《基于构化情报分析系统的数据可视化研究.docx》由会员分享，可在线阅读，更多相关《基于构化情报分析系统的数据可视化研究.docx（40页珍藏版）》请在课桌文档上搜索。
1、编号南京航空航天大学毕业设计基于结构化情报分析系统的题目数据可视化研究学生姓名韩峥学号090520238学院经济与管理学院专业信息管理与信息系统班级0905201指导教师马静教授二OcI九年六月南京航空航天大学本科毕业设计论文诚信承诺书本人郑重声明：所呈交的毕业设计（论文）（题目：）是本人在导师的指导下独立进行研究所取得的成果。尽本人所知，除了毕业设计（论文）中特别加以标注引用的内容外，本毕业设计（论文）不包含任何其他个人或集体已经发表或撰写的成果作品。作者签名:年月日学号:基于结构化情报分析系统的数据可视化研究摘要国防战略情报是为全局长期战略目标效劳的情报，其目的在于探索国防科技开展的规律，
2、预测其未来的趋向及其对政治、经济、社会、思想、文化的影响等。传统的战略情报的分析方法主要包括：Delphi法、内容分析法、交叉影响分析法、情景分析法等，但是都存在效果缺乏、方法不适等问题。20()4年，国际上出现了一种称为结构化论证(StrUCtUralArgumentation)的新型的战略情报分析模型，其对定性研究的结构化论证方式有较好的实现效果，对国内的战略情报分析有较好借鉴作用。本论文在研读了众多国外情报分析理论的论文和分析了多款国外基于结构化分析模型的情报分析系统的实例的根底上，自主研发设计了一款具有独立知识产权的面向国防战略情报的问询式情报分析系统(InferentialIntel
3、ligenceAnalysisSystem)；给出了该系统的整体设计框图、工作流程；并就数据可视化的关键问题进行了方案设计、算法实现和系统测试；并重点对其中的几张可视化效果图进行了源代码剖析。最后，论文指出了HAS中数据可视化继续完善的方向和未来情报分析领域的研究目标。关键词：数据可视化，战略情报，结构化论证模型，问询式情报分析TheresearchofdatavisualizationbasedonthestructuredintelligenceanalysisAbstractThecentralresearchtopicofstrategicintelligenceisanalyzing
4、importantstrategiesandpoliciestotherelationofthenationalsecurityandforecastingtheprospectsofadvancedtechnology,etc.TraditionalstrategicintelligencemethodsincludesDelphiSurveys,ContentAnalysis,Cross-impactAnalysis,ScenarioWritingandsoon.Thesemethodscanundertakesomeintelligencetasks,butoncethetaskbeco
5、mingcomplicated,allofthesemethodsmentionedcouldnotcompletethetaskindependently.OnthebasisofstudyingmanythesisoftheintelligenceanalysistheoryandSeveralinternationalintelligenceanalysistoolsofstructuralintelligenceanalysis,ThispaperproposedanewkindofIntelligencesupporttoolnamedInferentialIntelligenceA
6、nalysisSystem(IIAS)orientedtothenationaldefensedomainwithindependentintellectualpropertyrights.ThispaperdescriptthemaindesignthoughtsandthegraphicaldescriptionofHAS.Thispaperreferredmanyinternationaltechnologicalmaterialsandproposed11AS,sdatavisualizationprogram,andanalyzedthesourcecodeofimplementin
