《信息可视化技术》课程教学大纲.pdfVIP

《信息可视化技术》课程教学大纲 课程代码：ABXX0519 课程中文名称: 信息可视化技术 课程英文名称：Information Visualizatio 课程性质：专业选修课 课程学分数：3 课程学时数：48 其中讲课学时： 32 实验学时： 16 授课对象：信息与计算科学 本课程的前导课程：概率论与数理统计，线性代数，数据结构 一、课程简介 网络与数据时代的到来正深刻地改变着社会与人们的生活。信息可视化是在此浪潮中兴起的一门交 叉学科。它通过创造性地结合现代数据处理方法与人类强大的视觉感知分析能力，凭借交互可视用 户界面探索海量抽象数据的内在结构、广泛关联与未来趋势。通过本课程学习，希望达到三个教学 目标，根据学生基础与具体情况灵活掌握：1) 认识并理解信息可视化的基本概念、设计原则、核心 流程、实现工具及几种重要数据类型的可视化方法；2) 训练并掌握应用经典信息可视化方法展示 析具体数据的能力，了解根据不同数据类型、用户特征及分析任务选择信息可视化方法的基本原则； 3) 培养创造性地设计、实现、评价、验证新型信息可视化方法的基本能力，为今后开展数据分析相 关工作打基础。 二、教学基本内容和要求 第一部 可视化技术导论 课程教学内容：可视化的意义、目标和作用，可视化简史，数据可视化释义。 课程的重点：数据可视化分类。 课程的难点：数据可视化分类。 课程教学要求：了解可视化的意义、目标和作用，了解数据可视化的分类。 第二部 视觉感知与视觉通道 课程教学内容：视觉感知与认知,视觉通道。 课程的重点：感知与认知定义,视觉通道的特性。 课程的难点：格式塔理论。 课程教学要求：掌握感知与认知定义，格式塔理论，理解视觉通道的相对性，掌握视觉通道的类型 和特性。 第三部 数据介绍 课程教学内容：数据基础，数据特征，数据预处理，数据存储，数据分析。 课程的重点：数据属性、数据统计特征、数据预处理步骤、统计分析方法。 课程的难点：数据相似性度量、数据的不确定性。 课程教学要求：了解非线性回归预测法的一般思想、应用回归预测法时应注意的问题，掌握一元线 性回归模型及多元线性回归模型的建立、参数估计、检验和预测。 第四部 数据可视化基础 课程教学内容：数据可视化流程，数据处理和数据变换，可视化编码，可视化设计。 课程的重点：数据处理和数据变换，可视化设计。 课程的难点：数据聚类和剖分，数据配准与转换。 课程教学要求：了解数据可视化的流程，掌握数据滤波、降维、采样、聚类和剖分、数据配准与转 换，理解可视化编码元素的优先级，可视化设计框架。 第五部 可视化软件与工具 课程教学内容：可视化软件分类，科学可视化软件与工具，信息可视化软件与工具，可视分析软件 与开发工具。 课程的重点：科学可视化软件与工具，信息可视化软件与工具。 课程的难点：信息可视化软件与工具的交互和使用。 课程教学要求：了解常用的可视化软件分类，掌握一主要开源可视化软件工具的使用。 第六部 时空数据可视化 课程教学内容：一维标量数据可视化、二维标量数据可视化、三维标量数据可视化、多变量空间数 据可视化、时间序列数据可视化。 课程的重点：二维标量数据可视化，时间序列数据可视化。 课程的难点：三维标量数据可视化，时序数据可视化方法。 课程教学要求：掌握各类时空数据可视化的方法。 第七部 高维非空间数据可视化 课程教学内容：高维数据变换、高维数据的可视化呈现、高维数据的可视化交互。 课程的重点：高维数据的可视化呈现。 课程的难点：高维数据变换。 课程教学要求：理解主成 析法、多维尺度分析法、等距映射法、局部线性嵌入法等高维数据变 换方法，掌握高维数据的可视化呈现方法和交互方法。 第八部 跨媒体数据可视化 课程教学内容：文本与文档可视化，社交网络可视化，日志数据可视化。 课程的重点：文本与文档可视化，日志数据可视化。 课程的难点：时序型文本可视化，社交网络可视化。 课程教学要求： 掌握文本与文档、社交网络和日志数据三类跨媒体数据可视化可视化方法。 第九部 可视化交互与评估 课程教学内容：可视化交互，可视化的价值和评估。 课程的重点：可视化交互。 课程的难点：可视化交互模型。 课程教学要求：了解可视化交互方法分类、交互硬件与软件环境，掌握可视化交互模型，理解可视 化的价值，了解可视化评估方法。 三、实验教学内容及基本要求 实验课程是本课程