1 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 大数据可视化的发展及研究现状
1.2.2 复杂度研究的发展及研究现状
1.2.3 相关学科的研究现状
1.3 本书研究内容
1.4 本书结构及撰写安排
1.5 本章小结
2 大数据可视化的特征属性及复杂度分析
2.1 大数据的分类及其特征
2.1.1 结构化与非结构化数据
2.1.2 时空数据与非时空数据
2.1.3 数据的自身属性分类
2.2 大数据可视化图像的分类及特征
2.3 大数据可视化的复杂度分析
2.3.1 认知的复杂度
2.3.2 数据的复杂度
2.3.3 视觉的复杂度
2.3.4 交互的复杂度
2.4 本章小结
3 大数据可视化的认知复杂度研究
3.1 大数据可视化的信息加工模型
3.1.1 信息加工的基本过程
3.1.2 用户调研与专家访谈
3.1.3 大数据可视化的信息加工过程
3.1.4 大数据可视化的信息加工模型
3.2 大数据可视化中的认知负荷研究
3.2.1 大数据可视化中的认知负荷及分类
3.2.2 大数据可视化中的认知负荷结构模型
3.3 大数据可视化的复杂认知加工机制
3.3.1 组块化认知机制
3.3.2 多维空间认知机制
3.3.3 多目标关联认知机制
3.3.4 动态追踪认知机制
3.3.5 自适应的图示认知机制
3.4 大数据可视化中的认知复杂度
3.5 本章小结
4 大数据可视化的数据复杂度研究
4.1 大数据可视化的数据复杂度解析
4.1.1 高维数据的表征方法分析
4.1.2 大数据信息空间的复杂度问题
4.2 信息单元的空间复杂度分析
4.3 数据结构的复杂度研究
4.3.1 基于认知空间的数据结构分类方法
4.3.2 基于R语言的数据结构重构实现
4.4 基于认知空间的数据结构与图元编码的表征研究
4.4.1 数据结构与图元关系之间的表征
4.4.2 图元编码表征的复杂度分解
4.4.3 基于认知空间的数据结构与编码属性映射
4.4.4 基于数据结构的图元编码示例
4.5 基于属性编码叠加数量与叠加形式的实验研究
4.5.1 实验对象
4.5.2 实验设计及材料
4.5.3 实验程序设计
4.5.4 实验结果与分析
4.5.5 讨论
4.6 本章小结
5 大数据可视化的视觉复杂度研究
5.1 大数据可视化的视觉复杂度解析
5.2 大数据可视化视觉复杂度的客观属性研究
5.2.1 复杂度与视觉秩序
5.2.2 构成视觉复杂度的客观属性选取
5.2.3 视觉复杂度及其构成属性的相关性研究
5.3 复杂度与熟悉度的关联性实验
5.3.1 实验方法
5.3.2 实验对象
5.3.3 实验设计及材料
5.3.4 实验程序
5.3.5 实验结果与分析
5.3.6 讨论
5.4 大数据可视化的视觉复杂度构成
5.5 大数据可视化的视觉复杂度分层映射
5.6 视觉复杂度的分层映射验证实验
5.6.1 实验对象
5.6.2 实验设计及材料
5.6.3 实验结果与分析
5.6.4 讨论
5.7 本章小结
6 大数据可视化的交互复杂度研究
6.1 大数据可视化的交互复杂度解析
6.2 交互动作的复杂度分析
6.3 交互行为的复杂度分析
6.3.1 交互行为的分类
6.3.2 交互行为的复杂度
6.3.3 交互行为复杂度及其构成因素的相关性研究
6.4 交互逻辑的复杂度分析
6.4.1 交互逻辑的复杂度构成
6.4.2 交互架构的复杂度
6.4.3 视觉动线的复杂度
6.5 基于CogTool交互仿真的视觉动线布局研究
6.5.1 实验设计及材料
6.5.2 实验程序
6.5.3 实验结果与分析
6.5.4 讨论
6.6 本章小结
7 大数据可视化的复杂度优化方法及应用
7.1 大数据可视化中的整体复杂度
7.2 大数据可视化的复杂度优化方法
7.2.1 基于图元编码的数据复杂度优化方法
7.2.2 基于客观属性的视觉复杂度优化方法
7.2.3 基于认知冗余的视觉复杂度优化方法
7.2.4 基于视觉动线和交互架构的交互复杂度优化方法
7.3 基于复杂度优化的设计流程及解析方法
7.3.1 大数据可视化的复杂度优化设计流程
7.3.2 大数据可视化的复杂度逆向解析方法
7.4 基于复杂度优化方法的案例应用与分析
7.4.1 案例分析
7.4.2 改进方案
7.4.3 验证分析
7.5 本章小结
8 总结与展望
8.1 总结
8.2 后续工作展望
8.3 大数据可视化的未来发展趋势
参考文献
附录
展开