7、gsomevisualizationgraphs(suchastree-structuralgraphandarea-structuralgraph)alongwiththealgorithms.Finally,thispaperdescribedthefurtherstepsofperfectingdatavisualizationpartinHASandhadashorttalkonthefuture,sintelligenceanalysisdomain.KeyWords：datavisualization;strategicintelligence;StructuredArgument
8、ation;InferentialIntelligenceAnalysis目录摘要IAbstracti第一章绪论-1-1.1 选题背景及意义-1-1.2 国内外研究现状-1-1.2.1 国外局部-2-1.2.2 国内局部-3-1.3 本文研究的内容-3-第二章相关概念及理论概述-4-2.1 情报-4-2.2 情报分析-4-2.3 情报分析类型-4-2.3.1 按领域划分-4-按内容划分-4-2.3.3 按方法划分-5-2A战略情报-6-战略情报研究的类型和研究的主要领域-6-2.6 战略情报的分析方法-7-2.6.1 德尔菲法(DelphiSurveys)-7-2.6.2 内容分析法(Cont
9、entAnalysis)-7-2.6.3 交叉影响分析法(Cross-ImpactAnalysis)-7-2.6.4 情景分析法(ScenarioWriting)-7-2.7 结构化情报分析-一种新型的战略情报研究方法-7-2.7.1 结构化情报分析模型概述-7-结构化分析方法的一般过程-8-2.8 数据可视化理论-9-2.9 数据可视化适用范围-9-数据可视化的通用技术-10-2.11 结构化分析中的数据可视化技术-11-2.11.1 数据可视化在结构化分析中的作用-11-2.11.2 结构化分析中所采用的数据可视化-11-第三章国外结构化分析系统研究-12-3.1 国外结构化情报分析系统研
10、究进展-12-3.2 系统SEAS(StructualEvidentialAnalysisSystem)分析-12-3.3 系统Angler分析-13-第四章面向国防战略情报的问询式情报分析系统的分析与设计-13-4.1 问询式情报分析的根本过程-13-4.2 问询式情报分析系统体系结构设计-14-4.3 问询式情报分析过程图形化描述-14-第五章问询式情报分析系统的数据可视化方案设计-14-5.1 问询式情报分析系统(HAS)可视化综述-14-5.2 可视化局部图形描述-15-第六章可视化实现-16-6.1 离散数据归类问题-16-6.1.1 问题描述及算法-16-6.1.2 算法讨论-17
11、-6.2 区域覆盖问题-18-6.2.1 问题描述与算法-18-算法讨论-206.3 IIAS可视化局部代码分析-20-6.3.1 树形结构图-20-6.3.2 区域结构图-21-Java2D绘图-22-第七章总结与展望-26-参考文献-26-致谢-27-附录IlAS使用到的JAVA2DAPl摘录-28-第一章绪论1.1 选题背景及意义情报分析其实是一门很古老的技术，早在几千年前，古人就留下了“知己知彼，百战不殆和“运筹帷幄之重，决胜千里之外等名言。在两次世界大战中，运用先进的情报技术战胜对手的战争案例也是不胜枚举。由此可见，情报分析从其诞生之日起，就是一门效劳于军事科技的重要的技术。20世纪
12、50年代以后，情报分析的应用范围逐渐由军事领域扩大到商业领域，因为越来越多的企业发现，在剧烈的市场竞争中，要想使企业占据行业的主导地位，就必须分析、获取更多关于竞争对手的有价值的情报。情报分析这门自古代流传下来的技术从此在新的领域焕发了勃勃生机。进入21世纪，随着人们对人工智能(Artificiallntelligence),数据挖掘(DataMining)机器学习(MachineLearning)以及认知科学(CognitiveScience)等学科的深入研究，情报分析工作比照以前已经有了几乎是质的飞跃。在信息的来源方面，我们拥有庞大的Internet和企业的内部信息网络；在信息的处理方面，
