>获得坐标点/>,并形成坐标集/>。
强化单元:用于将坐标集中的坐标点/>根据强化函数进行强化处理,得到强化坐标点/>,并形成强化坐标集/>。
绘制单元:用于根据强化坐标集进行曲线绘制,得到多个含有象形符号/>的单一图层;对单一图层中象形符号/>的曲线部分颜色进行定义,并在同一区域内进行图层叠加;以设定的坐标系零点/>为圆心,半径/>绘制圆圈外框,颜色为/>。
本发明所提供的用于描述事件序列特征的可视化应用,通过处理器运行本发明所提供的可视化方法,在可穿戴设备上展示丰富的事件序列信息;
其中,在运行本发明所提供的可视化方法时,将事件序列数据在较小平面空间内进行排列。
以下的实施例是对本发明的进一步说明,但本发明的范围并不限制于此。
(1)获取长度为,包含事件/>的事件序列数据集/>。每个事件/>独特事件类型集合/>中的第/>个事件类型。若/>对应长度为/>,则有/>。
(2)在的正方形平面空间中心设定坐标系零点/>,根据/>中每个事件/>获得坐标点/>,如下:
式中,,/>。
(3)为了将坐标点所形成的图形简化,将坐标集中的坐标点/>根据Holten函数H强化处理成强化坐标点/>,并形成强化坐标集/>,即:
其中,为/>之间的强化系数,当/>时,绘制结果为无曲折细节的直线,当/>时,/>,所以/>。/>的角标为序号,/>为第一个点,/>为最后一个点,/>为事件序列数据集/>的长度。
(4)根据强化坐标集进行三次样条插值绘制曲线,获得含有象形符号/>的单一图层。取/>组事件序列数据集/>,重复上述步骤(1)至(3),得到强化坐标集,并重复进行曲线绘制,获得对应的象形符号/>,考虑到事件序列繁多时,需要较少的曲线细节来保证可读性,因此/>的取值应满足/>。
(5)将第个象形符号/>的曲线部分颜色定义为:
式中,为色彩表示函数,/>为色相,/>为饱和度,/>为明度,/>为不透明度,/>为定义的饱和度,/>为定义的明度。
并在同一区域内进行图层叠加,具体为在的矩形画布内绘制/>,然后再次图形上进行叠加绘制/>,等等,直至/>。
(6)以坐标系零点为圆心,半径为/>绘制圆圈外边框,颜色为/>。
(7)在背景为白色的默认环境下:
。
以下案例中使用的数据是修改开源游戏源码从而记录的玩家指令数据集。其内容为玩家完成关卡所使用的一系列动作。此处“动作”即“事件”。每个动作可以重复,并且有先后顺序。
图二和图三均展现了相同的多个事件序列,其中3号序列3相对较短,而1号序列1相对较长。在序列长度差异较大的情况下,图二未经过处理,所以3号序列3图形过小,视觉上不明显,不足以展示其序列的特征,因而无法与1号序列1和2号序列2对比。而图三则在保留长度对比的情况下,适度缓和了极端长度差异造成的长短序列无法比较的问题。
图四和图五是基于相同数据绘制的图形。相比于图四,图五中4号序列4、5号序列5、6号序列6的线条重合度更高,视觉噪音更小,之间的亲似性也更加明显。同时,图五中的三簇线条指向明确的三个不同方向,可以帮助观察者更加清晰的发现三类不同类型的事件序列。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (8)
1.一种用于描述事件序列特征的可视化方法,其特征在于,包括:
从数据采集模块获取长度为,包含事件/>的事件序列数据集;
在的正方形平面空间中心设定坐标系零点/>,并根据所述事件序列数据集/>中每个事件/>获得坐标点/>,并形成坐标集/>;
将所述坐标集中的坐标点/>根据强化函数进行强化处理,得到强化坐标点/>,并形成强化坐标集/>;
根据所述强化坐标集进行曲线绘制,得到多个含有象形符号/>的单一图层;
对所述单一图层中象形符号的曲线部分颜色进行定义,并在同一区域内进行图层叠加;
以设定的坐标系零点为圆心,半径/>绘制圆圈外框,颜色为/>;
其中,在从数据采集模块获取事件序列数据集时,包括:
获取每个事件的独特事件类型集合/>,若所述独特事件类型集合/>的对应长度为/>,则有/>;/>为所述独特事件类型集合/>中的第/>个事件类型;
在将所述坐标集中的坐标点/>根据强化函数进行强化处理时,包括:
将所述坐标集中的坐标点/>根据Holten函数进行强化处理,如公式2所示:
(2);
式中,的角标为序号,/>为第一个点,/>为最后一个点,/>为所述事件序列数据集/>的长度,/>为/>之间的强化系数,当/>时,绘制结果为无曲折细节的直线,当/>时,所述坐标点/>等于所述强化坐标点/>,所述强化坐标集/>等于所述坐标集/>;
在得到多个含有象形符号的单一图层时,包括:
继续从所述数据采集模块获取数据,得到组事件序列数据集/>;
根据所述组事件序列数据集/>中每个事件/>获得坐标点,并形成坐标集/>;
将所述坐标集中的坐标点/>根据强化函数进行强化处理,得到强化坐标点/>,并形成强化坐标集/>;
根据所述强化坐标集进行曲线绘制,得到分别含有象形符号的单一图层。
2.根据权利要求1所述的用于描述事件序列特征的可视化方法,其特征在于,在根据所述事件序列数据集中每个事件/>获得坐标点/>时,包括:
根据所述独特事件类型集合的长度/>、所述事件序列数据集/>的长度/>以及所述独特事件类型集合/>中的事件类型获得坐标点/>,如公式1所示:
(1);
式中,,/>。
3.根据权利要求1所述的用于描述事件序列特征的可视化方法,其特征在于,在根据所述强化坐标集进行曲线绘制时,包括:
根据所述强化坐标集进行三次样条插值绘制曲线。
4.根据权利要求1所述的用于描述事件序列特征的可视化方法,其特征在于,为了自适应多事件序列,以保证图层较多时画面仍清晰可读,所述可视化方法,还包括:
