La vue de séquence massive (MSV) est une approche classique de visualisation de réseau dynamique basée sur la chronologie. Cependant, il est vulnérable au fouillis visuel causé par des bords qui se chevauchent, ce qui entraîne une incompréhension inattendue des tendances des communications réseau variant dans le temps. Plusieurs techniques ont été proposées pour améliorer la lisibilité du MSV. L'échantillonnage est l'une des méthodes potentielles pour réduire l'encombrement visuel dans le MSV. La méthode d'échantillonnage existante EOD-ES pour MSV présente trois inconvénients principaux : (D1) instabilité des résultats d'échantillonnage avec le même taux d'échantillonnage, (D2) déséquilibre des densités relatives entre les paires de nœuds et (D3) perte de valeurs aberrantes.

Pour résoudre les problèmes, une équipe de recherche dirigée par Xiaoping Fan et Ying Zhao a publié ses nouvelles recherches dans Frontières de l'informatique.

L'équipe a présenté un nouvel algorithme d'échantillonnage des bords appelé bruit bleu multiclasse basé sur les bords (E-MCBN) pour rendre le résultat de l'échantillon stable et équilibré et préserver les valeurs aberrantes.

Dans la recherche, ils adoptent un schéma d'échantillonnage basé sur les bords (E-) et le bruit bleu multi-classes (MCBN) (E-MCBN). Ils reconstituent la méthode d'échantillonnage MCBN. Tout d'abord, ils prennent une paire de nœuds comme classe d'arêtes et redéfinissent les distances d'échantillonnage.

Notamment, ils conçoivent un indicateur appelé degré de chevauchement de classe (COD) pour mesurer le degré de chevauchement entre deux classes quelconques afin de calculer la distance entre deux classes. Deuxièmement, ils reconstruisent le processus de vérification des conflits à partir de trois aspects : (1) réorganiser les priorités de vérification des conflits des bords en introduisant un nouvel indicateur appelé degré de conflit inter-classes (CCD), (2) redéfinir la portée des vérifications des conflits en identifiant la distance maximale dans la matrice de distance, et (3) reformuler le processus de ré-échantillonnage des bords rejetés.

Enfin, ils adoptent une stratégie d'échantillonnage par partition pour préserver les bords locaux à haute densité dans MSV. L'étude de cas et l'analyse quantitative démontrent que l'E-MCBN peut réduire efficacement l'encombrement visuel et améliorer la lisibilité du MSV. Il peut également surmonter les inconvénients de l'échantillonnage MCBN (c.-à-d. longue durée et incapacité à préserver la zone de communication locale à haute densité dans MSV). Les travaux futurs peuvent se concentrer sur la conception de méthodes plus efficaces pour réduire l'encombrement visuel dans MSV et d'autres graphiques visuels.

Fourni par la presse de l'enseignement supérieur