13、我们设计了好多套先进的用于信息分析的模型；在信息的可视化方面，我们拥有多种信息可视化的方案，方便高层决策者直观、清晰地了解整个分析过程和结果虽然取得了如此巨大的成绩，但是，面对着全球信息总量呈几何倍数增长的现状，情报分析工作在新世纪也正面临着巨大的挑战。例如如何在浩如烟海的信息中找到符合自己要求的那一条信息，这需要我们研发出高度匹配的垂直搜索引擎；如何鉴别信息的真伪那么需要我们在计算机语义分析领域的研究取得突破性进展；如何知晓各条信息之间的相互关联性又需要我们在自动推理，人工智能等学科的研究上有更进一步的成果等等不一而足。不过我们仍然相信，伴随着科学技术的日益进步，我们一定能够在情报分析领域不
14、断超越，实现情报分析的高度智能化。国防战略情报是为全局长期战略目标效劳的情报，其目的在于探索国防科技开展的规律,预测其未来的趋向及其对政治、经济、社会、思想、文化的影响等。传统的战略情报的分析方法主要包括：Delphi法、内容分析法、交叉影响分析法、情景分析法等，但是都存在效果缺乏、方法不适等问题。2004年，国际上出现了一种称为结构化论证(StrUCtUralArgUmentatiOn)的新型的战略情报分析模型，这一模型融合了传统情报分析方法的许多优点，其对定性研究的结构化论证方式有较好的呈现效果，对国内的战略情报分析有较好借鉴作用。本论文正是围绕着结构化论证这一新型的情报论证方法展开自己的
15、研究。1.2 国内外研究现状国外局部斯坦福研究中心(StanfOrdResearchInStitUte)的博士JOhnD.Lawrence在情报论证领域有几十年的研究经验，他领导的小组开发了两套产品，一套名为SEAS(StructuredEvidentialArgumentationSystem)是采用自顶向下分析(top-down)的模型来论证情报的；另一套名为Angler是采用自底向上的归纳(bottOm-UP)的模型来分析情报的。他们各有优势，针对不同种类的情报任务，给出了不同的解决方案川四。俄亥俄州立大学认知系统工程实验室的DavidWoods等几个教授提出了一个辅助决策支持的情报论证
16、模型，它把自顶向下和自底向上这两个过程整合到了一起,一边自顶向下分析将问题不断细化的时候，一边否认自己，对原有问题域进行筛选和扩充。加州大学伯克利分校的教授同时也是PerceptualEdge的首席参谋St叩henFew-直致力于分析和提供有价值的商业数据，他在这方面已经有超过20年的工作经验。他的两篇文章ThreeBlindMenandanElephant:ThePowerofFacetedAnalyticalDisplays和ImproveYourVisionandExpandYourMindwithVisualAnalytics描述了一款名为tableau的商务智能软件，它主要的目的是可
17、视化地呈现数据库中的数据(这些数据都是经过分类整合的)，为人们作出更好的决策提供支持倒空RichiirdV.Badalamente和FrankL.Greitzer2(X)5年在一次情报分析方法和工具的年度会议上对当前情报分析的软件提出了10个急待解决的问题，作者从技术难度(ITComPleXity)和对情报分析的影响力(IAimPaCt)两个维度描述这些问题。假设这两个维度的总分值各为10的话，他们认为当前影响力为10的是实现无缝的数据接入和提取(seamlessdataaccessandingest).而且它的技术难度仅为4:当前技术难度为10的是情报假设自动生成(HyPOtheSiSgen
18、erateandtrace),而它的影响力为6;而动态数据可视化(dynamicdatavisualization)项的技术难度为7,而影响力为4m。RichardsJ.Heuer这位在ClA工作了近30年的资深的情报分析专家,在他1979年退休之后，写了一本书名叫PsychologyofInteUigenceAnalysis，这本书之后被ClA奉为情报分析的圣经，每个ClA的工作人员，不管是底层工作人员还是高层管理人员，几乎人手一本。该书分为四章，每一章都着重解决情报分析领域中的一个重要的问题。分别是PartI：我们思维的机制(Ourmentalmachinery).Part11：思考的工具
