Page 46 - 大数据技术及安全研究

大数据技术及安全研究
Research on Big Data Technology and Security

部单元的关联关系，进而体现出模型的本质特征。在开展 CAD 设计时，结构需
求也普遍大于几何需求，为进一步满足这一需求，随之出现了拓扑三维 CAD 模
型内容检索技术。

模型拓扑结构基本上都需要在计算机中借助图形或树形结构来加以呈现，其
中树形结构较为简单，且算法也更加及时有效。但需要注意是，树形结构所表达
的信息量较少，难以全面满足实际需要。从这一角度分析，基于内容检索可以将
模型通过图的方式呈现，每一个图中的结点都属于一个单元模型，结点关联关系

即为单元之间的关系，当前，具有代表性的拓扑方法主要为以下几类：
其一即为基于属性邻接图。属性邻接图主要针对的模型即为 B-Rep 模型，在
过程中可以将各个表面视为节点，面之间的相邻关系即为图结构，模型表面属性
与边属性就是图节点和边的属性。从 CAD 模型的 B-Rep 表示中提取出 MSG 是

一种极具代表性的工作模式，随之将 MSG 转变成为特征向量，应依照图谱理论
来将其划分为多个较小子图，最后再运用高维数据索引技术来支撑高效检索。
其二为 Reeb 图。Reeb 图即为通过图节点来体现模型空间中相同属性值的联
系区，同时使用图边来体现区域之间的相邻关系，进而构成图结构。在过程中相

关工作人员可以选择不同的属性函数，然后将 Reeb 图演化成为多个变种，基于
积分测地距离的多分辨率 Reeb 图三维模型检索方式具有较强的代表性，其主要
是以不同密度来对函数值进行划分，这样就会产生诸多不同分辨率的 Reeb 图，
进而节点之间的包含关系就可以确定成为父子关系，依照这种方式来开展层次式

匹配，这对于三维模型有效识别有一定的帮助。
（三）可视化数据挖掘存在的问题
针对可视化数据挖掘工作来讲，以往传统的分析方式难以对海量数据进行全
面且有效分析，并且也难以实现可视化，而将可视化技术与信息获取以及分析技

术进行融合，就可以很好地帮助可视化数据挖掘工作有序开展。
但需要注意的是，在过程中需要对可视化模型和可视化对象以及可视化技术
度量评测模型进行深入分析和探索，以下几点即为可视化数据挖掘工作开展中需
要注意的关键问题：第一，如何构建选择需要描述的数据对象和挖掘过程以及结

果准则等，如何建立科学有效的描述数据对象和挖掘过程及结果可视化模型等；
第二，如何能够科学给出评价可视化技术，并且如何建立度量指标和度量指标体
系及度量模型等；第三，如何保障用户可以直接参与到分析过程中，如何有效实

·38·