【正文】 :若信息空間被劃分為兩個(gè)顯示區(qū)域 (如 overview+detail 模式 ),人在探索信息時(shí)需要不斷切換注意力和工作記憶 ,導(dǎo)致認(rèn)知行為的低效 . 研究者針對 F+C 技術(shù)開展了大量研究 ,如 Spence 等人提出的雙焦點(diǎn)變形技術(shù) (bifocal display) 、 Furnas 提出的魚眼視圖及其各種擴(kuò)展技術(shù) 、 Lamping 等人提出的雙曲幾何變換技術(shù) (hyperbolic geometry) 、 Yee 等人提出的放射圖 (radial graph) 、 Heer 等人提出的關(guān)注度樹 (DOI tree) 、 Ren 等人提出的動態(tài)扇形圖 DOIWave 、 Piertiga 等人提出的 Sigma 透鏡 等 .其中 ,魚眼視圖的研究最為廣泛 ,如文本魚眼菜單 Fisheye Menus 、搜索引擎結(jié)果魚眼列表的 WaveLens 、 PDA 手持設(shè)備魚眼日歷 DateLens 、圖像魚眼 等 .魚眼視圖也應(yīng)用于密集網(wǎng)絡(luò)節(jié)點(diǎn)的可視化 ,如密集樹圖多焦點(diǎn) Ballon 技術(shù) 、大規(guī)模樹結(jié)構(gòu)的嵌套圓魚眼視圖 等 .圖 27 顯示了上述部分例子 .大數(shù)據(jù)環(huán)境下 ,F+C 技術(shù)因其能在突出關(guān)注的焦點(diǎn)的同時(shí)保持上下文整體視圖的連貫性 ,將為密集型可視化界面和強(qiáng)調(diào)上下文關(guān)聯(lián)的搜索分析行為提供有力的支持 .同時(shí) ,將焦點(diǎn)與上下 文之間單純的距離概念拓展到語義層面 ,結(jié)合挖掘與學(xué)習(xí)算法計(jì)算語義距離來動態(tài)獲得與焦點(diǎn)語義相關(guān)的上下文 ,并做出智能自適應(yīng)性可視化反饋 ,也將是 F+C 技術(shù)的研究重點(diǎn) . (3) 多側(cè)面關(guān)聯(lián)技術(shù) 數(shù)據(jù)對象往往具有多個(gè)信息側(cè)面 (facet),稱為信息多面體 .為了分析信息多面體多側(cè)面之間具有語義關(guān)聯(lián)關(guān)系 ,研究者提出了多側(cè)面關(guān)聯(lián)技術(shù) ,基本思想是 :建立針對多個(gè)信息側(cè)面的視圖 ,在交互過程中對多側(cè)面視圖中的可視化對象進(jìn)行動態(tài)關(guān)聯(lián) ,以探索內(nèi)在的關(guān)系 .Zhao 等人 研發(fā)了可視分析工具 PivotSlice,針對信息多面體 中多側(cè)面之間的關(guān)系進(jìn)行分析 .如圖 28 所示 ,PivotSlice 的可視分析界面 ,界面上部是分析過程的歷史追蹤 ,中部展示了多個(gè)側(cè)面的視圖 ,用戶與任意一個(gè)視圖中的節(jié)點(diǎn)交互時(shí) ,可動態(tài)鏈接到其他視圖中具有語義關(guān)聯(lián)的節(jié)點(diǎn)集合 . Dork等人提出了另一種對信息多面體進(jìn)行分析的技術(shù) PivotPaths,如圖 29所示 ,界面從上到下分為 3部分 :人物、資源、概念 ,3 個(gè)層面之間建立了關(guān)聯(lián) ,在交互分析時(shí)能夠清晰地觀察到內(nèi)在的關(guān)系 . 任磊和杜一等 人提出了基于領(lǐng)域本體的多側(cè)面關(guān)聯(lián)模型 ,并實(shí)現(xiàn)了一個(gè)支持信息多面體可視分析的系統(tǒng) DaisyVA,如圖 30所示 .多側(cè)面關(guān)聯(lián)技術(shù)強(qiáng)調(diào)從多個(gè)角度來分析問題 ,并且重在建立多個(gè)分析角度之間的內(nèi)在關(guān)聯(lián)關(guān)系 ,這也為突破單一視角來分析大數(shù)據(jù)提供了相應(yīng)的可視分析技術(shù)的支持 . 面向 PostWIMP的自然交互技術(shù) 根據(jù)分析過程的認(rèn)知理論 ,分析者在分析推理過程中需要保證思維的連貫性 ,而連續(xù)的思維不應(yīng)被交互操作過多的打斷 .因此 ,可視分析所采用的交互技術(shù)應(yīng)是貼近用戶認(rèn)知心理的、支持直接操縱的、自然的交互技術(shù) .自然交 互能夠保證分析者主要關(guān)注點(diǎn)在分析任務(wù)上 ,而不需過多關(guān)注實(shí)現(xiàn)任務(wù)的具體操作方式和流程 .傳統(tǒng)的 WIMP 交互技術(shù)主要依賴鼠標(biāo)和鍵盤作為主要交互方式 ,造成用戶在執(zhí)行任務(wù)時(shí)很大一部分時(shí)間花在了如何操作上 ,因此并不是支持可視分析的最佳交互技術(shù) .PostWIMP 交互技術(shù)極大地提升了交互方式的自然性 , 例如多通道交互、觸摸式交互、筆交互等 ,尤其適合可視分析的應(yīng)用需求 . 基于觸摸、手勢以及筆交互的界面目前已經(jīng)比較普遍 ,Walny 等人 實(shí)現(xiàn)了基于筆和觸摸的交互式白板并應(yīng)用于可視分析 ,并且對兩種交互技術(shù)各自的特點(diǎn)進(jìn) 行了比較和分析 .如圖 31 所示 ,分析者可以基于觸摸交互方式、利用手勢來操縱界面中的可視化對象 ,同時(shí)可以用筆對分析推理過程的思維進(jìn)行記錄 .實(shí)驗(yàn)結(jié)果表明 ,基于筆和觸摸的交互技術(shù)能夠使得分析推理過程更為流暢 .Tominski 等人 受人們?nèi)粘Ｐ袨榱?xí)慣的啟發(fā) ,提出了一種基于折疊動作的自然交互技術(shù) ,用于可視分析中數(shù)據(jù)的對比 .如圖 32 所示 ,分析者可以像翻開并折疊一頁紙一樣與界面中的可視化對象交互 . 