19、.(ToOISforthinking)PartIII:认知的偏见(CognitiveBiases)PartIV:结论(ConCIUSiOnS)。国内局部2006年国防大学和军事科技学院的董献洲等人发表了一篇名为“信息可视化技术在情报分析中的应用研究的论文在计算机工程与应用的期刊上，文中着重讨论了两种信息收集处理过程中的可视化技术，河流模型和关联分析模型，遗憾的是文中并没有给出具体的实现方式以及关键的算法。2006年南京大学的苏勇在现代图书情报技术期刊上发表了一篇名为“信息可视化中赋权树形图的绘制实现方法，文中详细描述了一种无交叉的赋权树形图的绘制方法叫2023年孙成权，曹霞等人编著了一本名为战
20、略情报研究与技术预见的书，在书中提到了战略情报研究的重点领域，根本内容，根本方法，以及重要意义等12023年7月，武汉大学信息资源研究中心，李纲，郑重等人在图书情报知识上发表了一篇名为信息可视化应用研究进展的论文，论文描述了当前信息可视化的主要应用领域和当前国际最先进的信息可视化技术，以及当前有效的信息可视化工具和可视化建模语言口现2007年7月，中国科学院文献情报中心的孙洁丽，景明昌等人在情报科学杂志上发表一篇名为可视化技术在竞争情报中的应用的论文，论文讲述了当前可用的可视化技术和模型，并给出了一种可用的可视化竞争情报系统的设计叫1.3 本文研究的内容本论文在研读了众多国外情报分析理论的论文
21、和研究了多款国外基于结构化分析模型的情报分析系统的实例的根底上，自主研发设计了一款具有独立知识产权的面向国防战略情报的问询式情报分析系统(InferentialInteUigenceAnalysisSystem):给出了该系统的整体设计框图、工作流程；提出了可视化展现方案；分析了数据可视化的关键问题并进行了算法分析。数据可视化是该论文的核心内容。本论文给出了UAS中的可视化方案，对其中的几张可视化效果图进行了源代码分析；对在可视化过程中的离散数据处理和区域覆盖等核心问题给出了关键算法，并分析了相关算法的执行效率。在论文的最后，笔者将会给出在IlAS中数据可视化继续完善的方向和未来情报分析领域的
22、研究目标。第二章相关概念及理论概述2. 1情报情报是经过分析的，可直接作为决策依据的结论和信息，对应英文的Inelligenee。用公式可表示为：情报=原始信息+分析用。以前有一种传统的情报观认为情报就是信息（InfOrmation）,随着时间的开展，这种观点已经被淘汰。3. 2情报分析情报分析（InformatiOnAnalysis）亦称情报研究或情报调研，就是根据特定问题的需要，对大量相关信息进行深层次的思维加工和分析研究，形成有助于问题解决的新信息的信息劳动过程。信息分析是在现代信息分析与咨询活动飞速开展的背景下，于20世纪50年代由情报科学中派生出来的一门新兴学科。近二三十年来，在信息
23、的广泛传播过程中，信息分析得到了迅猛开展U叫对这一概念的理解，可以从构成这一定义的几个要素来进行：从成因来看，信息分析的产生是由于存在社会需求。从方法来看，信息分析广泛采用情报学和软科学研究方法。从过程来看，信息分析都需要经过一系列相对程序化的环节。从成果来看，信息分析是形成新的增值的信息产品。从目的来看，信息分析是为不同层次的科学决策效劳的。因此，信息分析是对各种相关信息的深度加工，是一种深层次或高层次的信息效劳，是一项具有研究性质的智能活动。4. 3情报分析类型由于情报分析涉及到社会的方方面面，采用各种各样的研究方法，所以根据不同的划分标准，可以将情报分析划分成各种不同的类型。5. 3.1
24、按领域划分国际形势或国内形势总是根据各种因素发生变化的。一项情报分析任务，也总是根据各种相互联系的不同领域的信息构成的。这些领域大致可以分为以下几方面：政治（含外交）、经济（含产业）、社会、科学技术、交通通信、军事、人物。就某个具体领域而言，进行情报分析时要考虑的要素简述如下：政治信息分析要素、经济信息分析要素社会信息分析要素、科学技术信息分析要素、交通通信信息分析要素、人物信息分析要素、军事信息分析要素。2.3.2按内容划分1）跟踪型信息分析跟踪型信息分析是根底性工作，无论哪种领域的信息分析研究，没有根底数据和资料都难以工作。它又可分为两种：技术跟踪型和政策跟踪型，常规的方法是信息收集和加工