判断事件序列数据集的组数/>是否大于预设的组数阈值,若是,通过限定的取值,以保证可读性,如公式3所示:
(3)。
5.根据权利要求1所述的用于描述事件序列特征的可视化方法,其特征在于,在对所述单一图层中象形符号的曲线部分颜色进行定义时,包括:
对第个象形符号/>的曲线部分颜色进行定义,如公式4所示:
(4);
式中,为色彩表示函数,/>为色相,/>为饱和度,/>为明度,/>为不透明度,/>为定义的饱和度,/>为定义的明度。
6.根据权利要求5所述的用于描述事件序列特征的可视化方法,其特征在于,所述可视化方法,还包括:
在背景为白色的默认环境下,/>,/>,。
7.一种用于描述事件序列特征的可视化系统,其特征在于,包括:
数据集获取单元:用于从数据采集模块获取长度为,包含事件/>的事件序列数据集/>;
坐标集生成单元:用于在的正方形平面空间中心设定坐标系零点/>,并根据所述事件序列数据集/>中每个事件/>获得坐标点/>,并形成坐标集/>;
强化单元:用于将所述坐标集中的坐标点/>根据强化函数进行强化处理,得到强化坐标点/>,并形成强化坐标集/>;
绘制单元:用于根据所述强化坐标集进行曲线绘制,得到多个含有象形符号/>的单一图层;对所述单一图层中象形符号/>的曲线部分颜色进行定义,并在同一区域内进行图层叠加;以设定的坐标系零点/>为圆心,半径/>绘制圆圈外框,颜色为/>;
其中,在从数据采集模块获取事件序列数据集时,包括:
获取每个事件的独特事件类型集合/>,若所述独特事件类型集合/>的对应长度为/>,则有/>;/>为所述独特事件类型集合/>中的第/>个事件类型;
在将所述坐标集中的坐标点/>根据强化函数进行强化处理时,包括:
将所述坐标集中的坐标点/>根据Holten函数进行强化处理,如公式2所示:
(2);
式中,的角标为序号,/>为第一个点,/>为最后一个点,/>为所述事件序列数据集/>的长度,/>为/>之间的强化系数,当/>时,绘制结果为无曲折细节的直线,当/>时,所述坐标点/>等于所述强化坐标点/>,所述强化坐标集/>等于所述坐标集/>;
在得到多个含有象形符号的单一图层时,包括:
继续从所述数据采集模块获取数据,得到组事件序列数据集/>;
根据所述组事件序列数据集/>中每个事件/>获得坐标点,并形成坐标集/>;
将所述坐标集中的坐标点/>根据强化函数进行强化处理,得到强化坐标点/>,并形成强化坐标集/>;
根据所述强化坐标集进行曲线绘制,得到分别含有象形符号的单一图层。
8.一种用于描述事件序列特征的可视化应用,其特征在于,通过处理器运行权利要求1-6任一项所述的可视化方法,在可穿戴设备上展示丰富的事件序列信息;
其中,在运行权利要求1-6任一项所述的可视化方法时,将事件序列数据在所述可穿戴设备的平面空间内进行排列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410089106.7A CN117609959B (zh) | 2024-01-23 | 2024-01-23 | 一种用于描述事件序列特征的可视化方法、系统及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410089106.7A CN117609959B (zh) | 2024-01-23 | 2024-01-23 | 一种用于描述事件序列特征的可视化方法、系统及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117609959A CN117609959A (zh) | 2024-02-27 |
CN117609959B true CN117609959B (zh) | 2024-03-22 |
Family
ID=89960137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410089106.7A Active CN117609959B (zh) | 2024-01-23 | 2024-01-23 | 一种用于描述事件序列特征的可视化方法、系统及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117609959B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750837A (zh) * | 2015-04-03 | 2015-07-01 | 北京工商大学 | 增长型时间序列数据的可视化方法和系统 |
CN112363689A (zh) * | 2020-10-21 | 2021-02-12 | 杭州电魂网络科技股份有限公司 | Unity3D游戏动画数据的可视化编辑方法、设备和存储介质 |
-
2024
- 2024-01-23 CN CN202410089106.7A patent/CN117609959B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104750837A (zh) * | 2015-04-03 | 2015-07-01 | 北京工商大学 | 增长型时间序列数据的可视化方法和系统 |
CN112363689A (zh) * | 2020-10-21 | 2021-02-12 | 杭州电魂网络科技股份有限公司 | Unity3D游戏动画数据的可视化编辑方法、设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