大數(shù)據(jù)分析問題的復(fù)雜性和跨領(lǐng)域特點(diǎn) ,導(dǎo)致問題的分析需要具有多元知識背景的分析者進(jìn)行協(xié)作 .為了更高效自然地支持協(xié)作可視分析 ,Isenberg 等人 提出了基于數(shù)字桌面多觸點(diǎn)交互的協(xié)作可視分析技術(shù) .如圖 33 所示 ,多用戶可以在共享的數(shù)字桌面上用觸摸和手勢 ,對可視化對象進(jìn)行操縱和分析 .Block 等人 提出了一種稱為 DeepTree 的生命進(jìn)化可視化系統(tǒng) ,也采用了多點(diǎn)觸摸和手勢的交互技術(shù) .Lee等人 提出了 SketchStory,將筆交互技術(shù)不僅用于分析推理過程 ,而且基于手繪草圖來創(chuàng)建可視化對象 ,如圖 34 所示 ,界面 能夠?qū)Ψ治稣? 繪制的草圖予以理解 ,并生成規(guī)范化的可視化圖像 . 參考文獻(xiàn)： 1. 袁 曉 如 . 大 數(shù) 據(jù) 時(shí) 代 可 視 化 與 可 視 分 析 的 機(jī) 遇 與 挑 戰(zhàn) .2021. 2. 杜一 ,任磊 .DaisyVA:支持信息多面體可視分析的智能交互式可視化平臺 .計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào) ,2021,25(8): 1177?1182. 3. 張昕 ,袁曉如 .樹圖可視化 .計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào) ,2021,24(9):1113?1124. 4. 戴國忠 ,田豐 .筆式用戶界面 .北京 :中國科學(xué)技術(shù)大學(xué)出版社 ,?425. 5. 李伯虎 ,張霖 ,任磊 ,羅永亮 ,王勇智 ,尹超 ,黃剛 ,趙欣培 .再論云制造 .計(jì)算機(jī)集成制造系統(tǒng) ,2021,17(3):449?457. 6. 李伯虎 ,張霖 ,任磊 ,柴旭東 ,陶飛 ,王勇智 ,尹超 ,黃培 ,趙欣培 ,周祖德 .云制造典型特征、關(guān)鍵技術(shù)與應(yīng)用 .計(jì)算機(jī)集成制造系統(tǒng) , 2021,18(7):1345?1356. 7. 馬翠霞 ,任磊 ,滕東興 ,王宏安 ,戴國忠 .云制造環(huán)境下的普適人機(jī)交互技術(shù) .計(jì)算機(jī)集成制造系統(tǒng) ,2021,17(3):504?510. 8. 戴國忠 ,陳為 ,洪文學(xué) ,劉世霞 ,屈華民 ,袁曉如 ,張加萬 ,張康 .信息可視化和可視分析 :挑戰(zhàn)與機(jī)遇 —— 北戴河信息可視化戰(zhàn)略研討 會總結(jié)報(bào)告 .中 國 科學(xué) :信息科學(xué) ,2021,43(1):178?184. H， Shiravi A， Ghorbani A A． A survey of visualization systems for work security[J]． IEEE Transactions on Visualization and Computer Graphics， 20 12，18(8)： 1313— 1329 L， Lu A． The future of security visualization： lessons from work visualization EJ]． IEEE Network， 2021， 26(6)： 611 Homepage inB／ OL]． [202101— 09]：／ ． vizsec． ． 2021 VAST Challenge Homepage in vamunity[EB／ OL]． [2021 一 01— 09]：／． vamunity． ／ VAST+Challenge+2021． 2021 L． Karthikeyan S， Jacob G， et a1． Malware images： visualization and automatic classification[c]／／ Proceedings of the 8th International Symposium on Visualization for Cyber Security． New York： ACM Press， 2021： 4— 11 F ， GObel T ， Cheswick W ． Visual analysis of plex firewall configurations[c] ／／ Proceedings of the 9th International Symposium on Visualization for Cyber Security． New York： ACM Press， 2021： 1— 8 Y， Liang X， Wang Y， et a1． MVSec： a novel multi— view visualization system for work security[c]IIProceedings of Visual Analytics Science and Technology． Los Alamitos： IEEE Computer Society Press， 2021： 78 Q， Shi L， Wang C． Visual analysis of large— scale work anomalies[J]． IBM Journal of Research and Development， 2021， 57(314)： 13： 113 O， Thonnard O， Tzovaras D． Visual spare campaigns analysis using abstract graphs representation[c] IIProceedings of the 9th International Symposium on Visualization for Cyber Security． New York： ACM Press， 2021 64— 71