25、，建立文献型、事实型和数值型数据库作为常备工具，加上一定的定性分析。这种类型的信息分析可以掌握各个领域的开展趋势，及时了解新动向、新开展，从而做到发现问题、提出问题。2）比较型信息分析比较是确定事物间相同点和不同点的方法，在对各个事物的内部矛盾的各个方面进行比较后，就可以把握事物间的内在联系，认识事物的本质。比较型信息分析是决策研究中广泛采用的方法，只有通过比较，才能认识不同事物间的差异，从而提出问题、确定目标、拟定方案并作出选择比较可以是定性的，也可以是定量的，或者是定性、定量相结合的，许多技术经济分析的定量方法常常被采用。3）预测型信息分析所谓预测，就是利用已经掌握的情况、知识和手段，预先
26、推知和判断事物的未来或未知状况。预测的要素包括：人-预测者情况和知识-预测依据手段-预测方法；事物未来和未知状况预测对象预先推知和判断预测结果。根据不同的划分标准，预测可以分成许多不同的类型，如按预测对象和内容可以分为经济预测、社会预测、科学预测、技术预测、军事预测等。2. 3.3按方法划分情报分析的类型也可以按照采用的方法来划分。一般可以分为定性分析方法和定量分析方法两种。定性分析方法一般不涉及到变量关系，主要依靠人类的逻辑思维功能来分析问题;而定量分析方法肯定要涉及到变量关系，主要是依据数学函数形式来进行计算求解。定性分析方法比方比较、推理、分析与综合等；定量分析方法比如回归分析法、时间序
27、列法等。值得指出的是，由于信息分析问题的复杂性，很多问题的解决既涉及到定性分析，也涉及到定量分析，因此定性分析和定量分析方法相结合的运用越来越普遍。情报分析方法以定性为主的方法交叉影响分析法关联树法内容分析法综合评估法层次分析法图2.1情报分析方法一览3. 4战略情报在国内孙成全，曹霞等所著的战略情报研究与技术预见一书中对战略情报的解释为:战略情报是为全局域长期战略目标效劳的情报，其目的在于探索科学技术开展的规律，预测其未来的趋向及其对政治、经济、社会、思想、文化的影响，从而为确立宏观的社会开展目标、制定科技开展方针政策、规划产业经济开展方案，进行重大技术引进改造与协作攻关决策等提供重大背景资
28、料、数据信息资料和对策咨询建议UIL4. 5战略情报研究的类型和研究的主要领域战略情报的研究的类型主要包括：（1）战略设计的情报研究、战略评估的情报研究和战略实施的情报研究（2）跟踪研究、比较研究、预测研究、评价研究（3）科学情报研究、技术与技术经济情报研究、工程情报研究、科技政策与科研管理情报研究（4）技术预测、技术评估与技术预见（5）动态监测效劳、态势分析研究和前瞻预测研究（6）分散式、集中式、分散与集中相结合形式、社会网络化形式。战略情报研究的主要领域包括：（1）科学情报研究。它主要包括:交叉科学（InterdiSCiPIinaryScience）；战略性研究一一国家目标导向的根底科学研
29、究；NBlC会聚技术一一交叉科学与战略性研究相结合的未来重要领域这三方面的情报研究等(2)技术情报研究，主要是指技术创新和共性技术。(3)工程情报研究，主要包括工程创新和大科学，大科学工程的情报研究。(4)科技政策与科研管理情报研究。2. 6战略情报的分析方法2. 6.1德尔菲法(DelphiSurveys)德尔菲依据系统的程序，采用匿名发表意见的方式，即团队成员之间不得互相讨论，不发生横向联系，只能与调查人员发生关系，以反覆的填写问卷,以集结问卷填写人的共识及搜集各方意见，可用来构造团队沟通流程，应对复杂任务难题的管理技术U叫德尔菲法最初产生于科技领域，后来逐渐被应用于任何领域的预测，如军事
30、预测、人口预测、医疗保健预测、经营和需求预测、教育预测等。此外，还用来进行评价、决策、管理沟通和规划工作。内容分析法ContentAnalysisJ内容分析法是一种对文献内容作客观系统的定量分析的专门方法，其目的是弄清或测验文献中本质性的事实和趋势，揭示文献所含有的隐性情报内容，对事物开展作情报预测。它实际上是一种半定量研究方法，其根本做法是把媒介上的文字、非量化的有交流价值的信息转化为定量的数据，建立有意义的类目分解交流内容，并以此来分析信息的某些特征U叫交叉影响分析法Cross-ImpactAnalysisJ所谓交叉影响分析法，就是在信息分析和预测中，根据假设干个事件之间的相互影响关系，分