正交各向异性材料的混合硬化弹塑性本构方程;刘腾喜, 黄世清, 傅衣铭;应用数学和力学;20030215(第02期);全文 * |
面向视觉变量感知特征的时空过程可视化模型;王占刚;;计算机工程与应用;20201231(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117609959A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Blascheck et al. | Visualization of eye tracking data: A taxonomy and survey | |
Çöltekin et al. | Geospatial information visualization and extended reality displays | |
Blascheck et al. | State-of-the-art of visualization for eye tracking data. | |
EP2973402B1 (en) | Systems, methods, and computer-readable media for identifying when a subject is likely to be affected by a medical condition | |
Gleicher et al. | Visual comparison for information visualization | |
CN110264462B (zh) | 一种基于深度学习的乳腺超声肿瘤识别方法 | |
Muhammad et al. | Efficient visual attention driven framework for key frames extraction from hysteroscopy videos | |
CN105893765B (zh) | 一种基于Echarts的分级诊疗分析及数据可视化系统 | |
JP2005512625A (ja) | 視標追跡データの使用を容易にする技法 | |
JP2013508840A (ja) | 参照オブジェクトに対するクエリオブジェクトの類似性を評価するための方法およびシステム | |
Islam et al. | A novel mutual information based feature set for drivers’ mental workload evaluation using machine learning | |
Wang et al. | Idea discovery: A scenario-based systematic approach for decision making in market innovation | |
Vanderplas et al. | Testing statistical charts: What makes a good graph? | |
CN106504629A (zh) | 一种基于增强现实技术的汽车组装演示记忆系统 | |
CN111798096A (zh) | 一种基于电网调度数据的可视分析方法、系统及存储介质 | |
KR20190063582A (ko) | 전달 학습을 통한 운전자의 시선 응시영역 추정 방법 | |
Nakaya | Analytical data transformations in space–time region: Three stories of space–time cube: Space–time integration in geography and giscience | |
Silva et al. | Visualization and analysis of schema and instances of ontologies for improving user tasks and knowledge discovery | |
Chen et al. | Data visualization in smart grid and low‐carbon energy systems: A review | |
CN117609959B (zh) | 一种用于描述事件序列特征的可视化方法、系统及应用 | |
Menin et al. | ESTIMe: Towards an all-in-one geovisualization environment for daily mobility analysis | |
Zhou et al. | FuzzyRadar: visualization for understanding fuzzy clusters | |
Ramzan et al. | Internet of medical things for smart D3S to enable road safety | |
Liu et al. | Development of a fatigue detection and early warning system for crane operators: A preliminary study | |
CN112101522B (zh) | 基于可视化的交互式机器学习方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |