排序方式： 共有5条查询结果，搜索用时 31 毫秒
1
1.
2.
随着人们对网络空间的依赖性不断增强,互联网技术与网络基础设施规模迅速发展。很难直接用数字或表格的形式对网络空间进行全局的规划与管理,并且不容易发现隐藏在网络空间中的一些关键信息。网络空间点群要素的多尺度模型构建对网络空间数据的多尺度分析和可视化具有非常重要的意义。本文以网络空间的特征为依据,在借鉴基于社团划分的网络空间分层算法和基于节点重要性的网络空间分层算法特点的基础上,提出了Blondel算法和k-核分解的混合算法相结合的网络空间点群要素多尺度模型构建算法。本算法通过自动社团划分,用同一社团内的节点合并构建新的网络,有效解决了基于节点重要性的网络空间分层算法自动化程度低的弊端。利用核心节点来代替整个社团结构,显著保留了网络空间中节点的属性。实验表明使用该算法可以使各个层次网络空间点群要素的综合比例降至30%以下,较好的实现了网络空间点群要素的聚类与分层,若将网络空间点群要素的多尺度模型应用于地理空间中,则可实现网络空间地图的多尺度绘制。 相似文献
3.
4.
5.
可视化是一种非常有效的网络空间资源分析方式,通过借助点线面、符号、地形等形象映射抽象数据,可以更好地管理、维护和优化网络空间。考虑到网络空间资源节点在网络中的空间相关性和重要性,本文借助隐喻地图思想,将网络空间中资源节点视为本体,传统地理空间中山峰和等高线作为喻体进行可视化表达。首先,通过节点之间的拓扑关系构建空间权重矩阵和转移矩阵,以此计算出节点的局部莫兰指数和PageRank值。为了更全面地综合考虑节点在局部和全局范围内的空间相关性和重要性,使局部莫兰指数进行标准化处理与PageRank值达到相同的取值范围后将二者结合得到综合评价指标（PI值）;然后,将网络空间资源节点根据FR算法围绕重要程度最高的节点进行布局,通过PI值赋予节点高度值和大小;最后,借助隐喻地图的思进行可视化表达。实验数据表明,相较于传统的节点评价方法,该方法将用于衡量地理空间数据中是否存在空间聚集现象的莫兰指数引入到网络空间,可以突出节点中属性值较高并且与其相连节点属性值也高的节点;同时,基于隐喻地图思想进行可视化表达可以直观表现出节点在网络空间中的所处地位以及与其他节点间的相互关系,并且在针对格式化数据进行渲染... 相似文献
1