31、析当某一事件发生时，其他事件因受到影响而发生何种形式变化的一种方法3)。情景分析法ScenarioWriting情景分析的整个过程是通过对环境的研究，识别影响研究主体或主题开展的外部因素，模拟外部因素可能发生的多种交叉情景分析和预测各种可能前景。情景分析法是为了提高企业、公共部门或者其他组织对未来的适应性和开展力，因此分析的一个前提是要对分析的对象有一个清晰的认识。如果不了解这些，就从整体的角度出发,很可能通过情景分析得到的一个看似非常好的战略，会变得不切实际，或者效果并不见得好。2.7结构化情报分析种新型的战略情报研究方法2. 7.1结构化情报分析模型概述结构化情报分析模型(StrUCtUr
32、aIlntenigenCeAnalySiSModel)是一种融合了德尔菲法，内容分析法，交叉影响分析法而设计出来的新型的战略情报研究方法。说它融合德尔菲法，是因为在情报分析员遇到不确定的情报问题时，需要寻求专家的意见；说它融合内容分析法，是因为对树形结构的叶子节点的问题的答复就是进行内容分析寻找答案的过程；说它融合交叉影响分析法，是因为在树形结构的建立过程中，父节点和子节点的关系就是交叉影响的关系。斯坦福研究中心(StanfOrdResearchInStitUtiOn)的博士JOhnD.Lowrance给出了文本分析法(textanalysis)结构化分析法(StrUCtUredargumen
33、tation)和贝叶斯信念网(beliefnets)分析法这三者各自的特点:分析方法文本分析法结构化分析法贝叶斯信念网分析法特点非常有限的结构 理解耗时困难 很难进行分析分 析和比较很难从中提取出 分析方法以便重 用结构简单方便理解和解释 方便进行比照分 析容易从中提取分 析方法以便重用 情报员可方便更 改维护结构复杂情报员的工作被简 化成数据录入无成 就感无法找到分析的思 路和轨迹以解释给 别人听无法更新和维护该 模型表1.1三种情报分析方法的各自特点分析从上图中可以看出结构化的分析方法具有其他两种方法不可比较的优点，所以也是当前被广泛采用的情报分析方法。3. 7.2结构化分析方法的一般过程
34、总的来说，结构化的分析方法主要有两种策略，自顶向下分析(top-down)和自底向上归纳(bottom-up).自顶向下分析就是将一个情报任务分解成假设干个子任务，对每个子任务如果认为必要，继续分解，直到不能再分解可以直接进行论证为止。而自底向上归纳那么相反，对每一个情报任务先广泛地收集相关的资料，对它们分析整理形成证据，再不断向上归纳，直到归纳成要解决的情报任务为止。二者各有优缺点，在使用中可以针对具体情报任务的不同采用不同的方法2久图自顶向下分析图自底向上归纳2004年俄亥俄州立大学认知系统工程实验室的DavidWoods等在一篇论文中提出了新的结构化分析方法，他们把自顶向下和自底向上这两
35、个过程结合到了一起,一边自定向下分析将问题不断细化的时候，一边否认自己，对原有问题域进行筛选和扩充。4. 8数据可视化理论数据可视化领域的起源可以追溯到二十世纪50年代计算机图形学的早期。当时，人们利用计算机创立出了首批图形图表。1987年，由布鲁斯麦考梅克(BrUCeH.McCormick)、托马斯德房蒂(ThomaSA.DeFanti)和玛克辛.布朗(MaXineD.BroWn)所编写的美国国家科学基金会报告科学计算之中的可视化(ViSUaIiZatiOninSCientifiCCOmPUting)RN,对于这一领域产生了大幅度的促进和刺激。这份报告之中强调了新的基于计算机的可视化技术方法
36、的必要性。随着计算机运算能力的迅速提升，人们建立了规模越来越大，复杂程度越来越高的数值模型,从而造就了形形色色体积庞大的数值型数据集。同时，人们不但利用医学扫描仪和显微镜之类的数据采集设备产生大型的数据集，而且还利用可以保存文本、数值和多媒体信息的大型数据库来收集数据。因而，就需要高级的计算机图形学技术与方法来处理和可视化这些规模庞大的数据集2支短语VisualizationinScientificComputing后来变成了ScientificVisualization而前者最初指的是作为科学计算之组成局部的可视化，也就是科学与工程实践当中对于计算机建模和模拟的运用。更近一些的时候，可视化也
