| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-17页 |
| 1.2.1 可视化技术研究现状 | 第13-15页 |
| 1.2.2 可视化平台研究现状 | 第15-16页 |
| 1.2.3 可视化应用研究现状 | 第16页 |
| 1.2.4 研究中存在的一些缺陷和不完善之处 | 第16-17页 |
| 1.3 研究内容与论文工作 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第二章 相关理论与技术应用研究 | 第19-31页 |
| 2.1 数据可视化理论研究 | 第19-24页 |
| 2.1.1 可视化流程 | 第19-20页 |
| 2.1.2 可视化分类 | 第20-23页 |
| 2.1.3 可视化设计 | 第23-24页 |
| 2.2 数据处理与存储技术 | 第24-27页 |
| 2.2.1 数据预处理 | 第24-25页 |
| 2.2.2 ETL工具 | 第25页 |
| 2.2.3 非关系型数据库 | 第25-26页 |
| 2.2.4 大数据处理框架 | 第26-27页 |
| 2.3 机器学习聚类算法 | 第27-30页 |
| 2.3.1 K-means聚类算法 | 第27-29页 |
| 2.3.2 DBSCAN聚类算法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 密集型地理空间数据可视化及相关改进 | 第31-46页 |
| 3.1 密集型点数据可视化 | 第31-34页 |
| 3.1.1 视觉通道设计 | 第32页 |
| 3.1.2 空间变形 | 第32页 |
| 3.1.3 基于插值算法的热力图 | 第32-33页 |
| 3.1.4 点聚合 | 第33-34页 |
| 3.2 基于格网和K—means的点聚类算法 | 第34-39页 |
| 3.2.1 格网划分 | 第35页 |
| 3.2.2 基于格网和K-means的点聚类算法 | 第35-38页 |
| 3.2.3 实验结果对比 | 第38-39页 |
| 3.3 密集型线数据可视化 | 第39-41页 |
| 3.3.1 数据聚合 | 第39-40页 |
| 3.3.2 边线绑定技术 | 第40-41页 |
| 3.4 基于DBSCAN和K-means的两阶段边线绑定算法 | 第41-45页 |
| 3.4.1 DBSCAN与K-means优缺点对比 | 第41-42页 |
| 3.4.2 基于DBSCAN和K-means的两阶段边线绑定算法 | 第42-44页 |
| 3.4.3 实验结果对比 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 可视化系统设计 | 第46-55页 |
| 4.1 需求分析 | 第46-47页 |
| 4.1.1 系统业务需求 | 第46页 |
| 4.1.2 系统功能需求 | 第46-47页 |
| 4.2 系统总体设计 | 第47-49页 |
| 4.3 数据库设计 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 可视化系统实现 | 第55-65页 |
| 5.1 数据源上传 | 第55-57页 |
| 5.1.1 实时数据上传 | 第55-56页 |
| 5.1.2 离线数据上传 | 第56-57页 |
| 5.2 数据预处理 | 第57-58页 |
| 5.2.1 数据抽取 | 第57页 |
| 5.2.2 数据清洗 | 第57页 |
| 5.2.3 数据脱敏 | 第57-58页 |
| 5.2.4 数据装载 | 第58页 |
| 5.3 实时数据推送 | 第58-59页 |
| 5.3.1 实时推送服务端 | 第58-59页 |
| 5.3.2 实时推送客户端 | 第59页 |
| 5.4 可视化展示 | 第59-64页 |
| 5.4.1 主界面介绍 | 第59-61页 |
| 5.4.2 使用本文算法实现的可视化效果 | 第61-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结和展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读研究生期间发表的学术论文 | 第71页 |
