河北科技大学学报２０１４拄

其他研究热点包括图形的视觉因素研究、自适应可视化研究、可视化效果的评估等。

视觉因素对于可视化效果的影响，如位置、长度、面积、形状、色彩等影响已经引起很多研究者

的注意。色彩是视觉因素的重要组成部分，研究主要集中在颜色选择的原则和交互系统ｑ－。这些

原则基于数据类型、类的数量、认知约束等。

自适应可视化可以提高信息可视化的适应性。研究成果分为以下几类：自适应可视化展示、自

适应资源模型、自适应用户模型。自适应可视化展示是指根据用户的特征自动为用户提供多种展

示类型，自动选择可视化内容及布局的形式，自动调整可视化的元素等。自适应资源模型反映了对

硬件和软件的利用以提高可视化性能。自适应用户模型通过显示用户模型的内容并让用户能够编

辑，从而让用户能够控制模型的内容。

当前关于信息可视化评价的研究较少，少量研究也没有提出直接和通用的可视化的评估方式，

需要对信息可视化评价的理论基础、方法和应用做深入的研究。

可视化技术与应用还应该继续向以下４个方面努力：直观化、关联化、艺术化、交互化。信息可

视化技术的发展方向是协同（ｃｏｌｌａｂｏｒａｔｉｏｎ）、分析过程（ａｎａｌｙｔｉｃｓ）、计算（ｃｏｍｐｕｔａｔｉｏｎａｌ）和意会

（ｓｅｎｓｅ—ｍａｋｉｎｇ）。未来研究方向可以包括以下几个内容。

信息可视化和数据挖掘的紧密结合。为提高处理海量数据时的速度和效率和解决视觉混淆现

象；必须运用数据挖掘的公式和算法，对数据分析的过程及结果进行可视化展现。

协同可视化。协同可视化领域的研究方向可以包括可视化接口设计、基于Ｗｅｂ的可视化协同

平台开发、协同可视化工作的视图设计、协同可视化中的工作流管理及协同可视化技术的应用等。

更多领域的应用技术开发。包括统计可视化：需要研究使用几何、动画、图像等工具对数据统

计的过程和结果进行加工和处理的技术；新闻可视化：对新闻内容进行抓取、清洗和提取和可视化

展示；社交网络可视化：可视化方式显示社交网络的数据，对社交网络中节点、关系及时空数据的集

成展示。搜索日志可视化：针对在使用搜索引擎时产生的海量搜索日志，可视化的展现用户的搜索

行为、关系和模式等。

关键词：信息可视化；可视化技术；人机交互；数据挖掘

中图分类号：ＴＰ３９１文献标志码：Ａ

Ｒｅｖｉｅｗｏｆｉｎｆｏｒｍａｔｉｏｎｖｉｓｕａｌｉｚａｔｉｏｎ

ＹＡＮＧＹａｎｂ０１，ＬＩＵＢｉｎｌ，ＱＩＭｉｎｇｙｕｅ２

（１．ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，ＨｅｂｅｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＳｈｉｊｉａｚｈｕａｎｇＨｅｂｅｉ０５００１８，Ｃｈｉｎａ；２．ＣｏｍｍｕｎｉｃａｔｉｏｎＳｔａｔｉｏｎｏｆＨｅｂｅｉＰｒｏｖｉｎｃｉａｌＭｉｌｉｔａｒｙＣｏｍｍａｎｄ，ＳｈｉｊｉａｚｈｕａｎｇＨｅｂｅｉ０５００１１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｉｎｆｏｒｍａｔｉｏｎｖｉｓｕａｌｉｚａｔｉｏｎｉｓｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｖｉｓｕａｌｉｚａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｉｎｎｏｎ－ｓｐａｔｉａｌｄａｔａａｒｅａ，ｅｎｈａｎｃｉｎｇｄａｔａｐｒｅｓ—ｅｎｔａｔｉｏｎｅｆｆｅｃｔ．Ｕｓｅｒｓｃａｎｏｂｓｅｒｖｅｔｈｅｄａｔａｉｎｔｕｉｔｉｖｅｌｙａｎｄｉｎｔｅｒａｃｔｉｖｅｌｙｓｏａｓｔｏｆｉｎｄｉｍｐｌｉｃｉｔｆｅａｔｕｒｅｓ，ｒｅｌａｔｉｏｎｓａｎｄｐａｔｔｅｒｎｓｉｎｄａｔａ．Ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｏｎｖｉｓｕａｌｉｚａｔｉｏｎｉｓｖｅｒｙａｂｒｏａｄｗｈｉｃｈｉｎｃｌｕｄｅｓｄａｔａｍｉｎｉｎｇｖｉｓｕａｌｉｚａｔｉｏｎ，ｎｅｔｗｏｒｋｄａｔａｖｉｓｕａｌ—ｉｚａｔｉｏｎ．ｓｏｃｉａｌｄａｔａｖｉｓｕａｌｉｚａｔｉｏｎ。ｔｒａｆｆｉｃｖｉｓｕａｌｉｚａｔｉｏｎ，ｔｅｘｔｖｉｓｕａｌｉｚａｔｉｏｎ，ａｎｄｍｅｄｉｃｉｎｅｖｉｓｕａｌｉｚａｔｉｏｎ，ｅｔｃ．ＡｃｃｏｒｄｉｎｇｍｏｄｅｌｏｎｔＯＣａｒｄｉｎｆｏｒｍａｔｉｏｎｖｉｓｕａｌｉｚａｔｉｏｎ，ｐｒｏｃｅｓｓ０ｆｉｎｆｏｒｍａｔｉｏｎｖｉｓｕａｌｉｚａｔｉｏｎｉｎｃｌｕｄｅｓｔｈｒｅｅｓｔａｇｅｓ：ｄａｔａｐｒｅｔｒｅａｔｉｎｇ，ｄａｔａ