37、日益关注数据，包括那些来自商业、财务、行政管理、数字媒体等方面的大型异质性数据集合。二十世纪90年代初期，人们发起了一个新的,称为信息可视化的研究领域，旨在为许多应用领域之中对于抽象的异质性数据集的分析工作提供支持。因此，目前人们正在逐渐接受这个同Ir寸涵盖科学可视化与信息可视化领域的新生术语-“数据可视化3)。自那时起，数据可视化就是一个处于不断演变之中的概念，其边界在不断地扩大；因而,最好是对其加以宽泛的定义。数据可视化指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、外表、属性以及动画的显示，对数据加以可视化解释。与立
38、体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多26】5. 9数据可视化适用范围关于数据可视化的适用范围，目前存在着不同的划分方法。一个常见的关注焦点就是信息的呈现。例如，迈克尔-弗兰德里(MiChaelFriendIy)(2023)提出了数据可视化的两个主要的组成局部:统计图形(StatiStiCalgraPhiCS)和主题图(thematiccartography严L另一方面,FritsH.Post(2002)那么从计算机科学的视角，将这一领域划分为如下多个子领域m：可视化算法与技术方法、立体可视化、信息可视化、多分辨率方法、建模技术方法、交互技术方法与体系架构。数据可视
39、化的成功应归于其背后根本思想的完备性：依据数据及其内在模式和关系，利用计算机生成的图像来获得深入认识和知识。其第二个前提就是利用人类感觉系统的广阔带宽来操纵和解释错综复杂的过程、涉及不同学科领域的数据集以及来源多样的大型抽象数据集合的模拟。这些思想和概念极其重要，对于计算科学与工程方法学以及管理活动都有着精深而又广泛的影响。DataVisualization:TheStateoftheArt一书当中重点强调了各种应用领域与它们各自所特有的问题求解可视化技术方法之间的相互作用3)。6. 10数据可视化的通用技术目前数据可视化所采用的一些通用技术有：:用折线、曲线、网络线等几何线条表示数值的大小,
40、通过实践或现场获取的数据集。为了使人们能观察清楚,并充分理解这些数据,将这些数据从一个空间映射到另一个空间,如三维图形通过透视变换映射成二维图像空间。这种方法的优点是直观、准确,但反映的信息有局限性。其具体使用技术有:曲线表示技术、网络结构技术、粒子跟踪技术、拓扑结构分析技术等。应用实例如：(1)等值线/等值面法表示地形、压力、温度、高度、速度、流线等。(2)矢量化/符号化法表示矢量、梯度、风力等。(3)纹影图/条纹干扰法表示变形、温度、磁力线变化等。：用色彩或灰度来描述不同区域的数值的方法。由于人们对色彩的接受能力更强,根据人的视觉系统对彩色色度的感觉和亮度的敏感程度不同来描述数值特性,这种
41、方法的主要优点是:直观、形象、醒目,主要用于反映外表或截面上的信息。应用实例如：(1)区域填充法表示云雨分布、医学CT图等。(2)阴影图法表示几何形体的几何特性等。(3)实物化法表示火山喷射温度、物体裂纹扩展特性等。：通过图形、图像、声音、动画等多种媒体共同表示科学试验和工程设计中的数据集,如用图像、声音(噪声)等表示航空发动机起飞、加力、巡航等不同工作阶段的变化情况。随着信息可视化技术的出现，常常就是重大科学发现的前奏。这些可视化工具，扩展了人类的视觉功能，它允许人类对大量抽象的数据进行分析。人的创造性不仅取决于人的逻辑思维，而且取决于人的形象思维。海量的数据只有通过信息可视化变成形象，才能
42、激发人的形象思维，才能在外表上看来是杂乱无章的海量数据中找出其中隐藏的规律，为科学发现、工程开发、医疗诊断和业务决策等提供依据。2.11结构化分析中的数据可视化技术2 .数据可视化在结构化分析中的作用数据可视化在结构化分析系统中有怎样的作用？对这个问题的答复，我们可以首先看一下2005年一次情报分析方法和工具的年度会议上,RichardV.Badalamente和FrankL.Greitzer共同提出了当前情报分析软件领域十个亟需解决的问题口。这十个问题分别是：1无缝数据接入和提取(SeamIeSSDataAccessandIngest)2.离散数据提取和融合(DiVerSedatainges
