| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 选题背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 竞技体育技术统计类型数据可视化分析研究现状 | 第10页 |
| 1.2.2 竞技体育扩展类型数据可视化分析现状 | 第10-11页 |
| 1.2.3 可视化分析方法总结以及本文研究思路 | 第11-12页 |
| 1.3 本文的研究思路与章节安排 | 第12-13页 |
| 第2章 NBA数据可视化分析相关技术 | 第13-29页 |
| 2.1 竞技体育信息可视化概述 | 第13页 |
| 2.2 竞技体育数据可视化分析方法 | 第13-25页 |
| 2.2.1 技术统计数据研究内容及可视化方式 | 第13-21页 |
| 2.2.2 扩展数据研究内容以可视化方法 | 第21-25页 |
| 2.3 竞技体育数据分析及表现方法比较 | 第25-26页 |
| 2.4 本章总结 | 第26-27页 |
| 2.5 国内外研究现状 | 第27-28页 |
| 2.5.3 可视化分析方法总结以及本文研究思路 | 第27-28页 |
| 2.6 本文的研究思路与章节安排 | 第28-29页 |
| 第3章 基于事件流的NBA球场数据可视化 | 第29-48页 |
| 3.1 NBA事件流数据结构 | 第29-34页 |
| 3.2 NBA事件流图布局方法 | 第34-38页 |
| 3.3 事件流图分析 | 第38-43页 |
| 3.3.1 单球员分析 | 第38-39页 |
| 3.3.2 多球员分析 | 第39-43页 |
| 3.4 NBA事件流图交互方式 | 第43-47页 |
| 3.4.1 基于过滤的简化 | 第43-45页 |
| 3.4.2 三个视图的联动 | 第45-46页 |
| 3.4.3 其他交互方式 | 第46-47页 |
| 3.5 本章总结 | 第47-48页 |
| 第4章 基于统计数据的NBA球场数据可视化 | 第48-57页 |
| 4.1 基于跟踪数据的球员比较 | 第49-51页 |
| 4.1.1 球员跟踪数据散点图布局算法 | 第49-50页 |
| 4.1.2 球员跟踪数据散点图交互方式 | 第50-51页 |
| 4.2 基于跟踪数据的球员表现排名 | 第51-55页 |
| 4.2.1 基于跟踪数据的球员进攻效率分析 | 第52-53页 |
| 4.2.2 基于跟踪数据的球员每分钟控球效率分析 | 第53-55页 |
| 4.3 基于跟踪数据的球队投篮类型分析 | 第55-56页 |
| 4.4 本章总结 | 第56-57页 |
| 第5章 实验效果 | 第57-67页 |
| 5.1 基于事件流的NBA可视化分析实验效果 | 第57-65页 |
| 5.2 基于跟踪统计数据的NBA可视化分析实验效果 | 第65-66页 |
| 5.3 本章总结 | 第66-67页 |
| 第6章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-71页 |
| 附录1 | 第71-72页 |