买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种模型计算分析可视化自动布局方法及系统，涉及图形可视化领域，包括：根据用户请求从多种数据源动态加载数据，确定数据种类并进行预处理；对数据进行分类，形成数据节点绘制初步拓扑图；识别并优化重复数据节点和多余边；分析优化后的拓扑图，选择适合的框架图种类进行布局调整。本发明利用介数中心性、度中心性和特征向量中心性识别和处理重复数据节点，减少图形布局的冗杂性，避免信息冗余；通过计算冗余度优化边的连接，提高图形布局的简洁性和美观性。布局分类和优化方法能够根据不同数据结构选择最优布局算法，确保图形布局的高效性和直观性。最终，通过防止数据节点重叠、优化交叉边和对齐数据节点，进一步优化图形布局。

主权项：1.一种模型计算分析可视化自动布局方法，其特征在于，包括：根据用户请求从发电厂中汽轮机多种运行数据源动态加载数据，确定所需数据种类，进行预处理；应用分类算法对预处理后的数据进行分类，形成对应种类数据的数据节点，并绘制基于数据节点关系的初步拓扑图；识别重复数据节点以及多余边，优化初步拓扑图；分析优化后的拓扑图，自动选择适合的框架图种类，进行布局调整；将布局调整后的结果输出并渲染到用户界面上，使用Canvas技术进行渲染，完成可视化自动布局；所述动态加载数据是根据用户的具体请求，通过自然语言处理技术解析用户请求，确定数据的大类种类、格式以及数据来源的优先级，在数据加载阶段，利用智能选择算法根据数据源的实时响应以及数据质量评估，动态选择合适的数据源进行数据抓取，数据经过网络传输后进入预处理，去除重复以及无关数据，修正数据输入的错误，格式化所有数据，并进行数据验证以确保数据的完整性和逻辑一致性；所述智能选择算法是基于每个数据源提供的性能指标进行实时评估，通过预设的标准，计算每个数据源的综合评分，根据得到的评分，动态决定数据抓取任务分配给评分最高的数据源；所述对预处理后的数据进行分类是从预处理后的数据中提取关键特征，根据特征将数据分为多个具体需求种类，每个具体需求种类代表一个研究方向，将每个具体需求种类的数据创建对应的数据节点，并为每个数据节点分配唯一标识符并记录其种类属性，根据数据节点间预定义的关系规则，使用图形算法自动绘制初步的拓扑图；拓扑图的表达式为：G＝V,E其中，V为数据集，包括所有经预处理和分类后的数据点，E为边集，根据特定的关系规则建立；若每一对数据节点u,v∈V，根据预定义的规则存在关系，则在u和v之间添加一条边u,v∈E；边集的表达式为：E＝{u,v∣u,v∈Vand存在预定义的关系规则连接u和v}；所述识别重复数据节点以及多余边包括识别和处理重复数据节点；通过数据节点属性识别潜在的重复数据节点，综合评估每个重复数据节点的连接边数量和在图中的角色，根据介数中心性、度中心性以及特征向量中心性判断当前重复数据节点是否进行保留，对于需要合并的数据节点，选择代表数据节点，更新相关边，并删除冗余数据节点，对于需要保留的数据节点，保持连接关系和独特属性；所述介数中心性、度中心性以及特征向量中心性，表达式为： CDv＝dv 其中，CBv为数据节点v的介数中心性，σst是数据节点s和t之间所有最短路径的数量，σstv是通过数据节点v的最短路径的数量，CDv为数据节点v的度中心性，dv是数据节点v的度，连接到v的边数，CEv为数据节点v的特征向量中心性，λ为特征值常数，Nv为数据节点v的邻居数据节点集合，Auv表示数据节点u和v之间是否有边，CE为邻居数据节点的特征向量中心性；使用介数中心性、度中心性和特征向量中心性评估数据节点的重要性，设定第一综合阈值，若介数中心性、度中心性和特征向量中心性中任一指标大于第一综合阈值，则判断当前数据节点在途中具有关键作用，保留当前重复数据节点，反之删除当前重复数据节点；所述识别重复数据节点以及多余边还包括识别多余边；使用Dijkstra算法计算所有数据节点对之间的最短路径，识别关键路径，若某条路径中所有边的出现频率均大于设定的第二综合阈值，则判断该路径为关键路径，对于关键路径上的边，保留当前边；对于非关键路径上的边，进一步判断是否为多余边，通过计算冗余度，若某边的冗余度高于设定的第一冗余阈值，则删除该多余边，表达式为： 其中，Re为边e的冗余度，P为所有路径的集合，δp,e为指示函数，若边e在路径p中出现，则δp,e＝1，否则，δp,e＝0；通过删除重复数据节点以及重复边，输出优化后的拓扑图；所述分析优化后的拓扑图，自动选择适合的框架图种类是根据数据节点属性和关系动态计算图中的数据节点位置和边；所述框架图种类包括树形布局、层次布局、网格布局；若初步拓扑图是无闭环连通图，没有孤立的子图或独立的数据节点，n个数据节点对应n-1条边，针对任意两个数据节点之间仅有一条连接边，初步拓扑图的高中心度数据节点比例小于第一高中心度阈值且初步拓扑图的聚类系数小于第一聚类阈值，则分类为树形布局；所述高中心度数据节点比例小于第一高中心度阈值包括计算每个数据节点的度、初步拓扑图的平均度、平均度的标准差，表达式为： 其中，dv为数据节点v的度，μ为初步拓扑图的平均度，σ为平均度的标准差；统计度初步拓扑图中高于μ+kσ的数据节点数量，表达式为： 其中，δ为指数函数，当条件成立时，值为1，否则为0，Ph为高中心度数据节点比例；当Ph小于第一高中心度阈值，则进一步判断初步拓扑图的聚类系数是否小于第一聚类阈值，表达式为： 其中，Cv为数据节点v的聚类系数，Ev为数据节点v的邻居数据节点之间实际存在的边数，k是数据节点v的邻居数据节点数，C为初步拓扑图的平均聚类系数；若初步拓扑图是无向无闭环图或有向无闭环图，根数据节点的入度为0，任意两个数据节点之间仅有从上层数据节点指向下层数据节点的边，各层次上的数据节点数均匀分布，各层次数据节点数的方差小于第一方差阈值且没有逆向边和跨层边，则分类为层次布局；所述入度为0是进入当前数据节点的边的数量为0；所述层次是确定初步拓扑图中所有入度为0的根数据节点或源数据节点集合，使用广度优先搜索计算每个数据节点的层次，其中层次是从根数据节点到数据节点的最短路径长度；所述各层次数据节点数的方差小于第一方差阈值，表达式为： 其中，为各层次数据节点数的方差，|VL|为每个层次上的数据节点数，Lmax为最大层次数，μL为平均每层的数据节点数；若初步拓扑图中的任意一个数据节点的连接边不大于4且无孤立数据节点，则判定为网格布局；所述第一综合阈值、第二综合阈值、第一冗余阈值、第一高中心度阈值、第一聚类阈值、第一方差阈值是根据用户请求的历史记录进行设定。

全文数据：

权利要求：

百度查询： 朗坤智慧科技股份有限公司 一种模型计算分析可视化自动布局方法及系统