43、tandfusion)3.共享电子文件和合作分析(SharedElectronicFoldersforCollaborativeAnalysis)4.假设生成和跟踪(HypothesesGeneration&Tracking)5.电子技术创造(ElectronicSkillsInventory)6.动态数据处理和可视化(DynamiCDataProcessingandViSUaIiZatiOn)7.情报分析产品开发的智能向导(InteUigentTutorforIntelligenceProductDevelopment)8.数据资源的可视化(ImageryDataResources)9.情报
44、分析知识库(InteIligenCeAnalysisKnowledgeBase).10分析策略模板(TemPlateforAnalysisStrategy)他们从技术角度CITcomplexity)和对情报分析的影响力(IAimPaCt)两个维度来描述这十个问题。虽然这样的描述只是一种相对的位置，但依然能说明很多问题。从下列图中我们可以看到动态数据可视化的技术的技术难度仅次于假设生成和跟踪这一项，而它的影响力处于中等地位。可是如果我们再从商业应用方面来看的话，数据可视化技术是一项非常有用和迫切的技术，好的可视化能帮助决策者更快更有效地制定决策，而差的可视化那么只会是决策者陷入无尽的困惑中。因此
45、，研究结构化论证中的数据可视化是一项非常迫切的任务。图情报分析软件开发的十大问题3 .11.2结构化分析中所采用的数据可视化采用自顶向下的分析方法的数据可视化的-个比较突出的难题是，如何将分析的结果用一种合理的结构展现在用户面前，保证信息的逻辑性又不产生信息的丧失。树形结构根本满足这一要求，但是还不够，单纯静态的树形结构有很多的缺点，当分析的问题的数量到达一定的规模的时候，非常影响图形的美观和用户的感受。因此，本篇论文所要探讨的问题就是如何控制树形结构的外观，以使它能满足较好的扩展性并且能承受较大规模的节点输入数量。而采用自底向上的分析方法的数据可视化的一个比较突出的问题是：如何将观点和意见进
46、行归类，归类后如何呈现。在国外的那款名为Angler的分析系统中，所采用的方法是对被归类为一致的意见的-类着同一颜色。第三章国外结构化分析系统研究3.1 国外结构化情报分析系统研究进展自从斯坦福研究中心的JohnD.Lawrence博士第一次提出结构化情报分析的模型，对结构化分析方法的研究就一直没有停止，JohnD.Lawrence博士自己带着的小组研发和设计了两款基于结构化情报分析方法的情报分析系统一一SEAS和Angler。JohnD.Lawrence在-篇名为Graphicalmanipulationofevidenceinstructuredarguments论文中介绍了SEAS可视化
47、设计的思路，并给出了SEAS中可视化设计的效果图128L他在另篇名为SoftwareSupportedPatternDevelopmentinIntelligenceAnaIySis的论文中论述了一种使用GEM的模式语言来图形化表述情报分析员信息需求的方法，并给出了它在LAW（LinkAnalysisWOrkbenCh）系统中的实际使用。男。还有一篇名为DesigningaSystemforStructuredAssessmentofComplianceRisk那么讲述了结构化情报分析方法在金融风险防范领域的实际应用H*俄亥俄州立大学认知系统工程实验室的DavidWoods等提出了一个辅助决策
48、支持的情报论证模型，把自顶向下和自底向上这两个过程整合到了一起,一边自顶向下分析将问题不断细化的时候，一边对原有问题域进行筛选和扩充。加州大学伯克利分校的教授同时也是PerceptualEdge的首席参谋StephenFew一直致力于分析和提供有价值的商业数据，他在这方面己经有超过20年的工作经验。他的两篇文章ThreeBlindMenandanElephant:ThePowerofFacetedAnalyticalDisplays和HmproveYourVisionandExpandYourMindwithVisualAnalytics描述了一-款名为tableau的商务智能软件，它主要的目