ｎｏｔｅｓｐｌｏｔｔｉｎｇ，ｄａｔａｄｉｓｐｌａｙｉｎｇａｎｄｉｎｔｅｒａｃｔｉｎｇ．ＢｅｎＳｈｎｅｉｄｅｒｍａｎｔｈａｔｖｉｓｕａｌｉｚａｔｉｏｎｄａｔａｉｎｃｌｕｄｅｓｏｎｅ－ｄｉｍｅｎｓｉｏｎａｌｄａｔａ，ｔｗｏ—ｄｉｍｅｎｓｉｏｎａｌ

ａｒｅｄａｔａ，ｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌｄａｔａ，ｍｕｌｔｉ—ｄｉｍｅｎｓｉｏｎａｌｄａｔａ，ｔｅｍｐｏｒａｌｄａｔａ，ｈｉｅｒａｒｃｈｉｃａｌｄａｔａ，ａｎｄｎｅｔｗｏｒｋｄａｔａ，ｏｆｗｈｉｃｈ

ｍｕｃｈａｔｔｅｎｔｉｏｎｔＯｇｉｖｅｎｒｅｓｅａｒｃｈ．

Ｖｉｓｕａｌｉｚａｔｉｏｎｍｅｔｈｏｄｓｏｆｍｕｌｔｉ—ｄｉｍｅｎｓｉｏｎａｌｄａｔａｉｎｃｌｕｄｅｇｅｏｍｅｔｒｙｍｅｔｈｏｄｓ，ｉｃｏｎｍｅｔｈｏｄｓ，ａｎｄａｎｉｍａｔｉｏｎｍｅｔｈｏｄｓ，ｅｔｃ．Ａ—ｍｏｎｇｔｈｅｇｅｏｍｅｔｒｙ－ｂａｓｅｄｖｉｓｕａｌｉｚａｔｉｏｎｍｅｔｈｏｄｓ，ｔｈｅｍｏｓｔｃｌａｓｓｉｃ

ｃａｌａｘｉｓｔＯｒｅＤｒｅｓｅｎｔｏｎｅｉｓｔｈｅｐａｒａｌｌｅｌｃｏｏｒｄｉｎａｔｅｓａｐｐｒｏａｃｈ．Ｉｔｏｎｕｓｅｓｐａｒａｌｌｅｌｖｅｒｔｉ—ｔｈｅｄｉｍｅｎｓｉｏｎｖａｌｕｅｓ．Ｂｙｔｈｅｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌｄａｔａｐｏｒｔｒａｙｅｄ

ｔｏａｔｈｅｓｈａｆｔ，ａｎｄｂｙｔｈｅｃｏｏｒｄｉｎａｔｅｐｏｉｎｔｃｏｎｎｅｃｔｅｄｗｉｔｈａｌｉｎｅｄａｔａｅｎｔｒｙｏｎｔｈｅａｘｅｓ，ｔｈｅｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌｄａｔａｗａｓｐｒｅｓｅｎｔｅｄ．Ｍｕｌｔｉ—ｄｉｍｅｎｓｉｏｎａｌｄａｔａｗａｓｄｉｓ—

ｓｅｔｐｌａｙｅｄｃｏｎｃｉｓｅｌｙａｎｄｑｕｉｃｋｌｙｉｎＰａｒａｌｌｅｌＣｏｏｒｄｉｎａｔｅｓ，ａｎｄｉｍｐｒｏｖｅｄｍａｎｙｔｅｃｈｎｉｑｕｅｓ．Ｗｈｅｎｓｃａｌｅｏｆｄａｔａ

ｄｅｎｓｅｌｉｎｅｓｃｏｕｌｄｃａｕｓｅｗａｓｖｅｒｙｌａｒｇｅ，ｔｈｅｖｉｓｕａｌｃｌｕｔｔｅｒ．Ｔｈｅｍｅｔｈｏｄｓｏｆｃｌｕｔｔｅｒｒｅｄｕｃｔｉｏｎｉｎｃｌｕｄｅｄｉｍｅｎｓｉｏｎｒｅｏｒｄｅｒｉｎｇ，ｉｎｔｅｒａｃｔｉｎｇ，ｃｌｕｓｔｅｒｉｎｇ

ｏｎａｎｄｆｌｉｔｅｒｉｎｇ，ａｎｄｖｉｓｕａｌｅｎｈａｎｃｅｍｅｎｔ，ｅｔｃ．Ｏｔｈｅｒｍｅｔｈｏｄｓｂａｓｅｄｇｅｏｍｅｔｒｙ，ｉｎｃｌｕｄｉｎｇＲａｄｖｉｚ（ＲａｄｉａｌＣｏｏｒｄｉｎａｔｅｖｉｓｕａｌｉｚａ—